El detector se equivoca con regularidad
Un detector de IA recibe un texto terminado y adivina. Observa la longitud de las frases, la elección de palabras, la previsibilidad, y de ahí deduce un origen. El método tiene un fallo incorporado: cuanto más cuidadosamente escribe alguien, más liso queda el texto. Revisar diez veces hasta que cada frase encaje produce exactamente la regularidad que un detector lee como automática.
A quienes escriben en una segunda lengua les golpea más fuerte. Su vocabulario es más deliberado, su sintaxis más prudente, y los detectores los señalan de forma desproporcionada. Hay ya suficientes testimonios de estudiantes cuyo trabajo propio fue clasificado así como para no despacharlo como un caso aislado.
El problema de fondo: un texto terminado no conserva memoria de cómo se hizo. No se puede ver si creció durante tres semanas o se generó en tres segundos. El detector deduce la historia a partir de la superficie, y una deducción sigue siendo una deducción por muy seguro que suene el porcentaje.
Las marcas de agua llegan — y responden a la pregunta equivocada
El marcado ya no es hipotético. Google marca las salidas de sus modelos Gemini con SynthID, Anthropic ha anunciado que marcará todas las salidas de sus modelos —impulsado por los requisitos de transparencia del Reglamento europeo de IA— y otros proveedores seguirán. Quien escriba con IA recibirá texto marcado, lo quiera o no.
Dos cosas se subestiman con regularidad. Estas marcas son invisibles y no se pueden detectar sin la herramienta específica del proveedor correspondiente. Y son más robustas de lo que se supone: al estar integradas estadísticamente en la estructura del texto, sobreviven al copiar y pegar y a toda una serie de ediciones.
El verdadero problema está en otro sitio, y para las autoras es peligroso.
Una marca de agua marca la salida, no la aportación. Anthropic indica que se marca cada salida. Si entregas al modelo un párrafo escrito por ti y le pides corregir una sola palabra, recibes el párrafo entero marcado. El texto es casi por completo tuyo y lleva la misma marca que uno escrito íntegramente por la máquina.
El método no mide, por tanto, la autoría sino el contacto. Cualquier contacto. Y al ser binario, no conoce gradación entre «lo escribí yo y pedí corregir una errata» y «lo escribió la máquina».
Para el grupo más numeroso de autoras —quienes escriben por su cuenta y recurren puntualmente a la IA— es la peor noticia posible. Tendrán texto marcado sin advertirlo, sin poder retirarlo y sin nada en la mano que oponer.
No es un argumento contra las marcas de agua. Para su propósito real —hacer identificables a gran escala los contenidos generados por máquina— tienen sentido, y el Reglamento europeo de IA tiene buenas razones para exigirlas. Simplemente no pueden responder a la única pregunta que importa a una autora: no si intervino un modelo, sino en qué medida.
Justo por eso hace falta la dirección contraria.
Nosotros documentamos cómo surgió el texto
Hermes 3000 no adivina. Registramos mientras se escribe.
Cuando nuestro servidor produce un texto —una generación, una reformulación, la transcripción de un dictado—, lo sabe. No tiene que deducirlo. Conserva lo que entregó y comprueba, en el siguiente guardado, cuánto de ello acabó en el manuscrito y cuánto ha reescrito la autora desde entonces. A eso se añade lo que solo el editor puede saber: si el texto se tecleó o apareció de golpe, y cuánto tiempo se trabajó realmente en un pasaje.
La diferencia decisiva: no es un análisis del resultado sino un registro del proceso. Por eso sobrevive a la reescritura; es más, la reescritura es en sí misma información que se conserva.
¿Y el texto que viene de fuera?
Hay exactamente un caso del que el registro no sabe nada: el texto pegado o importado. Viene de otro sitio: puede ser texto propio de otro documento, una cita, la salida de otra herramienta de IA. El editor solo ve que de repente hay 1.800 caracteres que antes no estaban.
En lugar de adivinar, preguntamos.
Al pegar un pasaje de cierto tamaño aparece poco después un aviso con un botón: ¿de dónde procede este texto? No un diálogo que interrumpa la escritura, sino un ofrecimiento que desaparece solo a los quince segundos. Al importar un manuscrito la pregunta se hace una vez, justo después, mientras aún se sabe qué se acaba de importar.
Las opciones son las que se dan de verdad: escrito por mí (en otro lugar), por otra persona, de otra herramienta de IA, citado de una fuente, dominio público. Con una nota opcional.
Tres propiedades nos importan aquí:
Se pregunta por un hecho concreto. «¿De dónde proceden estos 1.833 caracteres?» tiene respuesta. «¿Cuánta IA hay en tu libro?» no la tiene, y por eso la pregunta cuelga del pegado y de la importación, no de un formulario en los ajustes.
«Más tarde» es una respuesta real. El botón para posponer tiene el mismo peso que el de responder. Quien no quiera responder no debe verse empujado a una declaración falsa. La pregunta queda abierta y el certificado la muestra como no declarada.
Y una declaración nunca se convierte en medición. Aparece en su propio campo del certificado, marcada explícitamente como declaración de la autora, y el documento firmado nombra ambas cosas: cuántos caracteres se apoyan en una declaración y cuántos llegaron de fuera sin haber sido declarados nunca. Un certificado que dejara pasar una afirmación por prueba valdría menos que uno que admite el vacío.
En la importación la respuesta cubre todo el manuscrito y los pasajes la heredan: se explica un libro, no cuatrocientos pasajes.
Así se ve: el desglose por procedencia, la declaración sobre el texto insertado y el certificado emitido con enlace verificable y código QR.
Por qué esto es mejor para los tres grupos
Quienes lo escriben todo por su cuenta
Este grupo está hoy en la situación más absurda: nada que ocultar y nada que mostrar. Cuando un detector señala su manuscrito, solo les queda protestar. Un certificado de procedencia le da la vuelta: no «juro que fui yo», sino un registro que muestra que el texto creció en pequeños pasos durante semanas. Quien usa la IA solo para pedir una opinión sobre un pasaje ve exactamente eso: una pregunta hecha, ninguna huella en el texto.
Los híbridos, el grupo más numeroso
La mayoría trabaja así: escribir uno mismo, hacer reformular una frase de vez en cuando, generar a veces un pasaje y luego reelaborarlo a fondo. Para esa realidad todavía no hay lenguaje. «¿Con IA o sin ella?» no admite una respuesta honesta, y cada casilla de sí o no fuerza una declaración falsa.
Un certificado puede expresar exactamente lo que ocurrió: este párrafo es tuyo, una herramienta pulió 300 caracteres. Aquel vino de una generación y reescribiste dos tercios. Eso no es dilución, es precisión.
Hasta el pasaje concreto, con la indicación explícita de que las cifras se solapan y no suman la longitud del pasaje.
Quienes trabajan mayormente con IA
También aquí el detalle importa, y quizá sea la parte más sorprendente. Entre «escribe el capítulo 3» y un libro con personajes elaborados, una trama pensada, habilidades de estilo elegidas y ocho variantes probadas por escena hay un mundo. Ambos resultados son generados por IA. Solo que uno llevó dos minutos y el otro muchas horas.
Por eso, en el texto de IA distinguimos si una persona lo ha dirigido: generado más de una vez, escrito con una instrucción propia en lugar de un mero título de capítulo, o reelaborado el resultado a mano. Quien se toma ese trabajo ha dado forma al texto de manera causal, solo que no con el teclado. Una marca de agua no ve nada de eso. Un detector, menos aún.
Y para quienes trabajan en un libro entre varios
Los libros rara vez se hacen en soledad. Corrección, coaching, mentoría, una coautora: cada una de esas manos deja huellas que en un texto terminado ya no se distinguen. Como registramos mientras se escribe, la secuencia se conserva: cuándo llegó cada parte, cuánto se reelaboró después, a lo largo de cuántos días.
Para programas de coaching y talleres de escritura esa es la aplicación realmente interesante. No como vigilancia, sino como prueba del trabajo realizado.
Qué es un Verifiable Credential y por qué encaja aquí
Unas cifras dentro de la propia herramienta se afirman fácilmente. La cosa se pone interesante cuando una editorial puede comprobarlas sin fiarse de nosotros.
Para eso existen los Verifiable Credentials, un estándar del W3C. Un emisor —aquí Hermes 3000— mete una afirmación en un documento y lo firma criptográficamente con su clave privada. Cualquiera que tenga la clave pública correspondiente puede comprobar que el documento procede de ese emisor y que no ha cambiado ni un carácter desde entonces. Sin registro central, sin cuenta, sin llamarnos.
En la práctica: la autora emite el certificado, las cifras se congelan y se firman, y recibe un enlace y un código QR. La editorial abre el enlace —sin iniciar sesión— y ve las cifras firmadas, más una nota sobre cuánto ha cambiado el libro desde entonces. Quien quiera, comprueba la firma con herramientas estándar en lugar de creerse nuestra marca verde.
Por qué encaja tan bien aquí: un certificado de procedencia es una afirmación sobre un momento. Tiene que estar congelado, o describirá otro libro la segunda vez que se abra. Tiene que ser comprobable sin que quien comprueba deba confiar en el emisor. Y tiene que poder retirarse si algo resulta ser falso. El estándar trae exactamente esas tres propiedades.
Lo que deliberadamente no afirmamos
Un certificado vale lo que dice sobre sus propios límites. Por eso esto figura en la página de verificación y dentro del propio documento firmado:
La firma acredita que Hermes registró así este proceso, no que el registro sea completo, y desde luego no de quién son las ideas. Copiar a mano un texto de IA desde otra aplicación burla la medición; eso no se puede detectar, y lo decimos. El tiempo de escritura indicado es un límite inferior: pensar sin pulsar teclas no cuenta. Y lo insertado desde fuera solo puede explicarlo la autora; esas respuestas se presentan explícitamente como su declaración, nunca como una medición.
No lo consideramos una debilidad sino la condición bajo la cual un certificado así vale algo. Un sello que promete más de lo que puede cumplir gasta precisamente la confianza que debería crear.
Por qué harán falta más sistemas así
El debate está convergiendo en la pregunta equivocada. «¿Es este texto IA?» no admite un sí ni un no en la mayoría de quienes trabajan en serio, y un método que fuerza igualmente una respuesta se equivocará de forma sistemática. Casi siempre a costa de quienes trabajan con más cuidado.
La pregunta mejor es: ¿cómo surgió este texto? Tiene respuesta, tiene prueba, y hace justicia a la realidad en la que hoy escribe la mayoría. Las editoriales, las universidades y las plataformas necesitarán certificados así, no por desconfianza hacia las personas, sino porque necesitan una base más sólida que la corazonada de un clasificador.