Claude marca el contenido que genera: watermark en texto y C2PA en archivos

Desde el 2 de agosto de 2026, el texto que genera Claude lleva una marca de agua invisible y los archivos que produce llevan metadatos de procedencia firmados. Anthropic lo publicó en su centro de ayuda, y no es una decisión de producto aislada: es la consecuencia directa de haber firmado el Código de Buenas Prácticas sobre Transparencia del Contenido Generado por IA, el instrumento que la Comisión Europea creó para aterrizar el artículo 50 del Reglamento de IA.

Lo interesante para quien desarrolla no es la noticia en sí, sino lo que implica: si tu producto genera texto con la API de Claude, ese texto sale marcado, y las obligaciones de transparencia que quedan encima de ese texto son tuyas, no de Anthropic.

Vamos por partes.

Qué firmó Anthropic exactamente

El Reglamento de IA europeo (el AI Act) tiene un artículo, el 50, dedicado a transparencia. La Comisión publicó el 10 de junio de 2026 un Código de Buenas Prácticas voluntario para ayudar a cumplirlo, y el 8 y 9 de julio la propia Comisión y el Consejo de IA lo declararon "adecuado". Eso lo convierte, hoy por hoy, en la única herramienta práctica de cumplimiento validada a nivel europeo para estas obligaciones.

El Código tiene dos secciones que se firman por separado:

• Sección 1, para proveedores de sistemas de IA generativa: marcado legible por máquina, mecanismos de detección, calidad de esas medidas y documentación.
• Sección 2, para quienes despliegan esos sistemas: etiquetado visible de deepfakes y de texto publicado sobre asuntos de interés público.

El 31 de julio de 2026 la Comisión publicó la lista: unas 190 organizaciones, 82 en la Sección 1 y 152 en la Sección 2. Entre las de Sección 1 están Anthropic, Google, OpenAI, Meta, Microsoft, Mistral, Cohere, Aleph Alpha, Black Forest Labs y Synthesia. En la Sección 2 aparecen nombres que no son empresas de IA: Getty Images, Lenovo, Lufthansa, Iberdrola, Bulgari. Aproximadamente la mitad de los firmantes son compañías pequeñas y recientes.

Anthropic firmó como proveedor de modelos y de sistemas de IA generativa. De ahí sale todo lo demás.

Qué exige el artículo 50 (y qué no)

Conviene separar dos párrafos que la gente mezcla constantemente.

Artículo 50(2), obligación del proveedor. Las salidas sintéticas de audio, imagen, vídeo o texto deben marcarse "en un formato legible por máquina" y ser detectables como generadas o manipuladas artificialmente. La norma admite matices por viabilidad técnica, tipo de contenido, coste y estándares del sector. Hay excepciones: funciones de asistencia a la edición, sistemas que no alteran sustancialmente los datos de entrada, y ciertos usos policiales. Las Directrices también dejan fuera cosas como el código fuente, secuencias cortas de símbolos y las salidas máquina a máquina que ningún humano ve.

Artículo 50(4), obligación de quien despliega. Aquí ya no hablamos de marcas invisibles sino de etiquetas visibles. Si publicas deepfakes, hay que revelarlo. Si publicas texto generado por IA para informar al público sobre asuntos de interés público, hay que revelarlo también. Y aquí está la excepción que a mucha gente le cambia la vida: no aplica cuando el contenido pasó por revisión humana o control editorial y alguien asume la responsabilidad editorial.

El detalle de calendario: la aplicación general es el 2 de agosto de 2026, con un periodo transitorio hasta el 2 de diciembre de 2026 para sistemas ya en el mercado antes de esa fecha, y sin retroactividad para el contenido generado antes. Las sanciones llegan a 15 millones de euros o el 3% de la facturación mundial.

Un punto que el propio Código reconoce, y que se agradece: ninguna técnica de marcado cumple hoy sola los cuatro requisitos del 50(2) (eficacia, interoperabilidad, robustez y fiabilidad). Por eso la recomendación es apilar técnicas: metadatos, marca de agua y procedencia.

Eso es justo lo que hace Anthropic.

Las dos marcas que pone Claude

1. Marca de agua incrustada en el texto

Cuando un modelo compatible genera texto, teje una señal imperceptible dentro del propio texto. No la ves, no cambia el significado, no cambia la calidad ni la legibilidad.

La parte importante desde el punto de vista técnico: la marca vive dentro del texto, no en los metadatos. Viaja con el copiar y pegar, y puede sobrevivir a cierta edición. Y como se aplica a nivel de modelo, da igual por qué superficie salga: la API, la app, Claude Code, Claude Cowork o Claude Tag.

Si te preguntas cómo funciona esto por dentro, el precedente público es SynthID-Text de Google DeepMind, publicado en Nature en 2024 y liberado como código abierto. La idea, en corto: no se toca el entrenamiento del modelo, se modifica el procedimiento de muestreo de tokens para sesgar sutilmente qué palabras se eligen, siguiendo un patrón que luego un detector puede reconocer sin necesidad de ejecutar el modelo original. Anthropic no ha publicado todavía los detalles de su implementación, así que esto es contexto del estado del arte, no una descripción de lo que hace Claude.

2. Metadatos de procedencia firmados

Para archivos (.svg, .png, .jpg según la documentación actual), Claude adjunta metadatos de procedencia firmados criptográficamente siguiendo el estándar C2PA, de la Coalition for Content Provenance and Authenticity. Es el mismo estándar que están adoptando Adobe, Google, Microsoft y buena parte de la industria de cámaras y edición.

Un manifiesto C2PA firmado te dice dos cosas: que el archivo pasó por Claude, y si el archivo fue manipulado después. Lo segundo es lo que aporta valor real, porque la firma se rompe si alguien toca el contenido.

Su punto débil es conocido y no es culpa de nadie: los metadatos se pierden con facilidad. Una conversión de formato, un reguardado, una captura de pantalla o casi cualquier subida a una red social que reescriba el archivo se los lleva por delante. Por eso el marcado en el propio contenido y el marcado en metadatos son complementarios, no alternativos.

Dónde aplica

Vale la pena leer el alcance con calma, porque es más amplio de lo que la gente asume:

Ese último punto es el que más se comenta y el que más sentido operativo tiene: mantener dos pipelines de inferencia, uno marcado para Europa y otro sin marcar para el resto, sería un dolor de cabeza sin beneficio. Es más simple marcar siempre. El efecto colateral es que una norma europea acaba definiendo el comportamiento del producto a nivel global, que es exactamente el patrón que ya vimos con el RGPD.

Los límites, dichos sin adornos

Anthropic es bastante honesta en su documentación, y esta parte es la que deberías leer dos veces antes de construir nada encima.

Que se detecte una marca no prueba autoría. Indica que el contenido pudo pasar por Claude. La gente usa estos modelos para corregir, traducir, resumir o convertir archivos: la salida puede llevar marca aunque las ideas y el texto original sean de un humano. Y el contenido puede haber cambiado después de que Claude lo tocara.

Que no se detecte marca no prueba nada tampoco. Los casos que la propia Anthropic enumera: modelos anteriores al soporte de marcado, texto muy editado o parafraseado, fragmentos demasiado cortos para dar señal fiable, metadatos eliminados por conversión o captura, o plataformas y tipos de archivo donde el marcado no aplica.

A eso hay que sumarle lo que dice la literatura académica, que es menos diplomática. Los ataques de eliminación de marcas de agua en texto son un campo activo: edición de tokens, sustitución por sinónimos y parafraseo dirigido. Hay trabajos recientes, como el Self-Information Rewrite Attack, que en lugar de pedirle a un modelo "reescribe esto" (lento y poco fiable) calculan la autoinformación de cada token para localizar exactamente dónde es probable que viva la señal y atacar ahí. Existe además un compromiso estructural documentado: contextos más grandes dan mejor calidad de texto pero son más vulnerables al parafraseo, y contextos pequeños son más robustos pero degradan la calidad.

Traducción práctica: esto sirve como señal de procedencia, no como prueba forense. Cualquiera que te venda un detector de IA con veredicto binario, con o sin watermark de por medio, te está vendiendo algo que la tecnología no da. Y el detector oficial de Anthropic todavía no está publicado; la documentación habla de guía técnica "próximamente".

Qué te toca a ti si construyes con Claude

Aquí está la parte que la nota de Anthropic despacha en un párrafo y que a ti te puede costar dinero.

Si despliegas Claude dentro de tu producto, tus obligaciones del artículo 50 son tuyas. Anthropic cumple como proveedor del sistema generativo; tú puedes ser un deployer con obligaciones propias del 50(4), y en algunos montajes puedes ser tú mismo el proveedor del sistema que pones en el mercado.

Lo que yo revisaría, en este orden:

1. ¿Tu app habla directamente con personas? Entonces el 50(1) pide que quede claro que están interactuando con una IA, salvo que sea obvio por el contexto.
2. ¿Publicas texto generado por IA sobre asuntos de interés público? Ahí entra el 50(4). Si hay revisión humana con responsabilidad editorial asignada, la excepción aplica. Y "responsabilidad editorial asignada" significa que alguien concreto responde, no que alguien le echó un vistazo.
3. ¿Generas o manipulas imagen, audio o vídeo de personas reales? Territorio deepfake, con obligación de revelarlo.
4. ¿Tu pipeline conserva los metadatos? Si reprocesas imágenes con sharp, ImageMagick o cualquier optimizador, es muy probable que estés borrando el manifiesto C2PA sin querer. Si te importa la cadena de procedencia, hay que preservarla o volver a firmar.
5. ¿Guardas trazabilidad propia? No dependas de la marca de agua para saber qué generó tu sistema. Un campo en base de datos con el modelo, la versión y el timestamp te da una respuesta que no depende de un detector externo.

Y una cosa que conviene decir: el marcado no aplica al código fuente. Si usas Claude Code para escribir software, lo que sale no lleva watermark porque el código está explícitamente fuera del alcance en las Directrices de la Comisión.

Y si escribes un blog, ¿qué te toca?

Esta parte va para quien no construye un producto con la API, solo publica artículos y usa asistentes de IA para trabajar. Que somos bastantes. No soy abogado, así que léelo como análisis de la norma, no como asesoría legal.

La marca de agua no es problema tuyo. Es obligación del proveedor. No tienes que preservarla, ni declararla, ni evitar borrarla. Si conviertes un archivo y se pierden los metadatos C2PA, no incumples nada: solo pierdes trazabilidad.

Lo que sí te llega es de otro tipo. El texto que publiques salido de Claude lleva una señal que, cuando Anthropic publique el detector, cualquiera podrá consultar. Y como ya vimos, esa señal aparece igual si solo pediste que te corrigieran un párrafo. Alguien puede usarla para acusarte de publicar IA. Tu defensa ahí no es técnica, es documental: si tu sitio vive en Git, tienes el historial de cada artículo con sus diffs y sus fechas. Eso vale más que cualquier detector.

Lo que sí te aplica es el 50(4). Si tu blog es actividad profesional (vendes servicios, tienes publicidad, es parte de tu trabajo) y tu audiencia está en la UE, eres deployer. Dos supuestos:

1. Deepfakes: imagen, audio o vídeo generado o manipulado que parezca auténtico y represente personas, lugares o hechos reales. Una ilustración abstracta para tu Open Graph no lo es. Una foto realista de una persona real, sí.
2. Texto generado por IA publicado para informar al público sobre asuntos de interés público. Un tutorial de Laravel difícilmente entra ahí (la norma apunta a noticias, política, salud, consumo), pero no hace falta ganar esa discusión, porque existe una salida limpia.

La excepción del control editorial. El 50(4) no aplica cuando el contenido pasó por revisión humana y hay responsabilidad editorial asignada. Si escribes, revisas, firmas con tu nombre y respondes por lo que publicas, estás dentro. La clave es que sea demostrable y no implícito.

Lo que yo haría, en este orden:

1. Publica una política editorial. Dos párrafos donde digas quién escribe, que usas asistentes de IA como herramienta, que todo pasa por revisión y verificación humana antes de publicar, y que la responsabilidad editorial es tuya y nominal. La mía está en acerca de mí, por si te sirve de plantilla. Cubre la excepción del 50(4) y de paso es exactamente la señal de autoría que Google y los buscadores de IA quieren ver.
2. Firma los artículos con nombre y cara. "Responsabilidad editorial asignada" significa que alguien concreto responde, no que alguien le echó un vistazo.
3. Etiqueta solo lo que lo pida. Una imagen fotorrealista de una persona o un hecho real generada con IA, o audio con voz sintética, llevan aviso visible desde el primer contacto. El resto, no.
4. Si escribes para clientes, ponlo por escrito. Cuando produces contenido que publica otro, el contrato debería decir quién asume la responsabilidad editorial. Si la asume el cliente y no revisa nada, el problema se lo queda él, pero conviene que esté escrito.
5. Guarda tu propio rastro. Git, fechas de actualización, notas de corrección. No dependas de una marca de agua ajena para demostrar tu proceso.

Y lo que no haría: colgar un "generado con IA" de todos los posts. No lo pide la norma si tienes control editorial, te resta credibilidad y es justo lo que Google criticó al firmar el Código: exceso de etiquetas que confunde en lugar de informar. Una declaración de proceso, hecha una vez y bien, es mejor que un banner en cada artículo.

Cómo encaja con el resto de la industria

Google firmó el 24 de julio y apoya su cumplimiento en SynthID, que ya despliega en Gemini, más adopción de C2PA. Anunció además trabajo conjunto con Apple, Eleven Labs, Kakao, NVIDIA y OpenAI para empujar interoperabilidad entre herramientas de marcado. En la misma nota deja una queja explícita: le preocupa que sumar complejidad regulatoria mientras las soluciones técnicas siguen evolucionando choque con los objetivos europeos de competitividad, y que un exceso de etiquetas confunda al consumidor en lugar de informarlo.

Esa tensión es real y no se resuelve firmando un código. La Comisión reconoce en el propio texto que los benchmarks de evaluación están poco desarrollados, que la detección forense no es fiable y que términos centrales, como la frontera entre deepfake y edición, requieren evaluación caso por caso.

Lo que sí ha conseguido el Código es alinear a los proveedores grandes alrededor de dos técnicas concretas, watermark en contenido y C2PA en metadatos, en lugar de diez formatos propietarios incompatibles. Para quien construye encima, esa convergencia vale más que la norma.

Mi lectura

Tres cosas me quedan de todo esto.

La primera: la marca es una señal, no una prueba, y Anthropic lo dice con todas las letras. Esperar que resuelva el problema de "¿esto lo escribió una IA?" es esperar de más. Lo que sí resuelve, parcialmente, es el problema inverso: dar procedencia verificable a contenido que quiere ser verificable.

La segunda: el efecto Bruselas otra vez. Un reglamento europeo acaba definiendo cómo se comporta un modelo para un usuario en México o en Japón, porque mantener dos comportamientos cuesta más que cumplir para todos.

La tercera, y la más práctica: la obligación visible sigue siendo humana. La marca de agua es invisible por diseño. Lo que el usuario ve, la etiqueta, el aviso, el "esto lo generó una IA", lo tienes que poner tú. Ninguna capa técnica del proveedor te ahorra esa decisión de producto.

Fuentes

• How Claude marks AI-generated content, centro de ayuda de Anthropic
• Transparency obligations under Article 50 of the AI Act, Comisión Europea
• Signing the Code of Practice on Transparency of AI-generated Content, Comisión Europea
• Strong backing for the Code of Practice on Transparency of AI-generated Content, Comisión Europea, 31 de julio de 2026
• Artículo 50 del Reglamento de IA
• Coalition for Content Provenance and Authenticity (C2PA), especificación de Content Credentials
• Scalable watermarking for identifying large language model outputs, Nature, sobre SynthID-Text
• Revealing Weaknesses in Text Watermarking Through Self-Information Rewrite Attacks
• Google is signing the EU AI Act Code of Practice on Transparency of AI-Generated Content, blog de Google