Anthropic potwierdził to, o czym branża treści spekulowała od miesięcy: teksty generowane przez Claude niosą niewidoczny znak wodny. Firma opisała 14 sierpnia 2026 roku mechanizm, który zmienia źródło losowości przy wyborze kolejnych słów i zostawia w odpowiedziach modelu statystyczny wzorzec wykrywalny dla każdego, kto ma odpowiedni klucz. To pierwszy przypadek, w którym duży dostawca modeli językowych opisuje własne znakowanie tekstu tak szczegółowo, razem z listą sytuacji, w których ono zawodzi.
Kontekst: regulacje wymusiły ruch, którego nikt nie chciał zrobić pierwszy
Oznaczanie treści generowanych przez AI wisiało w powietrzu od czasu, gdy unijny AI Act zaczął nakładać obowiązki przejrzystości na dostawców modeli ogólnego przeznaczenia. Anthropic podpisał w lipcu 2026 roku unijny Kodeks postępowania w sprawie przejrzystości treści generowanych przez AI, a ten dokument wprost wymaga oznaczania tekstu wytworzonego maszynowo. Znakowanie Claude jest bezpośrednią odpowiedzią na to zobowiązanie.
Rozporządzenie przewidziało okres przejściowy dla modeli udostępnionych przed 2 sierpnia 2026 roku, więc starsze wersje Claude nie zostały objęte mechanizmem od razu. Anthropic zapowiedział, że będzie je dodawał stopniowo w kolejnych miesiącach. Nowe modele dostają znak wodny globalnie już w momencie premiery, bez podziału na rynki czy plany abonamentowe.
Warto zauważyć, w jakim momencie ta zmiana trafia do ekosystemu. Wydawcy i agencje spędzili ostatnie dwa lata na budowaniu procesów, w których model językowy jest jednym z etapów produkcji tekstu: research, szkic, przepisanie, redakcja. Nikt nie zakładał, że gotowy artykuł będzie nosił sygnał pochodzenia możliwy do odczytania przez stronę trzecią. Teraz taki sygnał istnieje, choć z zastrzeżeniami, które są równie ważne jak sam fakt jego wprowadzenia.
Jak działa znak wodny w tekście
Model językowy generuje odpowiedź, wybierając po kolei kolejne tokeny. Przy wielu z tych wyborów istnieje kilka słów równie poprawnych i równie sensownych w danym miejscu zdania. Znak wodny Anthropic wykorzystuje właśnie te „tanie” decyzje. Zamiast losować kolejne słowo z arbitralnego generatora liczb losowych, mechanizm bierze tajny klucz oraz kilka poprzedzających słów i na tej podstawie rozstrzyga, które z równoważnych słów padnie.
Efekt jest taki, że w dłuższym tekście powstaje statystyczna prawidłowość: rozkład wyborów nie jest przypadkowy, tylko skorelowany z kluczem. Czytelnik nie ma szans jej dostrzec, bo każde pojedyncze zdanie brzmi naturalnie. Osoba dysponująca kluczem może natomiast policzyć, jak bardzo obserwowany rozkład odbiega od losowego, i oszacować prawdopodobieństwo, że fragment powstał przy udziale Claude.
Kluczowa różnica wobec popularnych wyobrażeń o „znakach wodnych w tekście”: tu nie ma żadnych ukrytych znaków Unicode, spacji o zerowej szerokości ani metadanych doklejonych do pliku. Sygnał siedzi w samym doborze słów. Żadne wyszukaj i zamień go nie usunie, żadna ręczna inspekcja go nie znajdzie, przeklejenie tekstu do notatnika też niczego nie zmienia.
Anthropic nie wymyślił tego podejścia od zera. Implementacja jest wersją metody SynthID-Text opublikowanej przez Google DeepMind w czasopiśmie Nature w 2024 roku, a cała rodzina rozwiązań wywodzi się z propozycji Scotta Aaronsona z 2022 roku. Wspólny mianownik: znak wodny zmienia wyłącznie źródło losowości, a nie sam mechanizm doboru słów, więc jakość odpowiedzi nie powinna ucierpieć.
Czy to psuje jakość tekstu
Według testów Google DeepMind przywoływanych przez Anthropic nie ma statystycznie istotnych różnic w ocenach użytkowników między modelem znakowanym a nieznakowanym. Oceniający porównywali odpowiedzi obok siebie i nie widzieli różnicy w jakości. Nie ma też dodatkowego kosztu tokenowego ani zauważalnego spowolnienia generowania, a mechanizm nie faworyzuje konkretnych słów w sposób, który dałoby się wychwycić stylometrycznie.
Kluczowe fakty w jednym miejscu
| Element | Stan na sierpień 2026 |
|---|---|
| Data ogłoszenia | 14 sierpnia 2026 |
| Metoda | wariant SynthID-Text (Google DeepMind, Nature, 2024) |
| Nośnik sygnału | dobór słów przy równoważnych wyborach, brak ukrytych znaków |
| Zasięg | poziom modelu, więc wszystkie produkty i powierzchnie Claude |
| Starsze modele | obejmowane stopniowo w kolejnych miesiącach |
| Detekcja | zapowiedziane API do wykrywania, szczegóły wdrożenia w opracowaniu |
| Pliki graficzne | osobno, przez podpisane metadane w standardzie C2PA |
| Dane osobowe | brak, znak nie wskazuje osoby, organizacji ani rozmowy |
| Podstawa regulacyjna | AI Act i unijny kodeks przejrzystości podpisany w lipcu 2026 |
Dla plików innych niż tekst mechanizm wygląda inaczej. Obrazy i wspierane formaty dostają niewielką, kryptograficznie podpisaną notatkę w metadanych pliku, zgodną ze standardem C2PA. To ten sam standard, którego używają producenci aparatów fotograficznych i oprogramowanie do obróbki zdjęć. Metadane da się usunąć trywialnie, więc siła tego rozwiązania leży w potwierdzaniu pochodzenia, a nie w wykrywaniu prób ukrycia go.
Kiedy znak wodny znika
Najciekawsza część komunikatu to lista ograniczeń, którą Anthropic podał sam z siebie. Firma napisała wprost, że lekka redakcja prawdopodobnie nie usunie znaku wodnego całkowicie, ale kompletne przepisanie, w którym wymieniane jest każde słowo, już tak. To zdanie rozstrzyga większość praktycznych pytań, jakie zadaje sobie redakcja pracująca z modelem.
Do tego dochodzi kilka scenariuszy, w których sygnał jest z natury słaby:
- Krótkie fragmenty. Detekcja działa źle na małych próbkach, bo liczba decyzji o doborze słów jest zbyt mała, by wzorzec był statystycznie istotny. Im dłuższy tekst, tym pewniejsza ocena.
- Treści faktograficzne. W partiach mocno osadzonych w faktach model ma mniej równoważnych wyborów, więc znakowanie jest rzadsze. Sucha specyfikacja produktu niesie mniej sygnału niż esej.
- Kod. Programowanie wymaga precyzji, alternatywnych zapisów jest mniej, więc kod generalnie zawiera mniej znakowania.
- Korekta i proofreading. Jeśli model tylko poprawia interpunkcję albo literówki w cudzym tekście, wygenerowanych wyborów jest zbyt mało, by detektor cokolwiek stwierdził.
- Parafraza. Wystarczająco głębokie przepisanie, także przez inny model, rozbija korelację z kluczem.
W drugą stronę mechanizm jest odporniejszy, niż mogłoby się wydawać. Tłumaczenia zachowują znak wodny, bo w tłumaczeniu każde słowo jest wybierane przez Claude od nowa, a więc podlega tej samej regule losowania. Przełożenie angielskiego tekstu na polski nie czyści sygnału, tylko tworzy nowy.
Jest jeszcze ograniczenie interpretacyjne, o którym łatwo zapomnieć w dyskusji o wykrywaniu treści AI. Detektor odpowiada wyłącznie na pytanie o prawdopodobieństwo, że tekst powstał częściowo przy udziale Claude. Nie rozstrzyga, czy tekst napisał człowiek, nie odróżnia Claude od innych modeli i nie odróżnia „Claude to napisał” od „Claude to mocno zredagował”. Brak wykrytego znaku nie dowodzi ludzkiego autorstwa, bo tekst mógł powstać w dowolnym innym systemie.
Co to znaczy dla SEO i AIO
Pierwsza i najważniejsza rzecz: nie ma żadnych przesłanek, by wiązać to z rankingiem w Google. Anthropic nie mówi o wyszukiwarkach, Google nie zapowiedziało korzystania z cudzych kluczy detekcyjnych, a wytyczne dotyczące treści pomocnych od dawna oceniają jakość i przydatność, a nie sposób wytworzenia. Materiały branżowe omawiające ogłoszenie także nie wskazują na wpływ na pozycje. Kto szuka w tej wiadomości sygnału rankingowego, szuka go w złym miejscu.
Druga rzecz jest realniejsza i dotyczy zgodności oraz umów. Rynek treści działa na oświadczeniach: klient zamawia tekst i dostaje deklarację o autorstwie, wydawca przyjmuje materiał od freelancera, marketplace wymaga potwierdzenia oryginalności. Do tej pory te oświadczenia były praktycznie niesprawdzalne. Detekcyjne API, które Anthropic zapowiedział, wprowadza do tej gry narzędzie o zupełnie innej wiarygodności niż popularne klasyfikatory zgadujące na podstawie perplexity. Warto założyć, że w umowach na produkcję treści zaczną pojawiać się klauzule odwołujące się właśnie do takiej weryfikacji.
Trzecia rzecz dotyczy AIO i widoczności w odpowiedziach modeli. Znak wodny nic nie mówi o tym, czy Twoja strona jest cytowana przez asystentów. To zupełnie inna warstwa problemu i inne narzędzia. Jeśli interesuje Cię, czy modele w ogóle sięgają po Twoje materiały, punktem wyjścia jest sprawdzenie, czy ChatGPT poleca Twoją stronę, a nie analiza pochodzenia własnych akapitów.
Czwarta rzecz to porządek w procesie redakcyjnym. Zespoły, które trzymają szkice, wersje i ślad decyzji redakcyjnych, są w komfortowej sytuacji: mają czym udowodnić wkład ludzki niezależnie od tego, co pokaże jakikolwiek detektor. Zespoły, które publikują surowy output bez śladu procesu, nie mają czym odpowiedzieć na zarzut, gdy klient przyjdzie z wynikiem detekcji. To argument za dokumentacją, nie za rezygnacją z modeli.
Czego ta zmiana nie rozwiązuje
Znak wodny obejmuje jednego dostawcę. Teksty z innych modeli nie mają go i nie będą miały, dopóki ich twórcy nie wprowadzą własnych mechanizmów, a każdy taki mechanizm będzie miał osobny klucz i osobne API. Świat, w którym jeden przycisk odpowiada na pytanie „czy to napisała AI”, nie nadchodzi. Nadchodzi świat kilku niekompatybilnych detektorów, z których każdy odpowiada wyłącznie za własne modele.
Do tego dochodzi asymetria, która będzie źródłem nieporozumień. Wykrycie znaku jest dowodem czegoś konkretnego. Brak wykrycia nie jest dowodem niczego. Ta różnica zniknie w pierwszej publicznej awanturze o autorstwo, bo brzmi zbyt technicznie, by przetrwać w nagłówku.
Reakcje branży
Serwisy branżowe skupiły się na dwóch wątkach. Pierwszy to sama metoda: komentatorzy zwracają uwagę, że to nowe podejście do znakowania tekstu w porównaniu z próbami opartymi na ukrytych znakach, i że zamiana dowolnego ciągu znaków go nie zniszczy. Drugi wątek to podatność, bo Anthropic sam wskazał, że wystarczająca parafraza usuwa sygnał. W komentarzach branżowych przewijała się teza, że firma opisała zarówno zamek, jak i sposób jego obejścia, co jest nietypowym poziomem otwartości jak na komunikat produktowy.
W dyskusji o autorstwie pojawił się też głos studzący emocje: znak wodny mówi o udziale modelu, a nie o jakości, oryginalności czy prawie do tekstu. Analitycy podkreślali, że mieszanie tych porządków prowadzi do złych decyzji kadrowych i redakcyjnych, zwłaszcza w edukacji, gdzie pokusa użycia detektora jako dowodu w sprawie dyscyplinarnej jest największa, a próbki tekstu bywają krótkie i z definicji poza zasięgiem wiarygodnej detekcji.
Osobno toczy się rozmowa o tym, co ta zmiana oznacza dla ekosystemu danych. Modele czytają dziś internet w skali, która zmienia strukturę ruchu, a wydawcy próbują odzyskać kontrolę nad tym, co wolno pobierać. Wątek ten łączy się z niedawnymi ustaleniami o tym, jak dostawcy modeli traktują deklaracje wydawców, opisanymi przy okazji sprawy, w której robots.txt może nie dotyczyć bota ChatGPT. Znakowanie odpowiedzi i kontrola pobierania to dwie strony tego samego sporu o pochodzenie treści.
Co dalej
Najbliższy konkret to detekcyjne API. Anthropic napisał, że wkrótce je udostępni i że pracuje nad szczegółami wdrożenia, ale nie podał daty ani modelu dostępu. Od tych szczegółów zależy praktyczna waga całej zmiany: inaczej wygląda świat, w którym detekcję ma każdy wydawca w formie samoobsługowego endpointu, a inaczej taki, w którym dostęp jest zawężony do zweryfikowanych podmiotów albo do zastosowań zgodnościowych.
Drugi wątek to rozszerzenie mechanizmu na modele sprzed 2 sierpnia 2026 roku. Anthropic mówi o kolejnych miesiącach, bez konkretnego harmonogramu. Do czasu zakończenia tego procesu wynik detekcji będzie zależał od tego, którą wersją modelu wygenerowano tekst, co jest kolejnym argumentem za ostrożnością w interpretacji negatywnych wyników.
Trzeci wątek to reszta rynku. Jeśli kolejni dostawcy pójdą tą samą drogą pod presją AI Act, powstanie zestaw równoległych systemów znakowania. Wtedy pojawi się realne pytanie o interoperacyjność i o to, kto agreguje wyniki. Na razie takiego standardu nie ma i nic nie wskazuje, by miał powstać szybko.
Dla zespołów pracujących z treścią praktyczna lista zadań na najbliższe tygodnie jest krótka: sprawdzić, co obiecujecie klientom w umowach na temat autorstwa, uporządkować ślad procesu redakcyjnego, nie budować polityk na wynikach detektorów trzeciej generacji sprzed tej zmiany i nie zakładać, że którykolwiek detektor rozstrzyga o ludzkim autorstwie. Jeśli budujecie procesy pod widoczność w modelach, warto równolegle uporządkować warstwę techniczną, w tym wdrożenie llms.txt na stronie, bo to obszar, na który macie realny wpływ.
Znak wodny w tekstach Claude nie zmienia zasad gry w wyszukiwarce. Zmienia natomiast to, co da się udowodnić o pochodzeniu treści, a w branży, która przez dwa lata funkcjonowała na deklaracjach, to zmiana odczuwalna.
FAQ
Czy znak wodny Claude wpływa na pozycje w Google?
Nie ma na to żadnych przesłanek. Anthropic nie mówi o wyszukiwarkach, a Google nie zapowiedziało korzystania z cudzych mechanizmów detekcji. Wytyczne dotyczące treści pomocnych oceniają wartość materiału dla użytkownika, a nie sposób jego wytworzenia.
Czy da się usunąć znak wodny z tekstu?
Tak, ale wymaga to pełnego przepisania, w którym wymieniane jest praktycznie każde słowo. Anthropic sam podaje, że lekka redakcja prawdopodobnie nie usunie sygnału całkowicie. Znak jest też z natury słabszy w krótkich fragmentach, w partiach czysto faktograficznych i w kodzie.
Czy tłumaczenie tekstu czyści znak wodny?
Nie. Jeśli tłumaczy Claude, każde słowo w wersji docelowej jest wybierane przez model, więc tłumaczenie niesie własny znak wodny. Przekład nie jest sposobem na pozbycie się sygnału.
Czy brak wykrytego znaku dowodzi, że tekst napisał człowiek?
Nie. Detektor odpowiada tylko na pytanie o prawdopodobieństwo udziału Claude. Tekst mógł powstać w innym modelu, mógł zostać przepisany albo być zbyt krótki, by detekcja miała sens statystyczny.
Kiedy będzie dostępne API do wykrywania znaku wodnego?
Anthropic zapowiedział je bez podania daty, informując, że szczegóły wdrożenia są dopracowywane. Do tego czasu weryfikacja pochodzenia tekstu Claude pozostaje po stronie firmy.