ChatGPT marcará textos en la UE; detector restringido

La cobertura de TechCrunch del 5 de octubre de 2026 informa de que OpenAI añadirá durante las próximas semanas una marca invisible a las salidas de texto elegibles de ChatGPT y Codex en la Unión Europea, mientras que el detector no será público en el lanzamiento. El despliegue alcanzará a los planes elegibles de ambos productos. Los investigadores y las organizaciones expertas podrán solicitar acceso al detector, sujeto a aprobación.

Para los usuarios, el cambio no aparecerá como una etiqueta en la respuesta: estará integrado en la elección de palabras del modelo. La tecnología se llama textGrain y busca dejar una señal que pueda acompañar al texto cuando se copia. Esa señal puede ayudar a reconocer la intervención de un sistema de OpenAI, pero una comprobación positiva no identifica a la persona que lo utilizó ni acredita que el pasaje siga intacto.

Qué cambia según el producto y la región

El anuncio distingue entre la incorporación gradual de la marca en ChatGPT y Codex dentro de la UE y la activación voluntaria para clientes de la API en cualquier región. En los dos primeros productos se habla de salidas de texto elegibles: la expresión no equivale a prometer que todas las respuestas estén marcadas desde el primer día. Tampoco se ha fijado una longitud mínima como condición para recibir la señal; la extensión importa al intentar detectarla después.

ChatGPT en la UE: los textos elegibles entrarán en el despliegue durante las próximas semanas, en todos los planes elegibles. Una respuesta corta puede contener la marca y, aun así, ofrecer poca información estadística para que el detector la encuentre.
Codex en la UE: sus salidas de texto elegibles seguirán el mismo despliegue gradual. La señal descrita corresponde al texto producido por el sistema; no permite atribuir automáticamente cada fragmento de un trabajo posterior a Codex.
API de OpenAI: los clientes de cualquier región ya pueden activar la marca para determinados modelos. La opción está desactivada por defecto, de modo que usar la API no implica por sí solo que el texto lleve textGrain.

Para quien recibe una copia fuera de ChatGPT o Codex, el país donde circula el pasaje tampoco determina si fue marcado. Lo decisivo es si la salida original se generó mediante un producto y un modelo cubiertos, en las condiciones del despliegue y después de que este llegara a ese caso. Por eso, encontrar un texto de aspecto similar en dos lugares no permite concluir que ambos tendrán el mismo resultado al analizarse.

Cómo viaja la marca con una copia

textGrain modifica ligeramente la probabilidad con la que el modelo elige palabras o partes de palabras entre varias opciones posibles. La acumulación de esas elecciones forma una pauta estadística que el detector puede buscar en un pasaje. No se trata de un carácter oculto, un espacio especial ni una puntuación añadida al texto: una persona puede leerlo sin advertir la señal.

Como la pauta reside en la redacción, copiar y pegar puede conservarla aunque el texto cambie de aplicación. Editar la redacción plantea otro caso: sustituir palabras, reformular frases o traducir un pasaje puede reducir la señal que queda disponible para el detector. El contenido muy breve deja menos elecciones que observar, y una respuesta con pocas maneras razonables de expresarse ofrece al modelo menos margen para introducir la pauta.

Estas diferencias separan dos preguntas que suelen confundirse: si una salida recibió la marca al generarse y si queda suficiente señal para reconocerla en la versión examinada. Un resultado negativo responde a la segunda pregunta en las condiciones de esa comprobación; no reconstruye por sí solo todo lo que ocurrió con el texto desde su generación.

Qué midieron las pruebas y dónde fallan

La crónica de BleepingComputer recoge las evaluaciones internas: con un objetivo de falsos positivos del 1 %, el detector identificó la marca en torno al 80 % de pasajes de psicología de 200 tokens y al 95 % de pasajes de 400 tokens; en otra prueba con pasajes de 400 tokens, sustituir el 10 % de las palabras por sinónimos redujo la detección aproximadamente del 92 % al 66 %, y sustituir el 25 % la redujo al 17 %.

Un token es una unidad de procesamiento que puede corresponder a una palabra o a parte de ella. Las cifras proceden de pasajes y tareas de evaluación concretos: describen el comportamiento del detector bajo esas condiciones, no su fiabilidad garantizada ante cualquier texto en español que aparezca en internet. Las respuestas sobre matemáticas resultaron más difíciles de detectar que las de psicología porque admiten menos variaciones en la elección de palabras.

El objetivo de falsos positivos marca el umbral empleado en la evaluación; no significa que el detector nunca pueda señalar un texto sin marca. También existe el error inverso: pasar por alto una señal presente. La pérdida observada al sustituir sinónimos explica por qué la edición posterior importa incluso cuando el pasaje original sí recibió textGrain.

Qué demuestra una detección

Una coincidencia indica que el detector ha encontrado una señal asociada a texto generado o procesado por un sistema de OpenAI. No identifica al usuario, su cuenta, las instrucciones que escribió ni la conversación de origen. Tampoco mide cuánto aportó una persona al resultado final: alguien pudo seleccionar, corregir o combinar fragmentos antes de que el pasaje llegara a quien lo examina.

OpenAI advierte en su explicación de textGrain: «The absence of a detected watermark does not prove human authorship». Un texto demasiado corto, editado o traducido puede escapar a la detección; también puede proceder de un modelo no cubierto, ser anterior al despliegue o haber sido generado por otra empresa. Del mismo modo, una coincidencia no verifica la exactitud de las afirmaciones, la ausencia de cambios posteriores, la propiedad del texto ni la legitimidad de su uso.

La distinción importa cuando un pasaje mezcla intervención humana y generación automática. La marca ofrece una pista limitada sobre la participación de un sistema, pero el detector no puede reconstruir qué frases se conservaron literalmente ni qué decisiones editoriales se tomaron después. Interpretar su respuesta como un dictamen de autoría atribuiría a la herramienta información que no recoge.

Quién podrá acceder al detector

El acceso inicial estará reservado a investigadores y organizaciones expertas cuya solicitud sea aprobada caso por caso. La respuesta de la herramienta indicará si detecta una marca de OpenAI; no entregará datos sobre la identidad del usuario, sus instrucciones o su conversación. La restricción responde tanto a la posibilidad de marcas no detectadas como al riesgo de falsos positivos.

Las herramientas públicas de verificación de imágenes y audio de OpenAI atienden otros tipos de contenido y no ofrecen una comprobación pública equivalente para textGrain. En el despliegue europeo, un lector podrá recibir un texto marcado sin disponer de un detector abierto para analizarlo por su cuenta. La siguiente información decisiva vendrá de las evaluaciones con pasajes reales, distintas longitudes y textos editados, antes de que OpenAI decida si amplía el acceso.