Anthropic ahora incorpora un patrón estadístico oculto —SynthID-Text— en cada respuesta de Claude. La empresa afirma que esta medida cumple con el Código de Transparencia de la Ley de IA de la UE y ofrece a los desarrolladores una forma de demostrar que un texto proviene de un modelo de IA. La marca de agua sobrevive a ediciones casuales sin alterar la prosa para los lectores humanos.

Por qué se está añadiendo la marca de agua

Los reguladores europeos han presionado a los proveedores de modelos de lenguaje de gran tamaño (LLM) para que el contenido generado por IA sea distinguible de la escritura humana. El Código de Transparencia de la Ley de IA de la UE, que pronto se aplicará en todo el bloque, obliga a los desarrolladores a proporcionar un método de detección fiable para cualquier texto que produzcan sus modelos. Anthropic respondió adoptando la técnica SynthID-Text descrita por primera vez por Google DeepMind el año pasado.

La decisión desató una oleada de debates en Reddit y X, donde los usuarios temían que la marca de agua pudiera degradar la calidad de los resultados o convertirse en una puerta trasera para la vigilancia. Anthropic sostiene que el patrón es invisible para los lectores, no añade latencia y puede desactivarse para despliegues privados. Al publicar los detalles técnicos, la empresa espera calmar las especulaciones y establecer un estándar para la industria.

Cómo funciona SynthID-Text

Los detectores de IA tradicionales buscan peculiaridades lingüísticas: frases repetitivas, puntuación extraña o desviaciones estadísticas de la escritura humana. Esas señales desaparecen en cuanto un humano reescribe un párrafo, lo que hace que los detectores no sean fiables. SynthID-Text, por el contrario, incorpora una señal encubierta durante la etapa de selección de tokens del modelo.

Cuando Claude elige entre dos tokens igualmente plausibles —por ejemplo, “overcast” frente a “grey”— el sistema inclina la decisión hacia el que encaja en un patrón binario precalculado. A lo largo de un documento, estos pequeños ajustes crean una secuencia de bits que una API de detección puede extraer posteriormente. El patrón es deliberadamente de bajo impacto: el sinónimo elegido sigue siendo una palabra perfectamente natural, por lo que el flujo del texto permanece inalterado. Debido a que la marca de agua reside en el flujo de tokens y no en el texto superficial, sobrevive a la mayoría de los procesos posteriores que no reemplacen cada token.

Resistencia a la edición: qué sobrevive y qué no

Una crítica común es que los usuarios podrían simplemente editar la prosa generada por IA para borrar la marca de agua. Las pruebas internas de Anthropic describen tres escenarios de edición:

  • Edición ligera – corregir erratas, cambiar algunos adjetivos o ajustar el orden de las frases. La firma estadística de la marca de agua permanece prácticamente intacta porque la mayoría de los tokens no cambian.
  • Edición intensiva asistida por Claude – pedirle a Claude que reescriba un borrador que ya contiene frases generadas por IA. Si el usuario mantiene el control sobre la mayor parte de la redacción, la señal de la marca de agua se debilita en proporción a la cantidad de texto nuevo elegido por el humano.
  • Reescritura completa – reemplazar cada token con una nueva generación o una reescritura manual. En ese punto, la marca de agua original se destruye, pero el texto resultante ya no cumple la definición de la UE de “generado por IA”, ya que no queda rastro de la salida original del modelo.

La conclusión: la marca de agua resiste el pulido casual, pero no una regeneración completa del contenido.

Generación de código: dónde reside la marca de agua

Claude se utiliza ampliamente como asistente de programación, produciendo desde fragmentos de una sola línea hasta módulos de stack completo. Los lenguajes de programación dejan poco margen para la elección de sinónimos; cambiar un token como “for” por “while” alteraría la lógica. Por lo tanto, Anthropic espera que la marca de agua aparezca casi exclusivamente en las secciones donde el modelo tiene libertad para elegir palabras: comentarios, docstrings y la prosa explicativa que acompaña al código.

Dado que la parte funcional del código permanece intacta, los desarrolladores no deberían notar una disminución en la corrección o el rendimiento. La presencia de la marca de agua se limita al texto auxiliar que ayuda a los humanos a comprender el código, cumpliendo con el requisito de transparencia sin comprometer la utilidad.

Efectos dominó en la industria

Anthropic no actúa sola. Varios otros desarrolladores de LLM han firmado el mismo Código de Prácticas que exige una API de detección estandarizada. Si el cronograma de aplicación de la UE sigue según lo previsto, el marcado de agua podría convertirse en una capa predeterminada en el stack de los LLM, de forma muy similar a como lo es el cifrado para la transmisión de datos hoy en día. Las empresas que ignoren este requisito se arriesgan a multas, a la pérdida de acceso al mercado europeo o a la retirada forzosa de sus servicios.

Puntos de controversia

Critics argue that a hidden signature, even if invisible, could be repurposed for tracking or attribution beyond regulatory compliance. They also fear false positives: a detection API that mislabels human-written text could undermine trust in platforms that rely on the signal. Anthropic acknowledges these risks and says the detection algorithm will be open-source, allowing independent audits and calibration.

Another practical worry is the computational overhead of generating the watermark. Anthropic reports that the additional processing adds less than a fraction of a percent to inference time, a claim that third-party benchmarks will soon test.

What to watch next

  • API rollout – Anthropic plans to release a public endpoint that extracts the hidden bit pattern from any Claude output. Developers will be able to integrate the check into content-moderation pipelines.
  • Standardization efforts – Regulatory bodies and industry groups are drafting a common format for watermark metadata, which could make cross-model detection easier.
  • Empirical studies – Independent researchers are beginning to probe the resilience of SynthID-Text against adversarial rewriting tools. Their findings will shape how much confidence platforms place in the signal.

Bottom line

Anthropic’s adoption of SynthID-Text gives the AI community a concrete tool to meet upcoming European transparency rules while keeping Claude’s output quality intact. The watermark survives everyday proofreading but falls away when text is fully regenerated, and it lives in the non-code parts of programming output where it does not interfere with functionality. Whether the approach becomes the industry norm hinges on how well the detection API performs in real-world settings and whether concerns about privacy and false alarms can be addressed.