Las marcas de agua en textos de IA siguen siendo fáciles de eliminar pese a la nueva normativa europea

El artículo 50 del Reglamento de IA de la Unión Europea, que entra en vigor en agosto de 2026, obliga a los proveedores de sistemas generativos de IA a incrustar señales detectables en el contenido generado por IA, "en la medida técnicamente posible". La cláusula pretendía ofrecer a las autoridades una base forense contra el texto sintético no revelado.

En la práctica, el requisito choca con la naturaleza del texto como medio altamente comprimible. Cambiar una palabra manteniendo significado, estilo y legibilidad deja muy poco espacio invisible para un patrón oculto, a diferencia de las imágenes donde alteraciones sutiles de píxeles pueden sobrevivir a la compresión.

Marcas de agua estadísticas basadas en tokens

SynthID de Google ejemplifica un enfoque probabilístico de selección de tokens. Al sesgar la elección de ciertos tokens durante la generación, el sistema crea una huella estadística que puede ser detectada por un clasificador entrenado sin necesidad de una marca visible.

La fiabilidad del método depende de la secuencia exacta de elecciones de vocabulario. Cuando un usuario posterior reescribe o parafrasea la salida, la huella colapsa porque el orden de tokens alterado ya no coincide con la distribución esperada.

Marcas de agua con homógrafos Unicode

Otra técnica propuesta inserta homógrafos Unicode —caracteres que se ven idénticos a los estándar pero tienen puntos de código diferentes, como un espacio de no‑separación que aparece como un espacio normal. Al esparcir estos caracteres invisibles a lo largo del documento, se puede incrustar un patrón de bajo costo.

Los flujos de procesamiento de texto habituales normalizan Unicode, convirtiendo todas las variantes a sus formas canónicas. Esta normalización automática elimina el patrón de homógrafos sin afectar el texto visible, borrando efectivamente la marca de agua.

Metadatos y firmas C2PA

Las firmas de la Content Authenticity Initiative (C2PA) pueden certificar la procedencia cuando se adjuntan a un archivo. Sin embargo, el texto plano copiado desde una ventana de chat pierde el archivo de metadatos adjunto, y la firma puede eliminarse simplemente al despojar el contenedor que la contiene.

• Las marcas de agua basadas en sesgo de tokens (p.ej., SynthID) dependen de la distribución estadística de tokens
• La inserción de homógrafos usa caracteres Unicode visualmente idénticos
• Ambas técnicas pueden eliminarse mediante parafraseo o normalización Unicode
• Los metadatos C2PA se separan al copiar el texto y pueden descartarse

En una entrada de blog, Sean Goedecke señala que algunos proveedores podrían estar experimentando con marcas de agua basadas en homógrafos, pero lo presenta como una especulación más que como una práctica confirmada. La falta de confirmación oficial subraya la incertidumbre sobre la adopción en la industria.

El énfasis de la UE en la interoperabilidad y la transparencia, aunque destinado a simplificar la verificación legítima, paradójicamente debilita cualquier protección que dependa del secreto del algoritmo de marca de agua. Si el método de detección es público, los adversarios pueden crear herramientas de eliminación con mayor facilidad.

Para las organizaciones de habla hispana, la consecuencia práctica es limitada. Los equipos de cumplimiento deben documentar que sus sistemas de IA intentan incrustar una señal detectable, pero no pueden confiar en que dicha señal sobreviva a la edición rutinaria, a operaciones de copiar‑pegar o a los flujos estándar de procesamiento de texto.

Por ello, las evaluaciones de riesgo legal deberían centrarse en políticas de divulgación y trazas de auditoría, más que en la durabilidad técnica de las marcas de agua. La documentación interna y la formación del personal pasan a ser los pilares más fiables para demostrar cumplimiento ante una inspección.

Desafíos de la detección forense

Los investigadores forenses que intenten identificar texto sintético deberán depender de análisis estadísticos avanzados o de la recuperación de metadatos que, en la mayoría de los casos, ya no estarán presentes tras la copia y el pegado. Esto eleva el coste y la complejidad de cualquier investigación basada en la marca de agua prevista por el AI Act.

En Madrid, los departamentos legales de varias startups de IA ya están revisando sus flujos internos para asegurarse de que, aunque la marca de agua pueda desaparecer, exista un registro interno que demuestre la intención de cumplir con la normativa europea.