SynthID-Text: cómo funciona la marca de agua para textos IA
Descubre qué es SynthID-Text, la tecnología de Google DeepMind que introduce marcas de agua invisibles en textos generados por inteligencia artificial.
Distinguir entre un texto escrito por una persona y uno generado por inteligencia artificial es cada vez más difícil. Los modelos actuales producen artículos, correos, resúmenes o publicaciones con una calidad suficiente como para que, en muchos casos, resulte prácticamente imposible determinar su origen simplemente leyendo el contenido.
Google DeepMind lleva tiempo trabajando en una aproximación diferente a los tradicionales detectores de IA. En lugar de analizar un texto una vez generado e intentar adivinar si procede de un modelo, propone introducir una señal durante el propio proceso de generación.
Esa tecnología se llama SynthID. Y su variante específica para lenguaje es SynthID-Text.
¿Qué es SynthID-Text?
SynthID-Text es una tecnología de watermarking, o marcado digital, diseñada para introducir una marca imperceptible en textos generados por modelos de inteligencia artificial.
Forma parte de la familia SynthID desarrollada por Google DeepMind, que también incluye mecanismos de marcado para imágenes, audio y vídeo.
Lo interesante es que esa marca no se introduce mediante metadatos, caracteres invisibles ni mensajes ocultos dentro del documento. Se integra directamente en el proceso mediante el cual el modelo decide qué palabras utilizar.
Para nosotros, el resultado es un texto completamente normal. Para un sistema preparado para analizarlo, sin embargo, puede existir un patrón estadístico reconocible.
Ahí está la clave de SynthID-Text.
Y sí: Google lleva utilizando SynthID-Text en Gemini desde 2024
Este detalle es especialmente interesante porque SynthID-Text no es simplemente un proyecto experimental de Google.
Google lleva utilizando esta tecnología en Gemini desde mayo de 2024.
El 14 de mayo de 2024, Google DeepMind anunció oficialmente que ampliaba SynthID para introducir marcas de agua en el texto generado por la app y la experiencia web de Gemini.
Por tanto, a fecha de agosto de 2026, estamos hablando de una tecnología que lleva más de dos años aplicada a Gemini.
El anuncio de 2024 explicaba además que la marca se incorporaba durante la propia generación mediante la modificación de las probabilidades de los tokens, buscando hacerlo sin perjudicar la calidad, precisión, creatividad o velocidad de generación.
Y esto permite aclarar una posible confusión.
SynthID-Text no empezó con Gemini 2.5. Gemini 2.5 fue presentado por Google el 25 de marzo de 2025, casi un año después del anuncio de SynthID-Text para Gemini.
Por tanto, si encontramos alguna referencia indicando que Google comenzó a introducir esta marca de agua con Gemini 2.5, cronológicamente no sería correcta. El anuncio original de Google no vinculaba SynthID-Text a Gemini 2.5, sino a la app y experiencia web de Gemini disponibles en mayo de 2024.
Y no fue solamente un experimento de laboratorio
Unos meses después llegó una confirmación todavía más interesante.
En octubre de 2024, investigadores de Google DeepMind publicaron en Nature el paper “Scalable watermarking for identifying large language model outputs”, donde describieron técnicamente SynthID-Text y presentaron los resultados de su despliegue en producción.
Para comprobar si introducir la marca afectaba a las respuestas, Google realizó un experimento sobre aproximadamente 20 millones de respuestas con y sin watermark de Gemini.
Los resultados fueron especialmente interesantes.
La diferencia en valoraciones positivas entre ambos grupos fue únicamente del 0,01 %, mientras que la diferencia en valoraciones negativas fue del 0,02 %. Los investigadores determinaron que ninguna de esas diferencias era estadísticamente significativa.
Su conclusión fue que, en interacciones reales con usuarios, la diferencia en calidad y utilidad entre las respuestas marcadas y las no marcadas era prácticamente despreciable.
El paper confirma además que SynthID-Text había sido llevado a producción para marcar respuestas de Gemini y Gemini Advanced.
No hablamos, por tanto, únicamente de una prueba realizada con unos cuantos ejemplos.
Estamos hablando de un sistema probado con millones de interacciones reales.
¿Sigue utilizando Gemini SynthID-Text?
La documentación actual de Google DeepMind continúa indicando que SynthID se utiliza para marcar e identificar texto generado por la app y la experiencia web de Gemini.
Aquí conviene ser muy precisos.
Que Google utilice SynthID-Text en Gemini no significa necesariamente que podamos asumir que cualquier texto generado con cualquier modelo Gemini y a través de cualquier canal contiene esa misma marca.
La documentación oficial que Google mantiene actualmente habla específicamente de la Gemini app y web experience.
Por eso no conviene generalizar y afirmar que todas las salidas obtenidas mediante la Gemini API llevan obligatoriamente SynthID-Text, salvo que Google lo documente expresamente para un producto, modelo o API determinados.
Para entender cómo funciona, primero hay que entender cómo escribe una IA
Un modelo de lenguaje no genera un artículo completo de una sola vez. Construye el texto progresivamente, seleccionando un token detrás de otro.
Un token puede ser una palabra completa, una parte de una palabra, un signo de puntuación o cualquier otro fragmento utilizado internamente por el modelo.
Imaginemos que la IA está escribiendo esta frase:
“Por las mañanas normalmente tomo café con…”
En ese momento, el modelo calcula diferentes posibilidades para continuar:
- leche
- azúcar
- hielo
- tostadas
- canela
Cada alternativa tiene una probabilidad diferente. El sistema selecciona una de ellas y, a continuación, vuelve a calcular cuál debería ser el siguiente token.
El proceso se repite cientos o miles de veces hasta construir la respuesta completa.
SynthID-Text aprovecha precisamente ese momento de decisión.
Una marca de agua escondida en las decisiones del modelo
Durante la generación, SynthID-Text modifica ligeramente las probabilidades asociadas a determinados tokens.
Supongamos que el modelo podría escribir cualquiera de estas dos frases:
“La inteligencia artificial está cambiando rápidamente el mercado.”
o:
“La inteligencia artificial está transformando rápidamente el mercado.”
Las dos son correctas y transmiten prácticamente la misma idea. El modelo tiene, por tanto, margen para elegir.
SynthID-Text puede favorecer estadísticamente una opción frente a otra. Después puede repetir una decisión similar unas palabras más adelante y volver a hacerlo muchas veces a lo largo del texto.
Ninguna de esas decisiones, observada de forma aislada, revela nada. Sin embargo, cuando se analizan suficientes tokens, el conjunto de elecciones puede formar un patrón estadístico identificable.
Esa es la marca de agua.
No hay palabras secretas ni caracteres invisibles
Este punto es importante porque resulta fácil imaginar SynthID-Text como algún tipo de código oculto dentro del documento.
No funciona así.
La tecnología no necesita introducir una palabra específica cada cierto número de frases, ni añadir caracteres invisibles ni almacenar información en los metadatos del archivo.
La marca se encuentra en la distribución estadística de los tokens elegidos por el modelo.
Podríamos decir que SynthID-Text no modifica tanto qué dice el modelo como algunas de las decisiones que toma sobre cómo decirlo.
Google describe esta técnica como generative watermarking, ya que la señal se introduce durante el propio proceso de generación del contenido.
¿Qué es Tournament Sampling?
Uno de los elementos técnicos de SynthID-Text es un mecanismo denominado Tournament Sampling.
Simplificando bastante su funcionamiento, el sistema utiliza información pseudoaleatoria para influir en el proceso de selección entre diferentes tokens candidatos. De esta forma puede favorecer ciertas elecciones sin alterar significativamente la calidad o el significado del texto.
El sistema combina varios componentes: un generador pseudoaleatorio, un mecanismo para seleccionar tokens y una función capaz de analizar posteriormente la señal estadística resultante.
La ventaja de este enfoque es que la marca de agua puede incorporarse sin necesidad de volver a entrenar completamente el modelo.
¿Se nota en la calidad del texto?
Una de las grandes dificultades de cualquier sistema de watermarking es conseguir que la marca sea detectable sin empeorar el contenido.
Si introducir una señal provoca textos artificiales, repetitivos o menos precisos, la solución deja de resultar práctica.
Google DeepMind evaluó SynthID-Text utilizando millones de respuestas generadas con Gemini y comparó resultados producidos con y sin watermarking. Según los investigadores, el sistema podía introducir la señal sin producir diferencias significativas en la percepción de calidad por parte de los usuarios.
Ese equilibrio es fundamental. Para que una tecnología de este tipo resulte útil debe conseguir tres cosas al mismo tiempo: mantener la calidad de la respuesta, introducir una señal suficientemente robusta y hacerlo sin elevar excesivamente el coste computacional.
Entonces, ¿puede SynthID-Text detectar cualquier texto generado por IA?
No. Esta es probablemente la idea más importante que conviene entender sobre SynthID-Text.
SynthID-Text no es un detector universal de inteligencia artificial.
El sistema está diseñado principalmente para identificar textos en los que previamente se ha introducido su propia marca de agua durante la generación.
Si un modelo no utiliza SynthID-Text, su contenido no contendrá esa señal. Por tanto, que un texto no tenga una marca SynthID no significa que haya sido escrito por una persona.
Podría haber sido generado perfectamente por otro modelo.
En otras palabras: no detectar SynthID no demuestra que un texto sea humano.
Esta diferencia separa claramente las tecnologías de watermarking de los detectores tradicionales de IA.
Watermarking y detectores de IA no son lo mismo
Los detectores tradicionales intentan analizar un texto y estimar si sus características se parecen a las que suele producir un modelo de lenguaje.
Eso puede generar falsos positivos y falsos negativos, especialmente a medida que los modelos mejoran.
El planteamiento de SynthID-Text es diferente. No intenta deducir el origen únicamente observando el estilo del texto. Busca una señal introducida deliberadamente durante la generación.
Es una diferencia parecida a intentar reconocer quién ha fabricado un objeto observándolo frente a comprobar una marca colocada por el propio fabricante.
Ambos métodos pueden aportar información, pero responden a problemas diferentes.
¿Funciona igual de bien con cualquier tipo de texto?
Tampoco. SynthID-Text funciona mejor cuando el modelo dispone de cierto margen para elegir entre diferentes formas de expresar una idea.
Un artículo largo, una explicación, una historia o una respuesta desarrollada ofrecen muchas oportunidades para introducir pequeñas decisiones estadísticas.
Una respuesta extremadamente corta o factual ofrece muchas menos.
Por ejemplo: “La capital de Francia es París.”
En una frase de este tipo existe muy poco margen para modificar la selección de tokens sin alterar innecesariamente el contenido.
Por esa razón, Google reconoce que la técnica resulta más efectiva en textos largos y variados que en respuestas muy breves, listas extremadamente estructuradas o contenidos donde existen pocas alternativas lingüísticas razonables.
¿Qué ocurre si modificamos el texto?
Aquí aparece otra de las limitaciones importantes.
Si alguien realiza pequeñas modificaciones sobre un contenido marcado, la señal puede seguir existiendo. Pero cuanto mayor sea la transformación del texto, más posibilidades existen de debilitarla.
Un caso especialmente interesante es el parafraseado.
Podríamos generar un texto con un modelo que utilice SynthID-Text y, posteriormente, pedir a otro modelo que lo reescriba completamente. Ese segundo proceso puede modificar una cantidad suficiente de tokens como para reducir la capacidad de detectar la marca original.
Esto significa que SynthID-Text tampoco debe interpretarse como un sistema imposible de eliminar o manipular.
Es una capa adicional de procedencia, no una garantía criptográfica absoluta sobre el origen del contenido.
Google ha abierto SynthID-Text a otros desarrolladores
Otro aspecto relevante es que Google decidió publicar SynthID-Text para que otros desarrolladores puedan experimentar con la tecnología e incorporarla a sus propios modelos.
La implementación está disponible dentro del ecosistema de herramientas de IA responsable de Google y también se ha integrado en Hugging Face Transformers.
Técnicamente, puede incorporarse al proceso de generación como un componente que modifica los logits —los valores que determinan la probabilidad de los siguientes tokens— antes de realizar la selección.
Eso significa que la idea no tiene por qué limitarse exclusivamente a Gemini.
Otros modelos pueden implementar mecanismos compatibles con este enfoque.
El verdadero valor de SynthID-Text: la procedencia
El debate sobre inteligencia artificial suele formularse mediante una pregunta: “¿Podemos detectar si esto lo ha generado una IA?”
Quizá esa no sea siempre la mejor pregunta.
Una aproximación diferente sería construir sistemas donde los contenidos generados puedan transportar información sobre su procedencia desde el mismo momento en que se crean.
Ese es el terreno en el que tecnologías como SynthID empiezan a resultar especialmente interesantes.
La combinación de marcas de agua, estándares de procedencia digital, firmas criptográficas y otros mecanismos podría ayudar a construir ecosistemas donde resulte más sencillo conocer cómo se ha creado y modificado un contenido.
No eliminaría problemas como la desinformación, el fraude o los deepfakes, pero proporcionaría una capa adicional de confianza.
Un ejemplo sencillo para entender SynthID-Text
Imaginemos que queremos comunicar el mismo mensaje de diez maneras diferentes.
Podríamos escribir:
- “La IA está transformando las empresas.”
- “La inteligencia artificial está cambiando las empresas.”
- “Las empresas están siendo transformadas por la IA.”
- “La adopción de IA está modificando el funcionamiento de las empresas.”
El significado general es muy parecido, pero las palabras utilizadas son diferentes.
Un modelo de lenguaje dispone constantemente de este tipo de alternativas.
SynthID-Text aprovecha esas elecciones. Si consigue favorecer determinadas opciones siguiendo un patrón controlado durante cientos de decisiones, puede introducir una señal sin necesidad de modificar visiblemente el contenido.
Posteriormente, otro sistema puede analizar estadísticamente esas decisiones y determinar si existen evidencias suficientes de que la marca está presente.
En definitiva, ¿qué es SynthID-Text?
La definición más sencilla sería esta:
SynthID-Text es una tecnología desarrollada por Google DeepMind que introduce una marca de agua estadística en los textos generados por inteligencia artificial mediante pequeñas modificaciones en el proceso de selección de tokens.
La marca no es visible para el lector y, en principio, no debería alterar de forma perceptible la calidad del contenido.
Su principal valor no está en identificar cualquier texto generado por IA, sino en proporcionar una señal que permita reconocer contenidos generados por sistemas que hayan implementado esta tecnología.
Y probablemente ahí esté la parte más interesante de SynthID-Text.
Durante los últimos años hemos dedicado muchos esfuerzos a construir herramientas que intenten averiguar si algo parece haber sido creado por una inteligencia artificial. SynthID plantea una filosofía distinta: conseguir que los propios sistemas de IA incorporen mecanismos que ayuden a demostrar el origen de aquello que generan.
No es una solución definitiva, pero sí una pieza potencialmente importante dentro del futuro de la procedencia, autenticidad y confianza del contenido digital.
Información basada en las publicaciones SynthID, “Watermarking AI-generated text and video with SynthID” y SynthID Text.
