Si escribes un inglés cuidadoso, sencillo y correcto y no eres hablante nativo, la historia de la marca de agua de Claude trata sobre ti. Los reportes recopilados en writehuman.ai (https://writehuman.ai/blog/claude-watermark-punishes-the-wrong-people) describen herramientas de detección que señalan exactamente a este grupo, y el mecanismo es el estilo, no la mala conducta. La corrección sencilla se lee como predecible, y la previsibilidad es lo que puntúan los detectores.
Esa es la parte incómoda. Lo que cambió esta semana no es un nuevo candado sobre tu texto. Es una nueva razón para que el mismo viejo falso positivo recaiga sobre la persona equivocada.
¿Qué cambió realmente esta semana?
Claude no estampa tu documento con una marca de agua visible que puedas encontrar y borrar. Lo que cambió es el volumen de reportes y el encuadre: a los escritores se les dice que su prosa asistida por Claude o pulida por Claude lleva una firma detectable, y a los lectores se les dice que una señal significa algo.
Esta es la versión honesta. Las herramientas de detección estiman qué tan probable es que un pasaje parezca generado por máquina usando señales como la previsibilidad de los tokens y la variación en la longitud de las oraciones. Esa estimación no es un registro de autoría. Ningún resultado de un detector prueba quién escribió algo. Una marca de agua, en sentido estricto, se incrusta en el momento de la generación y es verificable por el propietario del modelo. La puntuación de un detector no es ninguna de esas dos cosas — es una conjetura con un número de confianza adjunto, y es la conjetura la que se está usando en contra de escritores cuidadosos ahora mismo.
Así que cuando alguien dice “el texto de Claude tiene marca de agua”, lo que normalmente quiere decir es “mi párrafo sencillo y correcto obtuvo una puntuación alta”. Esas son afirmaciones distintas, y solo una de ellas es comprobable.
¿A quién afecta más esto?
El informe nombra el grupo con precisión: escritores no nativos de inglés. El mecanismo no es misterioso. Si aprendiste inglés de forma formal, te enseñaron a evitar las contracciones en la prosa académica, a mantener las oraciones completas, a usar el mismo conector para el mismo movimiento lógico cada vez y a preferir la palabra segura sobre la vívida. Eso es exactamente lo que un detector lee como baja varianza y alta previsibilidad.
Otros tres grupos quedan atrapados en la misma red:
- Escritores en registros técnicos y legales. La prosa precisa, repetitiva y de baja varianza es el trabajo.
- Estudiantes que escriben bajo una guía de estilo estricta. Las reglas de la casa eliminan la idiosincrasia que los detectores usan como señal humana.
- Cualquiera que haya editado mucho con un modelo. Una pasada de Claude que suaviza tus transiciones hace que tu propio borrador se lea más hecho por máquina de lo que se leía antes.
Si estás en alguno de esos grupos, el problema no es que hayas hecho trampa. El problema es que tu estilo de escritura se superpone con un perfil estadístico, y nadie te lo dijo antes de que llegara la alerta.
Antes de reescribir nada, obtén una lectura a nivel de oración de tu propio borrador. El detector de IA de DeAIze puntúa todo el documento y resalta cada oración según su probabilidad de IA, para que puedas ver qué líneas realmente llevan la señal en lugar de adivinar. La prueba de reescritura es de 200 palabras tras la confirmación por correo electrónico, sin tarjeta de crédito.
Qué hacer hoy, en orden
No empieces reescribiendo. Empieza preservando. Si ya ha caído una alerta sobre tu trabajo, el borrador original, tu historial de versiones y tus notas son tu evidencia, y una reescritura puede parecer un ocultamiento. Guarda una copia antes de tocar una sola palabra.
Luego sigue esta secuencia:
- Identifica los pasajes señalados, no todo el documento. Una puntuación a nivel de documento no te dice casi nada accionable. El resaltado a nivel de oración te dice qué cuatro oraciones llevan la señal.
- Comprueba si las oraciones señaladas son las que escribiste con más cuidado. Este es el diagnóstico que importa. Si tus líneas con mayor puntuación son tus construcciones más simples y más formularias, tienes una superposición de estilo, no un problema de divulgación.
- Varía el ritmo en esas oraciones concretas. No el vocabulario: el ritmo. Los detectores se fijan en una longitud de oración uniforme y patrones de transición uniformes. Divide una oración larga en dos cortas. Elimina un conector que usas tres veces por párrafo.
- Añade los detalles que solo tú puedes añadir. Una fecha, un lugar, un número de tus propios datos, una razón por la que elegiste un método sobre otro. La prosa hecha por máquina es general porque no tiene ningún interés en ser específica.
- Vuelve a puntuar y compara. Si las oraciones señaladas se movieron y las no señaladas no, editaste lo correcto.
Fíjate en lo que hace y no hace el paso 4. Hace que tu borrador sea más claramente tuyo. No garantiza una puntuación concreta en ningún detector, porque ninguna herramienta puede prometer eso, y cualquier proveedor que afirme un número de reducción específico te está vendiendo una medición que no puedes verificar.
Cómo se ven nuestros propios números
Ejecutamos nuestro detector con nuestro propio material, y los resultados son menos dramáticos que el marketing de cualquiera de los dos lados de este debate. El 2026-09-28 puntuamos dos corpus con el detector DeAIze (conjunto local, nivel lite) con un umbral de marcado del 30%:
| Corpus | Pasajes | Puntuación media de IA | Mediana | Rango |
|---|---|---|---|---|
| Muestra de referencia (guías de DeAIze, no marcadas como generadas) | 709 | 26% | 25% | 0–69% |
| Salida del modelo sin editar (indicaciones fijas, sin ediciones) | 12 | 33% | 34% | 4–46% |
Dos cosas destacan. Primero, las distribuciones se superponen en gran medida. La salida del modelo sin editar no se sitúa en una banda separada de la muestra de referencia. Segundo, 239 de los 709 pasajes de referencia quedaron en o por encima del umbral del 30%. Estos son recuentos de pasajes de una selección basada en metadatos, no documentos independientes y no una tasa verificada de falsos positivos humanos — los pasajes de la misma guía no son muestras independientes, así que trata las cifras como una descripción de nuestro instrumento, no como una estimación poblacional.
Una cifra más de la misma ejecución: la frecuencia de indicios de IA fue de 1 por cada 100 palabras en la muestra de referencia y de 1 por cada 100 palabras en la salida del modelo sin editar. Idéntica. Si esperabas que la salida del modelo estuviera visiblemente repleta de indicios, no lo estaba — que es exactamente por lo que “solo escribe como un humano” es un consejo inútil para alguien cuyo estilo natural ya es sencillo.
Cuando la solución es la elección equivocada
Sé honesto sobre el límite aquí. Reescribir es lo correcto cuando el texto es tuyo y el marcado es un artefacto de estilo. Es lo incorrecto en tres situaciones:
- Cuando usaste un modelo para generar el contenido, no solo la redacción. Editar la superficie del argumento de otra persona no hace que el argumento sea tuyo. Las ideas, los datos y las conclusiones tienen que ser tuyos, y ninguna pasada de edición cambia eso.
- Cuando estás en una disputa formal. Si un panel, editor o gerente ha planteado una pregunta, conserva el original y sigue la política. Reescribir primero puede leerse como una admisión. Nuestra guía sobre acusaciones falsas positivas de detectores de IA cubre qué documentar y en qué orden.
- Cuando la política aplicable prohíbe la asistencia por completo. Revisa la regla antes de la herramienta. En algunos cursos y lugares de trabajo la pregunta no es si el texto se lee humano, sino si un modelo estuvo involucrado en absoluto, y ningún flujo de trabajo de edición responde esa pregunta por ti.
Si estás en la primera categoría, detente y reconsidera lo que intentas hacer. Si estás en la segunda o la tercera, la reescritura puede esperar.
La solución perenne, una vez que pasa el pánico
El ciclo de noticias semanal seguirá su curso. El problema de fondo no, porque es estructural: los detectores puntúan la previsibilidad, y los escritores cuidadosos son previsibles a propósito.
La solución duradera es un hábito, no una herramienta. Escribe tu primer borrador tú mismo, en tu propio registro, con tus propios detalles. Si usas Claude u otro modelo, úsalo para las partes donde ya sabes lo que quieres decir y necesitas ayuda para decirlo — no para el pensamiento. Luego haz una pasada de edición orientada al ritmo y la especificidad, no al vocabulario. Varía la longitud de las oraciones. Elimina el conector que has usado tres veces. Pon un número real en el párrafo que no tiene ninguno.
Esa rutina es todo el método, y funciona independientemente de si la historia de la marca de agua de esta semana resulta ser la historia que la gente pensaba. Nuestro pilar humanizar texto de IA recorre todo el flujo de trabajo, sección por sección, con una pasada de verificación que mantiene intactas tus afirmaciones, cantidades y citas. Empieza ahí en lugar de con una herramienta removedora — los removedores abordan una marca de agua que, en la mayoría de los casos, nadie ha demostrado realmente que exista en tu archivo.
Una última cosa sobre el miedo que subyace a esto. La preocupación no es realmente “¿me señalará un detector?”. Es “¿decidirá alguien que no escribí mi propio trabajo?”. Eso es un juicio humano, emitido por una persona que puede leer tus borradores, tus notas y tu historial de revisiones. Una puntuación es una entrada más en ese juicio, y una discutida. Documenta tu proceso, conserva tus originales y responde con honestidad a la cuestión del estilo cuando surja. Esa es una defensa mejor que cualquier edición que hagas después de que llegue la señal.
Nota de medición: las cifras de este artículo provienen de nuestra propia ejecución del detector el 2026-09-28 — n = 709 pasajes de referencia de guías no marcadas como generadas frente a n = 12 pasajes de modelo sin editar, puntuación media de IA del 25% y el 34% respectivamente. La autoría de las referencias no se verificó de forma independiente; los pasajes no son documentos independientes. Método: /methodology/.