Anthropic znakuje każdy tekst Claude. Znak wodny nie dowodzi autorstwa

Anthropic zaczyna oznaczać maszynowym znakiem wodnym każdy tekst generowany przez Claude, a nowe modele będą robiły to globalnie, nie tylko dla użytkowników z Unii Europejskiej. Firma opublikowała 14 sierpnia 2026 roku oficjalny komunikat wraz z FAQ, w którym po raz pierwszy ujawniła, czym dokładnie ten znak jest, jak działa od strony technicznej i w jakich sytuacjach przestaje być wykrywalny. Najważniejszy wniosek dla branży treści jest jednak zupełnie inny, niż sugeruje pierwsze wrażenie: wykryty znak nie dowodzi, że Claude napisał tekst.

Kontekst: skąd wziął się znak wodny w tekście

Punktem wyjścia jest europejska regulacja. Artykuł 50 unijnego AI Act nakłada na dostawców systemów generatywnych obowiązek oznaczania treści syntetycznych w sposób możliwy do odczytania maszynowo. W lipcu 2026 roku Anthropic dołączył do sygnatariuszy kodeksu postępowania dotyczącego przejrzystości treści generowanych przez AI. Według doniesień branżowych dokument podpisało około 190 organizacji, w tym Google, Meta, Microsoft i OpenAI.

Data graniczna to 2 sierpnia 2026 roku. Modele wprowadzone na rynek po tym terminie muszą obsługiwać oznaczanie, a dla modeli starszych przewidziano okres przejściowy. Kodeks precyzuje też zakres: obowiązek dotyczy swobodnego tekstu dłuższego niż 200 tokenów. Poza zakresem pozostają krótkie fragmenty, kod źródłowy oraz sytuacje, w których model wykonuje wyłącznie standardową edycję, czyli poprawia gramatykę albo literówki.

Anthropic poszedł dalej, niż wymaga litera przepisu. Firma zdecydowała się stosować oznaczanie globalnie, ponieważ, jak tłumaczy w komunikacie, nie dysponuje jeszcze mechanizmem ograniczania tej funkcji do konkretnego regionu. W praktyce oznacza to, że polski copywriter korzystający z Claude dostaje tekst ze znakiem wodnym dokładnie tak samo jak użytkownik w Berlinie czy Dublinie.

Jak działa znak wodny w Claude

Najciekawsza część sierpniowej publikacji to opis mechanizmu, bo rozwiewa on kilka mitów krążących po branżowych grupach. Znak wodny w Claude nie jest ukrytym znakiem Unicode, nie jest niewidzialną spacją, nie jest metadanymi doklejonymi do odpowiedzi ani żadnym widocznym dodatkiem do treści. Kopiowanie i wklejanie tekstu go nie usuwa, bo znak nie siedzi obok tekstu, tylko w samym tekście.

Mechanizm działa na poziomie losowania kolejnego słowa. Model językowy przy każdym kroku wybiera następny token z rozkładu prawdopodobieństwa, korzystając ze źródła losowości. Anthropic podmienia to źródło: zamiast czystego generatora liczb losowych używa klucza znaku wodnego połączonego z poprzedzającymi słowami. Jak opisuje to firma w swoim FAQ, słowa, które wybiera Claude, nadal są losowe, ale teraz można sprawdzić sekwencję słów i zobaczyć, czy jest zgodna z wyborami, jakich Claude dokonałby przy użyciu tego klucza.

Rozwiązanie nie powstało od zera. Jest to wariant SynthID-Text, metody opracowanej przez Google DeepMind i opisanej w czasopiśmie Nature w 2024 roku. Bez klucza wzorzec pozostaje niewykrywalny dla czytelnika i dla dowolnego narzędzia analitycznego. To ważne rozróżnienie wobec popularnych detektorów AI, które zgadują na podstawie stylometrii, perplexity czy długości zdań. Tutaj mówimy o sygnale kryptograficznym, nie o statystycznym domyśle.

Anthropic deklaruje, że koszt tej operacji jest znikomy. Oznaczanie nie zużywa dodatkowych tokenów, a wpływ na szybkość generowania określany jest jako minimalny. Testy wewnętrzne firmy nie wykazały wpływu na treść, poziom kreatywności ani czytelność odpowiedzi. Badania Google DeepMind nad SynthID-Text też nie pokazały statystycznie istotnych różnic w ocenach użytkowników (kciuk w górę kontra kciuk w dół), a ludzcy oceniający w porównaniach bezpośrednich nie zauważyli różnic w jakości.

Osobno traktowane są pliki. Obrazy i formaty takie jak PNG, JPG czy SVG dostają podpisaną informację o pochodzeniu w standardzie C2PA, czyli klasyczne metadane provenance, a nie znak wodny wpleciony w treść.

Kluczowe fakty

Czego znak wodny nie udowodni

To jest sedno sprawy i jednocześnie miejsce, w którym najłatwiej o kosztowną pomyłkę interpretacyjną. Wykryty znak wodny mówi jedno: tekst w pewnym momencie przeszedł przez Claude. Nie mówi, że Claude go napisał.

Różnica jest fundamentalna. Autor, który napisał artykuł samodzielnie, a następnie poprosił Claude o korektę stylistyczną, skrócenie akapitu albo tłumaczenie na angielski, otrzyma tekst niosący znak. Treść merytorycznie pozostaje jego, sygnał w tekście sugeruje jednak udział modelu. Anthropic wprost zaznacza, że znak potwierdza przetworzenie, a nie autorstwo, oraz że nie pozwala stwierdzić, czy tekst napisał człowiek, ani czy w proces zaangażowany był inny system AI.

Równie istotny jest kierunek odwrotny. Brak wykrytego znaku nie oznacza, że treść jest napisana przez człowieka. Według analizy serwisu Search Engine Journal istnieje co najmniej pięć powodów, dla których oznaczona treść może nie dać sygnału przy weryfikacji:

• model użyty do generowania powstał przed wdrożeniem oznaczania,
• tekst został mocno przeredagowany, sparafrazowany, przetłumaczony albo wmieszany w inne pisanie,
• fragment jest zbyt krótki, by dać wiarygodny sygnał statystyczny,
• metadane pliku zniknęły przy konwersji formatu albo zrzucie ekranu,
• dana powierzchnia (aplikacja, integracja, kanał dystrybucji) nie obsługiwała tego typu oznaczenia.

Do tego dochodzą wbudowane ograniczenia samej metody. Znak jest słabszy w tekstach faktograficznych, gdzie dobór słów jest mocno ograniczony przez terminologię. W opisie parametrów technicznych, w tabeli specyfikacji czy w komunikacie prasowym pełnym nazw własnych model po prostu nie ma swobody wyboru, a bez swobody nie ma gdzie ukryć sygnału. Podobnie przy kodzie: logika kodu jest oznaczana minimalnie, bo wymaga dokładnych wyników.

Co to znaczy dla SEO i AIO

Detekcja AI wchodzi w nową fazę, ale nie taką, jakiej oczekiwano

Przez ostatnie trzy lata rynek detekcji treści AI opierał się na narzędziach zgadujących. Ich fałszywe alarmy stały się osobnym problemem dla wydawców i agencji. Znak wodny to jakościowo inna technologia, bo daje odpowiedź deterministyczną zamiast probabilistycznej. Problem w tym, że odpowiada na inne pytanie, niż rynek chce zadać. Rynek pyta, kto to napisał. Znak odpowiada, czy treść przechodziła przez konkretny model.

Najbardziej prawdopodobny scenariusz na najbliższe miesiące to zalew roszczeń i oskarżeń opartych na sygnale, który nigdy nie miał na to pytanie odpowiadać. Klient, który uruchomi detektor na tekście od agencji i zobaczy trafienie, uzna sprawę za zamkniętą, choć realnie może patrzeć na artykuł napisany przez człowieka i przepuszczony przez model wyłącznie w celu korekty.

Praktyczne wnioski dla zespołów treści

Jeśli pracujesz z tekstem komercyjnie, warto przygotować się zawczasu, zanim pierwsze API detekcji trafi do publicznego użytku:

• Zapisuj proces, nie tylko efekt. Historia wersji dokumentu, notatki z researchu, briefy i szkice są mocniejszym dowodem autorstwa niż jakikolwiek wynik detektora. To dziś najtańsza polisa ubezpieczeniowa.
• Uporządkuj umowy. Zapisy o zakazie użycia AI warto doprecyzować: czy zakaz obejmuje generowanie treści, czy także korektę, tłumaczenie i skracanie. Bez tego rozróżnienia znak wodny będzie generował spory tam, gdzie żadna zasada nie została złamana.
• Nie traktuj detekcji jako dowodu. Ani trafienie, ani jego brak nie rozstrzyga sprawy. Obie strony tej monety mają szeroki margines błędu.
• Rozdziel narzędzia od procesu. Jeśli model służy wyłącznie do korekty językowej, rozważ świadome trzymanie warstwy redakcyjnej poza generowaniem, zwłaszcza przy tekstach dla klientów z rygorystycznymi zapisami.

A co z Google i rankingami

Tutaj warto ostudzić emocje. Nic w komunikacie Anthropic nie sugeruje, że wyszukiwarki zamierzają czytać znaki wodne przy ocenie stron. Google konsekwentnie powtarza, że ocenia jakość treści, a nie sposób jej powstania. Nie istnieje też żaden publiczny mechanizm, który pozwalałby wyszukiwarce weryfikować znak Anthropic, bo do weryfikacji potrzebny jest klucz i narzędzie dostawcy.

Realne ryzyko leży gdzie indziej: w relacjach umownych, w politykach platform, w procesach zakupowych dużych marek i w sporach z klientami. To warstwa biznesowa, nie algorytmiczna. Podobnie jak przy dyskusji o tym, czy robots.txt w ogóle obowiązuje boty asystentów AI, najwięcej dzieje się na poziomie reguł i deklaracji, a nie kodu wyszukiwarki.

Warstwa AIO

Dla widoczności w silnikach generatywnych zmiana jest neutralna. Znak wodny nie wpływa na to, czy model zacytuje twoją stronę w odpowiedzi, bo dotyczy tekstu wychodzącego z modelu, a nie źródeł, które model pobiera. Zasady pisania treści cytowanych przez ChatGPT i inne modele pozostają bez zmian: klarowna struktura, konkretne dane, jednoznaczne definicje i wiarygodne źródła.

Pośrednio jednak zmiana ma znaczenie dla całego ekosystemu pomiaru. Branża dopiero uczy się mierzyć, ile ruchu i wartości przepływa między stronami a modelami, czego dobrym przykładem są dane Microsoft Clarity o stosunku pobrań do wejść z AI. Znaki wodne to kolejny element tej samej układanki: próba uczynienia obiegu treści między ludźmi a modelami możliwym do prześledzenia.

Słabe punkty: badania pokazują, że znak da się zdjąć i podrobić

Anthropic sam wskazuje, że pełne przepisanie tekstu, w którym wymienione zostaje każde słowo, usuwa znak. Lekka edycja go nie zdejmuje. To jednak dopiero początek listy podatności, bo środowisko akademickie testuje takie mechanizmy od kilku lat i wyniki nie są dla nich łaskawe.

Zespół badaczy z ETH Zurich zaprezentował na konferencji ICML w 2024 roku metody usuwania i podrabiania znaków wodnych, osiągając ponad 80 procent skuteczności przy koszcie poniżej 50 dolarów. Rok później, na ICML 2025, inna grupa raportowała niemal całkowitą skuteczność wobec siedmiu różnych metod znakowania przy koszcie rzędu 0,88 dolara za milion tokenów. To skala, przy której bariera wejścia praktycznie znika.

Znacznie poważniejszy problem to podrabianie w drugą stronę, czyli spoofing. W cytowanych badaniach co najmniej 74 procent dobrych parafraz materiału bez znaku wodnego zostało zaklasyfikowanych jako oznaczone, przy deklarowanym oczekiwanym poziomie fałszywych alarmów rzędu jednego na tysiąc. Konsekwencja jest oczywista: można spreparować tekst człowieka tak, by detektor uznał go za wygenerowany przez model. Dla każdego, kto rozważa oparcie decyzji kadrowych, akademickich albo rozliczeń z podwykonawcą na wyniku detektora, to powinien być sygnał ostrzegawczy.

Reakcje branży

Odbiór komunikatu nie był jednoznacznie entuzjastyczny. Najgłośniej wypowiadali się autorzy, którym nie odpowiada perspektywa, że ich własny tekst, poddany jedynie redakcji, będzie niósł znak sugerujący udział maszyny. Argument jest prosty: narzędzie do korekty nie powinno zmieniać statusu autorskiego dzieła.

Odrębne zastrzeżenia zgłaszali deweloperzy, dla których granica między generowaniem a asystowaniem przy kodzie jest płynna. Równolegle pojawiły się pierwsze projekty open source nastawione wprost na obchodzenie oznaczeń, co jest przewidywalną reakcją na każdy mechanizm tego typu.

Warto też spojrzeć na to, co robi konkurencja, bo obraz jest niespójny. Google weryfikuje przez SynthID obrazy, wideo i audio w ekosystemie Gemini, a detektor tekstowy został udostępniony jako open source, lecz publiczna weryfikacja nie jest dostępna. OpenAI weryfikuje obrazy i audio, zastrzegając wprost, że brak wykrytego sygnału nie potwierdza, iż treść nie powstała w jego modelach. Meta i Microsoft, mimo podpisania kodeksu, nie opublikowały konkretnych polityk oznaczania tekstu. Anthropic jest więc pierwszym dużym dostawcą, który idzie w znakowanie tekstu tak szeroko, ale robi to w środowisku bez ustalonych standardów interoperacyjności.

Co dalej

Najważniejszy element układanki wciąż nie istnieje publicznie. Anthropic zapowiedział, że wkrótce udostępni API do wykrywania znaku wodnego, i przyznaje, że szczegóły implementacji są dopiero opracowywane. Dopóki narzędzie nie trafi do obiegu, cała dyskusja pozostaje teoretyczna, bo nikt poza firmą nie może niczego zweryfikować.

Kluczowe pytania na najbliższe tygodnie są trzy. Kto dostanie dostęp do API: wszyscy, czy tylko zweryfikowane podmioty. Jakie będą progi pewności i czy dostawca poda realny wskaźnik fałszywych alarmów. Oraz czy powstanie jakikolwiek wspólny standard między dostawcami, bo bez niego każda platforma będzie sprawdzać tylko własne treści, a rynek dostanie zestaw wzajemnie nieprzystawalnych detektorów.

Dla polskich zespołów SEO i content marketingu praktyczna rekomendacja na teraz jest umiarkowana. Nie ma powodu zmieniać procesu produkcji treści ani rezygnować z modeli w roli narzędzi redakcyjnych. Jest natomiast dobry moment, żeby uporządkować dokumentację pracy, doprecyzować zapisy w umowach i wypracować wewnętrzne stanowisko na pytanie, które prędzej czy później padnie ze strony klienta: czy ten tekst pisała AI. Odpowiedź oparta na historii wersji i briefach będzie warta znacznie więcej niż odpowiedź oparta na wyniku dowolnego detektora.

FAQ