Claude vandmærker nu sit output. Det er ikke dét, der koster dig en placering.

En kunde spurgte os for nylig om noget, du måske også overvejer at spørge din egen indholdsleverandør om: Anthropic er begyndt at vandmærke output fra Claude — holder I øje med det, og ændrer det, hvad I leverer til vores placeringer?

Det er det rigtige spørgsmål, og de fleste leverandører vil snuble over det. Her er vores offentlige svar, skrevet til alle, der står over for at stille det samme spørgsmål til deres egen leverandør.

Den korte version: vandmærket er ægte, det har betydning, men det er stadig ikke det, der koster dig en placering.

Detaljen, de fleste overser, ligger i én sætning i Anthropics politik for, hvordan Claude markerer AI-genereret indhold¹: Fra august 2026 er udløseren for markering “behandlet af Claude” — ikke “genereret af Claude”. Spørgsmålet, alle stiller — “er dette AI-skrevet?” — er allerede det forkerte spørgsmål.

Men udløseren og signalet er to forskellige ting, og det er det andet, der afgør noget. Et mærke bliver ikke stemplet på teksten; det fordeler sig over de ordvalg, Claude selv træffer, så jo mere af teksten Claude har skrevet, jo mere er der at finde. Det er den skelnen, de fleste omtaler overser, og det er her, de praktiske svar findes. Resten af dette indlæg handler om de rigtige spørgsmål.

Fra august 2026: hvad har ændret sig, og hvor står detektionen

Alt i dette afsnit er tidsstemplet med vilje: Politikken er ny, og fakta vil ændre sig.

Hvad Anthropic har meldt ud

Fra august 2026 beskriver Anthropics side to supplerende teknikker: et umærkbart vandmærke indlejret i genereret tekst og C2PA-signeret oprindelsesmetadata knyttet til genererede filer som billeder. Samme side oplyser, at tekstvandmærket lægges på modelniveau — det er der, uanset hvilket Claude-produkt eller -flade, der har genereret teksten — og at markeringen gælder overalt, hvor Claude tilbydes, globalt, ikke kun i EU. Anthropic begrunder den globale dækning med, at man “endnu ikke har en holdbar måde at afgrænse det regionalt”, og siger, at de løbende vurderer tilgangen.

Dagen efter udgav Anthropic et andet og langt mere detaljeret dokument, der forklarer, hvordan tekstvandmærket fungerer², og det ændrer, hvad man ærligt kan sige her. Metoden er navngivet: det er en version af SynthID-Text, den teknik Google DeepMind offentliggjorde i Nature³ i 2024, i en familie af tilgange, der går tilbage til et forslag fra Scott Aaronson i 2022. Der indsættes intet i teksten, og der er ingen skjulte tegn. I stedet, hvor næste ord er et reelt åbent valg — Anthropics eksempel er “vejret i dag var koldt og…”, hvor “overskyet” og “gråt” er lige gode — ændrer vandmærket kun kilden til tilfældigheden, der bruges til at vælge, baseret på en hemmelig nøgle og de foregående ord. Læser man sekvensen tilbage med nøglen, kan man tildele en sandsynlighed for, at Claude har skrevet den. To konsekvenser følger, som kunder straks spørger til: mærket indeholder ingen identificerende oplysninger og kan ifølge Anthropic ikke spores til en person, organisation eller chat; og det koster intet, da det ikke genererer ekstra tokens.

Udløseren, pr. samme dato, er indhold behandlet af Claude, ikke kun indhold skrevet af Claude. Siden nævner korrekturlæsning, oversættelse, opsummering og filkonvertering som eksempler. Men det andet dokument er ærligt om, at disse ikke er ækvivalente, og forskellen betyder mere end udløseren — forbeholdene sidst i dette indlæg samler op på det, inklusiv en konklusion, vi selv tog fejl af første gang.

Den regulatoriske baggrund forklarer datoen. Under EU’s AI-forordning⁴ skal udbydere af generative AI-systemer sikre, at output markeres i et maskinlæsbart format og kan opdages som kunstigt genereret; Anthropic oplyser, at de har underskrevet forordningens artikel 50(2) Code of Practice. Europa-Kommissionen⁵ bekræfter, at disse gennemsigtighedsregler gælder fra 2. august 2026 — den dato, Anthropic bruger som skæringspunkt — og at den seneste “AI Omnibus”-forenkling flyttede deadlines for højrisiko, ikke for dette.

En detalje, det er værd at få rigtigt: Modeller lanceret før 2. august 2026 er ikke undtaget. Pr. august 2026 oplyser Anthropic, at loven giver disse modeller en overgangsperiode, og at de arbejder på at tilføje markering til dem også — endnu ikke markeret, ikke et sikkert fristed.

Hvor står detektionen

Pr. 17. august 2026 findes den tekniske beskrivelse, men ikke værktøjet. Anthropics andet dokument siger, at en vandmærkedetektions-API er på vej — “Vi vil snart tilbyde en vandmærkedetektions-API. Vi er i gang med at afklare detaljerne for implementeringen” — hvilket er et løfte, ikke et lanceret produkt, og det er det eneste, der vil kunne tjekke et Claude-mærke.

Anthropic er direkte om, hvad sådan et tjek kan bevise, og det er mindre, end folk tror. Med nøglen kan man kun svare på spørgsmålet: “Hvad er sandsynligheden for, at dette delvist er skrevet af Claude?” Det kan ikke bekræfte, at tekst er menneskeskabt, det kan ikke afgøre, om en anden AI har skrevet det, og det “kan ikke skelne mellem ‘Claude skrev dette’ og ‘Claude redigerede dette kraftigt’”. Fravær af et mærke beviser heller intet: detektionen “fungerer dårligt på små tekststykker”, og en fuldstændig omskrivning, hvor hvert ord udskiftes, fjerner vandmærket helt.

Reguleringen sætter minimumskravet for disse begrænsninger. Ifølge den endelige Code of Practice, jf. Bird & Birds gennemgang⁶, kræves umærkbar vandmærkning for enhver fri tekst over 200 tokens — cirka 150 ord — med det eneste forbehold, at “meget kort tekst” under denne grænse er undtaget. Fri tekst er også det eneste tilfælde, hvor ét lag markering er tilladt, fordi metadata slet ikke kan bæres. Og detektionspligten er svagere her end andre steder: udbydere skal generelt tilbyde detektion gratis, men for fri tekst-vandmærker — “fordi de er mindre pålidelige” — må de begrænse detektion til verificerede eksperter. Kravet om interoperabel detektion på tværs af udbydere gælder først fra 2. februar 2027.

Det nærmeste sammenlignelige offentlige værktøj hjælper heller ikke for tekst: pr. samme dato accepterer Google DeepMinds SynthID Detector-portal⁷ billeder, video og lyd — ikke tekst — og er stadig i begrænset test.

Og det spørgsmål, en køber af placeringer reelt bekymrer sig om: pr. 16. august 2026 kunne vi ikke finde nogen udtalelse fra nogen søgemaskine eller AI-platform — hverken for eller imod — om, at oprindelsessignaler indgår i rangering, indeksering eller filtrering. Det er et afgrænset “intet fundet”, tidsstemplet med vilje, ikke et løfte om næste år.

Oprindelse og kvalitet er to forskellige akser

Her er den omformulering, hele emnet har brug for: Oprindelse — hvilket værktøj har rørt teksten — og kvalitet — om teksten fortjener at eksistere — er to forskellige akser. Søgemaskiner har kun nogensinde sagt, at de handler på den sidste.

Google har aldrig beskrevet oprindelse som et rangeringssignal. Det er ikke det samme som, at Google siger, det ikke er det; der findes ingen offentlig udtalelse hverken for eller imod. Men de anvendelser, Google har beskrevet, er præcis to. I Googles blogindlæg om C2PA-integration⁸ fra 2024 bruges oprindelsesmetadata til “Om dette billede”-mærket i Search og, i Ads, Googles mål om “at bruge C2PA-signaler til at informere, hvordan vi håndhæver nøglepolitikker”. Mærkning og annoncehåndhævelse — og integrationen i Search gælder kun billeder. Pr. nu findes der slet ikke en tekst-oprindelsesflade i Search.

Det, Google håndhæver, ligger på kvalitetsaksen, og det er skrevet til at være værktøjsagnostisk. Googles spam-politikker⁹ definerer masseproduktion af indhold som mange sider genereret “primært med det formål at manipulere søgerangeringer og ikke hjælpe brugere” — og tilføjer, at dette gælder “uanset hvordan det er skabt”. Første eksempel er “Brug af generative AI-værktøjer eller lignende til at generere mange sider uden at tilføre værdi for brugere”, og Googles vejledning om brug af generativt AI-indhold¹⁰ gentager den sætning som sin hovedlinje.

Google Search Central Blogs framing fra 2023¹¹ — “Belønning af indhold af høj kvalitet, uanset hvordan det er produceret” — trak allerede linjen ved hensigten (“Brug af automatisering — inkl. AI — til at generere indhold med det primære formål at manipulere rangering i søgeresultater er et brud på vores spam-politikker”), og det bør læses som 2023-positionen; den nuværende vejledning er smallere. Og i Googles marts 2024-opdatering om spam¹² blev værktøjet skrevet helt ud af politikken: masseproduktion gælder “uanset om det er automatisering, mennesker eller en kombination”.

Omfanget af AI-assisteret publicering understreger pointen fra den anden side. Graphites web-scale-undersøgelse¹³ fandt, at AI-genererede artikler overhalede menneskeskrevne i november 2024 og siden har ligget tæt — og, ifølge samme side, “disse artikler optræder stort set ikke i Google og ChatGPT”. Omtrent halvdelen af nye artikler er AI-genererede, og de lavværdifulde dukker stadig ikke op. Det er kvalitetssortering, ikke oprindelsesdetektion — og kvalitet er den akse, du faktisk kan styre. Vi har skrevet om hvordan vi producerer indhold i gen-AI-tiden — produktionens side af netop dette argument.

Hvad der faktisk koster dig en placering

Hvis oprindelse ikke er den reelle risiko, hvad er så? To ting, og begge kom før vandmærkning.

Redaktionel afvisning kom først

Udgivere ventede ikke på vandmærker for at håndhæve AI-indhold — de skrev det ind i redaktionelle retningslinjer. WIREDs generative-AI-politik¹⁴, opdateret maj 2023, siger: “Vi udgiver ikke historier med tekst genereret af AI, undtagen når det faktum, at det er AI-genereret, er hele pointen med historien” — og behandler uoplyst AI-tekst som “sidestillet med plagiat”. Clarkesworld Magazines retningslinjer for indsendelser¹⁵ afviser arbejde allerede ved indlevering: de “vil ikke overveje nogen indsendelser, der er oversat, skrevet, udviklet eller assisteret af disse værktøjer”, og advarer om, at forsøg på at indsende sådant arbejde “kan føre til udelukkelse fra fremtidige indsendelser”.

Hvor AI-indhold alligevel slap igennem, var konsekvenserne redaktionelle, ikke algoritmiske. Futurisms undersøgelse¹⁶ fandt, at Sports Illustrated udgav produktanmeldelser under falske forfattere med AI-genererede portrætter — en kilde sagde “Indholdet er helt sikkert AI-genereret” — hvorefter udgiveren The Arena Group oplyste, at de “fjerner indholdet, mens vores interne undersøgelse fortsætter, og har afsluttet samarbejdet” med den ansvarlige underleverandør. CNETs egen redaktørs note om deres AI-eksperiment¹⁷, tidligt i 2023, dokumenterer 77 AI-udkastede artikler, en fuld revision efter faktuelle fejl, tilføjede rettelser og et stop — “Vi har sat det på pause”, i udgiverens egne ord. Fjernelse, rettelse, pause, opsagt kontrakt: det kørte på redaktionel vurdering alene, og det gør det stadig.

Vurderingen er heller ikke anti-værktøj. Muck Racks 2026 State of Journalism-rapport¹⁸ fandt, at 82% af journalister bruger mindst ét AI-værktøj — mens 88% “straks ser bort fra pitches, der ikke rammer deres stofområde”. De, der ville køre din tekst gennem en detektor, bruger selv AI. Deres filter er stofområde, relevans og kvalitet; det har det altid været.

Falsk-positiv-fælden

De detektorer, folk faktisk bruger i dag, er ikke vandmærketjek. Det er efterfølgende klassifikatorer — statistiske gæt ud fra teksten alene, uden nøgle og uden mærke at finde — og de fejler på rigtige mennesker. Anthropic skelner selv, og nævner Pangram som eksempel: sådanne tjenester spotter “tegn” i AI-formulering, hvilket er “fundamentalt forskelligt fra at tjekke for et vandmærke”. Uanset hvad en kundes detektor rapporterer, læser den ikke det, dette indlæg handler om. Et Stanford-tilknyttet studie på arXiv¹⁹ fra 2023 testede syv udbredte GPT-detektorer på essays fra ikke-engelsktalende og fandt, at de “fejlklassificerede over halvdelen af TOEFL-essays som AI-genererede (gennemsnitlig falsk-positiv-rate: 61,22%)”, med 97,80% af essays flaget af mindst én detektor.

Leverandørerne ved det. OpenAI trak sin egen klassifikator tilbage inden for seks måneder; nedlukningsnotatet, citeret af Ars Technica²⁰, lød: “Fra 20. juli 2023 er AI-klassifikatoren ikke længere tilgængelig på grund af lav nøjagtighed.” Ved lancering oplyste OpenAI, at den kun fangede 26% af AI-skrevet tekst, mens den “fejlagtigt mærkede menneskeskrevne værker 9 procent af tiden”. Vanderbilt University²¹ deaktiverede Turnitins AI-detektor i 2023 og regnede på det offentligt: ved den 1% falsk-positiv-rate, Turnitin hævdede, ville de 75.000 opgaver Vanderbilt havde indsendt i 2022 betyde, at “omkring 750 studenteropgaver kunne være blevet fejlagtigt mærket”.

Graphites undersøgelse, nævnt ovenfor, validerede sin valgte detektor på artikler udgivet før ChatGPT eksisterede — og fandt, at den “klassificerer 4,2% af disse artikler som primært AI-genererede”. Selv Googles SynthID-artikel, offentliggjort i Nature³ i 2024, bemærker, at “efterfølgende detektionssystemer selv kan være dyre at køre, og deres praktiske anvendelse er begrænset af deres inkonsistente ydeevne”.

For placeringer rammer falsk-positiv-omkostningen hårdest, hvor en ægte eksperts stemme er produktet — ghostwritede ekspertkommentarer, hvor en klassifikator, der flagger en ægte eksperts egne ord, ødelægger en reel mulighed. En leverandør, der lover at “bestå detektion”, lover at tilfredsstille værktøjer, hvis dokumenterede fejlsituation er at beskylde mennesker.

Hvorfor der aldrig kommer en universel AI-detektor

Fraværet i det tidsstemplede afsnit er ikke et midlertidigt hul, der venter på, at værktøjer indhenter. Det er strukturelt.

Verificering af et statistisk vandmærke kræver generatorens private nøgle. Googles SynthID-dokumentation²² instruerer udviklere i, at hver vandmærkekonfiguration “skal opbevares sikkert og privat, ellers kan dit vandmærke let kopieres af andre”, og tilbyder detektor-implementering fra fuldt privat til offentlig. Barrieren er ikke omkostning — Nature-artiklen er eksplicit om, at detektion “ikke kræver dyre operationer eller adgang til den underliggende LLM”. Barrieren er nøgler. Hver leverandør kan højst detektere sine egne mærker. En universel detektor ville kræve alle generatorers samarbejde, og incitamenterne peger den anden vej.

Dækningen har huller, intet samarbejde kan lukke. Et frontier-lab byggede et tekstvandmærke og valgte ikke at udgive det: I en udtalelse fra 2024, citeret af Language Log²³, sagde OpenAI, at de “har udviklet en tekstvandmærkning, vi fortsat overvejer”, men vurderer den “mindre robust over for globaliseret manipulation” — oversættelse, omskrivning med en anden model — “hvilket gør det trivielt at omgå for dårlige aktører”. Open-weight-modeller ligger helt uden for enhver leverandørs markering; Nature-artiklen bemærker selv, at vandmærkning af modeller, der er distribueret decentralt, er svært. Og selv et lanceret vandmærke forringes: Google dokumenterer, at detektorens tillidsscore “kan blive stærkt reduceret, når AI-genereret tekst omskrives grundigt eller oversættes til et andet sprog”.

Anthropic siger nu det samme om sin egen rækkevidde og bekræfter, hvad der er på vej. Deres nøglesvar gælder kun for Claude: et vandmærke “kan ikke afgøre, om teksten er skrevet af en anden AI (selv hvis den anden AI bruger vandmærkning, vil den have en anden nøgle; den kan også bruge en anden metode)”. Og det er ikke et Anthropic-projekt. Omkring 190 underskrivere skrev under på EU’s Code of Practice on Transparency of AI-Generated Content i juli 2026, og Anthropic siger direkte, at andre store modeludviklere “vil implementere deres egne vandmærker”. Mange nøgler, mange metoder, ét silo hver.

Én kraft trækker den anden vej, og det fortjener at blive nævnt: Koden kræver, at underskrivere har en interoperabilitetsløsning for vandmærkedetektion på plads senest 2. februar 2027 — et offentligt adgangspunkt, der videresender forespørgsler, et indlejret skilt, et fælles konsortium eller lignende. Det er en deadline, ikke et fungerende system, og det er et routing-lag, ikke en delt nøgle. Det er det stærkeste argument for, at billedet forbedres, men det giver stadig ikke en detektor, der læser alt, for open-weight-modeller er helt udenfor.

Så det realistiske slutbillede gennem mindst 2027 er leverandør-siloet oprindelse: hvert frontier-lab kan tjekke sit eget output, ingen kan tjekke alt, og et rent resultat fra én detektor betyder ikke meget.

Fjernelsesværktøjet, der modbeviser sig selv

Hvis oprindelse ikke kan verificeres, kan det så i det mindste fjernes? Der findes et open source-projekt bygget til netop det — watermarks-remover²⁴, der startede som et Claude-specifikt “remove-claude-marks”-værktøj — og det mest lærerige er faktisk projektets egen README.

Den starter med indrømmelsen: “Indtil leverandører udgiver offentlige detektorer og nøgler, kan intet værktøj ærligt garantere ‘dette fejler det officielle tjek’.” Og igen: “Det kan ikke garantere, at leverandørers detektorer fejler.” Det deterministiske lag fjerner usynlige Unicode-tegn — hvilket, over for et Claude-tekstvandmærke, nu er bekræftet at ramme ved siden af. “Intet tilføjes til teksten, og der er ingen skjulte tegn,” siger Anthropics tekniske forklaring. Tilbage er kun det statistiske lag, eksplicit “best effort” — omskrivning af teksten med en anden model, fordi et statistisk vandmærke ligger i tokenvalg, og “fjernelse betyder omskrivning, ikke omstrukturering”. Anthropic bekræfter det samme: “Let redigering fjerner sandsynligvis ikke vandmærket helt; en fuldstændig omskrivning, hvor hvert ord udskiftes, gør.” README’et prissætter forsøget: omskrivningen “udflader tone, stemme og præcision”; på SEO, marketing og kundeopgaver “er den forringelse reel og ofte synlig”; outputtet “kan ikke overstige omskrivningsmodellens loft”. Det slutter med spørgsmålet, der lukker cirklen: Hvis du alligevel omskriver alt med en billigere model, er det “enklere, billigere og giver samme — eller bedre — slutresultat” at generere direkte med den model. C2PA-filmetadata fjernes derimod let — skrøbeligt af filformaters design, i tråd med Anthropics egen liste over metadata-tab i det tidsstemplede afsnit.

Der er også et compliance-aspekt, og det er værd at kende, før nogen foreslår fjernelse som service. Under samme Code of Practice skal underskrivere gøre deres bedste for at bevare markeringer, forbyde manipulation i deres vilkår og betingelser, og “hverken placere eller reklamere for omgåelsesværktøjer”. Værktøjerne findes og vil fortsat findes; det, der ikke findes, er en version, en seriøs leverandør kan tilbyde.

Det er dette indlægs pointe i miniformat. At forsøge at styre oprindelsesaksen koster dig kvalitetsaksen — den, der afgør, om en redaktør beholder dit indlæg.

Hvad du bør spørge enhver leverandør (også os)

Så hvordan ser et godt svar på kundens spørgsmål ud? Ikke et detektionsløfte — en proces. Her er de seks spørgsmål, vi ville stille enhver indholdsleverandør, også os selv; de beskriver vores egne outreach link building og listicle forløb, hvor du godkender målmedie, URL, anchor og udkast, før noget går live.

1. Er research, skrivning og faktatjek adskilte faser, drevet af forskellige agenter? Godt svar: ja, og de kan vise dig adskillelsen, ikke kun beskrive den. Hos os er hver af research, disposition, skrivning, påstandsekstraktion, faktaverificering, rettelse og den endelige konsistensgennemgang sit eget agentmodul med sin egen systemprompt. Skrivningsagenten får ingen værktøjer — en tom værktøjsliste, ikke en begrænset — så den kan ikke søge, scrape eller hente, og kan kun arbejde ud fra faktadokumentet, researchfasen har verificeret. Faktatjek er bevidst ikke én agent: en navigator styrer opslagene, og en separat dommer på en anden leverandørs model afgør, så den, der tjekker en påstand, er ikke den, der fandt støtten.

2. Hvor er de menneskelige stopklodser, og kan maskinen gå videre uden dem? Godt svar: systemet håndhæver stopklodserne — et dokument, der beskriver dem, er ikke nok. Hos os er tre kodet: en person vælger idéen, godkender dispositionen og godkender indholdet — og en placering kan ikke gå videre, før et menneske har givet den endelige godkendelse. Pipelinjen kan ikke selv publicere en artikel.

3. Verificeres fakta på åbnede kildesider eller på søgeresultater? Godt svar: sider. I vores pipeline åbner og læser research-agenten hver kildeside, før et faktum kommer i dossieret, og faktatjekket kræver det præcise citat eller uddrag fra kilden som dokumentation for hver påstand.

4. Hvilken leverandørs model skriver brødteksten — og kan de navngive den? Det er spørgsmålet, der reelt afgør markeringseksponering, og det er det, leverandører oftest svarer med en kategori i stedet for et navn. Fordi vandmærket knytter sig til de ord, modellen vælger, har en leverandør, hvis skrive-model er den, der markerer, et reelt svar på det meste af teksten; en leverandør, der kun bruger modellen til at rette andres afsnit, har ikke. Vores eget svar, på det detaljeringsniveau vi kan stå på mål for: forskellige faser i vores pipeline kører på forskellige leverandørers modeller, og modellen, der skriver artikelkroppen, er ikke den, der bliver vandmærket her. Vær skeptisk over for “vi bruger AI ansvarligt” — det er ikke et svar på dette spørgsmål.

5. Hvad lover de præcist om detektion? En leverandør, der garanterer, at indhold “består AI-detektion”, lover et tjek, ingen i dag kan udføre — jf. det tidsstemplede afsnit er Anthropics detektions-API annonceret, men ikke lanceret — og selv når den lanceres, vil kun Anthropic kunne køre den, kun mod egne mærker, og muligvis kun for verificerede eksperter. Det, sådan en leverandør reelt tester imod, er efterfølgende klassifikatorer, dokumenteret til at fejle på mennesker. Det rigtige løfte er redaktionelt: det læser godt, det er korrekt, og et menneske har godkendt det.

6. Hvad sker der, hvis en placering afvises eller fjernes? Den dokumenterede risiko er redaktionel afvisning — så det er den risiko, en kontrakt bør dække, med erstatnings- eller refunderingsterminer på skrift. Vi har skrevet om hvorfor vi tilbyder tilfredshedsgaranti som det lange svar på netop dette spørgsmål.

Hvis en leverandør kan svare specifikt på alle seks, ændrer vandmærkenyheden intet for dig. Hvis ikke, var vandmærkning aldrig dit største problem.

To ærlige forbehold

Udløseren er bred; signalet er ikke

Da vi først udgav dette indlæg, drog vi den forkerte praktiske konklusion ud fra den rigtige observation. Udløseren er reelt “behandlet af” — Anthropic nævner korrektur og opsummering som eksempler, og “et menneske skrev det” er ikke den tryghed, folk tror. Men vi antydede derefter, at et AI-korrekturtjek derfor efterlader et mærkbart spor på dit dokument, og Anthropics tekniske forklaring, udgivet dagen efter, siger det modsatte i klare ord:

Når Claude korrekturlæser tekst skrevet af en person, er det, den returnerer, generelt kun let redigeret; fordi næsten alle ordene er personens egne, er der meget lidt (hvis noget) for vandmærket at hæfte på.

Og om et rent grammatik- og tegnsætnings-tjek: “vandmærket kan kun leve i de få rettelser, hvilket kan være for lidt til at registrere.” Samme logik udtynder mærket, hvor ordene er tvungne snarere end valgte — Anthropic bemærker, at faktuelle afsnit og kode bærer mindre vandmærkning end fri prosa, fordi der ikke er frit valg for signalet at ride på.

Så den ærlige version er en glidende skala, ikke en kontakt. Tekst, Claude i væsentlig grad har skrevet, er hvor signalet findes. Tekst, Claude har rørt, er det ikke, og reguleringen sætter sin egen bund under det: intet under cirka 150 ord skal markeres overhovedet. Den fejlsituation, vi beskrev — butikken, der sværger at være “AI-fri”, mens de kører AI-korrekturtjek — tager stadig fejl af egen proces, og det er værd at vide om en leverandør. Det er ikke, ud fra dette, sandsynligt at blive et detektionsproblem.

Ingen kan verificere oprindelse den ene eller anden vej

Verifikationshullet går begge veje. Vi kan ikke bevise, at vores indhold er umarkeret, lige så lidt som en kritiker kan bevise, at en given side er markeret — Anthropics egen formulering, jf. det tidsstemplede afsnit, er, at et mærke er et signal, ikke et bevis, og at fravær ikke beviser noget. Så dette indlæg overdriver ikke i nogen retning, og du bør ikke stole på nogen, der gør: En leverandør, der garanterer “ingen vandmærker”, sælger samme uverificerbare sikkerhed som en kritiker, der hævder at have fundet dem.

Dette er en status for i dag, og der er en udløbsdato på. Når Anthropics detektions-API lanceres, vil én part — Anthropic — kunne svare på ét spørgsmål, om egne mærker, med en sandsynlighed, ikke en dom. Det er en indsnævring af hullet, ikke en lukning, og det er værd at genbesøge dette indlæg, når det sker.

Kat og mus: founderens læsning

Her skifter jeg fra “vi” til “jeg”, for dette er vurdering, ikke citation. På tyve år i branchen har jeg set den samme cyklus igen og igen: Google annoncerer en hård linje, branchen forudser enden på en praksis, og så kommer håndhævelsen sent, rammer de sløvest kørende, og stopper før målet.

Det friskeste eksempel er allerede nævnt her. I marts 2024, jf. ovenfor, nævnte Google “meget lavværdifuldt tredjepartsindhold produceret primært for rangering og uden tæt opsyn fra en websideejer” — parasite SEO, i branchens sprog — “og offentliggjorde denne politik to måneder før håndhævelse 5. maj”. Googles Search Liaison, citeret af Ranktracker²⁵, sagde, at håndhævelsen begyndte 6. maj, dagen efter politikken trådte i kraft. I november 2024, jf. den opdaterede politiktekst citeret af Website Builder Expert²⁶, lukkede Google smuthullet om førstegangsopsyn, med Glenn Gabe, der rapporterede, at de berørte sektioner af Forbes Advisor, CNN Underscored og WSJ Buyside reelt blev fjernet fra indekset.

Det er katten, der fanger en mus — nogle mus. Det, jeg stadig ser i praksis, år efter første “vi vil håndhæve”-melding, er samme praksis, i live og velfungerende. Det er ikke en kritik af Google; det er det observerbare tempo for håndhævelse af et problem i webskala — og dette er en politik, hvor detektion er let: indholdet er offentligt, og mønstret er tydeligt. Prøv så at overføre den forventning til oprindelse, hvor, jf. det tidsstemplede afsnit, ingen engang kan køre tjekket.

To årtiers forudsagte nedslag skulle have lukket denne branche flere gange, og den er her stadig — fordi det, der overlever hver cyklus, er det samme: arbejde, der holder til den granskning, det altid ville få. Vandmærket er ikke problemet. Det har det aldrig været.

Du ved nu, hvordan et godt svar på vores kundes spørgsmål lyder. Tag de seks spørgsmål ovenfor med til den, der bygger dit indhold, og lyt efter konkrete svar. Hvis svarene er vage, er det selve fundet.