Anthropic офіційно пояснює: Claude не вбудовує прихований водяний знак у згенерований текст — на відміну від SynthID, статистичного маркера, який Google DeepMind застосовує у виводі Gemini ще з 2023 року. Це означає, що жоден автоматичний детектор не здатен зі стовідсотковою певністю визначити, чи написав конкретний абзац Claude, чи людина.

Питання здавалося б суто технічним, але воно б'є прямо в болючу точку 2026 року: редакції, університети та HR-відділи щодня намагаються відрізнити текст людини від тексту моделі, а надійного інструмента для цього досі немає в жодного великого постачальника LLM. Пояснення Anthropic — це фактично визнання: компанія свідомо обрала не технічний, а політичний шлях розв'язання проблеми авторства.

За даними Speka, саме це пояснення Anthropic виклала публічно — і воно зачіпає не лише журналістів, а й кожного, хто будує продукт поверх Claude API та мусить сам вирішувати, як позначати AI-контент для своїх користувачів.

Що саме Anthropic пояснює про маркування тексту Claude?

Відповідь коротка: технічного, невидимого маркера в самому тексті немає. Claude не змінює ймовірності вибору токенів так, щоб залишити приховану статистичну «підпис», яку потім можна зчитати спеціальним детектором. Замість цього Anthropic покладається на політику використання (Usage Policy), яка вимагає від користувачів API розкривати факт застосування ШІ в певних чутливих сценаріях — юридичних консультаціях, фінансових рекомендаціях, медичному контенті чи політичній агітації.

Різниця тут принципова: водяний знак — це технічний контроль на рівні моделі, який діє незалежно від волі користувача. Політика розкриття — це договірне зобов'язання, дотримання якого Anthropic не може перевірити постфактум для кожного окремого тексту.

Чому текстовий водяний знак досі не прижився?

Технологія для цього існує — SynthID від Google DeepMind вбудовує патерн просто в розподіл ймовірностей токенів під час генерації, і цей патерн у теорії лишається читаним навіть після легкого редагування. Але в індустрії AI-письма є консенсус щодо слабких місць такого підходу:

• Перефразування іншою моделлю або людиною руйнує статистичний слід майже повністю.
• Переклад тексту іншою мовою й назад знищує водяний знак.
• Короткі фрагменти в кілька речень дають забагато хибних спрацювань, щоб на них можна було покладатися.
• Публічний детектор — це інструмент і для зловмисника: знаючи, що саме шукає перевірка, легше її обійти.

Ринок уже бачив наслідки поспішної ставки на детектори: OpenAI закрила власний AI-класифікатор тексту влітку 2023 року через занизьку точність розпізнавання, а сторонні детектори на кшталт GPTZero неодноразово фігурували в новинах про хибні звинувачення студентів у списуванні. Anthropic, судячи з її пояснення, вважає ці ризики більшими за користь: хибне звинувачення живої людини в тому, що текст «написаний» Claude, шкодить довірі сильніше, ніж відсутність детектора взагалі.

Що це означає для AI-білдерів і бізнесу?

Практичний висновок для тих, хто інтегрує Claude API у власний продукт: розраховувати на вбудований механізм маркування не варто — провенанс-шар доведеться будувати самостійно. Це стосується:

• Редакцій і контент-платформ, які обіцяють читачам маркувати AI-тексти — позначку доведеться проставляти на рівні свого workflow, а не чекати її від моделі.
• SaaS-продуктів у регульованих галузях, де Usage Policy Anthropic прямо вимагає розкриття ШІ-походження контенту — це договірний обов'язок оператора продукту, не автоматична функція моделі.
• Команд, які будують детектори AI-тексту як окремий сервіс: без нативного водяного знака від Anthropic такий детектор працюватиме лише на евристиках і стилістичному аналізі, з відчутним відсотком помилок в обидва боки.
• Комплаєнс-команд, яким варто прописувати в договорах із клієнтами окремий пункт про розкриття ШІ-походження контенту — сама модель цю вимогу не гарантує і не виконує автоматично.

Висновок AiiN: що робити з цим зараз?

Наша теза проста: доки жоден із провідних постачальників LLM — ні Anthropic, ні OpenAI — не впровадив надійний, стійкий до редагування водяний знак для тексту, покладатися на детектування як на бар'єр довіри безглуздо. Відповідальність за прозорість переходить на рівень продукту й організації, яка публікує контент, а не на модель, що його згенерувала. Для AI-білдерів це означає одне: власна політика розкриття AI-контенту й чіткий лог провенансу в базі даних продукту — не опційна фіча, а обов'язковий елемент архітектури, якщо продукт працює в чутливій ніші.

Чи можна технічно довести, що конкретний текст написав Claude?

Ні, надійного способу немає. Без вбудованого водяного знака єдиний доступний інструмент — стилометричний аналіз сторонніх сервісів, а такі детектори регулярно помиляються як у бік хибних спрацювань на текстах живих людей, так і в бік пропуску реального AI-контенту.

Чим підхід Anthropic відрізняється від Google DeepMind?

Google DeepMind вбудовує статистичний маркер SynthID у токени, які генерує Gemini, — це технічний контроль на рівні моделі. Anthropic натомість покладається на Usage Policy: договірну вимогу розкривати ШІ-походження контенту в чутливих сценаріях, без технічного сліду в самому тексті Claude.