Marcas de agua de IA en escuelas: el escenario 2027

Imagina septiembre de 2027. Cada chatbot al que tu hijo puede llegar, desde la computadora del colegio o desde su celular, estampa su texto con un patrón estadístico invisible. La secretaría de educación pasa un ensayo por una API de detección y obtiene una respuesta con alta confianza. Ese es el escenario que la gente imagina cuando escucha hablar de marcas de agua de IA en escuelas. Hoy es verdad a medias: Claude de Anthropic y Gemini de Google marcan su texto; de OpenAI, Meta, xAI y Mistral no hay confirmación. Aquí te cuento qué cambiaría si llegara la otra mitad, qué no cambia en ningún caso y qué conviene hacer mientras tanto.

Puntos clave

• Al 19 de septiembre de 2026, solo dos laboratorios tienen marca de agua confirmada en texto: Anthropic (Claude Fable 5.1 y Mythos 5.1) y Google (Gemini, con SynthID). El resto figura como “no confirmado”.
• La presión viene de Europa: las obligaciones de transparencia de la Ley de IA europea entraron en vigor el 2 de agosto de 2026 y cerca de 190 organizaciones firmaron el Código de Prácticas en julio.
• Una marca universal seguiría sin probar autoría. Anthropic dice que su marca indica que el texto “pudo ser generado o procesado” por Claude; la ausencia de marca no prueba nada.
• El acceso a la detección está restringido: reguladores, medios, investigadores y “organizaciones educativas”. Los ministerios y distritos lo tendrán antes que un docente.
• Las familias que van a estar tranquilas en 2027 son las que hoy ya declaran el uso: “usé Gemini para revisar mi tesis” escrito al final de la hoja.

Qué significa “marcado” hoy, laboratorio por laboratorio

Una marca de agua de texto es un sesgo en la elección de palabras que el modelo aplica al generar y que solo un detector con la clave correcta puede medir. No es metadato visible ni un detector que adivina por el estilo. Esa diferencia importa, porque casi todos los “detectores de IA” que las escuelas compraron entre 2023 y 2025 son del tipo que adivina.

Anthropic anunció su marca el 11 de agosto de 2026 y publicó cómo funciona tres días después: cuando varias palabras siguientes son casi igual de probables, una clave más las palabras anteriores deciden cuál elige el modelo. El enfoque de Google, SynthID-Text, se publicó en Nature en octubre de 2024 (Dathathri et al.) y se aplica en Gemini. Los dos vienen de la misma idea y los dos son más fuertes en textos largos y abiertos, más débiles en respuestas cortas de dato donde solo hay una palabra correcta.

La comparación de Layer3 Labs, actualizada el 19 de septiembre de 2026, es el recuento público más claro. En texto marca a Claude como confirmado, a Gemini como confirmado vía SynthID, y a ChatGPT, Copilot, Llama, Grok, DeepSeek y Mistral como “no confirmado, verificar directamente”. En imagen el panorama cambia: OpenAI, Google, Microsoft y Meta adjuntan datos de procedencia C2PA o SynthID a las imágenes generadas, y el video de Sora lleva una marca visible en la app de consumo.

Ojo con la letra chica que Layer3 aclara: “no confirmado” quiere decir que el estado no se pudo verificar con una fuente primaria al momento de escribir. No significa que OpenAI no tenga marca. Significa que nadie fuera de OpenAI puede afirmarlo.

Por qué el resto de la industria podría seguir (y por qué podría no)

El motor es la regulación, no las aulas. Las obligaciones de transparencia del artículo 50 de la Ley de IA europea empezaron a aplicarse el 2 de agosto de 2026, y según TechCrunch, Google, Meta, Microsoft y OpenAI se comprometieron con el código de transparencia. Anthropic dice que su marca existe para cumplirlo y eligió aplicarla en todo el mundo en lugar de región por región. Mantener una sola versión del modelo es más barato.

Hasta ahí, el empuje hacia “todos marcan” es real. Tres cosas empujan al revés:

Modelos de pesos abiertos. Gemma de Google y Llama de Meta se descargan y se corren localmente. Una marca que vive en el paso de muestreo se apaga si controlas el paso de muestreo. Un chico de 16 años con una PC de juegos controla el paso de muestreo.

Paráfrasis y traducción. La documentación de DeepMind admite que la confianza “puede reducirse mucho cuando el texto se reescribe a fondo” y que pierde eficacia al traducir. Un estudiante que redacta en inglés y traduce al español, o al revés, puede no dejar rastro detectable. Este punto pega especialmente en América Latina.

La literatura científica. Los papers sobre romper marcas de agua aparecen en arXiv casi todos los meses. Marcar el texto sube el costo de esconder el uso de IA. No es un candado.

El pronóstico honesto para 2027: el texto de los chatbots grandes probablemente esté marcado, el de modelos locales no, y el texto muy editado es una moneda al aire.

El escenario 2027 de las marcas de agua de IA en escuelas, paso a paso

Supongamos el caso optimista: en el segundo semestre de 2027 todos los chatbots grandes marcan y un ministerio de educación tiene acceso a detección. ¿Qué cambia de verdad?

Qué se vuelve más fácil: atrapar el copiar y pegar completo. Un chico que entrega 600 palabras de Claude sin tocar va a encender el detector con alta confianza. Es un freno real para la forma más perezosa de trampa, que según la encuesta de Common Sense Media de agosto de 2026, “Teens in the AI Era”, es minoría: de los adolescentes que le piden respuestas a la IA, 25% las usa tal cual, 31% las reescribe para que suenen propias y 35% las mejora con lo que ya sabe.

Qué sigue siendo difícil: todo lo demás. La documentación de Anthropic dice que una marca significa que el contenido “pudo haber sido generado o procesado” por Claude y que Claude “a menudo procesa material existente”. Un estudiante que escribió su borrador completo y le pidió a Gemini ajustarlo va a mostrar señal parcial. Igual que una estudiante que usó Claude para transcribir la entrevista a su abuela para un trabajo de historia. Las dos son cosas que muchos docentes permiten.

Qué empeora si la escuela lee mal la herramienta: la falsa confianza. En mayo de 2026, una estudiante de Green Hope High School recibió un cero por la palabra de tres detectores y un 100 al apelar; el distrito rechazó después el uso de detectores. Esos eran detectores que adivinan por estilo. Un detector de marca real es mucho más preciso en su pregunta estrecha (“¿participó un modelo marcado?”), y por eso puede ser más peligroso si la escuela lee “participó” como “hizo trampa”.

Qué cambia en privacidad: para verificar una marca, alguien tiene que enviar el texto del estudiante a la API del laboratorio. Ese es un flujo de datos nuevo, con las mismas preguntas que cualquier proveedor educativo: retención, propósito, aviso a los papás.

Estado de las marcas de agua por laboratorio (septiembre de 2026)

Laboratorio / modelo	Marca en texto	Procedencia en imagen/video	Quién puede detectar texto
Anthropic (Claude)	Confirmada en Fable 5.1 y Mythos 5.1; modelos viejos en transición	Content Credentials C2PA en archivos	Vista previa privada: reguladores, medios, verificadores, investigadores, organizaciones educativas
Google (Gemini)	Confirmada, SynthID-Text	SynthID en imágenes y video Veo	Portal SynthID Detector, acceso limitado
OpenAI (ChatGPT)	No confirmada	C2PA + SynthID en imágenes; marca visible en video Sora	No aplica
Microsoft (Copilot)	No confirmada	C2PA en imágenes y audio	No aplica
Meta (Llama)	No confirmada	Miembro de C2PA para imágenes	No aplica; con pesos abiertos se puede desactivar
xAI (Grok)	No confirmada	No listada	No aplica
Mistral / DeepSeek	No confirmada	No listada	No aplica
Perplexity	Usa modelos de terceros; varía	Varía	Varía

Dos patrones saltan a la vista. La imagen va muy por delante del texto, porque la procedencia a nivel de píxel es más fácil que a nivel de palabra. Y el acceso a la detección, incluso donde la marca existe, está reservado a instituciones. El 2027 es un mundo donde un ministerio puede verificar, no donde un papá puede.

¿Y en América Latina?

La región va a recibir el efecto de la marca antes que la política. Según PISA 2025, el 56% de los estudiantes colombianos usa chatbots al menos una vez por semana para aprender, contra 46% del promedio OCDE; Perú marca 54% y Uruguay 53%. Al mismo tiempo, el Observatorio de IA en Educación para América Latina y el Caribe que la UNESCO lanzó en Santiago en abril de 2026 calcula que menos del 10% de las instituciones de la región tiene lineamientos formales sobre IA.

Eso deja a tu hijo en una posición rara: mucho uso, pocas reglas escritas y, muy probablemente, ninguna capacidad institucional de verificar una marca de agua. Argentina avanza con el programa PaideIA del Ministerio de Capital Humano y un Observatorio Permanente de IA en Educación aprobado por el Consejo Federal. México sumó cursos de IA y ciberseguridad con Google en bachillerato. Son avances, pero ninguno resuelve la pregunta del aula: ¿cómo demuestra un chico que el texto es suyo? La respuesta no depende del país. Depende del proceso que deje a la vista.

Qué hacer en casa antes de que llegue el escenario

Volver aburrida la declaración del uso

Una sola regla de casa que sobrevive a cualquier política: toda ayuda de IA se declara en una línea al final del trabajo, con la herramienta y la tarea. “Gemini: revisé mi tesis. Me quedé con mis palabras”. Si más adelante el colegio consigue acceso a detección, un uso declarado no puede volverse acusación, porque el recibo coincide con la nota. Si el colegio prohíbe la IA, la línea dice “ninguna” y el peso lo carga la evidencia de proceso. La guía completa está en cómo enseñar autoría en la era de la IA.

Guardar borradores como si un detector fuera a preguntar

Archivos separados (v1, v2, v3) o un historial de versiones de Google Docs que tu hijo haya abierto de verdad. Un detector de marca responde una pregunta; el historial responde la que importa. La estudiante de Wake County limpió su nombre con su trabajo, no con un contradetector.

Enseñar la distinción de tres vías

Tu hijo debería poder decir en voz alta la diferencia entre (1) un detector que adivina por estilo, (2) una marca que prueba que un modelo marcado tocó el texto y (3) evidencia de que él hizo el pensamiento. La mayoría de los adultos confunde las tres. Un chico de 12 que las separa está protegido en las dos direcciones: no se deja acusar sin responder, y tampoco asume “sin marca, sin problema”.

Pedirle dos cosas al colegio por escrito

“¿El colegio o la secretaría tiene acceso a alguna API de detección de marcas de agua, y bajo qué política?” y “¿cuál es el proceso de apelación cuando una herramienta marca el trabajo de un estudiante?”. Si la respuesta a la primera es “todavía no”, pide que te avisen cuando cambie. La regla de notificación a los padres que Florida aprobó en septiembre de 2026 sirve como referencia de qué exigir, incluso fuera de Estados Unidos.

Lo que no hay que hacer

No le digas a tu adolescente que use un “humanizador” ni que pase el trabajo por un modelo sin marca. Le enseñas que el objetivo es ganarle al detector, y esa es la lección que envejece peor: la detección mejora, el hábito de esconder no. Y no pases el trabajo de tu propio hijo por un detector gratuito: son los que adivinan, y sus falsos positivos son lo que le costó un cero a la estudiante de Wake County.

Qué observar en los próximos 3 meses

• Semana 4: revisa si OpenAI o Microsoft publicaron una declaración propia sobre marca de agua en texto. La página de Layer3 se actualiza, igual que la lista de modelos de Anthropic. Si un modelo que tu hijo usa aparece como “confirmado”, actualiza la conversación de la declaración.
• Señales de alerta en el mes 2: el colegio anuncia “detección de IA” sin decir qué herramienta. Pregunta de qué tipo es. Un colegio que no puede responder está a punto de repetir el error de Wake County. Mira también si tu hijo empieza a preferir un modelo que nunca escuchaste: es señal de que el objetivo pasó a ser evadir.
• Autoevaluación del mes 3: tu hijo tiene una línea de declaración en cada entrega, una carpeta de borradores que no está vacía y puede explicar en un minuto por qué una marca de agua no prueba trampa. Si las tres son ciertas, el escenario 2027 es habitable para tu familia.

Preguntas frecuentes

¿ChatGPT va a marcar su texto para 2027?

Nadie fuera de OpenAI puede confirmarlo hoy. OpenAI ya adjunta procedencia C2PA y SynthID a las imágenes y una marca visible al video de Sora, y según TechCrunch se comprometió con el código de transparencia europeo. El texto es el caso difícil por razones de calidad. Trátalo como “plausible, no confirmado”, y que tu hijo no asuma nada en ninguna dirección.

¿Un docente puede pasar el ensayo de mi hijo por un detector de Claude hoy?

En general, no. La API de detección de Anthropic está en vista previa privada para reguladores, medios, verificadores, investigadores y organizaciones educativas, y se amplía de a poco. Un docente con un detector gratuito de internet está usando una herramienta que adivina por estilo, con falsos positivos documentados.

Si todos marcan, ¿se acaba la trampa con IA?

No. Los modelos de pesos abiertos que corren localmente pueden saltarse la marca, la paráfrasis fuerte y la traducción la degradan, y la investigación sobre removerla crece cada mes. Una marca universal subiría el costo de la trampa más perezosa y haría poco con el resto. La evidencia de proceso y las preguntas orales siguen siendo la defensa duradera.

¿Que una marca aparezca significa que mi hijo hizo trampa?

No. Anthropic dice que su marca indica que el texto “pudo ser generado o procesado” por Claude y que no distingue entre escribir y editar a fondo. Corregir, traducir o reformatear puede dejar rastro. Si eso viola una regla depende de la consigna, y por eso importa tanto declarar el uso por escrito.

¿Debería preocuparme por la privacidad si el colegio verifica marcas?

Con razón, sí. Verificar implica enviar texto del estudiante a la API de un proveedor. Pregunta qué se guarda y por cuánto tiempo, si está cubierto por el acuerdo de datos del colegio y si se avisa a los papás. Sobre el panorama general de datos escolares escribimos en reconocimiento facial en escuelas LATAM.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Layer3 Labs. (2026, 19 de septiembre). “Which AI models watermark their output.” https://www.layer3labs.io/comparisons/which-ai-models-watermark-their-output
2. Anthropic. (2026, 14 de agosto). “Watermarking Claude’s text output.” https://www.anthropic.com/news/claude-text-watermark
3. Anthropic. (2026). “How Claude marks AI-generated content.” https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content
4. Zeff, M. (2026, 11 de agosto). “Anthropic says it will watermark text generated by its AI models.” TechCrunch. https://techcrunch.com/2026/08/11/anthropic-says-it-will-watermark-text-generated-by-its-ai-models/
5. Dathathri, S., et al. (2024). “Scalable watermarking for identifying large language model outputs.” Nature, 634, 818–823. https://www.nature.com/articles/s41586-024-08025-4
6. Google DeepMind. (2024). “Watermarking AI-generated text and video with SynthID.” https://deepmind.google/discover/blog/watermarking-ai-generated-text-and-video-with-synthid/
7. Common Sense Media. (2026, 18 de agosto). Teens in the AI Era. https://www.commonsensemedia.org/research/teens-in-the-ai-era-schoolwork-and-skills-that-matter
8. Pulzo. (2026, 8 de septiembre). “Estudiantes en Colombia lideran uso de IA, según la OCDE.” https://www.pulzo.com/tecnologia/inteligencia-artificial-en-la-educacion-estudiantes-en-colombia-lideran-uso-de-ia-segun-la-ocde-PP5296043A
9. UNESCO. (2026, 14 de abril). “UNESCO launches Observatory on Artificial Intelligence in Education for Latin America and the Caribbean.” https://www.unesco.org/en/articles/unesco-launches-observatory-artificial-intelligence-education-latin-america-and-caribbean
10. Ministerio de Capital Humano de Argentina. (2026). “Programa PaideIA.” https://www.argentina.gob.ar/capital-humano/educacion/paideia
11. WRAL. (2026, mayo). “Wake County student says clear AI policies needed after being accused of cheating.” https://www.wral.com/news/education/wake-county-student-says-ai-policies-needed-after-cheating-accusation-may-2026/