La escritura con IA ya no está confinada a pestañas del navegador y servidores remotos. En 2026, uno de los mayores cambios del mercado es que los asistentes de escritura viven cada vez más directamente en los dispositivos de los consumidores, especialmente en el hardware de Apple, donde las Herramientas de Escritura están disponibles en dispositivos compatibles a partir de iOS 18.1, iPadOS 18.1 y macOS Sequoia 15.1. Apple afirma que estas herramientas pueden reescribir, corregir y resumir texto casi en cualquier lugar donde un usuario pueda escribir, incluidas las aplicaciones de terceros, lo que convierte a los redactores con IA en el dispositivo en una realidad generalizada y no en un experimento de nicho.
Al mismo tiempo, el lado de la procedencia de la IA está madurando rápidamente. Las marcas de agua, los metadatos y las credenciales vinculadas criptográficamente están pasando de la teoría a los sistemas de producción y a los estándares. A fecha de 20 de abril de 2026, el patrón más claro es este: la escritura con IA se está trasladando a los dispositivos por motivos de privacidad y uso sin conexión, mientras que los sistemas de marcas de agua y procedencia avanzan más rápido en plataformas centralizadas y organismos de estandarización mediante sistemas como SynthID-Text de Google DeepMind, las marcas de agua de IA de Microsoft 365 y el nuevo soporte de C2PA para archivos de texto.
Los redactores con IA en el dispositivo ya han llegado
La señal más concreta de que los redactores con IA en el dispositivo se han generalizado es el propio despliegue de Apple. Según la documentación de soporte de Apple publicada el 16 de enero de 2026, las Herramientas de Escritura están disponibles en dispositivos Apple compatibles a partir de iOS 18.1, iPadOS 18.1 y macOS Sequoia 15.1. Estas funciones no se encuentran en una única aplicación dedicada; están planteadas como asistencia de escritura a nivel del sistema que puede funcionar casi en cualquier lugar donde los usuarios escriban.
Eso importa porque cambia la forma en que las personas se encuentran con el texto generativo. En lugar de abrir un chatbot aparte, los usuarios pueden pedir una reescritura, solicitar una corrección o generar un resumen dentro de los flujos de trabajo cotidianos. Un asistente de escritura que aparece dentro del correo, las notas, los documentos y las aplicaciones de terceros se percibe menos como un destino y más como una capa ambiental del sistema operativo. Ese cambio plantea nuevas preguntas sobre dónde debería adjuntarse la procedencia y quién es responsable de aplicarla.
La manera en que Apple lo presenta públicamente también es reveladora. La empresa afirma que una piedra angular de Apple Intelligence es el procesamiento en el dispositivo, y ha enfatizado la privacidad, la capacidad de respuesta y la ejecución local por encima de un discurso centrado en marcas de agua integradas. Apple también ha dicho que los desarrolladores podrán acceder al modelo de lenguaje grande en el dispositivo para que las experiencias estén disponibles incluso cuando los usuarios estén sin conexión. Esa propuesta es muy potente para los usuarios, pero también hace que la aplicación centralizada de marcas de agua sea más difícil que en los sistemas de chat basados únicamente en la nube.
Por qué las marcas de agua importan más cuando el texto se genera en todas partes
A medida que la escritura generada por IA se extiende a los sistemas operativos y las herramientas de productividad, la vieja pregunta de “¿esto lo escribió una persona o una máquina?” se vuelve menos simple. En muchos casos, la respuesta es mixta: un humano redacta, una IA reescribe y luego el humano vuelve a editar. Precisamente por eso la procedencia está volviéndose más importante que la detección binaria simplista. El objetivo es cada vez más conservar el contexto sobre cómo se creó o modificó un texto, no simplemente acusar a un documento de haber sido hecho por IA.
Las marcas de agua son una vía hacia ese objetivo. En los sistemas de texto, las marcas de agua suelen referirse a la incorporación de patrones detectables en el contenido generado para que un análisis posterior pueda inferir que el texto provino de un modelo o de un proceso de generación específico. Históricamente, sin embargo, las marcas de agua en texto han sido más difíciles de operacionalizar que las marcas de agua en imágenes porque el lenguaje es flexible, la paráfrasis es común y las pequeñas ediciones pueden debilitar las señales ocultas.
Aun así, la demanda está aumentando porque la escritura con IA ya afecta a todo, desde tareas escolares y textos de marketing hasta documentación empresarial. Si la generación de texto se está volviendo ubicua e invisible, entonces las organizaciones querrán formas de revelar el uso de IA, verificar la procedencia o al menos adjuntar metadatos fiables. Por eso la expresión “las marcas de agua se encuentran con los redactores con IA en el dispositivo” ahora parece literal en lugar de especulativa.
C2PA hace que la procedencia del texto sea mucho más concreta
Un hito importante en materia de estándares llegó en abril de 2026 con la publicación de la especificación C2PA 2.4. La especificación indica que la versión 2.3 añadió soporte integral para incrustar manifiestos C2PA en archivos de texto no estructurados. Se trata de un avance significativo porque la procedencia ahora puede acompañar a los propios resultados de texto, no solo a imágenes, vídeo o contenedores multimedia más estructurados.
Para la escritura con IA, esto cambia la arquitectura de la confianza. En lugar de depender únicamente de marcas de agua estadísticas ocultas dentro del flujo de texto, los sistemas también pueden adjuntar registros de procedencia vinculados criptográficamente directamente a los archivos de texto. En la práctica, eso podría permitir que las herramientas posteriores inspeccionen quién o qué generó o editó un documento, qué aplicación estuvo involucrada y cuándo tuvieron lugar acciones específicas, suponiendo que el ecosistema adopte el estándar de forma consistente.
Por lo tanto, la conversación sobre estándares está yendo más allá de una simple elección entre marcas de agua y metadatos. El marco más amplio de C2PA se centra en datos de procedencia vinculados criptográficamente, mientras que explicaciones independientes del sector han contrastado explícitamente C2PA, las marcas de agua y la detección de IA como enfoques diferentes pero relacionados. Para los redactores con IA modernos, especialmente los que funcionan en el dispositivo, el futuro probable es un modelo por capas en el que las marcas de agua ocultas, las divulgaciones visibles y los metadatos firmados desempeñen funciones complementarias.
SynthID-Text de Google muestra que las marcas de agua en texto pueden escalar
Si los estándares muestran hacia dónde quiere ir el mercado, SynthID-Text de Google DeepMind muestra lo que ya es posible en producción. En Nature, DeepMind informó de que SynthID-Text se evaluó sobre casi 20 millones de respuestas de Gemini. El artículo también indica que el sistema se ha llevado a producción y actualmente está marcando con marca de agua las respuestas en Gemini y Gemini Advanced, lo que lo convierte en uno de los ejemplos más sólidos del mundo real de marcas de agua en texto desplegadas a escala.
Esto importa porque la objeción práctica a las marcas de agua en texto ha sido a menudo que funcionan en laboratorio pero no en productos en vivo. La propia conclusión de DeepMind va directamente contra ese escepticismo al afirmar: “Esto sirve como prueba práctica de que las marcas de agua en texto generativo pueden implementarse con éxito y escalarse a sistemas de producción del mundo real”. Para cualquiera que siga la intersección entre escritura con IA y rendición de cuentas, esa es una de las citas más importantes del campo en este momento.
Igual de importante, la prueba en vivo de Gemini reportó casi ninguna penalización medible en la calidad. DeepMind dijo que la tasa de pulgares arriba difería en un 0,01 % y la de pulgares abajo en un 0,02 %, siendo ambas diferencias estadísticamente insignificantes. En otras palabras, al menos en este amplio entorno de producción, la marca de agua no degradó de forma significativa la satisfacción del usuario. Eso hace que las marcas de agua sean mucho más creíbles como una función práctica para los sistemas de escritura con IA.
Microsoft destaca la divulgación, los metadatos y los flujos de trabajo generalizados
Microsoft ofrece una señal algo distinta pero igualmente importante. En Microsoft 365, los usuarios pueden habilitar una función para incluir una marca de agua cuando el contenido es generado por IA, cubriendo ahora imágenes y audio, y con vídeo previsto para finales de marzo de 2026. Esto no es una marca de agua de texto, pero muestra cómo el software de productividad generalista está operacionalizando controles de procedencia y divulgación para la IA generativa orientada al consumidor.
La documentación de Microsoft es especialmente notable porque no trata las marcas de agua visibles como toda la historia. La empresa afirma que, incluso si los usuarios no activan las marcas de agua visibles, se sigue añadiendo cierta información que revela el uso de IA a los metadatos de las imágenes, vídeos y audios generados o alterados por IA. Esos metadatos pueden incluir qué modelo de IA se utilizó, qué aplicación generó el contenido y cuándo se generó el contenido. Este es exactamente el tipo de lógica de procedencia que puede extenderse a los flujos de trabajo de texto.
La empresa también demuestra una filosofía de diseño diferente a la de las marcas sutiles y solo ocultas. Para el audio, la marca de agua de Microsoft puede decir explícitamente: “Este audio fue generado por IA”. Eso es divulgación directa en lugar de trazabilidad silenciosa. Para la escritura con IA, esta distinción importa. Algunos casos de uso pueden preferir una detección oculta, mientras que otros pueden requerir etiquetas claras y atribución de cara al usuario. El futuro podría incluir ambas.
La IA en el dispositivo crea un problema difícil de aplicación
El auge de los redactores con IA en el dispositivo complica las marcas de agua porque el control centralizado se debilita cuando el modelo se ejecuta localmente. Apple ha dicho que los desarrolladores obtendrán acceso al modelo de lenguaje grande en el dispositivo y que las funciones podrán estar disponibles incluso cuando los usuarios estén sin conexión. Eso significa que una porción cada vez mayor de la escritura asistida por IA puede producirse fuera del alcance directo de los servidores en la nube, que de otro modo podrían estandarizar controles de salida en el momento de la generación.
En un chatbot centralizado, el proveedor puede decidir que cada respuesta generada por un modelo concreto quede marcada con marca de agua, registrada o envuelta en metadatos de procedencia antes incluso de llegar al usuario. En un entorno sin conexión, la aplicación puede depender del sistema operativo, de la capa de la aplicación o de estándares de archivo que adjunten la procedencia después o junto con la generación. Esto no es imposible, pero es arquitectónicamente distinto y a menudo más fragmentado.
Esa tensión explica por qué la IA centrada en la privacidad y la IA centrada en la procedencia pueden parecer tirar en direcciones diferentes. Los usuarios y los proveedores quieren procesamiento local porque reduce la exposición de los datos y permite trabajar sin conexión. Pero la generación local también dificulta garantizar una divulgación o trazabilidad uniforme. Cuanta más escritura con IA ocurra en el dispositivo, más importantes se vuelven estándares como C2PA y las decisiones de diseño a nivel de sistema operativo.
La investigación está llevando las marcas de agua en texto hacia una procedencia más rica
La próxima generación de investigación sobre marcas de agua está yendo más allá de la detección simple de sí o no. Un artículo de USENIX Security 2025 informó de que, al incrustar un mensaje de 20 bits en un texto de 200 tokens, su método logró una tasa de coincidencia del 97,6 %, frente al 49,2 % de un método previo citado. Ese tipo de resultado importa porque sugiere que las futuras marcas de agua podrían transportar cargas reales de procedencia en lugar de limitarse a indicar que existe alguna marca de agua.
Investigaciones relacionadas apuntan en la misma dirección. El artículo de 2025 StealthInk describe la incrustación de campos como userID, TimeStamp y modelID en texto generado por LLM. Para los redactores con IA en el dispositivo, eso es especialmente relevante. Si un sistema está generando texto sin conexión en muchos dispositivos diferentes, la procedencia puede necesitar identificar no solo que la IA estuvo implicada, sino qué instancia del modelo, qué aplicación y aproximadamente cuándo se creó el resultado.
Otros trabajos están ampliando tanto los modelos de despliegue como la cobertura lingüística. SimMark presenta marcas de agua post hoc que pueden hacer que los resultados sean trazables sin acceso a los logits internos, lo cual es útil para sistemas cerrados y basados solo en API. BanglaLorica, publicado en enero de 2026, se centra en marcas de agua robustas para la generación de texto en bangla, lo que muestra que el campo se está expandiendo más allá de supuestos centrados en el inglés. Mientras tanto, la investigación de talleres de ACL sobre marcas de agua de datos explora señales de linaje en los propios datos de entrenamiento, insinuando que las futuras disputas sobre procedencia podrían referirse no solo a los resultados, sino al origen de los modelos detrás de la escritura con IA.
Límites, matices y la vía probable a seguir
Incluso con estos avances, las marcas de agua no equivalen a una detección perfecta. El trabajo de DeepMind aporta pruebas sólidas de que las marcas de agua escalables en texto son viables, pero también analiza sus limitaciones. De forma más amplia, la comunidad entiende que la paráfrasis, la edición, la traducción y la conversión de formato pueden debilitar muchas señales de marcas de agua en texto. A comienzos de 2026 circularon afirmaciones independientes de ingeniería inversa que sostenían que la paráfrasis puede eliminar rastros detectables; aunque esas afirmaciones deben tratarse con cautela cuando no están validadas por fuentes primarias, coinciden con el consenso más amplio de que el texto es fácil de transformar.
Por eso el debate está evolucionando lejos de una única bala de plata. Las marcas de agua ocultas pueden ser útiles para la trazabilidad, pero no bastan por sí solas. Las etiquetas visibles pueden mejorar la divulgación, aunque pueden eliminarse. Los metadatos pueden viajar con los archivos, pero solo si las plataformas los conservan. La procedencia firmada criptográficamente es más sólida, pero requiere adopción del ecosistema. En la práctica, una procedencia robusta para la escritura con IA probablemente dependerá de sistemas por capas más que de una sola técnica que se imponga por completo.
También existe un desafío de gobernanza. La participación de OpenAI en C2PA y su uso actual de metadatos C2PA para la verificación de imágenes muestran cómo los estándares de medios pueden extenderse a flujos de trabajo adyacentes. Pero el texto sigue siendo un ámbito más difícil y fragmentado, especialmente una vez que las herramientas de escritura en el dispositivo se convierten en una función predeterminada en portátiles y teléfonos. La industria ahora tiene las piezas de una solución, pero aún necesita interoperabilidad, valores predeterminados e incentivos.
La historia central, entonces, no es que las marcas de agua hayan resuelto la escritura con IA, ni que la generación en el dispositivo haya hecho imposible la procedencia. Es que ambas tendencias están madurando al mismo tiempo. Por un lado, los dispositivos de consumo se están convirtiendo en plataformas capaces de escritura con IA optimizadas para la privacidad y el uso sin conexión. Por otro, las marcas de agua en producción, la divulgación mediante metadatos y la procedencia basada en estándares se están volviendo mucho más concretas y escalables.
Para cualquiera que esté creando, comprando o regulando sistemas de escritura con IA, la implicación es clara. El futuro de la confianza en el texto generado por IA probablemente provendrá de combinaciones de métodos: marcas de agua donde sean prácticas, divulgación explícita donde sea apropiada y registros de procedencia estandarizados que puedan acompañar al propio texto. En ese sentido, las marcas de agua se encuentran con los redactores con IA en el dispositivo no como rivales, sino como dos fuerzas que ahora están dando forma al mismo próximo capítulo de la autoría digital.
