OpenAI ha anunciado el 5 de octubre su plan para incorporar marcas de agua invisibles a las salidas de texto elegibles de ChatGPT y Codex en la Unión Europea, en todos los planes. Sitúa el despliegue en las próximas semanas. Para determinados modelos de la API, la activación pasa a ser opcional a escala mundial y permanece desactivada por defecto. El detector se reserva inicialmente a investigadores y organizaciones expertas aprobadas.
La novedad, recogida por The Decoder y otros medios especializados, afecta a una pregunta cotidiana de redacciones y agencias: qué se puede concluir sobre el origen de un texto. La compañía presenta la medida como parte de su respuesta a las normas europeas de transparencia. Esta información explica el producto y sus límites; no determina las obligaciones legales de una campaña concreta.
Una señal en la elección de palabras
La documentación de ayuda aclara que textGrain modifica sutilmente la elección aleatoria de palabras o fragmentos durante la generación. No introduce espacios invisibles, caracteres ocultos ni una puntuación especial. El informe técnico describe un procedimiento que vincula la generación a una clave y después busca evidencia estadística en el pasaje. Es un mecanismo distinto de adjuntar al archivo una etiqueta legible con el nombre de su autor.
Para quien encarga contenidos, esta diferencia evita una expectativa equivocada: no habrá necesariamente una marca visual que un corrector pueda localizar al leer. Tampoco basta con buscar un signo de puntuación para decidir cómo se redactó una pieza. La revisión editorial debe seguir examinando fuentes, exactitud, tono y adecuación al encargo, aunque en el futuro se incorpore una comprobación de procedencia.
La guía de OpenAI distingue además estas marcas de las credenciales que acompañan a ciertos archivos de imagen. La cobertura puede variar según producto, modelo y forma de exportación. Una agencia que trabaja con texto, fotografía y audio necesita conservar esa distinción en su documentación: el resultado de una comprobación sobre un archivo no describe automáticamente todos los materiales de la campaña.
La ausencia de señal no certifica autoría humana
OpenAI reconoce falsos positivos y falsos negativos. Sus evaluaciones muestran que longitud, tipo de contenido y edición influyen en la detección. Un resultado no identifica al usuario, no establece derechos sobre el texto y no demuestra que sus afirmaciones sean ciertas. La falta de una marca detectada tampoco prueba que el contenido lo haya escrito una persona. Son límites declarados por el propio proveedor.
La consecuencia profesional es concreta: no convertir un detector en un criterio automático para aceptar una entrega o acusar a un colaborador. Si un equipo necesita saber cómo se produjo un artículo, puede pedir el método de trabajo, las fuentes y las versiones relevantes. Esa documentación responde a preguntas que una señal estadística aislada deja abiertas, como quién verificó una cifra o por qué se eligió un enfoque.
Un ejemplo ayuda a ordenar el proceso. Una redactora puede utilizar un asistente para organizar materiales y escribir después su propia versión; otra entrega puede conservar casi toda la salida generada. El responsable editorial debería evaluar el trabajo real y lo acordado con cada proveedor. Inferir el grado de intervención humana a partir de una etiqueta binaria perdería precisamente el contexto que se busca recuperar.
Anuncio de despliegue y acceso al detector son cosas distintas
La apertura de solicitudes para investigación no equivale a una herramienta de texto disponible para cualquier usuario. Una marca que quiera incorporar verificación a su flujo debe comprobar acceso efectivo, contenidos compatibles y condiciones vigentes. No tendría sentido diseñar una revisión obligatoria alrededor de una capacidad a la que el equipo todavía no puede entrar.
En paralelo, puede preparar un registro sencillo de producción: herramienta utilizada, función que desempeñó, persona responsable de comprobar el resultado y materiales que respaldan las afirmaciones. Es una propuesta operativa de Contrafeed. No exige recopilar conversaciones ajenas ni conservar información innecesaria de clientes; busca que la explicación del trabajo sea proporcionada y recuperable cuando haya una duda.
La gestión de información ya aparece en nuestro análisis sobre las etiquetas de privacidad de las aplicaciones de IA. En ambos casos conviene preguntar qué mide exactamente cada señal. Una declaración sobre datos y una marca de procedencia cumplen funciones distintas; ninguna reemplaza la revisión del contenido que finalmente recibe el público.
Documentar el proceso antes de automatizar su veredicto
Para una agencia, el paso útil es revisar sus encargos: qué usos de IA se admiten, qué transparencia se pide y qué evidencia acompaña a una entrega. Esa conversación puede hacerse ahora, sin esperar a la disponibilidad general de un detector. En la revisión de agentes y permisos de OpenAI aparece una precaución relacionada: conocer una capacidad anunciada no acredita haberla utilizado en una cuenta concreta.
La trazabilidad será más útil si ayuda a resolver dudas sin sustituir el juicio editorial. Una marca de agua puede añadir una pista; las fuentes, las decisiones y la revisión del resultado explican qué se hizo con ella. El anuncio abre una nueva vía para estudiar la procedencia de los textos, con acceso y fiabilidad que todavía requieren comprobación en cada uso.
Para contenidos audiovisuales, la apertura de SynthID Detector anunciada por Google plantea una comprobación distinta: busca las marcas compatibles de su propio ecosistema. Conviene conservar separados el formato, el proveedor y el alcance de cada resultado.
Fuente y alcance
Lectura documental realizada el 6 de octubre de 2026. No hemos probado estas funciones. Los anuncios, condiciones y resultados de producto se atribuyen a sus responsables.
OpenAI · Our approach to EU text provenance rules — 2026-10-05. Despliegue previsto, no comprobación en una cuenta. Evaluaciones realizadas por el proveedor.
OpenAI Help Center · Provenance signals in OpenAI-generated content — Página vigente consultada el 2026-10-06. Leída mediante herramienta web; recuperación HTTP local fallida.
OpenAI y autores del informe · textGrain: Entropy-Calibrated Watermarking for Language Model Text — 2026-10-05. Lectura de introducción y método; no auditoría matemática independiente.
The Decoder · OpenAI will watermark ChatGPT text in the EU — 2026-10-05. Medio de descubrimiento; contrastado con documentación primaria.
