Najważniejsze wnioski w pigułce
Czym jest znak wodny w tekście AI
- Przyszłe modele Claude będą generować tekst zawierający ukryty znak wodny, pozwalający oszacować prawdopodobieństwo udziału Claude w powstaniu treści
- Metoda nie dodaje do tekstu żadnych znaków, ukrytych symboli ani dodatkowych tokenów — zmienia jedynie źródło losowości przy wyborze kolejnego słowa
- Rozwiązanie opiera się na podejściu SynthID-Text opublikowanym przez Google DeepMind w „Nature” w 2024 roku
Wpływ na jakość i koszty
- Brak wpływu na jakość, kreatywność i czytelność tekstu — testy wewnętrzne oraz badania DeepMind nie wykazały statystycznie istotnych różnic
- Znak wodny nie spowalnia modelu i nie zwiększa kosztów, bo nie generuje dodatkowych tokenów
- Czytelnik nie odróżni tekstu oznaczonego od nieoznaczonego
Ograniczenia technologii
- Wykrywanie działa słabo na krótkich fragmentach — im dłuższy tekst, tym wyższa pewność
- Treści faktograficzne, kod i korekta cudzych tekstów zawierają znacznie mniej znaku wodnego
- Znak wodny nie zawiera żadnych danych identyfikujących użytkownika, organizacji ani rozmowy
Kontekst regulacyjny
- Zmiana wynika z AI Act — od 2 sierpnia UE wymaga oznaczania treści generowanych przez AI
- Kodeks postępowania podpisało około 190 sygnatariuszy, w tym najwięksi dostawcy modeli
- Anthropic wdraża znak wodny globalnie, bo nie dysponuje jeszcze trwałym mechanizmem ograniczenia go do jednego regionu
Jak działa znak wodny — bez magii, za to z matematyką
Duże modele językowe generują tekst słowo po słowie. Przy każdym kroku model wybiera spośród listy kandydatów ten, który najlepiej pasuje do wcześniejszego kontekstu. W zdaniu „Pogoda była dziś zimna i…” kolejnym słowem raczej nie będzie „słodka”, ale spokojnie może to być „pochmurna” albo „szara” — dla czytelnika różnica jest znikoma, a wybór rozstrzyga liczba losowa.
Znak wodny wykorzystuje właśnie te niskostawkowe decyzje, powtarzające się setki razy w dłuższym tekście. Zamiast dowolnego generatora liczb losowych model korzysta z klucza kryptograficznego oraz kilku poprzedzających słów. Wybory nadal są losowe, ale osoba dysponująca kluczem może sprawdzić, czy sekwencja słów jest spójna z tym, co wygenerowałby Claude, i przypisać temu określone prawdopodobieństwo.
Anthropic posługuje się analogią do gry planszowej. Wyobraźmy sobie partię Monopoly, w której zamiast rzucać kostką, gracze odczytują kolejne cyfry rozwinięcia liczby pi. Dla przebiegu rozgrywki nie ma to najmniejszego znaczenia — ruchy pozostają losowe — ale znając wartość pi, można później ustalić, że ta konkretna gra prawdopodobnie korzystała właśnie z takiego źródła losowości.
Kluczowa jest jedna rzecz: mechanizm nie popycha modelu w stronę słów, których i tak by nie rozważył. Nie sprawi, że Claude nagle zacznie używać archaicznych synonimów zamiast naturalnego słownictwa. Zmienia się wyłącznie sposób rozstrzygania między opcjami, które i tak były równoważne.
Zero wpływu na jakość — i są na to dane
Największą obawą twórców treści jest to, czy oznaczanie nie pogorszy tekstu. Odpowiedź brzmi: nie. Testy wewnętrzne Anthropic nie wykazały żadnego wpływu na treść, poziom kreatywności ani czytelność odpowiedzi Claude.
Twardsze dowody pochodzą z badania Google DeepMind opisanego w pracy o SynthID-Text. Firma udostępniła model ze znakiem wodnym części ruchu w Gemini i porównała oceny użytkowników — kciuki w górę i w dół. Nie odnotowano statystycznie istotnych różnic względem modelu bez oznaczenia. W kontrolowanym badaniu oceniający porównywali odpowiedzi z oznaczeniem i bez, zestawione obok siebie, i również nie dostrzegli różnicy w jakości.
Warto podkreślić różnicę wobec tradycyjnych znaków wodnych. Te na banknotach czy w dokumentach cyfrowych są widoczne gołym okiem. Tutaj nic nie zostaje dodane do tekstu, nie ma ukrytych znaków ani niewidzialnych symboli — sam wzorzec wyborów słów niesie informację.
Z perspektywy budżetowej sytuacja wygląda równie korzystnie. Mechanizm nie produkuje dodatkowych tokenów, więc koszt obsługi i użycia modelu pozostaje taki sam, a wpływ na szybkość generowania jest pomijalny.
Gdzie znak wodny praktycznie nie działa
Technologia ma wyraźne ograniczenia i warto je znać, zanim ktoś uzna wykrywanie za wyrocznię. Klucz pozwala odpowiedzieć wyłącznie na pytanie: „Jakie jest prawdopodobieństwo, że tekst został częściowo napisany przez Claude?”. Nie potwierdza, że treść napisał człowiek, ani nie wykrywa innych modeli AI — te używają odmiennych kluczy lub zupełnie innych metod.
Krótkie fragmenty stanowią problem, bo mniejsza liczba wyborów słów oznacza mniej informacji do analizy. Im dłuższy tekst, tym wyższa pewność co do udziału Claude. Podobnie działa to w treściach faktograficznych: w zdaniu „Najsłynniejsze dzieło Isaaca Newtona nosiło tytuł Principia…” kolejne słowo musi brzmieć „Mathematica”, więc znak wodny nie ma na czym pracować.
Kod programistyczny to kolejny obszar o niskim nasyceniu oznaczeniem. Wszędzie tam, gdzie wymagany jest dokładny wynik i inne słowo oznaczałoby błąd lub niedziałającą funkcję, mechanizm nie jest stosowany. Oznaczenie może pojawić się w komentarzach czy arbitralnych nazwach, ale wpływ na sam kod pozostaje znikomy.
Szczególnie istotny dla agencji i redakcji jest przypadek korekty. Gdy Claude poprawia tekst napisany przez człowieka, niemal wszystkie słowa pochodzą od autora — znak wodny ma się czego uchwycić tylko w nielicznych poprawkach, często zbyt nielicznych, by cokolwiek wykryć. Inaczej wygląda to przy tłumaczeniach: tam każde słowo wybiera model, więc oznaczenie jest pełne.
Co to oznacza w praktyce dla marketingu i redakcji
Dla zespołów tworzących treści zmiana nie wymaga rewolucji w procesach, ale warto poukładać kilka rzeczy. Po pierwsze, znak wodny nie zawiera żadnych informacji identyfikujących — ani o użytkowniku, ani o organizacji, ani o konkretnej rozmowie z modelem. Obawa, że klient lub konkurencja odczyta z tekstu, kto go wygenerował, jest bezpodstawna.
Po drugie, samo wykrycie oznaczenia niczego jednoznacznie nie przesądza. Nie odróżnia sytuacji „Claude to napisał” od „Claude to mocno zredagował”. To informacja o prawdopodobnym udziale modelu na jakimś etapie, a nie dowód autorstwa. Warto o tym pamiętać przy ustalaniu wewnętrznych polityk dotyczących AI w procesie redakcyjnym.
Po trzecie, oznaczenia można się pozbyć — lekka redakcja prawdopodobnie go nie usunie, ale pełne przepisanie tekstu słowo po słowie już tak. Anthropic zauważa jednak, że w takim przypadku dyskusyjne staje się, czy treść nadal można nazwać wygenerowaną przez AI.
Osobna kwestia dotyczy plików graficznych. Gdy Claude tworzy plik w obsługiwanym formacie (.png, .jpg, .svg), dołącza tzw. content credential — kryptograficznie podpisaną notatkę w metadanych w standardzie C2PA, tym samym, którego używają producenci aparatów i oprogramowanie do obróbki zdjęć. To nie jest znak wodny: nic w samym pliku się nie zmienia, a etykieta nie zawiera danych identyfikujących.
Regulacyjne tło: AI Act wymusza standard branżowy
Wdrożenie nie jest inicjatywą pojedynczej firmy, lecz odpowiedzią na europejskie prawo. Anthropic, obok kilku innych dużych dostawców modeli i łącznie około 190 sygnatariuszy, podpisał unijny kodeks postępowania w sprawie przejrzystości treści generowanych przez AI. Dokument zobowiązuje dostawców systemów AI do stosowania metod „oznaczania” tekstu tworzonego maszynowo.
Anthropic wdraża rozwiązanie globalnie, ponieważ nie dysponuje jeszcze trwałym sposobem ograniczenia go do jednego regionu. Firma zapowiada dalszą ocenę różnych podejść i komunikowanie aktualizacji. To oznacza, że zmiana dotknie również rynków spoza Unii, w tym każdego polskiego zespołu korzystającego z Claude.
Równolegle udostępniane jest API do wykrywania oznaczeń — na razie w prywatnej wersji zapoznawczej, dla podmiotów uprawnionych na mocy prawa UE: regulatorów, organów ścigania, mediów, fact-checkerów, niezależnych badaczy, instytucji edukacyjnych i organizacji społeczeństwa obywatelskiego. Dostęp mają też przedsiębiorstwa objęte obowiązkiem weryfikacji na potrzeby własnej zgodności z AI Act. Anthropic planuje stopniowe rozszerzanie dostępu.
Dla branży marketingowej wniosek jest jasny: oznaczanie treści AI przestaje być ciekawostką technologiczną, a staje się elementem krajobrazu regulacyjnego. Firmy, które już dziś uporządkują zasady korzystania z modeli językowych i sposób dokumentowania wkładu ludzkiego w treści, unikną nerwowego nadrabiania zaległości.
Podsumowanie
Znak wodny w tekstach Claude to rozwiązanie neutralne dla jakości, kosztów i szybkości generowania — a jednocześnie realna zmiana w sposobie, w jaki branża będzie weryfikować pochodzenie treści. Kluczowe jest zrozumienie jego ograniczeń: wykrywa prawdopodobieństwo udziału modelu, a nie autorstwo, i praktycznie nie działa na krótkich fragmentach, kodzie oraz lekko redagowanych tekstach. Dla zespołów content marketingowych to sygnał, by już teraz świadomie zaprojektować procesy pracy z AI, zamiast czekać na kolejne wymogi regulacyjne.
Źródło: Anthropic — „How Claude’s text watermark works”, https://www.anthropic.com/news/claude-text-watermark
