La Marca de Agua de Claude vs. un Detector de IA: No Es lo Mismo

A las 24 horas de que Anthropic anunciara la marca de agua de Claude, Xataka ya había encontrado un manual completo para borrarla. Y desde entonces, en los comentarios de esa nota, se repite la misma pregunta: si Turnitin ya puede leer esa marca, ¿estoy frito la próxima vez que use Claude para la tarea?

Vamos al grano: no. Turnitin no puede leer la marca de agua de Claude — literalmente no tiene la clave para hacerlo. Y esa confusión, entre lo que Claude hace desde el 2 de agosto y lo que Turnitin lleva años haciendo, es justo lo que vamos a desenredar acá.

Lo que cambió el 2 de agosto (y lo que Xataka ya explicó mejor que nadie)

Xataka le dedicó dos notas al tema, y la segunda tiene un título que resume todo: “no se ve, no se nota, (casi) no se puede borrar y no prueba nada”. Vamos por partes.

Desde los nuevos modelos de Claude lanzados a partir del 2 de agosto de 2026, cada texto que genera Claude lleva incorporado un patrón estadístico invisible. No son caracteres ocultos ni metadata que puedas simplemente borrar — está tejido en la elección misma de las palabras. Cuando Claude tiene que decidir entre dos sinónimos igual de válidos, sigue un patrón matemático específico. Copias el texto a Word, a un correo, a donde sea: el patrón viaja con las palabras porque es las palabras.

¿Por qué ahora? El detonante es el Código de Prácticas sobre Transparencia de Contenido Generado por IA, más de 190 organizaciones lo firmaron (OpenAI, Meta, Microsoft incluidos), en el marco de la Ley de IA de la Unión Europea que exige el marcado desde este agosto. Y ojo con esto: Anthropic decidió aplicarlo a nivel mundial, no solo para usuarios europeos. O sea, si estás en México, Colombia, Argentina — donde sea en LatAm — te toca la misma marca que a cualquier usuario europeo.

Un detalle que casi nadie menciona: esto solo aplica a modelos de Claude lanzados desde el 2 de agosto en adelante. Si veniste usando un modelo anterior, ese texto no lleva ninguna marca — no porque hicieras algo distinto, sino porque la función técnicamente no existía todavía.

Marca de agua vs. detector: dos máquinas completamente distintas

Acá está el corazón de todo, y es justo lo que la gente sigue confundiendo en redes: ¿no es lo mismo que un detector de IA?

No. Y la diferencia es de raíz.

La marca de agua de Claude es una señal que Claude mete a propósito. Anthropic la controla, y — al 23 de agosto de 2026 — solo Anthropic puede leerla, porque necesitas la clave criptográfica específica.

Turnitin, GPTZero y Pangram son adivinadores. No tienen esa clave. Nunca la tuvieron. Lo que hacen en realidad es correr tu texto por su propio clasificador, que mira estadísticas de superficie — perplejidad (qué tan “predecible” es la elección de palabras), burstiness (cuánto varía el ritmo y largo de las frases) y patrones de redacción típicos. Al final, escupen una probabilidad. Una adivinanza disfrazada de porcentaje.

Confundir estas dos cosas es justo el error que se está regando por todos lados — hasta el resumen automático de Google para “is Claude AI detectable” mezcla ambos sistemas en su respuesta. Si ni la respuesta generada por IA sobre “¿esto es IA?” logra distinguirlos, vale la pena dejarlo clarísimo acá.

	Marca de agua de Claude	Turnitin / GPTZero / Pangram
Qué es	Patrón estadístico metido a propósito en la elección de palabras	Clasificador que adivina con perplejidad/burstiness/redacción
Quién puede leerlo	Solo Anthropic, vía una API que todavía no es pública	Cualquiera que use esa herramienta
Qué significa un “positivo”	Claude estuvo involucrado en ese texto	El clasificador cree que el texto parece IA
¿Sobrevive editar un poco?	Generalmente sí, según Anthropic	Depende — el clasificador puede fallar en ambos sentidos
¿Prueba quién lo escribió?	No — solo que Claude participó, no cuánto	No — es una estimación de probabilidad
¿Hay detector público hoy?	Todavía no (al 23 de agosto de 2026)	Sí, es literalmente el producto

Lo que realmente sobrevive a una edición

La explicación de Anthropic es a propósito cualitativa, no un porcentaje duro: editar un poco “probablemente no la borre”, reescribir todo sí. Frustrante si querías planear con precisión — así que acá va el dato más filoso que encontró investigación independiente sobre marcas tipo SynthID: parafrasear elimina la señal en más o menos el 98,3 % de los casos probados. Traducido: si tomas el borrador de Claude y lo reescribes de verdad con tus propias palabras — no cambiar dos sinónimos, sino reestructurar de verdad — la marca de agua queda funcionalmente eliminada casi siempre.

Y ese manual que Xataka encontró a las 24 horas: funciona con intercambio de sinónimos, corriendo tu texto por otra IA. El propio creador de la herramienta admite que puede no engañar a todos los detectores, y que pasar el texto por una segunda IA puede introducir errores o dejar la redacción peor. Párate a pensarlo un momento: si evitar la detección te importa más que tener un buen texto, eso dice más de la situación en la que estás que de la herramienta.

Quién realmente está detectando texto de Claude — y con qué frecuencia

Ya que los detectores no pueden leer la marca de agua, la pregunta que sí importa es: ¿qué tan bueno es su propio clasificador para adivinar que fue Claude? La respuesta varía más de lo que uno pensaría, y le va peor con Claude que con la competencia.

GPTZero detecta texto de Claude con un 71 a 83 % de acierto, notablemente más débil que el 87 a 93 % que logra con ChatGPT. Pruebas independientes sobre Claude Sonnet y Haiku muestran consistentemente que los modelos de Anthropic son menos “detectables” por estas herramientas basadas en clasificadores que GPT-4o, y bastante menos que DeepSeek R1.

Eso significa algo concreto: dos estudiantes que usaron IA, uno con ChatGPT y otro con Claude, tienen probabilidades muy distintas de que el mismo detector los marque — no por nada que hayan hecho diferente, sino porque un modelo produce texto estadísticamente más “detectable” para esa herramienta en particular.

Los falsos positivos son la verdadera historia

Y acá es donde la crítica de “es una adivinanza disfrazada de prueba” deja de ser abstracta y se vuelve un problema real con consecuencias reales.

El estudio de Stanford de Liang et al. encontró una tasa de falsos positivos del 61,3 % en ensayos escritos por personas que no tienen el inglés como lengua materna — o sea, más de la mitad de las veces, texto genuinamente humano de un no-nativo se marcó como IA. La razón calza con cómo funcionan estos clasificadores: la escritura en inglés de un no-nativo suele tener menor “perplejidad” — elección de palabras más predecible, menos variación idiomática. Y justo eso es lo que estas herramientas leen estadísticamente como firma de IA. La herramienta no está detectando IA. Está detectando un estilo de escritura — y castigando a la gente por no escribir como un nativo con vocabulario amplio.

Para cualquier hispanohablante escribiendo en inglés — para una tesis, una beca, una aplicación de trabajo — esto no es un detalle menor: estás estadísticamente en el grupo con más riesgo de que te acusen sin razón, tengas o no IA de por medio.

La Academic Compliance Unit registró, según reportes, unos 6.000 casos de lo que los investigadores llaman sobre-alcance de detectores — casos donde una marca se convirtió en base de una acusación sin suficiente verificación independiente. Un caso en la University of Michigan involucró específicamente una demanda por discriminación por discapacidad: el patrón de escritura de una estudiante, moldeado por su condición documentada, generó falsos positivos que terminaron siendo la base de una sanción académica.

Ninguno de estos casos tiene que ver con la marca de agua de Claude. Todos son del lado del clasificador que adivina — el que existe desde años antes de cualquier marca de agua, y el que hoy sigue siendo lo que casi cualquier escuela, empleador o plataforma realmente usa.

OpenAI ni siquiera tiene marca de agua

Un dato que reordena toda esta conversación: al agosto de 2026, OpenAI no tiene desplegada ninguna marca de agua de texto para ChatGPT. Según reportes, OpenAI construyó una internamente — supuestamente con un 99,9 % de efectividad en pruebas internas — y la dejó guardada, citando preocupaciones por falsos positivos y el impacto que un lanzamiento público podría tener en la adopción de usuarios.

O sea, el estado honesto de la industria ahora mismo: Anthropic es la empresa que dio el paso de transparencia que empuja la Ley de IA europea, y se lleva la mayor parte de la ansiedad de “¿me van a pillar usando IA?” — mientras la herramienta de escritura con IA más grande del planeta no tiene nada comparable en funcionamiento. Si tu preocupación es “¿cuál herramienta de IA está marcando mi texto en secreto?”, Claude es, técnicamente, la más transparente de las dos. Solo que también es la que salió en las noticias por eso.

Lo que la propia documentación de Anthropic dice que NO debe hacerse con esto

Anthropic ha sido explícita: la marca de agua no es un detector de trampas, y una señal positiva prueba participación, no autoría. En sus propias palabras (parafraseadas): la marca no distingue entre Claude escribiendo un ensayo desde cero, Claude puliendo un borrador humano, o Claude resumiendo un reporte humano mucho más largo. Las tres situaciones generan el mismo patrón detectable.

Eso importa muchísimo para cómo cualquier empleador, escuela o plataforma debería usar esta señal, si algún día existe una API pública de detección: como un dato más entre varios, revisado por una persona, nunca como prueba automática de mala conducta. La propia guía actual de Turnitin ya dice esto sobre su clasificador existente — que su puntaje no debe ser la única evidencia. Y cualquier empleador que despida a alguien basándose solo en un puntaje de detección, sin evidencia adicional, se expone legalmente — el riesgo es mayor, no menor, una vez que entiendes qué tan poco confiable es ese puntaje para ciertos perfiles de escritores.

Qué significa esto para ti

Si te preocupa tu currículum: Nadie fuera de Anthropic puede revisar la marca de agua hoy, y no hay evidencia de que los sistemas ATS o reclutadores tengan forma de verificarla. Tu riesgo real está en los detectores genéricos basados en clasificadores, con problemas documentados de falsos positivos — sobre todo si el inglés no es tu lengua materna. La solución no es el pánico, es un borrador final que suene a ti, no a un primer borrador de IA sin editar.

Si eres estudiante, sobre todo escribiendo en inglés: Estás estadísticamente en el grupo con más riesgo de falsos positivos por herramientas basadas en clasificadores, tenga o no marca de agua de por medio. Si tu universidad usa Turnitin: un puntaje alto de “probabilidad de IA” no es prueba de nada. Averigua el proceso de apelación antes de necesitarlo.

Si usas Claude para trabajo: El camino responsable que la propia Anthropic sugiere no es evitar la IA — es declararla y editarla. Usa Claude para el primer borrador, después agrega tus propios datos, ejemplos y criterio — igual que editarías el borrador de un colega antes de poner tu nombre encima.

Si diseñas políticas de IA en Recursos Humanos: No construyas una política que trate cualquier puntaje de detección — marca de agua o clasificador — como prueba automática. Incluye revisión humana y derecho a réplica antes de que una marca se convierta en una conversación disciplinaria.

Si te tienta un “eliminador de marca de agua”: Entiende qué estás comprando. La mayoría corre tu texto por otra IA para cambiar sinónimos — un método que ni sus propios creadores garantizan que engañe a todos los detectores, y que puede dejar tu redacción medible peor. Si evitar la detección de verdad te importa tanto, reescribir de verdad con tus propias palabras es más confiable y menos riesgoso que pagar por un servicio de sinónimos.

Preguntas frecuentes

¿Turnitin puede detectar a Claude? Turnitin no puede leer la marca de agua de Claude — ninguna herramienta fuera de Anthropic puede, todavía no existe una API pública de detección. Turnitin sí puede marcar texto de Claude usando su propio clasificador separado, con tasas de acierto y falsos positivos documentados que no tienen nada que ver con la marca de agua.

¿Existe algún detector que sí lea la marca de agua de Claude? Públicamente no, al 23 de agosto de 2026. Anthropic todavía no ha publicado una herramienta o API de detección para terceros.

¿Qué activa la marca de agua? Usar un modelo de Claude lanzado desde el 2 de agosto de 2026 en adelante. Es automático, no hay opción de activarlo o desactivarlo.

¿Editar el texto borra la marca de agua? Editar un poco probablemente no, según Anthropic. Parafrasear de verdad la elimina en cerca del 98,3 % de los casos probados, según investigación independiente.

¿Es legítimo un “eliminador de marca de agua de Claude”? Sé escéptico. La mayoría funciona cambiando sinónimos con otra IA — un método que ni sus propios creadores presentan como garantía contra todo detector, y que puede dejar tu texto medible peor.

¿Por qué Anthropic lo lanzó ahora? El detonante declarado es el requisito de transparencia de la Ley de IA de la Unión Europea. Anthropic eligió aplicarlo a nivel mundial en vez de solo en la Unión Europea.

¿ChatGPT tiene algo parecido? No, al agosto de 2026. Según reportes, OpenAI desarrolló una marca de agua de texto internamente pero no la lanzó, por preocupaciones de falsos positivos y adopción.

¿Mi empleador puede revisar mi trabajo por uso de IA? No a través de la marca de agua de Claude específicamente — todavía no existe una herramienta pública para eso. Sí podría usar un detector basado en clasificador como los que discutimos acá, con las limitaciones de precisión y falsos positivos que cualquier política responsable debería considerar.

La conclusión

La marca de agua de Claude y los detectores que a la mayoría le preocupan son dos sistemas separados que no se hablan entre sí — y uno de ellos, ahora mismo, ni siquiera se puede verificar públicamente. El riesgo real no es una huella secreta de IA delatándote. Es una herramienta clasificadora más vieja adivinando una probabilidad, fallando más seguido con no-nativos y ciertos estilos de escritura, y alguien tomando esa adivinanza como prueba. Entiende la diferencia, usa la IA como la propia Anthropic recomienda — borrador, luego edición propia — y ya vas un paso adelante de la confusión que anda circulando ahora mismo en internet.

Si quieres entender mejor cómo funcionan estas herramientas de IA por dentro — no solo Claude, sino el uso de IA en general para tu trabajo — nuestro curso de fundamentos de IA es un buen punto de partida.