,

Anthropic znakuje Claude: wymóg EU AI Act od 2 sierpnia

Od 2 sierpnia 2026 roku firma Anthropic wprowadziła automatyczne cyfrowe znakowanie tekstu we wszystkich nowych modelach Claude, realizując zapisy artykułu 50 unijnego rozporządzenia EU AI Act. Niewidzialny algorytm oparty na metodzie SynthID-Text modyfikuje losowy wybór synonimów bez wpływu na jakość odpowiedzi, koszt czy liczbę tokenów. Technologia działa globalnie i obejmuje wszystkie interfejsy API oraz aplikacje, jednak brak publicznego narzędzia do weryfikacji uniemożliwia odbiorcom samodzielne sprawdzenie pochodzenia treści.

Mechanizm cyfrowego znaku wodnego w Claude

Firma Anthropic wdrożyła w modelach Claude algorytm niewidzialnego znakowania tekstu SynthID-Text, opracowany pierwotnie przez Google DeepMind. Rozwiązanie to zastępuje klasyczny generator liczb losowych sekwencją sterowaną kryptograficznym kluczem. Podczas generowania odpowiedzi Claude subtelnie wybiera określone synonimy spośród równie pasujących słów, tworząc ukryty wzorzec statystyczny bez zmiany znaczenia treści.

Metoda osadzania sygnału działa bezpośrednio w procesie próbkowania (sampling) na etapie wyboru kolejnego tokenu przez algorytm wykończeniowy. Modyfikacja nie wpływa na jakość merytoryczną, opóźnienia ani cenę generowania tekstu, ponieważ nie dodaje żadnych dodatkowych znaków ani tokenów.

System znakowania objął wszystkie interfejsy i aplikacje dostarczane przez Anthropic: – Interfejsy programistyczne: Claude Platform (API) dostępne bezpośrednio oraz u partnerów chmurowych AWS Bedrock, Google Cloud i Microsoft Foundry. – Aplikacje użytkowe: Claude, Claude Code, Claude Cowork oraz Claude Tag. – Materiały plikowe: dla obrazów i plików wygenerowanych przez Claude stosowane są metadane C2PA (Content Credentials), będące odrębnym standardem zapisu pochodzenia.

Podstawowe słownictwo techniczne mechanizmu obejmuje: – Tokenizacja: proces zamiany tekstu na cyfrowe identyfikatory słów i ich fragmentów. – Logity (logits): surowe punkty dopasowania kolejnych słów wyliczane przez model. – Tournament sampling: algorytm wyboru słowa na podstawie ziarna z klucza i poprzedzających wyrazów.

Czy można usunąć znak wodny z tekstu Claude?

Usunięcie znaku wodnego z odpowiedzi Claude wymaga pełnej parafrazy tekstu lub głębokiej redakcji, ponieważ prosty zabieg stylistyczny nie niszczy ukrytego wzorca. Usunięcie myślników, zmiana interpunkcji czy wyczyszczenie utartych fraz AI nie modyfikuje rozkładu statystycznego słów wybranego przez klucz Anthropic. Markery pozostają stabilne przy kopiowaniu i skromnej edycji, natomiast znikają przy przeredagowaniu niemal każdego wyrazu.

Poziom trwałości znaku wodnego zależy bezpośrednio od charakteru generowanego materiału oraz stopnia swobody językowej modelu. Analiza struktury sygnału wskazuje na cztery poziomy natężenia: – Najsilniejszy sygnał: swobodna proza, nieedytowane szkice oraz tłumaczenia, w których każde słowo stanowi samodzielny wybór modelu Claude. – Umiarkowany sygnał: mocno edytowane szkice artykułów, w których zachowano część oryginalnego sformułowania. – Najsłabszy sygnał: kod źródłowy, ścisłe dane faktograficzne oraz skromna korekta gramatyczna.

Dla podmiotów chcących usunąć znak wodny najskuteczniejszą metodą pozostaje przeredagowanie treści przy użyciu innego modelu językowego. Tworzy to asymetrię: nadawcy masowego spamu łatwo usuwają wzorzec za pomocą automatycznych narzędzi, podczas gdy uczciwi użytkownicy tłumaczący własne dokumenty pozostają oznaczeni sygnałem Claude.

Ryzyka biznesowe i wpływ na jakość kodu w Claude

Wdrożenie znaku wodnego w Claude wywołało obawy zespołów inżynieryjnych dotyczące potencjalnego spadku jakości generowanego kodu źródłowego oraz ryzyka błędnej identyfikacji autorstwa. Badania na otwartych modelach wykazały, że algorytm SynthID-Text w wariancie niedystorsyjnym powoduje spadek poprawności kodu o 0,0 do 3,1 punktu procentowego wskaźnika pass@1. Jednocześnie ze względu na niską entropię kodu skuteczność jego wykrywania waha się w granicach losowych 55-57% AUROC.

Wpływ algorytmu znakowania na wskaźniki jakościowe oraz skuteczność detekcji zestawiono poniżej:

Typ treści Zmiana jakości (pass@1 / perplexity) Skuteczność detekcji (AUROC / TPR) Przyczyna techniczna
Proza (500 promptów) Brak zmian (−0,3% perplexity) Wysoka (56-59% TPR przy 400 tokenach) Duża entropia i wysokie rozproszenie słów
Kod źródłowy (364 zadania) Spadek pass@1 o 0,0 do 3,1 p.p. Niska (55-57% AUROC, blisko losowości) Niska entropia i brak alternatywnych tokenów

Główne ryzyko organizacyjne wiąże się z interpretacją wyniku detekcji. Firma Anthropic podkreśla w dokumentacji, że obecność znaku oznacza wyłącznie, iż tekst został przetworzony przez Claude, a nie że model jest jego jedynym autorem. Użytkownicy wykorzystujący Claude do korekty autorskiego życiorysu lub tłumaczenia własnej dokumentacji biznesowej otrzymują ten sam znacznik co osoby generujące całe artykuły od zera.

Porównanie znakowania kryptograficznego i detektorów AI

Różnica między kryptograficznym znakiem wodnym w Claude a komercyjnymi detektorami AI polega na metodzie weryfikacji i źródle danych. Detektory heurystyczne oceniają styl, strukturę zdań i powtarzalność fraz, generując częste błędy i fałszywe oskarżenia. Znak wodny Anthropic weryfikuje dopasowanie sekwencji słów do tajnego klucza statystycznego, co daje matematyczną pewność p-value bez polegania na cechach stylistycznych.

Porównanie parametrów technicznych obu podejść do weryfikacji treści:

Kryterium Znak wodny Anthropic (SynthID-Text) Detektory heurystyczne AI
Badany parametr Ukryty wzorzec słów powiązany z kluczem Długość zdań, styl, frazy typu „moreover”
Wymóg klucza dostawcy Tak, prywatny klucz Anthropic Nie, analiza zewnętrzna
Odporność na edycję Odporny na skromną edycję Podatny na proste zmiany stylu
Dostępność dla firm Prywatny podgląd API dla wybranych grup Powszechnie dostępne komercyjnie

Obecnie dostęp do interfejsu detekcji Anthropic jest ograniczony do zamkniętego podglądu (private preview) dla regulatorów, mediów, organizacji edukacyjnych i wybranych przedsiębiorstw z obowiązkami prawnymi w UE. Zwykli użytkownicy oraz firmy nie mają narzędzia do sprawdzenia własnego tekstu, co uniemożliwia weryfikację przed publikacją.

Wnioski praktyczne i rekomendacje

  • Zweryfikuj aktualną listę używanych modeli Claude w organizacji pod kątem obsługi znakowania tekstowego i metadanych C2PA.
  • Skonfiguruj wewnętrzne procedury kontroli wersji dokumentów (version control) i kodów, które pozwalają wykazać historię zmian oraz autorski wkład człowieka.
  • Zmierz poziom przeredagowania materiałów w procesach tłumaczeniowych i edycyjnych, stosując pełną parafrazę tam, gdzie wymagana jest całkowita neutralność sygnałowa.
  • Wdróż wytyczne dla działów HR i prawnego zakazujące odrzucania kandydatów lub treści na podstawie nieoficjalnych detektorów AI nieposiadających klucza Anthropic.

Źródła

Przemysław Majdak

Przemysław Majdak · AI Automation Engineer

Założyciel Baluarte i wydawca BitBiz.pl. Członek ISSA Polska. Ekspert z 18-letnim stażem w branży IT — wdraża bezpieczne automatyzacje AI, systemy full-stack i zaawansowane procedury cyberbezpieczeństwa dla firm. Wszystkie artykuły autora →

3 odpowiedzi

💬 Kliknij tutaj, aby dodać komentarz

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *

  1. Awatar Wiktor

    Znak wodny mówi tylko, że tekst przeszedł przez Claude, a sprawdzić tego samodzielnie nie da się, bo narzędzie siedzi w zamkniętym podglądzie dla wybranych.

  2. Awatar KasiaZpodlasia
    KasiaZpodlasia

    Znak nie odróżnia tłumaczenia własnej oferty od tekstu napisanego od zera, więc w przetargu to nie on zdecyduje, czy ktoś włożył w dokument pracę. Gdy klient zapyta, która część oferty to ludzki osąd, a która przepisany wzorzec, co wtedy odpowie zespół?

  3. Awatar prof.Andrzej
    prof.Andrzej

    Znak nie zatrzyma spamu, bo jego wzorzec zmywa przeredagowanie w innym modelu, a oznaczony zostaje ten, kto nic nie ukrywał. Tak działa każdy obowiązek ewidencji, który dotyka tylko przestrzegających przepisów: koszt ponoszą uczciwi, a w szarej strefie wystarczy zmienić narzędzie.