Los modelos de lenguaje de IA comenzarán a incorporar marcas de agua invisibles en sus textos como respuesta a las exigencias regulatorias del AI Act europeo. Esta medida, que entra en vigor de manera obligatoria a partir del 2 de agosto de 2026, busca crear un mecanismo de trazabilidad que permita identificar contenido generado por inteligencia artificial sin afectar la experiencia del usuario.
La marca de agua funciona como una señal imperceptible para los lectores, pero detectable por sistemas específicamente diseñados para identificarla. A diferencia de lo que podría suponerse, esta funcionalidad no revela la autoría del contenido, sino que proporciona un registro verificable de su origen. Complementariamente, se implementa el estándar C2PA, que añade información firmada sobre la procedencia de los contenidos, reforzando así la cadena de trazabilidad. Esta aproximación responde a requisitos del marco regulatorio europeo que exige a ciertos proveedores de IA incorporar mecanismos de identificación de contenidos generados o manipulados por sistemas de inteligencia artificial.
La incorporación de marcas invisibles en documentos no es una práctica nueva. Durante la Segunda Guerra Mundial se utilizaban microdots para ocultar información en puntos de texto. Las impresoras láser modernas han empleado patrones de puntos imperceptibles para rastrear documentos impresos. En el contexto de la IA, esta tradición continúa con capas de información que solo pueden ser detectadas por herramientas especializadas. Tecnologías como SynthID, desarrollada desde 2023, utilizan patrones de probabilidad en la generación de palabras para crear una forma de "tinta invisible" basada en modelos matemáticos.
Sin embargo, existen limitaciones técnicas relevantes. Una marca de agua puede indicar la intervención de un modelo de IA, pero no es infalible en todos los escenarios. Si un documento es redactado originalmente por un autor y posteriormente editado con herramientas de IA, podría incluir la señal aunque las ideas principales sean originales del escritor. Esto plantea interrogantes sobre la precisión de la identificación en casos de contenido híbrido, donde la contribución de la IA es parcial o complementaria. Para los directivos, esto significa que mientras la regulación avanza hacia mayor transparencia, las herramientas de detección requieren interpretación contextual y no deben considerarse como prueba definitiva de autoría completamente automatizada.
