Detector SynthID y detección de contenido con IA en 2026

Si publica páginas escritas con ayuda de IA, probablemente se haya preguntado si Google puede detectarlas y si esa detección acarrea una penalización. La evidencia publicada responde ambas preguntas con más estrechez que los comentarios habituales del sector SEO. Este artículo explica qué hace SynthID, qué dice la política de Google sobre el contenido generado con IA, qué riesgos puede medir en su propio sitio y dónde encaja el acceso de los crawlers de IA.

Qué hace SynthID y qué no hace

SynthID es un sistema de marcas de agua de Google DeepMind, descrito en la página de SynthID en Google DeepMind. Empezó con imágenes y después se extendió a texto, audio y vídeo. La versión para texto, SynthID Text, actúa en el momento de la generación. Mientras el modelo elige cada token siguiente, modifica levemente las probabilidades siguiendo un patrón que un detector compatible puede comprobar después de forma estadística. El texto se lee con normalidad y la señal vive en la elección de palabras. Google publicó SynthID Text como código abierto en 2024, de modo que otros desarrolladores pueden añadirlo a sus propios modelos. Consulte la página de DeepMind para conocer el alcance actual antes de citar cualquier detalle, porque el producto ha cambiado varias veces.

Un detector de SynthID responde una sola pregunta: ¿un modelo que incrusta esta marca de agua produjo este texto? Un resultado positivo significa que sí. Un resultado negativo significa que el detector no encontró señal de SynthID. El texto podría venir de un modelo que nunca incrusta la marca, de un modelo de Google con la marca desactivada o de una persona. La mayoría de las herramientas de escritura con IA que los profesionales del SEO usan de verdad no incrustan SynthID, así que un resultado limpio casi no dice nada sobre cómo se escribió una página.

La señal también tiene límites. La reescritura intensa, la traducción y la paráfrasis debilitan una marca de agua en texto. Las salidas cortas y las respuestas factuales, con poco margen para variar las palabras, la llevan en menor medida. Además, una marca de agua no dice nada sobre la calidad: un artículo bien editado y exacto y otro descuidado pueden llevar la misma señal.

Los detectores generales de contenido con IA funcionan de otra manera. No tienen una señal incrustada que buscar. Estiman a partir de patrones de escritura, como la previsibilidad y el ritmo de las frases, y devuelven una probabilidad. Esa estimación falla con textos editados, con inglés de hablantes no nativos y con prosa técnica sencilla, y todos ellos pueden puntuar como escritos por una máquina. La puntuación de un detector es la estimación de un proveedor sobre el estilo de escritura, y los sistemas de posicionamiento de Google son un asunto aparte.

Google no ha dicho que SynthID sea una señal en el posicionamiento de Search. Ninguna documentación, anuncio ni política de spam describe tal cosa, de modo que afirmar que Google lee la marca de agua y le penaliza carece de respaldo. Si eso cambia, aparecerá en Search Central, y usted puede comprobarlo allí en lugar de fiarse de la captura de pantalla del resultado de un detector.

En realidad se trata de dos preguntas. Si un texto puede identificarse como generado con IA es una cuestión técnica con una respuesta estrecha. Si una página se sostiene en Search depende de la calidad, la exactitud y la intención. El tiempo dedicado a la primera pregunta no responde a la segunda.

La postura publicada de Google sobre el contenido generado con IA

La postura de Google sobre el contenido generado con IA para SEO cabe en una frase, y aparece en la página de Search Central sobre el uso de contenido de IA generativa (traducción nuestra): “El uso adecuado de la IA o de la automatización no va en contra de nuestras directrices. Es decir, siempre que no se utilice para generar contenido con el fin principal de manipular el posicionamiento en los resultados de búsqueda, lo cual infringe nuestras políticas de spam.”

La misma guía dice que su “enfoque en la calidad del contenido, más que en cómo se produce” es lo que ha orientado a sus sistemas de posicionamiento durante años. El método de producción no figura como criterio de posicionamiento. La intención y la utilidad, sí.

La aplicación de las normas está en las políticas de spam. Google introdujo el término abuso de contenido a escala (scaled content abuse) en marzo de 2024 y lo define así (traducción nuestra): “El abuso de contenido a escala se produce cuando se generan muchas páginas con el propósito principal de manipular el posicionamiento en Search y no de ayudar a los usuarios. Esta práctica abusiva suele centrarse en crear grandes cantidades de contenido poco original que aporta poco o ningún valor a los usuarios, sin importar cómo se cree.”

La cláusula final, “sin importar cómo se cree”, también alcanza a los redactores humanos. Una granja de contenido que paga a freelancers por reescribir el mismo listado 4.000 veces cae bajo la misma política que un script que llama 4.000 veces a un modelo de lenguaje. Una sola definición se aplica a ambos casos.

Del texto publicado se desprenden tres consecuencias prácticas.

• Google se pregunta si una página se hizo para ayudar a los usuarios o para captar posiciones. Un borrador revisado, editado y verificado que empezó con un modelo está dentro de las directrices. Mil páginas de plantilla con nombres de ciudad intercambiados quedan fuera, sea quien sea quien escribió el texto.
• La calidad se juzga sobre el resultado. La misma guía de Search Central remite a su material sobre contenido útil y E-E-A-T para describir qué es un buen contenido: información original, exactitud, evidencia de experiencia directa y autoría clara.
• No he encontrado ninguna declaración oficial de que Search lea marcas de agua o puntuaciones de detectores al posicionar páginas, y Search Console no muestra ninguna puntuación de contenido con IA. Eso es ausencia de evidencia y no demuestra que Search nunca vaya a hacerlo. Dígaselo así a un cliente que se lo pregunte.

La suposición de que la detección conduce a una penalización no tiene respaldo en el texto de la política. En el marco publicado, las penalizaciones y las pérdidas de posición se asocian al comportamiento de spam y a las páginas de poco valor, y una marca de un detector no es ninguna de las dos cosas. Una página escasa, duplicada y escrita para el algoritmo está expuesta tanto si una herramienta puede saber que la escribió un modelo como si no. Una página exacta, concreta y útil sigue a salvo incluso cuando una herramienta dice que parece IA.

Google edita estas páginas y el texto cambia entre revisiones. Abra ambas páginas antes de citarlas ante un cliente o pegarlas en un documento de auditoría, y anote la fecha de acceso.

Riesgos de calidad que usted puede medir

La política pregunta si una página ayuda a las personas o existe para manipular el posicionamiento, así que los riesgos que conviene gestionar son riesgos de calidad. Cuatro de ellos importan, y ninguno depende de una marca de agua.

Primero, el abuso de contenido a escala. La política se aplica tanto si las páginas vienen de un modelo, de un grupo de freelancers o de una plantilla. Un sitio que publica 2.000 páginas de destino con nombres de lugar intercambiados está expuesto. Un sitio que publica 40 artículos cuidadosamente editados y redactados con ayuda de una herramienta de IA no lo está según la letra de la política. El detonante es el volumen combinado con páginas escasas y repetitivas, y usted puede medirlo en su propio sitio.

Segundo, los errores factuales y las fuentes inventadas. Los modelos de lenguaje producen con aplomo cifras, citas y referencias que no existen. Una página que cita un estudio que nadie encuentra, o que indica un valor por defecto erróneo en una guía técnica, pierde primero la confianza del lector. El posicionamiento lo sigue despacio, a través de una interacción más débil y menos enlaces. La única solución es que una persona verifique cada afirmación antes de publicar.

Tercero, la falta de experiencia. E-E-A-T pregunta si la página demuestra conocimiento de primera mano. Un borrador genérico de un modelo rara vez contiene un rastreo que usted ejecutó, una migración de un cliente que salió mal o una captura de su propia Search Console. Las páginas que repiten lo que ya dicen los diez primeros resultados no aportan nada nuevo al lector, y Google puede ver esa carencia sin saber cómo se escribió el texto.

Cuarto, la autoría y las fuentes opacas. Las páginas anónimas, sin autor, sin fecha de publicación o actualización y sin enlaces salientes a fuentes primarias dan muy poco que evaluar a los lectores y a los sistemas de calidad. Compare una página que nombra a su autor, enlaza el RFC o la documentación de Google en que se apoya e indica cuándo se revisó por última vez. La segunda página inspira más confianza, sea quien sea quien escribió el primer borrador.

SynthID reconoce únicamente el texto de modelos que incrustan su marca de agua, y una edición intensa puede borrar la señal de todos modos. Construya su proceso en torno a los cuatro riesgos anteriores, porque esos sí puede encontrarlos, medirlos y corregirlos.

Un buen primer paso es clasificar sus páginas según cómo se produjeron. Las páginas creadas en masa desde una plantilla, las editadas por un experto en la materia y las que no tienen autor identificado conllevan cada una un nivel de exposición distinto. Esa clasificación es el primer paso de la auditoría que sigue.

Una auditoría de contenido práctica

La auditoría empieza con una hoja de cálculo y un rastreo. No necesita ningún detector de marcas de agua, porque cada paso examina señales que usted mismo puede medir.

1. Construya un inventario de contenido. Exporte todas las URL indexables desde su CMS o su sitemap y añada cuatro columnas: fecha de publicación, autor, cómo se produjo la página (escrita a mano, asistida por IA, de plantilla, generada en masa) y clics orgánicos de los últimos 12 meses. La mayoría de los equipos nunca ha rellenado la columna de producción. Pregunte a quien dirigió cada proyecto de contenido, porque el CMS rara vez lo registra. Ordene primero por método de producción, ya que los lotes generados en masa son donde suele empezar el abuso de contenido a escala.

2. Rastree en busca de redacción de plantilla. Ejecute un rastreo completo con renderizado de JavaScript activado y exporte títulos, H1, número de palabras y meta descripciones. Después busque patrones:

   • Cientos de páginas con menos de unos cientos de palabras, todas bajo un mismo patrón de URL.
   • Títulos que solo difieren en una ciudad, un producto o una palabra clave intercambiada dentro de la misma frase.
   • H1 idénticos a la etiqueta title en todo un directorio.
   • Una misma meta descripción repetida en toda una sección.

   Abra diez páginas de cada grupo y léalas. Si puede cambiar el sustantivo del tema y la página se lee igual, no le da nada al usuario.

3. Revise las señales de duplicado y casi duplicado. Los duplicados exactos aparecen en la columna de hash de contenido de un crawler. Los casi duplicados requieren una muestra manual, porque una plantilla con un 80 por ciento de texto compartido y un nombre de producto distinto no coincidirá. Compare esos grupos con Search Console. Las páginas con impresiones cercanas a cero y el estado “Rastreada, actualmente sin indexar” son sus primeras candidatas para fusionar, reescribir o eliminar.

4. Verifique la autoría y las fuentes. En cada página señalada, compruebe si existe un autor identificado, si ese autor tiene una página de perfil y si las afirmaciones enlazan a fuentes primarias. Después abra los enlaces. Los borradores asistidos por IA suelen citar páginas que no existen o que no dicen lo que afirma la frase. Revise del mismo modo cualquier estadística, cita o fecha, y elimine las que no pueda rastrear.

5. Revise los marcadores de actualización. Compare la fecha visible, la fecha en los datos estructurados y el valor lastmod del sitemap. Una página que muestra “actualizado en 2026” pero no ha cambiado en dos años invita a la desconfianza.

6. Revise la procedencia de las imágenes. Si publica imágenes generadas con IA, compruebe si su flujo de trabajo conserva los metadatos C2PA o IPTC o los elimina al subirlas. El sitio de C2PA aloja la especificación. La compatibilidad varía según la plataforma, así que pruebe con unos pocos archivos antes de dar nada por sentado.

Reparta los resultados en tres montones: conservar, reescribir con experiencia real, y fusionar o eliminar. Las páginas del segundo y el tercer montón concentran el riesgo, sea cual sea la herramienta que las creó.

AI Ready y la detección de contenido responden preguntas distintas

La auditoría anterior cubre la calidad del contenido. Otra cuestión es el acceso, y los equipos a menudo la confunden con la detección. AI Ready examina si los sistemas de IA pueden llegar a su sitio. La detección de contenido examina si alguien puede saber que una máquina escribió su texto.

La rastreabilidad es un conjunto de decisiones de acceso que usted toma. Las reglas de su robots.txt deciden qué user agents de IA pueden descargar sus páginas. Un archivo llms.txt, la propuesta descrita en llmstxt.org, ofrece a los modelos de lenguaje un mapa seleccionado de su contenido, y nuestra guía de optimización para motores generativos explica cómo encaja con la búsqueda con IA. La gestión de bots en un CDN o un firewall, como los controles de crawlers de IA de la documentación de bots de Cloudflare, puede permitir o bloquear tráfico antes de que se lea siquiera el robots.txt. OpenAI documenta sus propios crawlers en su documentación de bots, de modo que puede escribir reglas por bot en lugar de bloquearlo todo.

La detección de contenido está en el otro extremo. Una marca de agua como SynthID, o un clasificador que puntúa texto, examina lo que dice una página una vez descargada. No tiene visibilidad sobre su robots.txt, y su robots.txt no le afecta. Bloquear GPTBot no hace que sus artículos parezcan más humanos, y permitir todos los crawlers de IA no hace que parezcan más escritos por una máquina.

Ambos se encuentran en un único punto: cómo tratan los sistemas de IA su sitio. Una página que un crawler nunca puede descargar no puede citarse en una respuesta de IA, por buena que sea. Una página que se descarga sin problemas pero es escasa, de plantilla y sin fuentes es una candidata débil a la cita por razones ajenas a cualquier marca de agua.

Ejecute las comprobaciones por separado. Confirme que los bots que desea pueden llegar a sus páginas clave y que los que no desea están bloqueados. Después audite la calidad según sus propios criterios.

Seodisias es un crawler de escritorio gratuito para Windows, macOS y Linux, y su comprobación AI Ready cubre la primera tarea. Mide qué tan accesible es su sitio para los crawlers y agentes de IA. No detecta si su contenido lo escribió una IA. Para ver qué crawlers de IA pueden llegar hoy a su sitio, ejecute la comprobación AI Ready en su dominio.