La marca de agua de Claude apenas ha durado un día frente a las herramientas para eliminarla
La marca de agua desarrollada por Anthropic para identificar textos generados con Claude ha quedado en entredicho apenas unos días después de su anuncio. En menos de 24 horas comenzaron a circular herramientas capaces de alterar o eliminar el patrón estadístico asociado a esos contenidos, lo que limita su utilidad como mecanismo para detectar trabajos académicos realizados con inteligencia artificial.
El sistema tampoco puede determinar por sí solo quién ha escrito un texto ni cuánto ha intervenido la IA en su elaboración. Anthropic lo ha presentado como una medida de transparencia relacionada con las exigencias de la normativa europea, pero sus propias características impiden utilizarlo como una prueba definitiva de fraude académico.
Una marca de agua que no añade caracteres al texto
La tecnología de Claude no funciona como una etiqueta visible ni inserta caracteres ocultos en el documento. Tampoco añade palabras, espacios o elementos que puedan detectarse fácilmente al copiar el contenido en un procesador de textos.
Su funcionamiento se basa en modificar ligeramente la selección de palabras que realiza el modelo. Cuando existen varias opciones razonables para continuar una frase, Claude puede priorizar unas sobre otras siguiendo un patrón estadístico concreto. La sucesión de esas decisiones deja una huella que, con suficiente cantidad de texto, podría identificarse mediante una clave criptográfica.
Una clave criptográfica es un código que permite comprobar un patrón sin que el mecanismo de verificación tenga que revelar todos los detalles internos del sistema. En teoría, este enfoque dificulta que alguien pueda reconocer o manipular la marca de agua sin conocer cómo se ha generado.
El problema es que la huella no está presente de la misma forma en todos los contenidos. Los textos breves ofrecen pocas oportunidades para introducir el sesgo necesario, mientras que en código, listas, fórmulas o respuestas muy concretas el margen de elección de palabras es todavía menor.
La marca no demuestra que un alumno haya usado IA
Incluso si el sistema detecta el patrón con una probabilidad elevada, el resultado no permite afirmar que un trabajo haya sido escrito íntegramente por Claude. El estudiante podría haber utilizado la herramienta para corregir la ortografía, mejorar el estilo, resumir un borrador o reorganizar algunas ideas.
La marca de agua tampoco ofrece garantías en sentido contrario. Si un texto no presenta el patrón esperado, eso no significa necesariamente que haya sido redactado por una persona. Puede proceder de otro modelo, haber sido editado de forma significativa o haber perdido la señal durante una traducción, una reescritura o un proceso de corrección.
Esta limitación es especialmente relevante en el ámbito educativo. Los sistemas de detección de textos generados por IA ya han sido cuestionados por sus falsos positivos y negativos. Pueden señalar como artificial un trabajo escrito por un estudiante o no identificar un contenido generado por un modelo y posteriormente modificado.
Sin detector oficial, la comprobación queda en el aire
Anthropic ha detallado el funcionamiento general de su método, pero no ha puesto a disposición un detector público equivalente a los sistemas de verificación que ofrecen otras compañías tecnológicas. Por ahora, profesores, universidades y desarrolladores externos no cuentan con una herramienta oficial que permita comprobar de forma directa si un texto contiene la marca de Claude.
La ausencia de un verificador dificulta todavía más su aplicación práctica. No basta con saber que existe una huella estadística: también es necesario disponer de un sistema fiable, accesible y auditable que mida su presencia y explique el grado de certeza del resultado.
Las primeras herramientas para eliminar la huella ya circulan
La resistencia del sistema tampoco ha tardado en ponerse a prueba. Poco después del anuncio aparecieron en GitHub proyectos que prometían eliminar o debilitar las marcas de agua de Claude, ChatGPT y Gemini. En los días siguientes se multiplicaron las propuestas con distintos métodos de edición y reformulación.
Estas herramientas no tienen por qué borrar una etiqueta visible. Su objetivo es modificar la distribución de palabras del texto para romper el patrón estadístico que utiliza el detector. Una simple reescritura, una traducción automática o la intervención de otro modelo puede ser suficiente para reducir la probabilidad de detección.
El fenómeno demuestra una debilidad común a los sistemas basados en señales estadísticas: el contenido puede seguir siendo prácticamente el mismo mientras cambia la huella que lo identifica. Por eso, una marca de agua no equivale a una firma digital ni garantiza la integridad del documento.
El debate educativo necesita otro enfoque
El uso de herramientas de IA entre el alumnado se ha extendido con rapidez. Distintos estudios realizados en Reino Unido y Australia apuntan a una utilización mayoritaria entre estudiantes universitarios, también para preparar evaluaciones y trabajos académicos.
Ante esta situación, confiar toda la integridad académica a un detector puede generar una falsa sensación de seguridad. Además, acusar a un estudiante basándose únicamente en una probabilidad plantea problemas de justicia, transparencia y derecho a defender el proceso de elaboración del trabajo.
La alternativa pasa por rediseñar parte de la evaluación. Las instituciones pueden combinar trabajos escritos con exposiciones orales, borradores sucesivos, revisiones presenciales, diarios de aprendizaje y actividades que exijan explicar las decisiones adoptadas.
El objetivo no debería ser únicamente demostrar que una persona no ha utilizado IA, sino acreditar que comprende el contenido, puede argumentar sus conclusiones y ha desarrollado las competencias que se pretendían evaluar. En ese escenario, la tecnología puede servir como apoyo, pero no como juez automático del trabajo del alumnado.
