Anthropic er begyndt at indbygge usynlige, maskinlæsbare vandmærker i tekst fra nye Claude-modeller. Vandmærket er en del af selve teksten og kan derfor følge med, når teksten kopieres og indsættes andre steder. Det er sandsynligvis ikke et skjult tegn eller en hemmelig kode mellem ordene, men et statistisk mønster i modellens valg af ord og såkaldte tokens. En særlig detektor kan lede efter mønstret og vurdere, om teksten kan være genereret af Claude. Vandmærket er dog ikke ufejlbarligt og kan blive svækket af omfattende redigering, omskrivning eller oversættelse.
Anthropic, virksomheden bag Claude, har meldt ud, at virksomheden vil mærke AI-genereret indhold. Nye Claude-modeller, som lanceres i EU fra den 2. august 2026, får maskinlæsbar mærkning fra lanceringen. Det gælder ikke kun på Claude.ai, men også tekst fra blandt andet API’et, Claude Code og de cloudplatforme, hvor de understøttede modeller tilbydes.
Det interessante er, at Anthropic vil bruge løsningen globalt og ikke kun på europæiske brugere. Baggrunden er EU’s AI Act og reglerne om gennemsigtighed for AI-genereret indhold.
Men hvordan kan man overhovedet sætte et usynligt vandmærke i helt almindelig tekst? Og betyder det, at Google, skoler og arbejdsgivere nu med sikkerhed kan se, om en tekst er skrevet af Claude?
Det korte svar på det sidste spørgsmål er nej. Men teknologien er alligevel værd at forstå.
Hvad har Anthropic konkret meldt ud?
Ifølge Anthropics officielle beskrivelse af mærkning i Claude vil virksomheden bruge to forskellige teknikker:
- Et usynligt vandmærke, som indlejres direkte i genereret tekst.
- Digitalt signerede oplysninger om oprindelse i understøttede filer som SVG-, PNG- og JPG-filer.
Det er to forskellige ting.
For filer benytter Anthropic C2PA, som er en åben standard til dokumentation af digitalt indholds oprindelse og historik. Her ligger oplysningerne som metadata, der er knyttet til filen.
Tekstvandmærket ligger derimod i selve teksten. Anthropic skriver, at det derfor følger med, når teksten kopieres og indsættes et andet sted, og at det kan overleve en vis redigering.
Virksomheden har endnu ikke offentliggjort den detaljerede tekniske dokumentation. Vi ved derfor ikke præcis, hvilken algoritme Claude bruger. Forklaringen nedenfor bygger på de kendte metoder inden for tekstvandmærkning og skal læses som den mest sandsynlige tekniske forklaring – ikke som en bekræftelse af Claudes konkrete algoritme.
Et vandmærke uden synlige tegn
Når vi normalt taler om et vandmærke, tænker vi på et logo hen over et billede eller måske svag tekst i baggrunden på et dokument.
Det fungerer naturligvis ikke i en almindelig brødtekst. Et synligt mærke ville være nemt at fjerne, og skjulte Unicode-tegn ville ofte forsvinde, når teksten blev renset, kopieret eller lagt ind i et CMS som WordPress.
I stedet kan vandmærket bygges ind i den måde, sprogmodellen vælger sine ord på.
En sprogmodel skriver ikke en hel artikel på én gang. Den genererer teksten trin for trin ved hele tiden at beregne, hvilket token der mest sandsynligt skal komme som det næste. Et token kan være et helt ord, en del af et ord eller et tegn.
Hvis modellen skal fortsætte sætningen:
Produktet er meget …
kan den eksempelvis have flere naturlige muligheder:
- populært
- praktisk
- effektivt
- anvendeligt
- stabilt
Alle ordene kan passe ind, men modellen har beregnet forskellige sandsynligheder for dem.
Grønne og røde tokens
En af de bedst kendte metoder til tekstvandmærkning opdeler de mulige næste tokens i to grupper. De bliver ofte kaldt en grøn liste og en rød liste.
Ved hjælp af en kryptografisk nøgle og den tekst, som allerede er skrevet, kan systemet afgøre, hvilke tokens der på det pågældende sted tilhører den grønne gruppe. Under genereringen giver systemet de grønne tokens en lille fordel.
Modellen må stadig vælge et token fra den røde gruppe, hvis det giver bedst mening. Den bliver blot diskret skubbet i retning af de grønne muligheder.
For den enkelte sætning er forskellen umulig at se. Men over flere hundrede tokens opstår der et statistisk mønster: Teksten indeholder flere grønne tokens, end man normalt ville forvente.
Det er dette mønster, som fungerer som vandmærke.
Metoden er blandt andet beskrevet i forskningsartiklen A Watermark for Large Language Models. Google har desuden udviklet SynthID Text, der påvirker modellens udvælgelse af tokens under genereringen uden at kræve en ny træning af modellen.
Det betyder ikke, at Claude nødvendigvis bruger præcis samme metode. Men principperne viser, hvordan et usynligt signal kan placeres i en tekst uden skjulte bogstaver eller synlige mærker.
Hvordan finder man vandmærket igen?
En detektor kan gennemgå teksten token for token og med den relevante metode genskabe, hvilke ordvalg der på hvert sted tilhører det indbyggede mønster.
Forestil dig, at man i en almindelig tekst statistisk ville forvente 80 grønne tokens. Finder detektoren i stedet 125, kan sandsynligheden for, at det er sket tilfældigt, være meget lille.
Detektoren peger altså ikke nødvendigvis på et bestemt ord og siger: “Her er vandmærket”. Det er fordelingen af mange ord og tokens i teksten, der udgør beviset.
Jo længere teksten er, desto mere data har detektoren normalt at arbejde med. En meget kort produkttekst eller emnelinje vil derfor være vanskeligere at bedømme sikkert end en lang artikel.
Anthropic oplyser, at virksomheden vil gøre det muligt for brugere og tredjeparter at registrere Claudes mærkning. Den konkrete detektionsløsning og den tekniske dokumentation er dog endnu ikke offentliggjort.
Er det det samme som en AI-detektor?
Nej. Det er en vigtig forskel.
De AI-detektorer, vi hidtil har set, forsøger typisk at gætte, om en tekst ligner noget, en sprogmodel ville skrive. De analyserer eksempelvis tekstens forudsigelighed, variation, sætningsstruktur og ordvalg.
Det kan give falske resultater. En velformuleret menneskelig tekst kan blive klassificeret som AI, mens en redigeret AI-tekst kan blive opfattet som menneskeskrevet.
En vandmærkedetektor leder i stedet efter et signal, som systemet bevidst har indbygget under genereringen. Det kan give et stærkere grundlag for en vurdering, hvis vandmærket stadig er til stede.
Men resultatet vil fortsat være en sandsynlighed og skal fortolkes korrekt. Finder man ikke et Claude-vandmærke, beviser det ikke, at teksten er skrevet af et menneske. Den kan være lavet med en anden AI-model, en ældre Claude-model uden mærkning eller være blevet redigeret så kraftigt, at signalet er forsvundet.
Forsvinder vandmærket ved copy/paste?
Ifølge Anthropic følger vandmærket med ved almindelig kopiering, fordi det er indlejret i teksten og ikke blot i dokumentets metadata.
Det bør derfor som udgangspunkt stadig være til stede, hvis du:
- kopierer en Claude-tekst til WordPress
- indsætter den i Word eller Google Docs
- sender den som almindelig e-mail
- ændrer skrifttype og formatering
- retter enkelte stavefejl eller mindre formuleringer
Det er netop en af fordelene ved at lægge signalet i selve ordvalget.
Kan vandmærket fjernes?
Intet tyder på, at tekstvandmærket er umuligt at fjerne. Tværtimod er det en kendt begrænsning ved teknologien.
Signalet kan sandsynligvis blive svækket ved:
- omfattende menneskelig redigering
- en grundig omskrivning af teksten
- oversættelse til et andet sprog
- sammenblanding med store mængder menneskeskrevet tekst
- parafrasering med en anden sprogmodel
- udskiftning eller flytning af mange sætninger
Det skyldes, at man ændrer de tokens, som tilsammen danner det statistiske mønster.
Det bliver sandsynligvis en løbende kamp mellem bedre vandmærker og metoder, der kan fjerne eller forstyrre dem. Vandmærkning bør derfor ses som et signal om oprindelse og ikke som et uforanderligt digitalt fingeraftryk.
Kan Google se, om teksten er skrevet af Claude?
Ikke nødvendigvis.
At en tekst indeholder et vandmærke, betyder ikke automatisk, at alle kan aflæse det. Google skal kende detektionsmetoden eller have adgang til et værktøj, som kan kontrollere Claudes mærkning.
Anthropic har lovet at understøtte detektion hos brugere og tredjeparter, men vi kender endnu ikke vilkårene eller den praktiske adgang.
Selv hvis Google på et tidspunkt kan registrere vandmærket, er det ikke det samme som, at AI-genereret indhold automatisk bliver nedprioriteret. Vandmærket fortæller noget om tekstens oprindelse – ikke om teksten er korrekt, hjælpsom eller værdifuld for læseren.
For SEO bør fokus derfor stadig være på kvalitet, dokumenteret erfaring, korrekte oplysninger og reel værdi. En halvdårlig masseproduceret AI-tekst bliver ikke god, fordi vandmærket fjernes. Og en grundigt redigeret og fagligt kvalificeret tekst bliver ikke værdiløs, fordi AI har været anvendt som værktøj.
Hvad betyder det for virksomheder og tekstforfattere?
Jeg tror først og fremmest, at vi skal vænne os til større gennemsigtighed omkring brugen af AI.
Mange virksomheder bruger allerede AI til produkttekster, mails, kundeservice, interne dokumenter, annoncer og blogindlæg. I praksis vil grænsen mellem menneskeskrevet og AI-genereret indhold ofte være flydende. Ét menneske laver oplægget, AI skriver et udkast, og et andet menneske retter fakta, tone og struktur.
Hvem har så skrevet teksten?
Et vandmærke kan måske dokumentere, at Claude har bidraget til teksten, men ikke hvor meget menneskelig faglighed og redigering der efterfølgende er lagt i den. Det kan heller ikke i sig selv fortælle, om oplysningerne er sande.
Derfor bør mærkning ikke blive en erstatning for almindelig kildekritik. Det vigtigste spørgsmål er fortsat ikke kun, om AI har været brugt, men om nogen tager ansvar for det færdige indhold.
Min vurdering
Tekstvandmærkning er teknisk interessant og kan gøre det lettere at identificere store mængder uredigeret AI-indhold. Det kan især være relevant ved misinformation, automatiseret spam, falske anmeldelser og opgaver, hvor afsenderen direkte påstår, at teksten er skrevet uden AI.
Men det er ikke en magisk AI-detektor.
Vandmærket kan blive beskadiget, det findes ikke nødvendigvis i tekst fra andre modeller, og fraværet af et mærke beviser ikke menneskeligt ophav. Samtidig fortæller det os meget lidt om kvaliteten af selve indholdet.
Jeg forventer derfor, at vandmærkning bliver ét signal blandt flere. Det kan bidrage til gennemsigtighed, men det kommer ikke til at afgøre diskussionen om, hvad der er godt indhold, eller hvornår brugen af AI er acceptabel.
Deltag i diskussionen på LinkedIn opslaget
Skriv et svar