ClaudeのAI透かし、わずか4時間で回避策が登場――文章の「出どころ」はどこまで追えるのか

AnthropicがClaudeの生成文章に機械可読のマーキングを導入した直後、その信号を弱めたり検出できなくしたりするための公開ツールが現れた。発表からわずか4時間で開発者のGuillaume Meyer氏がオープンソースの回避策を公開したことで、AI文章の「出どころ」を追跡する技術が現実の編集環境でどこまで機能するのかが問われている。

結論から言えば、Claudeの透かしは日常的な確認のための有力な手がかりにはなり得る。しかし、文章の最終的な著者、アイデアの発案者、あるいは人間がどの程度関与したかを確定する仕組みではない。文章を大幅に言い換えれば、統計的な信号は失われる可能性がある。

2026年8月2日以降、Claudeで何が変わったのか

Anthropicによると、2026年8月2日以降に公開された対応Claudeモデルは、提供開始時点から生成コンテンツにマーキングを施す。生成された文章には人間の目では分からない透かしが埋め込まれ、対応するファイルにはデジタル署名付きの来歴メタデータが付加される。マーキングは、対応モデルが提供されている世界各地のClaudeサービスで適用される。

導入の背景には、EUのAI法（EU AI Act）に関連する透明性上の義務がある。同法は、技術的に可能な範囲で、AIシステムが生成または加工した出力を機械が読み取れる形でマーキングし、検出できる技術的手段を提供者に求めている。

ただし、世界規模での展開は、回避を試みる動きにもほぼ即座にさらされた。WIREDによると、Meyer氏はAnthropicが導入を確認してから4時間以内に透かし除去のオーバーライドを公開した。そのプロジェクトには後に100人を超える貢献者が参加し、X上での紹介は2万回以上ブックマークされたという。

一方で、利用者数、GitHubの正確なスター数、検索関心の具体的な規模について、今回確認できる報道は信頼できる総数を示していない。したがって、「何人が使ったのか」「GitHubで何スターを獲得したのか」といった数字を断定することはできない。

回避策は何を狙っているのか

Claudeの文章透かしは、文章中に混入した見えない文字を単純に削除する仕組みではない。Anthropicの説明では、モデルが単語やトークンを選択する際の統計的なパターンとして埋め込まれる。検出器は、与えられた文章がClaudeの生成過程と統計的に整合しているかを評価する。

Meyer氏の方法は、透かしのない別の大規模言語モデルを使い、意味をできるだけ保ちながら複数の言い換えを作るものだと報じられている。類義語の置き換えや語順の変更によって、もともとの単語選択のパターンそのものを崩す狙いがある。

ブラウザー上で利用できる別のツールは、生成文章に含まれる不可視文字や、見た目が似たUnicode文字の除去、文の並べ替え、類義語への置換などに焦点を当てると報じられている。文章を短くまとめたり、別の言語に翻訳してから戻したりする方法も、統計的パターンを乱す手段として挙げられている。

ここで重要なのは、これらをClaudeの文章透かしそのものの除去と混同しないことだ。Anthropicは、文章の透かしは隠し文字や追加されたテキストメタデータではないと説明している。ファイルに付くデジタル署名や来歴メタデータとは、別の仕組みだ。

Claudeの透かしで分かること、分からないこと

Anthropicは、Claudeの方式がGoogle DeepMindの「SynthID-Text」を基にした手法だと説明している。モデルが複数の適切な次の単語候補から選ぶような、意味への影響が比較的小さい場面で、直前の単語などに関連した秘密鍵ベースの乱数を利用する。検証側は、その文章がClaudeの選択パターンと統計的に一致するかを推定する。

この印は読者には見えず、文字数や追加トークンを増やさない。Anthropicは、意味、品質、創造性、読みやすさ、コストにも実用上の影響を与えないとしている。また、特定の個人、組織、チャットに結び付く識別情報は含まれない。

つまり、これは個人の指紋ではなく、AIの関与を推定するための信号だ。検出結果が示すのは、ある文章の作成にClaudeが関わった可能性であって、次のことを証明するものではない。

• 最終的に誰が文章を書いたのか
• 人間がまったく関与していないこと
• 文章のアイデアを誰が最初に考えたのか
• 別のAIモデルが生成した文章であること
• 短い文章についての信頼できる判定

校正、軽微な編集、要約、翻訳のような使い方では、この違いが特に大きくなる。Anthropicによれば、軽い編集を受けた文章ではClaudeが選択した単語が少数しか残らず、検出に十分な信号が得られない場合がある。

なぜ開発者は「検出」と「著者」を区別するのか

Meyer氏が問題視しているのは、文章の出どころを示すこと自体ではない。同氏は、コンテンツの帰属と、人に不利な証拠として扱われる可能性がある不可視の印とは別物だと主張している。

たとえば、Claudeが文章全体を書いたのか、数カ所を校正しただけなのか、要約や翻訳を補助したのかによって、人間の関与の度合いは大きく異なる。それにもかかわらず、検出結果が単一の「AI生成」ラベルとして扱われれば、限定的な支援と大幅なAI執筆を区別できない可能性がある。

この問題は、文章の来歴を追跡する際の根本的な難しさを示している。検出器がClaudeの関与と統計的に整合すると判断しても、最終稿のうちどれだけがClaudeの文章なのか、どれだけ人間が変更したのか、元の発想が誰によるものなのかまでは分からない。

なお、今回の資料からは、透かしの導入によってClaudeの出力の所有権や利用者の実質的な権利が変わることは示されていない。Anthropicが説明しているのは、Claudeが関与した可能性を推定する機能であり、所有権を主張する仕組みではない。

大幅な言い換えで統計的な透かしが弱くなる理由

統計的な透かしは、多数の単語選択に分散したパターンに依存する。文章がほぼそのままコピー・ペーストされ、編集も軽微であれば、信号が残ることがある。しかし、言い換え、翻訳、要約、再構成によって十分な数の単語が変わると、検出できなくなる可能性がある。

Natureが紹介した研究者たちも、AIが生成した文章を、別の言語モデルを使うなどして書き換えれば、透かしを取り除きながら意味を大きく保てる可能性があるとして、文章透かしが意欲的な利用者を確実に抑止できるかには懐疑的だ。

だからといって、透かしが無意味になるわけではない。文章が十分に長く、生成時の形に近い状態で残っている場合、定型的な確認やプラットフォーム側の検査に使える機械可読の手がかりにはなる。ただし、人間が大幅に書き直した文章の「変わらない出どころ」を証明する手段としては弱い。

EU AI法が求めること、今回の資料が示していないこと

EUの関連規定が主に義務付けているのは、AIシステムの提供者が、AIによって生成または加工された出力を機械可読形式でマーキングし、検出できる技術的手段を組み込むことだ。法律の文言は、透かしなどを可能な手法の例として挙げているが、どの方式でもあらゆる状況で機能することを保証しているわけではない。

今回確認できる資料からは、第三者が透かしを除去するツールを作成したり利用したりすることを、EU法が一般的に禁止しているとは判断できない。また、Anthropicが当初EU域内だけに機能を限定できなかった技術的理由も、資料では説明されていない。Anthropicは、対応モデルが提供される地域全体でマーキングを適用する方針を示している。

ここには、実用上の折り合いがある。透かしは、比較的原文に近いAI生成文章の透明性を高め、後から検出しやすくする。一方で、意図的な書き換え後の来歴を保証するものではなく、陽性判定だけで著者、意図、責任を決めることもできない。

まとめ：透かしは「証明書」ではなく「手がかり」

Claudeへの透かし導入は、AI文章の透明性を高める可能性と、その脆さを同時に示した。透かしは、Claudeが文章の作成に関与した可能性を示す確率的な信号であり、隠し文字でも、個人識別子でも、Claudeが最終稿を書いたことの決定的な証明でもない。

導入確認から4時間で書き換えツールが登場したことは、EU AI法の機械可読マーキング要件を、完全な「証拠保全」の仕組みではなく、透明性を高めるための技術的な最低線として理解する必要があることを示している。