Anthropic prometió una marca de agua para los textos de Claude. En menos de 24 horas, estaba burlada.
Claves de la operación
- La marca de agua dejó de funcionar en menos de 24 horas. Una herramienta publicada en GitHub prometía eliminar el marcado de Claude, ChatGPT y Gemini.
- Anthropic no dispone de ningún detector público. A diferencia de Google, la empresa no ofrece una web para verificar textos, así que nadie comprueba la marca.
- El sector educativo se queda sin herramienta fiable. El 95% de los estudiantes universitarios usa IA y el 53% de los trabajos ya la emplean, según Turnitin.
La promesa de una marca invisible que se evapora en horas
La detección de textos generados por IA se había convertido en un problema enorme. En Reino Unido, una encuesta reciente cifra en el 95% el porcentaje de alumnos de grado que recurre a estas herramientas; el 94% las usa específicamente para sus evaluaciones. En Australia, Turnitin informó en julio de que más del 53% de los trabajos entregados en la universidad contenían rastros de IA.
El mecanismo de Anthropic no añade tokens ni caracteres. Sesga la elección de palabras dentro de las que ya encajarían en un texto y genera un patrón estadístico que solo se lee con una clave criptográfica. Sobre el papel, parecía lo más parecido a una bala de plata para el profesorado.
La fragilidad apareció pronto. La propia marca de agua solo ofrece probabilidad, no certeza: no distingue si el texto fue redactado por completo por Claude o si el modelo solo corrigió estilo y ortografía. En textos cortos o código, además, hay poco margen para introducir el sesgo. Y si un texto no lleva la marca, no queda claro que lo haya escrito un humano.
El golpe definitivo llegó en 24 horas. En GitHub apareció una herramienta para eliminar las marcas de Claude, ChatGPT y Gemini. A los pocos días, ya circulaba un surtido de opciones. Forbes se hizo eco de esa proliferación. Anthropic no tenía detector propio, así que nadie podía comprobarlo.
El marcado invisible dejó de ser una defensa en menos de un día.
La conclusión para la comunidad docente es incómoda. Ni el profesorado ni las instituciones pueden confiar en las marcas de agua para detectar trampas. Jason Lodge, experto en psicología educativa de la Universidad de Queensland, sugiere dejar de buscar pruebas de que el alumno ha usado IA y, en su lugar, centrarse en en buscar pruebas de que se ha producido un aprendizaje.
Anthropic explicó su sistema tras las amenazas de bajas en la suscripción que siguieron al anuncio. No es un detalle menor: una función de coartada regulatoria ahora expone a la empresa. Sin detector propio, Anthropic cede el control del cumplimiento a terceros; cualquier laboratorio necesita la clave criptográfica para leer el patrón, y esa clave no se ha abierto al mercado.
Google mantiene una web de verificación para su marca de agua, pero Anthropic no. La ausencia de una herramienta pública abre hueco para que laboratorios y universidades busquen proveedores externos. El episodio también reabre la pregunta sobre quién audita a los generadores de contenido sintético cuando el regulador europeo aprieta. Y apretará: la legislación de IA exige transparencia en los contenidos generados, pero no se pronuncia sobre la inviolabilidad de las marcas.
La AI Act exige transparencia, no fiabilidad
El incidente coloca a la regulación europea ante un espejo incómodo. La norma no exige que las marcas sean inviolables, sino que existan y sean accesibles. Observamos una brecha entre la intención regulatoria y la implementación técnica: un atacante con conocimientos básicos puede neutralizar la transparencia. Esa brecha es la lectura financiera del asunto. Anthropic invirtió en una función de cumplimiento que ya no compra seguridad; compra exposición, y en un mercado de suscripción tan volátil eso tiene coste.
En España, el ecosistema educativo y las empresas de tecnología educativa seguían de cerca este movimiento. Los sistemas antiplagio llegaron a las universidades hace más de una década, y la IA generativa los ha desbordado. Sin una marca de agua blindada, los campus vuelven a depender de herramientas estadísticas con fallos de falso positivo. La recomendación de Jason Lodge apunta al cambio de fondo: menos policía, más evaluación del aprendizaje. No es una solución tecnológica; es una decisión de mercado y pedagogía.
