Claude krijgt een onzichtbaar watermerk: wat het wel en niet bewijst

Er zijn twee verschillende systemen:

• Tekst: een onzichtbaar statistisch watermerk dat in de woordkeuzes van het model wordt verweven.
• Ondersteunde bestanden: digitaal ondertekende C2PA-herkomstmetadata, onder meer bij SVG-, PNG- en JPG-bestanden.

Deze technieken zijn niet hetzelfde als een zichtbaar label, verborgen tekens, een accountnummer of een copyrightvermelding. Anthropic zegt dat het tekstwatermerk geen informatie bevat die naar een specifieke persoon, organisatie, conversatie of chat kan worden herleid.

Waarom wordt Claude wereldwijd gemarkeerd?

Anthropic noemt artikel 50 van de AI-verordening van de Europese Unie als directe aanleiding. Het bedrijf heeft zich ook verbonden aan de gedragscode voor transparantie rond door AI gegenereerde content die bij artikel 50, lid 2 hoort. Die regels verplichten aanbieders die de Europese markt bedienen om bepaalde AI-output in machineleesbare vorm herkenbaar te maken.

Anthropic kiest ervoor de markering in te schakelen waar ondersteunde Claude-modellen beschikbaar zijn, dus ook buiten de Europese Unie. Zo ontstaat één standaard op modelniveau voor API-klanten, bedrijven, ontwikkelaars en consumenten, al ondersteunt niet elk platform of elke functie noodzakelijkerwijs elk type markering.

Hoe werkt het onzichtbare watermerk in tekst?

De techniek steunt op een statistisch patroon in de keuze van tokens. Op veel momenten zijn er meerdere plausibele manieren om een zin voort te zetten. Het watermerk verandert de bron van de willekeur waarmee het model sommige relatief onbelangrijke keuzes maakt. Over voldoende keuzes heen ontstaat zo een patroon dat later met een sleutel kan worden gedetecteerd. Anthropic beschrijft de aanpak als verwant aan de SynthID-Text-techniek van Google DeepMind.

Voor de lezer verandert er niets zichtbaar. Het systeem voegt geen speciale tekens of extra outputtokens toe. Anthropic zegt ook dat het watermerk niet bedoeld is om formulering, creativiteit, leesbaarheid of kosten merkbaar te beïnvloeden. Volgens interne tests zag het bedrijf geen effect op de kwaliteit.

Omdat het signaal verspreid zit in gewone woordkeuzes, werkt het anders dan bestandsmetadata die kan verdwijnen zodra een bestand wordt geëxporteerd of herschreven. Kopiëren en plakken, een andere opmaak of beperkte bewerkingen kunnen genoeg van het patroon behouden voor detectie. Dat blijft echter een waarschijnlijkheidskwestie, geen garantie.

Blijft het watermerk bestaan na vertalen, samenvatten of redigeren?

Niet betrouwbaar. Vertalen, samenvatten, parafraseren en grondig redigeren vervangen veel van de oorspronkelijke tokenkeuzes waarin het signaal zit. Een bewerkte passage kan in sommige gevallen nog detecteerbare sporen bevatten, maar Anthropic geeft geen basis voor de sterkere bewering dat elke vertaling, samenvatting, correctieronde of bewerking het watermerk behoudt.

Ook korte teksten vormen een duidelijke beperking. De betrouwbaarheid van een detectie neemt doorgaans toe naarmate er meer tekst beschikbaar is. Een kort antwoord — of een correctieronde waarbij Claude slechts enkele woorden wijzigt — kan te weinig door Claude gekozen materiaal bevatten voor een betekenisvol resultaat.

Daarom moet je onderscheid maken tussen de aanwezigheid van een watermerk en de mogelijkheid om het te detecteren. Tekst kan door Claude zijn verwerkt zonder een overtuigend positief resultaat op te leveren. Omgekeerd bewijst een ontbrekend watermerk niet dat een passage volledig door een mens is geschreven.

Wat betekent een positieve detectie?

Een positieve uitslag beantwoordt slechts een beperkte vraag: hoe waarschijnlijk is het dat Claude betrokken was bij het schrijven van een deel van de tekst? De uitslag bewijst niet:

• wie Claude de opdracht gaf;
• wie het oorspronkelijke of omliggende materiaal schreef;
• of een mens de tekst ingrijpend heeft aangepast;
• of Claude het hele document genereerde;
• of de gebruiker een school-, werk-, publicatie- of platformregel heeft overtreden; of
• wie het werk bezit of er juridisch verantwoordelijk voor is.

Het watermerk kan bovendien geen specifieke gebruiker, organisatie of chat identificeren. De sleutel van Anthropic kan ook geen output van een andere AI-aanbieder herkennen.

Anthropic zegt een detectie-API te willen aanbieden. Dat is iets anders dan algemene AI-detectors die auteurschap proberen af te leiden uit taalpatronen of vermeende ‘AI-kenmerken’. Een watermerkdetector zoekt naar een bewust aangebracht statistisch patroon dat met een sleutel is gemaakt.

Waarom noemen critici het systeem te grof?

De discussie draait om het verschil tussen nieuwe synthetische content genereren en gewone redactionele hulp bieden. Critici vrezen dat een watermerk op modelniveau een volledig door AI geschreven essay gelijk kan behandelen aan een overwegend menselijk document dat alleen hulp kreeg bij spelling, grammatica, helderheid, vertaling of toegankelijkheid.

Daar komt de kritiek vandaan dat Anthropic eerder een voorhamer dan een scalpel gebruikt: een standaardmarkering voor alle output van een model kan breder uitpakken dan het gebruik waarop de transparantieregels zijn gericht. Dat is vooral problematisch als een school, werkgever, uitgever of platform de aanwezigheid van een markering automatisch opvat als bewijs van overtreding.

De technische uitleg van Anthropic beperkt het risico bij sommige bewerkingen enigszins. Bij een lichte correctieronde kan er bijvoorbeeld te weinig door Claude gekozen tekst overblijven voor een betrouwbare detectie. Maar dat is een beperking van de statistische zekerheid, geen vrijstelling voor de gebruiker en geen betrouwbare test van auteurschap.

Hoe verhoudt Claude zich tot Google, OpenAI, Meta en Microsoft?

Bij vergelijkingen lopen verschillende zaken vaak door elkaar:

1. het ondertekenen van een Europese gedragscode voor transparantie;
2. het toevoegen van herkomstmetadata aan bestanden;
3. het tonen van zichtbare labels; en
4. het inbouwen van een statistisch watermerk in tekst.

Anthropic zegt dat andere grote AI-aanbieders dezelfde Europese gedragscode hebben ondertekend en hun eigen systemen zullen invoeren. Dat betekent niet dat Google, OpenAI, Meta en Microsoft dezelfde watermerktechniek gebruiken, dezelfde producten dekken of identiek omgaan met detectie.

De tekstaanpak van Anthropic is verwant aan de gepubliceerde SynthID-Text-familie van Google DeepMind. Voor herkomstmetadata in ondersteunde bestanden gebruikt Anthropic daarnaast C2PA. De beschikbare bronnen bieden onvoldoende bewijs om te concluderen dat alle vier genoemde bedrijven wereldwijd een tekstwatermerk hebben uitgerold dat gelijkwaardig is aan dat van Claude.

Gebruikersreacties en het praktische probleem

De uitrol heeft zorgen opgeroepen bij Claude-gebruikers die vrezen dat AI-hulp zichtbaar wordt in onderwijs, op het werk, bij publicaties of in commerciële opdrachten. Er zijn ook berichten over gebruikers die hun abonnement zeggen te hebben opgezegd of daarmee dreigen vanwege het beleid.

Andere gebruikers zoeken naar manieren om watermerken te verwijderen of te omzeilen. Ingrijpend herschrijven, parafraseren, vertalen, samenvatten of opnieuw laten genereren kan een statistisch signaal verzwakken of verwijderen. Juist daarom kan een negatieve uitslag iemand niet vrijpleiten van AI-gebruik. Omgekeerd kan een positief resultaat wijzen op beperkte hulp van Claude in plaats van volledige generatie.

Voor instellingen is de veiligste conclusie duidelijk: gebruik een watermerkdetector als één onderdeel van het bewijs, niet als automatische vaststelling van fraude of wangedrag. Een serieuze beoordeling moet ook kijken naar de context, versie- en schrijfgeschiedenis, toepasselijke openbaarmakingsregels, het soort hulp dat is gebruikt en de mogelijkheid van de betrokkene om uitleg te geven. Menselijke beoordeling is extra belangrijk bij redactie, vertaling, toegankelijkheid en gezamenlijk schrijfwerk.

Het watermerk van Claude kan het makkelijker maken om AI-betrokkenheid te onderzoeken, maar het lost de moeilijkere vraag naar auteurschap niet op. Het nuttigste onderscheid is dat tussen signaal en bewijs: het eerste kan transparantie ondersteunen, het tweede vereist context die een statistische markering niet kan leveren.