textGrain detecta textos largos, pero editar el 25 % reduce la tasa al 17 %

OpenAI desplegará durante las próximas semanas la marca invisible textGrain en los textos elegibles de ChatGPT y Codex para todos los planes de la UE. La tecnología modifica la elección de palabras para dejar una señal estadística. Los clientes de la API de todo el mundo pueden activarla en determinados modelos, aunque la empresa no la convertirá en la opción global predeterminada.

El detector no será público en el lanzamiento. Investigadores aprobados y organizaciones expertas podrán solicitar acceso, que se concederá caso por caso. La herramienta solo indicará si detecta una marca de OpenAI y no pretende revelar al usuario, el prompt ni la conversación.

La UE recibe la marca y el resto del mundo una opción

El despliegue regional responde a las normas europeas que exigen identificar de forma legible por máquina el contenido generado. OpenAI mantiene la marca como opción voluntaria en la API para modelos seleccionados y prevé ofrecerla también a través de socios de cloud.

La empresa afirma que textGrain igualó o superó a otros métodos probados, incluido SynthID for text. Sus benchmarks publicados no mostraron una diferencia significativa de calidad entre los textos con marca y los normales.

Los textos largos y menos rígidos ofrecen más señal

Con un objetivo del 1 % de falsos positivos, el detector encontró la marca en cerca del 80 % de las respuestas de psicología con 200 tokens y en el 95 % de las de 400 tokens. El resultado fue notablemente peor en matemáticas, donde el modelo tiene menos libertad para elegir palabras.

Ese límite define su uso práctico. La marca puede ayudar a un proveedor a establecer que un texto largo y poco editado salió de un modelo compatible. No permite identificar al autor, verificar la exactitud, medir la aportación humana ni determinar la propiedad del texto.

Una edición corriente desmonta el rastro estadístico

En una prueba con fragmentos de 400 tokens, sustituir el 10 % de las palabras por sinónimos redujo la detección de aproximadamente el 92 % al 66 %. Al reemplazar el 25 %, cayó al 17 %. La traducción, el recorte y una reescritura profunda pueden debilitar la señal de otras maneras.

Un resultado negativo no demuestra autoría humana. Uno positivo tampoco constituye un veredicto sobre una persona, porque OpenAI advierte expresamente de falsos positivos y falsos negativos. Restringir el acceso al detector reduce ciertos abusos, pero también dificulta una comprobación independiente en una escuela, una redacción o una empresa corriente.

Gestionar la incertidumbre importará más que la propia marca

La cuestión operativa será cómo comunican las organizaciones autorizadas la puntuación, la longitud del fragmento y los límites de fiabilidad. Sin ese contexto, una respuesta binaria puede convertir fácilmente una señal estadística débil en una acusación injustificada.

OpenAI promete ampliar el informe técnico y publicar más adelante la tecnología como open source. Las pruebas reproducibles en varios idiomas, disciplinas, traducciones y procesos reales de edición mostrarán si textGrain funciona como una capa interoperable de provenance o principalmente como una etiqueta regulatoria sobre texto intacto.

El veredicto de Lilith

El texto pasa por dos editores y la señal se encoge del 92 % al 17 %. Convertir ese rastro en un sello de culpabilidad equivale a confundir una huella de laboratorio con el documento de identidad del autor.