Los watermarks de Claude — cómo funcionan y cómo no

Anthropic está lanzando watermarks para las respuestas de Claude, y ya publicaron los detalles. El sistema mete una señal sutil en el texto — cambios de patrón tan finos que nadie los nota, pero una herramienta de verificación los detecta. La idea es poder saber si un pasaje lo escribió Claude o un humano.

Los watermarks están diseñados para sobrevivir ediciones comunes: copiar y pegar, reformatar, incluso parafrasear un poco. No aguantan una reescritura completa, ni aguantan que alguien pegue la salida en otra herramienta y la pase por otro modelo para reescribirla. Esa última parte es el punto débil, y Anthropic lo dice claro.

El código es otra historia. Watermear código es más difícil porque la señal tiene que meterse en algo que siga compilando y corriendo. Anthropic dice que los watermarks en código van a ser menos robustos que en prosa, y todavía están trabajando para que sean confiables para lanzar.

El panorama más grande es que el watermark es una señal — literal. Le permite a las plataformas y herramientas marcar contenido de IA sin tener que pedirle a cada usuario que lo declare. No resuelve el problema del contenido generado por IA inundando internet; solo hace posible detectar un subconjunto. Los que están construyendo herramientas de detección están apostando a que el texto watermear vale la pena, y que el costo de falsos positivos se mantiene bajo para no molestar a los escritores reales.

Por qué nos importa: si mucha de la text que ven nuestros primos en WhatsApp y Facebook está siendo generada por modelos como Claude, el watermark es una de las pocas herramientas que tenemos para distinguir — y todavía no es perfecto.