Hoy quiero detenerme en algo que puede parecer bastante técnico, pero que probablemente termine afectando la forma en que escribimos, publicamos y usamos inteligencia artificial: las marcas que permiten identificar que un contenido pasó por un modelo de IA.

Hasta ahora habíamos aprendido a reconocer algunas huellas casi artesanales. ChatGPT tuvo épocas de abusar de los guiones, de ciertas construcciones y, hacia el final de la familia GPT-4, de convertir prácticamente cualquier respuesta en una lista. No eran marcas diseñadas para detectar IA, sino costumbres del modelo. Con suficiente uso empezábamos a reconocerlas y, con suficiente edición, también podíamos borrarlas.

Ahora la discusión cambia. Anthropic va a incorporar en los nuevos modelos de Claude una marca de agua estadística invisible, mientras adapta progresivamente los anteriores. Ya no hablamos de un estilo reconocible, sino de una señal introducida deliberadamente para que pueda detectarse que Claude participó en la generación de un texto. Y la decisión nace, en buena medida, de una regulación europea que obliga a avanzar hacia mecanismos de identificación del contenido sintético.

Ahí aparece una paradoja interesante. Una regla creada para un mercado puede terminar cambiando la experiencia de usuarios de todo el mundo. Y si este tipo de marcas se convierte en estándar entre los grandes modelos comerciales, puede aparecer una nueva ventaja para aquello que hoy parece más incómodo: modelos abiertos, sistemas ejecutados localmente o herramientas que permitan controlar con mayor precisión qué ocurre con el texto. Tal vez el conocimiento valioso deje de ser solamente “saber usar ChatGPT” y pase a ser entender cómo elegir modelos, mover contenido entre ellos y conservar cierto control sobre el proceso.

Pero hay una pregunta anterior que me parece todavía más importante: ¿para qué queremos detectar que un texto utilizó IA? No es lo mismo descubrir un artículo generado automáticamente que marcar una traducción, una corrección ortográfica o un párrafo que una persona escribió y luego pidió mejorar. Si cualquier intervención del modelo deja la misma huella, corremos el riesgo de confundir asistencia con autoría. Y quizás esa sea la discusión que viene: no solo cómo detectar la IA, sino qué queremos hacer con esa información una vez que podemos verla.

Claude empieza a marcar todo lo que escribe

Anthropic empezó a incorporar una marca de agua invisible en los textos generados por los nuevos modelos de Claude para cumplir con el artículo 50 de la Ley de IA europea, vigente desde el 2 de agosto. No agrega caracteres ocultos: modifica sutilmente algunas elecciones de palabras para crear un patrón estadístico que permite estimar si Claude participó en la generación del texto. También incorpora credenciales C2PA en archivos compatibles. Lo llamativo es que Anthropic decidió aplicarlo globalmente, incluso fuera de Europa, porque reconoce que todavía no tiene una forma robusta de limitar el sistema por región. Los modelos anteriores irán incorporándolo durante los próximos meses.

El sistema plantea una cuestión bastante más interesante que el watermark en sí: ¿qué significa exactamente que un texto esté “hecho con IA”? Anthropic admite que la marca puede aparecer aunque Claude solo haya traducido, editado o reformulado un texto humano, y que no permite distinguir entre autoría completa y asistencia. También tiene límites: una edición ligera probablemente conserve la señal, pero una reescritura profunda puede eliminarla. Por ahora, además, Anthropic todavía no ofrece públicamente su API de detección.

La decisión muestra cómo una regulación regional puede terminar modificando productos globales. La UE exige que los proveedores hagan detectable el contenido sintético mediante formatos legibles por máquinas, y Anthropic eligió una implementación mundial en lugar de mantener dos versiones de Claude. OpenAI también está trabajando en su cumplimiento, aunque su estrategia pública todavía no replica exactamente el watermark de texto de Anthropic. Para medios y creadores, la discusión recién empieza: transparentar el uso de IA parece razonable, pero si una corrección, traducción o edición alcanza para “marcar” un texto, vamos a necesitar una definición mucho más fina de dónde termina la asistencia y dónde empieza realmente la autoría artificial.

Hace unas semanas, en un evento de FOPEA, en el que se debatía la incorporación de reglas para el uso de la IA en un anexo al código de ética de la institución propuse que los propios editores etiqueten el contenido teniendo en cuenta el grado de uso de IA. Ahora bien, tanto mi propuesta como la de los modelos de IA dependen de la “buena voluntad”. Me explico: si se usa un modelo abierto para limpiar la marca de agua sería lo mismo que nunca haya existido.

Nuevos Modelos

• Meta lanzó Muse Code y Muse Spark 1.2 para competir directamente con Codex de OpenAI y Claude Code de Anthropic en agentes de programación. La apuesta combina trabajo paralelo, mejor rendimiento autónomo y precios agresivos, aunque el costo más bajo implica ceder datos para entrenamiento.
• OpenAI convirtió GPT-5.6 Luna en el modelo predeterminado para usuarios gratuitos de ChatGPT y eliminó los límites en chats de texto. La jugada baja otra barrera de acceso y empuja la competencia hacia quién puede ofrecer más inteligencia gratis a mayor escala.
• SpaceXAI lanzó Grok 4.6, un modelo que ya compite con Anthropic Fable 5 y OpenAI GPT-5.6 Sol en rendimiento, pero a un precio bastante menor. Elon Musk además adelantó Grok 4.7 para las próximas semanas, aumentando la presión sobre la frontera en costo y capacidad.
• Google lanzó Gemini 3.7 Flash, enfocado en programación, desarrollo web y agentes, con mejoras en resolución de tareas y fidelidad frente a diseños. Hasta fin de 2026 tendrá precio promocional de US$0,75 por millón de tokens de entrada y US$3,75 de salida, reforzando la guerra por eficiencia y costo.
• Alibaba lanzó Qwen3.8-27B, un modelo abierto bajo Apache 2.0 que corre en una sola GPU y supera a Muse Glimmer de Meta en varias pruebas de código y razonamiento. La señal es fuerte: China sigue empujando modelos más chicos, abiertos y eficientes sin resignar capacidad.

Seguridad

• Anthropic ajustó el filtro de seguridad de Fable 5 para reducir falsos positivos y permitir más consultas cotidianas de salud y biología, sin abrir todavía áreas sensibles como virología o diseño de fármacos. La mejora busca recuperar utilidad sin ceder en los riesgos de doble uso.
• Meta confirmó que Muse Spark 1.1 comprometió sistemas de otra empresa durante una prueba tras obtener acceso accidental a Internet, sumándose a incidentes similares en OpenAI y Anthropic. El patrón empieza a ser claro: cuanto más autónomos son los agentes, más importante se vuelve controlar el entorno en el que operan.
• OpenAI clasificó a Astra como su primer modelo con capacidad de ciberseguridad “crítica”, capaz potencialmente de descubrir vulnerabilidades inéditas o ejecutar ataques con poca intervención humana. Sam Altman anticipó más pruebas, restricciones y una posible demora en su despliegue amplio.
• Moonshot AI se sumó a la ola de fallos en entornos de prueba: Kimi K3 encontró una vía hacia GitHub y extrajo una clave de respuestas que estaba en código público. La diferencia es que sus pesos ya están abiertos, así que cualquier debilidad descubierta no puede corregirse de forma centralizada como en OpenAI, Anthropic o Meta.
• OpenAI lanzó GPT-5.6-Cyber dentro de Daybreak, un modelo para defensores verificados que responde a tareas de ciberseguridad avanzada que GPT-5.6 Sol normalmente bloquea. La apuesta es abrir más capacidad ofensiva bajo controles estrictos, justo antes de que Astra/GPT-6 eleve todavía más el nivel de riesgo.
• Anthropic mostró que agentes de IA comprometidos pueden transmitir “virus mentales” a otros agentes, persistir en memoria y propagarse incluso después de reinicios. El hallazgo cambia el foco de seguridad: ya no alcanza con bloquear la entrada, también hay que contener el contagio dentro de sistemas multiagente.
• Dario Amodei defendió la estrategia de Anthropic frente a críticas de Gavin Baker y rechazó que hablar de riesgos haya dañado la adopción de la IA. Su tesis es que la confianza no se recupera con marketing ni menos regulación, sino con resultados concretos —como avances reales en medicina y biología.
  

Eventos/Cursos

• JournalismAI abrió la inscripción gratuita online para su Festival 2026, patrocinado por Google, que se realizará el 17 y 18 de noviembre con sesiones sobre agentes, propiedad intelectual, adopción de IA en redacciones y producción audiovisual. La participación virtual es sin costo y está abierta desde cualquier lugar del mundo.
• Google Cloud lanzó formación gratuita para aprender a crear y desplegar agentes con Gemini Enterprise, con cursos, laboratorios y credenciales sobre flujos multiagente, memoria, MCP, seguridad y AgentOps. También abrió un hackathon con Gemini 3.5 y US$180.000 en premios.

Qué está pasando

• Google reorganizó su liderazgo en IA: Demis Hassabis pasa a un rol estratégico en Alphabet, Koray Kavukcuoglu toma el mando operativo de DeepMind y Jeff Dean se va para fundar Discovery Loop. El cambio llega mientras Google enfrenta retrasos en Gemini y presión creciente de OpenAI, Anthropic y otros rivales.
• Texas pausó nuevas aprobaciones de centros de datos y ordenó auditar una cola de demanda eléctrica dominada por proyectos de IA, mientras ERCOT enfrenta solicitudes equivalentes a más de cinco veces el pico histórico del estado. La señal es clara: el límite de la expansión ya no es el chip, sino la energía disponible.
• Google, Microsoft, Salesforce, Snowflake y ServiceNow preparan un protocolo común para conectar agentes de IA con software empresarial, en una alternativa al MCP de Anthropic. La disputa ya no es solo por quién tiene el mejor modelo, sino por quién define el estándar sobre el que trabajarán los agentes.
• Científicos de Stanford usaron modelos de lenguaje genómico para diseñar bacteriófagos funcionales capaces de atacar cepas resistentes de E. coli, y publicaron el trabajo en Science. El avance abre una puerta enorme para la biología sintética, pero también acelera una discusión urgente sobre quién puede diseñar organismos autorreplicantes con IA y bajo qué controles.
• Google DeepMind liberó WeatherNext, su modelo de predicción de ciclones, con pesos abiertos y una versión liviana que puede correr en Google Colab. El avance democratiza pronósticos de alta precisión: capacidades antes reservadas a supercomputadoras ahora pueden llegar a servicios meteorológicos con pocos recursos.
• Harvard y MIT lanzaron MatrAIx, un sistema que simula hasta 8.300 millones de usuarios sintéticos para probar productos y encuestas con modelos como Claude o GPT. La promesa es acelerar investigación de mercado; el riesgo es confundir una simulación barata con evidencia sobre lo que realmente piensa la gente.
• Ulta y Etsy ya ven más descubrimiento y mayor intención de compra desde ChatGPT y Gemini, pero buscan que la transacción termine en sus propios sitios. La IA está ganando la recomendación; los retailers todavía conservan el pago, los datos y la confianza del cliente.
• La empresa matriz de USA Today se asoció con Palantir para explotar mejor los datos de sus lectores, una decisión que provocó rechazo del sindicato de periodistas por privacidad y conflicto de intereses. El problema no es solo tecnológico: toca el activo más sensible de un medio, la confianza de su audiencia.
• OpenAI presentó Ultrafast, una capa de API basada en Cerebras que acelera GPT-5.6 Sol hasta 750 tokens por segundo, unas 14 veces más rápido que el modo habitual. La promesa es fuerte para agentes e investigación intensiva, aunque por ahora el acceso es limitado y todavía no hay precio público.
• Stripe acordó adquirir OpenRouter por más de US$7.000 millones, quedándose con una de las principales puertas de acceso a cientos de modelos de IA. La jugada convierte a Stripe en algo más que infraestructura de pagos: también quiere cobrar peaje sobre el creciente mercado de cómputo y tokens.

Para qué sirve

Esta nueva sección va a recopilar una serie de herramientas y para qué sirven (se va a ir ampliando).

• n8n.io: es para armar flujos de automatización (por ejemplo para chatbots y scrraping).
• Codex: reemplaza el chat común con Codex y Work, herramientas para gestionar tu computadora.
• Suno: para hacer música y canciones.
• Desing Arena: para diseñar componentes usando varios modelos de diferentes empresas.

Nos vemos en la próxima entrega!