Claudes osynliga vattenstämpel: det här upptäcker den – och det här gör den inte

Anthropic inför en osynlig, maskinläsbar vattenstämpel i text som produceras av nyare Claude-modeller. Företaget säger att förändringen ska stödja transparenskraven i artikel 50 i EU:s AI-förordning, men systemet införs globalt i de Claude-produkter som stöds – inte bara inom EU.

Den viktigaste brasklappen är också den som lättast hamnar i skymundan: ett detekteringsresultat är en signal om ursprung, inte ett bevis på vem som är författare. Det kan antyda att Claude har varit med och producerat vissa ord, men kan inte identifiera användaren, avgöra vem som skrev arbetet eller visa att Claude genererade hela dokumentet.

Vad Anthropic märker

Claude-modeller som lanseras den 2 augusti 2026 eller senare får stöd för maskinläsbar märkning redan vid lanseringen. Anthropic arbetar samtidigt med att införa stödet även i äldre modeller. Märkningen ska gälla på de plattformar där funktionen stöds, bland annat Claude.ai, Claude Platform API, Claude Code, Claude Cowork, Claude Tag och vissa molndistributioner från andra leverantörer.

Det handlar om två separata system:

• Text: en omärklig statistisk vattenstämpel som vävs in i modellens ordval.
• Filer: digitalt signerad C2PA-metadata för stödda format, exempelvis SVG, PNG och JPG.

Det ska inte blandas ihop med synliga etiketter, dolda tecken, kontouppgifter eller ett upphovsrättsmeddelande. Anthropic uppger att vattenstämpeln i text inte innehåller information som kan kopplas till en viss person, organisation, konversation eller chatt.

Varför införs den över hela världen?

Anthropic hänvisar framför allt till EU:s AI-förordning, särskilt transparensreglerna i artikel 50, samt företagets åtagande att följa uppförandekoden för transparens kring AI-genererat innehåll enligt artikel 50.2. Reglerna kräver att leverantörer som vänder sig till EU-marknaden gör viss AI-genererad media identifierbar i maskinläsbar form.

I stället för att skapa ett separat EU-läge väljer Anthropic att tillämpa policyn där de berörda Claude-modellerna finns tillgängliga. Det ger en gemensam modellnivå för API-kunder, företag, utvecklare och privatpersoner, även om alla plattformar och funktioner inte nödvändigtvis stöder varje typ av märkning.

Så fungerar vattenstämpeln i text

Tekniken bygger på ett statistiskt mönster i valet av token – de små textenheter som språkmodellen använder när den skriver. Vid många tillfällen finns flera rimliga sätt att fortsätta en mening. Vattenstämpeln ändrar den slumpkälla som används för vissa mindre betydelsefulla val. Över tillräckligt många val skapas då ett nyckelstyrt mönster som kan upptäckas i efterhand. Anthropic beskriver metoden som besläktad med Google DeepMinds teknik SynthID-Text.

För läsaren ser dokumentet ut som vanligt. Systemet lägger inte in specialtecken och använder inte extra texttoken. Anthropic säger att det inte ska påverka formuleringar, kreativitet, läsbarhet eller kostnad på något märkbart sätt. Företaget uppger också att interna tester inte visade någon kvalitetsförsämring.

Eftersom signalen ligger i de vanliga ordvalen, snarare än i filens metadata, kan den överleva enkel kopiering och inklistring, ändrad formatering och vissa mindre redigeringar. Men det är en sannolikhetsbaserad egenskap – ingen garanti.

Överlever den översättning, sammanfattning och korrekturläsning?

Inte på ett tillförlitligt sätt. Översättning, sammanfattning, parafrasering och omfattande redigering ersätter många av de ursprungliga ordval som bär signalen. En bearbetad text kan i vissa fall fortfarande innehålla spår som går att upptäcka, men Anthropics beskrivning ger inte stöd för påståendet att varje översättning, sammanfattning, korrekturläsning eller redigering bevarar vattenstämpeln.

Korta textstycken är ytterligare en begränsning. Säkerheten i en detektering ökar i regel när det finns mer text att analysera. Ett kort svar – eller en korrekturläsning där Claude bara ändrar några få ord – kan innehålla för få Claude-val för att resultatet ska bli meningsfullt.

Det innebär en viktig skillnad mellan att en text faktiskt har bearbetats av Claude och att det går att upptäcka det. En text kan ha passerat genom Claude utan att ge en tydlig positiv träff. På samma sätt bevisar en utebliven träff inte att texten är helt mänskligt skriven.

Vad betyder en positiv träff?

En positiv detektering besvarar en smal fråga: hur sannolikt är det att Claude har varit involverad i att skriva delar av texten? Den visar inte:

• vem som skrev prompten till Claude;
• vem som skrev det ursprungliga materialet eller de omgivande delarna;
• om en människa gjorde en omfattande bearbetning;
• om Claude genererade hela dokumentet;
• om användaren bröt mot regler i skolan, på arbetsplatsen, hos en utgivare eller på en plattform; eller
• vem som äger verket eller har det juridiska ansvaret.

Vattenstämpeln kan inte heller identifiera en viss användare, organisation eller chatt. Anthropics nyckel kan dessutom inte användas för att identifiera text från en annan AI-leverantör.

Anthropic har sagt att företaget planerar att erbjuda ett API för detektering. Det skiljer sig från generiska AI-detektorer, som ofta försöker bedöma författarskap utifrån språkliga mönster eller påstådda ”AI-kännetecken”. En vattenstämpeldetektor letar i stället efter en avsiktligt skapad statistisk signatur som kan verifieras med en nyckel.

Därför kallar kritiker systemet för trubbigt

Debatten handlar i grunden om skillnaden mellan att skapa helt nytt syntetiskt innehåll och att ge vanlig redaktionell hjälp. Kritiker menar att en vattenstämpel på modellnivå riskerar att behandla en helt AI-skriven uppsats och en huvudsakligen mänskligt skriven text som bara fått hjälp med stavning, grammatik, tydlighet, översättning eller tillgänglighet på samma sätt.

Det är bakgrunden till kritiken om en ”slägga i stället för en skalpell”: en standardiserad märkning av all modelltext kan bli bredare än det användningsfall som transparensreglerna är tänkta att hantera. Risken blir särskilt tydlig om en skola, arbetsgivare, utgivare eller plattform tolkar en träff som bevis på regelbrott.

Anthropics tekniska förklaring minskar risken något i vissa redigeringssituationer. En lätt korrekturläsning kan lämna för få Claude-val för att ge en säker detektering. Men det är en begränsning i den statistiska säkerheten – inte ett undantag som användaren själv kan åberopa och inte ett tillförlitligt test av författarskap.

Hur står sig Anthropic jämfört med Google, OpenAI, Meta och Microsoft?

Jämförelsen kräver att man skiljer mellan flera saker som ofta klumpas ihop:

1. att skriva under en EU-kod för transparens;
2. att bifoga ursprungsmetadata till filer;
3. att lägga till synliga etiketter; och
4. att bädda in en statistisk vattenstämpel i text.

Anthropic uppger att andra stora AI-leverantörer har skrivit under samma EU-kod och kommer att införa egna system. Det betyder inte att Google, OpenAI, Meta och Microsoft använder samma vattenstämplingsteknik, täcker samma produkter eller har identiska regler för detektering.

Anthropics textmetod är besläktad med Google DeepMinds publicerade SynthID-Text-familj, medan C2PA används separat för ursprungsmetadata i stödda filer. Det offentliga underlaget här räcker inte för att slå fast att alla de fyra namngivna företagen har infört en global textvattenstämpel som motsvarar Anthropics i hela sina textprodukter.

Användarreaktioner och den praktiska policyfrågan

Lanseringen har väckt oro bland Claude-användare som befarar att AI-hjälp ska kunna upptäckas i skolan, på jobbet, i publicering eller i kommersiella sammanhang. Det har också rapporterats om användare som hotat med eller uppgett att de sagt upp sina abonnemang på grund av policyn.

Andra har undersökt metoder för att försvaga eller kringgå vattenstämpeln. Omfattande omskrivning, parafrasering, översättning, sammanfattning eller nygenerering kan försvaga eller ta bort en statistisk signal. Just därför kan en negativ träff inte fria någon från misstanke om AI-användning. Omvänt kan en kvarvarande signal bero på begränsad hjälp från Claude, inte på att hela texten har genererats av modellen.

För skolor, arbetsgivare, utgivare och plattformar är slutsatsen därför enkel: ett detekteringsresultat bör vara en del av underlaget, inte ett automatiskt beslut om fusk eller regelbrott. En seriös bedömning bör även väga in sammanhanget, versions- och skrivhistorik, gällande regler om redovisning av AI-användning, vilken typ av hjälp som gavs och den berörda personens möjlighet att förklara sig. Mänsklig granskning är särskilt viktig vid redigering, översättning, tillgänglighetsanpassning och gemensamt skrivande.

Claudes vattenstämpel kan göra AI-inblandning lättare att undersöka, men den löser inte den svårare frågan om författarskap. Den avgörande skillnaden går mellan signal och bevis: den första kan bidra till transparens, medan den andra kräver ett sammanhang som en statistisk markering inte kan ge.