Tus textos de ChatGPT tendrán una huella invisible que podrán delatarte

Los textos que generes con ChatGPT podrían incorporar pronto una señal que no podrás ver a simple vista. OpenAI ha anunciado que añadirá marcas de agua invisibles a determinadas respuestas de ChatGPT y Codex en la Unión Europea, como parte de su adaptación a las exigencias de transparencia del Reglamento de Inteligencia Artificial europeo, conocido como AI Act.

La tecnología se llama textGrain y deja una huella estadística en la selección de palabras. La idea es que una herramienta pueda reconocer indicios de que un texto pasó por los sistemas de OpenAI, aunque la propia compañía admite que el resultado puede ser equivocado y que editar el contenido complica bastante la detección.

Para quienes usan estas herramientas para redactar, programar o revisar documentos, hay varios matices que conviene conocer. El despliegue será gradual, la API seguirá un planteamiento distinto y detectar una marca no permite saber quién escribió el texto, cuánto aportó una persona ni si lo que dice es cierto.

Qué cambiará en ChatGPT, Codex y la API de OpenAI

El anuncio de OpenAI, publicado el 5 de octubre de 2026, establece dos vías de implantación. En ChatGPT y Codex, la compañía introducirá la marca invisible en las próximas semanas para los usuarios y las respuestas de texto que cumplan los requisitos en la Unión Europea.

La API permitirá activar las marcas de agua de forma voluntaria para determinados modelos, con disponibilidad para clientes de todo el mundo desde el día del anuncio. Por ahora, esa opción permanecerá desactivada por defecto, de modo que su funcionamiento inicial será diferente al previsto para los productos de consumo en la UE.

Esta distinción importa si utilizas una aplicación que se conecta a los modelos de OpenAI. La posibilidad de activar el marcado en la API no significa que cualquier servicio basado en esos modelos vaya a devolver automáticamente textos con la nueva huella; el anuncio contempla una elección por parte de sus clientes.

OpenAI plantea este cambio como una respuesta al AI Act y a su exigencia de que el texto generado por IA pueda identificarse mediante mecanismos legibles por máquinas. El lanzamiento no convierte el marcado en una configuración global por defecto para ChatGPT y Codex, y la referencia a contenido elegible tampoco permite asumir que absolutamente todas sus salidas quedarán marcadas desde el primer momento.

Cómo funciona textGrain y qué tiene en común con Claude

Una marca de agua en un texto resulta más difícil de imaginar que la que aparece sobre una fotografía. En este caso, textGrain introduce una señal estadística invisible en las palabras que el modelo elige al generar sus respuestas; el detector busca después ese patrón para estimar si un fragmento contiene una marca de OpenAI.

La explicación puede entenderse pensando en las alternativas que tiene un modelo al continuar una frase. Cuando hay distintas formas de expresarse, las decisiones de generación pueden dejar un patrón reconocible para una herramienta especializada, sin que el lector vea una etiqueta o un aviso incrustado en cada párrafo.

El planteamiento recuerda al de Anthropic, que provocó debate al anunciar el marcado de Claude hace unos meses. Como ya contamos al explicar las marcas de agua invisibles de Claude, su sistema utiliza decisiones entre palabras adecuadas siguiendo un patrón asociado a una clave secreta. Anthropic sostiene que esto no tiene un impacto práctico en el significado, la calidad o la legibilidad de las respuestas.

Un detector diseñado para la marca de Claude no identifica automáticamente las de OpenAI ni las de otros proveedores, porque trabaja con la clave y el sistema de Anthropic. OpenAI ha publicado un informe técnico sobre textGrain, que ampliará en las próximas semanas, y prevé ofrecer la tecnología como código abierto para que otros puedan desarrollar soluciones sobre ella.

El detector puede fallar y la edición debilita la huella

OpenAI también ha abierto solicitudes para acceder a su detector de marcas de agua, aunque inicialmente lo reservará a investigadores y organizaciones expertas aprobadas. El acceso restringido busca facilitar la evaluación y mejora de una tecnología que todavía tiene limitaciones importantes, en lugar de presentar sus resultados como una prueba concluyente del origen de cualquier texto.

Entre esas limitaciones están los falsos positivos y los falsos negativos. En el primer caso, la herramienta puede indicar que hay una marca cuando no existe; en el segundo, puede pasar por alto una marca presente. Además, los fragmentos cortos y los contenidos con poco margen para elegir palabras, como las matemáticas, son más difíciles de analizar.

La edición también puede debilitar mucho la señal. En una evaluación con fragmentos de 400 tokens, sustituir un 10% de las palabras por sinónimos redujo la tasa de detección de aproximadamente el 92% al 66%; cuando la sustitución afectó al 25% de las palabras, la detección cayó hasta el 17%.

Estas cifras corresponden a una evaluación concreta y no garantizan el mismo comportamiento con cualquier documento. Aun así, muestran por qué conviene interpretar el detector con cautela: un texto puede haber sido generado con IA y dejar de ofrecer una señal suficientemente clara después de una revisión, mientras que una detección errónea puede atribuir una huella inexistente.

Qué dicen las pruebas sobre la calidad de los textos marcados

Una de las dudas más razonables es si condicionar las decisiones del modelo acaba empeorando sus respuestas. OpenAI afirma que no observa diferencias significativas de rendimiento global entre los textos con marca y sin ella, según las pruebas realizadas con Astra en su configuración de razonamiento máximo.

La compañía ha compartido resultados de ocho evaluaciones que cubren distintos tipos de tareas. El modelo que aparece en la comparación es Astra, sobre cuyo lanzamiento ya hablamos en nuestro artículo sobre GPT-6 Astra y sus capacidades; los datos permiten comparar directamente ambas configuraciones dentro de cada prueba.

Lo curioso es que la versión con marca obtiene una puntuación superior en cinco de las ocho pruebas. Las mayores diferencias de esa tabla aparecen en Terminal-Bench Science 0.1 y Terminal-Bench 4.0, mientras que las respuestas sin marca quedan por delante en DeepSWE v1.1, BrowseComp y GPQA Diamond.

Eso no permite concluir que añadir una marca haga al modelo más inteligente. La lectura prudente coincide con la de OpenAI: hay variaciones entre pruebas, pero la compañía no aprecia un cambio relevante en el rendimiento general; tampoco sería correcto presentar esos resultados como una demostración de que todas las respuestas tendrán exactamente la misma calidad.

Una marca de agua no revela tu identidad ni demuestra la autoría

OpenAI dedica una parte importante de su explicación a delimitar qué significa una detección positiva. La marca no identifica al usuario ni permite asociar el fragmento con una persona, una cuenta, una organización o una conversación concreta, y el detector no revela las instrucciones que se dieron al modelo.

Tampoco mide la participación humana. Una señal puede indicar que un sistema de OpenAI generó o procesó parte de un texto, pero no cuantifica el trabajo de revisión, el criterio editorial o la creatividad que aportó una persona; utilizarla para asignar automáticamente toda la autoría a la IA iría más allá de lo que permite la herramienta.

La marca tampoco establece quién es propietario del contenido o quién responde por él. OpenAI advierte igualmente de que no verifica la exactitud: una respuesta marcada puede contener errores, resultar engañosa o estar fuera de contexto, y detectar su procedencia no resuelve ninguna de esas cuestiones.

Hay un matiz igual de importante en el resultado contrario: no detectar una marca no demuestra que el texto sea humano. La huella puede haberse debilitado, el fragmento puede ser insuficiente o el contenido puede proceder de otro proveedor; por eso, el detector no funciona como un certificado universal que separe de manera infalible lo escrito por personas de lo generado por máquinas.

OpenAI revisará el sistema según evolucione la tecnología

La compañía presenta esta implantación como un proceso abierto a cambios, condicionado por la evolución de la tecnología, los estándares y la evidencia disponible. El alcance del marcado y el acceso al detector podrán revisarse, mientras los primeros investigadores y organizaciones autorizadas ayudan a evaluar su fiabilidad.

Entre los aspectos que OpenAI seguirá estudiando está la resistencia de las marcas a la edición y la traducción. Las tasas de detección publicadas dejan claro que conservar una señal útil fuera de las condiciones de prueba es un reto, especialmente cuando el contenido pasa por varias revisiones antes de llegar al lector.

Otro objetivo es distinguir mejor entre recibir ayuda de una IA y dejar que esta escriba el contenido. Esa diferencia resulta relevante para documentos, publicaciones y tareas académicas, pero la tecnología actual no permite medir por sí sola la contribución de cada participante; es una cuestión que la compañía quiere seguir investigando.

Para el usuario, el cambio más inmediato será que determinadas respuestas de ChatGPT y Codex en la UE incorporarán una huella que no se ve al leerlas. La propuesta añade una pista sobre su procedencia, aunque sus propias limitaciones obligan a acompañarla de contexto: una marca invisible aporta información, pero no sustituye la comprobación de los hechos ni una valoración de cómo se ha elaborado el texto.