Claude teraz oznacza treści, które tylko przetworzył. To jednak nie watermarki odbiorą Państwu publikację.

Niedawno jeden z naszych klientów zadał pytanie, które być może sami zadacie swojemu dostawcy treści: Anthropic zaczął znakować wyjścia Claude’a — czy monitorują to Państwo i czy zmienia to sposób, w jaki przygotowujecie treści do naszych publikacji?

To właściwe pytanie — i większość dostawców nie będzie umiała na nie odpowiedzieć. Oto publiczna wersja naszej odpowiedzi, napisana z myślą o każdym, kto zamierza zadać je swojemu partnerowi.

W skrócie: znak wodny jest prawdziwy, ma znaczenie, ale to wciąż nie on decyduje o utracie publikacji.

Kluczowy szczegół, który większość pomija, kryje się w jednym zdaniu polityki Anthropic dotyczącej znakowania treści przez Claude’a¹: od sierpnia 2026 roku wyzwalaczem znakowania jest „przetworzone przez Claude’a” — nie „wygenerowane przez Claude’a”. Pytanie, które wszyscy zadają — „czy to napisała AI?” — już jest źle postawione.

Ale wyzwalacz i sygnał to dwie różne rzeczy — i to ten drugi decyduje o wszystkim. Znak nie jest wbijany w tekst; jest rozproszony po wyborach słów, których dokonuje Claude, więc im więcej tekstu napisał Claude, tym więcej sygnału można znaleźć. To rozróżnienie większość analiz pomija, a właśnie tam leżą praktyczne odpowiedzi. Reszta tego wpisu dotyczy właściwych pytań.

Sierpień 2026: co się zmieniło i gdzie jesteśmy z detekcją

Wszystko w tej sekcji jest celowo datowane: polityka jest nowa i te fakty będą się zmieniać.

Co ogłosił Anthropic

Od sierpnia 2026 roku Anthropic opisuje dwie uzupełniające się techniki: niewidoczny znak wodny w tekście oraz podpisane metadane C2PA do plików, takich jak obrazy. Ta sama strona podaje, że znak wodny w tekście jest nakładany na poziomie modelu — niezależnie od tego, z którego produktu lub interfejsu Claude pochodzi tekst — i że znakowanie obowiązuje wszędzie, nie tylko w UE. Anthropic tłumaczy globalny zasięg tymczasowością: „stosujemy znakowanie wszędzie na starcie, bo nie mamy jeszcze trwałego sposobu ograniczenia go do regionu” i zapowiada dalsze analizy.

Dzień później Anthropic opublikował drugą, znacznie bardziej szczegółową instrukcję działania znaku wodnego², która zmienia to, co można tu uczciwie napisać. Metoda jest nazwana: to wariant SynthID-Text, techniki opisanej przez Google DeepMind w Nature³ w 2024 roku, wywodzącej się z propozycji Scotta Aaronsona z 2022 roku. Do tekstu nic nie jest wstawiane, nie ma ukrytych znaków. Kiedy wybór kolejnego słowa jest naprawdę otwarty — przykład Anthropic: „pogoda dziś była zimna i…”, gdzie „pochmurna” i „szara” są równie dobre — znak wodny zmienia tylko źródło losowości wyboru, opierając je na tajnym kluczu i poprzednich słowach. Odczytując sekwencję z kluczem, można oszacować prawdopodobieństwo, że to napisał Claude. Dwa natychmiastowe skutki: znak nie zawiera żadnych danych identyfikujących i — według Anthropic — nie można go powiązać z osobą, organizacją ani rozmową; oraz nie generuje kosztów, bo nie tworzy dodatkowych tokenów.

Wyzwalaczem, od tej samej daty, jest treść przetworzona przez Claude’a, nie tylko przez niego napisana. Wymienione są m.in. korekta, tłumaczenie, streszczenie i konwersja plików. Ale drugi dokument jasno stwierdza, że to nie są równoważne przypadki i ta różnica jest ważniejsza niż sam wyzwalacz — do tego wrócimy w uwagach pod koniec wpisu, w tym do wniosku, który pierwotnie źle oceniliśmy.

Tło regulacyjne wyjaśnia datę. Zgodnie z unijną AI Act⁴, dostawcy systemów generatywnych muszą oznaczać wyjścia w formacie maszynowo czytelnym i wykrywalnym jako sztucznie wygenerowane; Anthropic podpisał Kodeks Postępowania z art. 50(2). Komisja Europejska⁵ potwierdza, że te zasady przejrzystości obowiązują od 2 sierpnia 2026 — to data, którą Anthropic przyjmuje jako moment wdrożenia znakowania — i że uproszczenie „AI Omnibus” przesunęło terminy dla wysokiego ryzyka, ale nie dla tej kategorii.

Ważny szczegół: modele uruchomione przed 2 sierpnia 2026 nie są zwolnione. Anthropic podaje, że prawo przewiduje dla nich okres przejściowy i pracuje nad dodaniem znakowania także do nich — jeszcze nieoznaczone, ale to nie jest bezpieczna przystań.

Stan detekcji

Na 17 sierpnia 2026 istnieje opis techniczny, ale nie ma narzędzia. Drugi dokument Anthropic zapowiada API do wykrywania znaków wodnych — „Wkrótce zaoferujemy API do wykrywania znaków wodnych. Pracujemy nad szczegółami wdrożenia” — to zobowiązanie, nie gotowy produkt, i tylko ono będzie w stanie sprawdzić znak Claude’a.

Anthropic jasno określa, co taka weryfikacja może wykazać — i jest to mniej, niż się powszechnie sądzi. Mając klucz, „można tylko odpowiedzieć na pytanie: ‘Jakie jest prawdopodobieństwo, że ten tekst został częściowo napisany przez Claude’a?’”. Nie można potwierdzić, że tekst napisał człowiek, nie można stwierdzić, czy napisała go inna AI, i „nie da się odróżnić ‘Claude napisał’ od ‘Claude mocno edytował’”. Brak znaku też niczego nie dowodzi: detekcja „nie działa dobrze na małych fragmentach”, a całkowite przepisanie tekstu, gdzie każde słowo zostaje zastąpione, usuwa znak całkowicie.

Regulacja wyznacza minimalny poziom tych ograniczeń. Zgodnie z finalnym Kodeksem Postępowania, według analizy Bird & Bird⁶, niewidoczny znak wodny jest wymagany dla dowolnego tekstu swobodnego dłuższego niż 200 tokenów — około 150 słów — z jedynym wyjątkiem dla „bardzo krótkich tekstów” poniżej tego progu. Tekst swobodny to też jedyny przypadek, gdzie wystarczy jedna warstwa znakowania, bo nie można dołączyć metadanych. Obowiązek udostępnienia narzędzia detekcji jest tu słabszy: dostawcy muszą generalnie oferować detekcję bezpłatnie, ale dla znaków wodnych w tekście swobodnym — „bo są z natury mniej niezawodne” — mogą ograniczyć dostęp do zweryfikowanych ekspertów. Obowiązek interoperacyjności narzędzi detekcji między dostawcami wchodzi w życie 2 lutego 2027.

Najbliższe publiczne narzędzie porównywalne nie obsługuje tekstu: na ten sam dzień portal SynthID Detector Google DeepMind⁷ przyjmuje obrazy, wideo i audio — nie tekst — i nadal jest w fazie ograniczonych testów.

A pytanie, które naprawdę interesuje kupujących publikacje: na 16 sierpnia 2026 nie znaleźliśmy żadnej deklaracji żadnej wyszukiwarki ani platformy AI — w żadną stronę — że sygnały pochodzenia wpływają na ranking, indeksowanie lub filtrowanie. To „brak znalezionych”, celowo datowane, a nie obietnica na przyszłość.

Pochodzenie i jakość to różne osie

Potrzebna jest zmiana perspektywy: pochodzenie — czyli które narzędzie dotknęło tekstu — i jakość — czyli czy tekst zasługuje na publikację — to dwie różne osie. Wyszukiwarki zawsze mówiły, że działają na tej drugiej.

Google nigdy nie określił pochodzenia jako sygnału rankingowego. To nie to samo, co stwierdzenie, że nie jest — po prostu nie ma publicznej deklaracji w żadną stronę. Ale zastosowania, które Google opisał, są dokładnie dwa. W poście o integracji C2PA⁸ z 2024 roku metadane pochodzenia zasilają etykietę „O tym obrazie” w wyszukiwarce oraz — w reklamach — cel Google, by „wykorzystać sygnały C2PA do egzekwowania kluczowych polityk”. Oznaczanie i egzekwowanie reklam — a integracja w wyszukiwarce dotyczy tylko obrazów. Na dziś nie istnieje żaden mechanizm pochodzenia tekstu w wyszukiwarce.

To, co Google egzekwuje, dotyczy osi jakości i jest napisane w sposób neutralny względem narzędzi. Polityka antyspamowa Google⁹ definiuje nadużycie generowania treści na masową skalę jako wiele stron tworzonych „głównie w celu manipulowania rankingami wyszukiwania, a nie pomagania użytkownikom” — niezależnie od sposobu powstania. Pierwszy przykład to „Używanie narzędzi generatywnej AI lub podobnych do generowania wielu stron bez wartości dodanej dla użytkownika”, a wytyczne Google dotyczące treści generowanych przez AI¹⁰ powtarzają to zdanie jako kluczowe.

Wpis na Google Search Central Blog z 2023 roku¹¹ — „Nagradzanie wysokiej jakości treści, niezależnie od sposobu powstania” — już wtedy wyznaczał granicę na intencji („Używanie automatyzacji — w tym AI — do generowania treści głównie w celu manipulowania rankingiem w wynikach wyszukiwania narusza nasze zasady”), i to należy czytać jako stanowisko z 2023 roku; obecne wytyczne są węższe. W ogłoszeniu aktualizacji antyspamowej z marca 2024¹² Google całkowicie usunął narzędzie z polityki: nadużycie generowania treści na skalę dotyczy „niezależnie od tego, czy zaangażowana jest automatyzacja, ludzie czy ich kombinacja”.

Skala publikacji wspomaganych przez AI pokazuje to samo z drugiej strony. Badanie Graphite na poziomie całej sieci¹³ wykazało, że artykuły generowane przez AI prześcignęły ludzkie w listopadzie 2024 i od tego czasu utrzymują się na podobnym poziomie — i, według tej samej strony, „te artykuły w większości nie pojawiają się w Google i ChatGPT”. Około połowa nowych artykułów jest generowana przez AI, a te o niskiej wartości i tak nie trafiają na powierzchnię. To selekcja jakościowa, nie detekcja pochodzenia — i to jakością można realnie zarządzać. Opisaliśmy jak produkujemy treści w erze gen-AI — to produkcyjna strona tego samego argumentu.

Co faktycznie powoduje utratę publikacji

Jeśli pochodzenie nie jest kluczowym ryzykiem, to co jest? Dwie rzeczy — i obie są starsze niż znakowanie.

Najpierw była redakcja

Wydawcy nie czekali na znaki wodne, by kontrolować treści AI — wpisali to do polityk redakcyjnych. Polityka WIRED dotycząca generatywnej AI¹⁴, zaktualizowana w maju 2023, mówi: „Nie publikujemy artykułów z tekstem wygenerowanym przez AI, chyba że fakt, że jest to tekst AI, jest sednem materiału” — i traktuje nieujawniony tekst AI jako „równoznaczny z plagiatem”. Wytyczne Clarkesworld Magazine¹⁵ odrzucają takie prace już przy zgłoszeniu: „nie rozważamy żadnych zgłoszeń tłumaczonych, napisanych, opracowanych lub wspomaganych przez te narzędzia” i ostrzegają, że próba przesłania takiej pracy „może skutkować zakazem dalszych zgłoszeń”.

Tam, gdzie treści AI i tak się przedostały, konsekwencje były redakcyjne, nie algorytmiczne. Śledztwo Futurism¹⁶ ujawniło, że Sports Illustrated publikował recenzje produktów pod fikcyjnymi autorami z wygenerowanymi przez AI zdjęciami — osoba zaangażowana stwierdziła: „To treść zdecydowanie wygenerowana przez AI” — po czym wydawca The Arena Group ogłosił „usunięcie treści w trakcie wewnętrznego dochodzenia i zakończenie współpracy” z wykonawcą. Notatka redaktorska CNET o eksperymencie z AI¹⁷, z początku 2023 roku, dokumentuje 77 artykułów napisanych przez AI, pełny audyt po wykryciu błędów, korekty i wstrzymanie projektu — „Zrobiliśmy pauzę”, jak napisał wydawca. Usunięcie, korekta, pauza, zerwanie umowy: to wszystko decyzje redakcyjne i tak jest do dziś.

To nie jest niechęć do narzędzi. Raport Muck Rack „State of Journalism 2026”¹⁸ wykazał, że 82% dziennikarzy korzysta z co najmniej jednego narzędzia AI — a 88% „odrzuca od razu propozycje, które nie pasują do ich tematyki”. Osoby, które mogłyby wrzucić Państwa tekst do detektora, same korzystają z AI. Ich filtr to tematyka, trafność i jakość; zawsze tak było.

Pułapka fałszywych alarmów

Detektory, których faktycznie używa się dziś, to nie narzędzia do wykrywania znaków wodnych. To klasyfikatory post-hoc — statystyczne zgadywarki bazujące wyłącznie na tekście, bez klucza i bez znaku do znalezienia — i często mylą się na prawdziwych tekstach ludzkich. Anthropic podkreśla tę różnicę, wskazując Pangram jako przykład: takie narzędzia szukają „cech charakterystycznych” stylu AI, co jest „fundamentalnie czymś innym niż sprawdzanie znaku wodnego”. Niezależnie od tego, co pokaże detektor klienta, nie czyta on tego, o czym jest ten wpis. Badanie afiliowane przy Stanford, opublikowane na arXiv¹⁹ w 2023 roku, przetestowało siedem popularnych detektorów GPT na esejach osób niebędących native speakerami i wykazało, że „ponad połowa esejów TOEFL została błędnie sklasyfikowana jako wygenerowana przez AI (średni wskaźnik fałszywych alarmów: 61,22%)”, a 97,80% esejów zostało oznaczonych przez co najmniej jeden detektor.

Dostawcy to wiedzą. OpenAI wycofał własny klasyfikator w ciągu sześciu miesięcy; notatka o zamknięciu, cytowana przez Ars Technica²⁰, brzmiała: „Od 20 lipca 2023 klasyfikator AI nie jest już dostępny z powodu niskiej skuteczności”. Już przy premierze OpenAI ujawnił, że wykrywa tylko 26% tekstów AI, a „błędnie oznacza 9% tekstów ludzkich”. Vanderbilt University²¹ wyłączył detektor AI Turnitin w 2023 roku i policzył to publicznie: przy deklarowanym przez Turnitin 1% fałszywych alarmów, na 75 000 prac złożonych w 2022 roku „około 750 mogłoby zostać błędnie oznaczonych”.

Badanie Graphite, cytowane wyżej, walidowało swój detektor na artykułach opublikowanych przed pojawieniem się ChatGPT — i wykazało, że „4,2% tych artykułów zostało sklasyfikowanych jako głównie wygenerowane przez AI”. Nawet artykuł Google SynthID w Nature³ z 2024 roku zauważa, że „systemy detekcji post hoc mogą być kosztowne obliczeniowo i ich praktyczne zastosowanie ogranicza niestabilna skuteczność”.

W przypadku publikacji koszt fałszywego alarmu najbardziej dotyka tam, gdzie produktem jest głos eksperta — ghostwriting eksperckich komentarzy, gdzie klasyfikator oznaczający prawdziwe słowa eksperta zamyka realną szansę. Dostawca, który obiecuje „przejście detekcji”, obiecuje spełnienie wymagań narzędzi, których udokumentowanym trybem błędu jest oskarżanie ludzi.

Dlaczego nie będzie uniwersalnego detektora AI

Braki opisane w sekcji datowanej nie są tymczasową luką — są strukturalne.

Weryfikacja statystycznego znaku wodnego wymaga prywatnego klucza generatora. Dokumentacja SynthID Google²² instruuje deweloperów, że każda konfiguracja znakowania „powinna być przechowywana bezpiecznie i prywatnie, bo inaczej znak wodny może być łatwo powielony przez innych”, i oferuje opcje wdrożenia detektora od w pełni prywatnych po publiczne. Barierą nie jest koszt — artykuł w Nature jasno mówi, że detekcja „nie wymaga kosztownych obliczeniowo operacji ani dostępu do samego LLM”. Barierą są klucze. Każdy dostawca może wykryć co najwyżej własne znaki. Uniwersalny detektor wymagałby współpracy wszystkich generatorów, a motywacje są odwrotne.

Nawet pełna współpraca nie zamknie wszystkich luk. Jedno z czołowych laboratoriów opracowało znak wodny dla tekstu i nie wdrożyło go: w oświadczeniu z 2024 roku cytowanym przez Language Log²³ OpenAI przyznał, że „opracowaliśmy metodę znakowania tekstu, którą nadal rozważamy”, ale uznaje ją za „mniej odporną na globalne przeróbki” — tłumaczenie, parafrazowanie przez inny model — „co czyni obchodzenie jej trywialnym dla nieuczciwych użytkowników”. Modele open-weight są poza zasięgiem znakowania przez jakiegokolwiek dostawcę; sam artykuł w Nature zauważa, że znakowanie modeli wdrażanych zdecentralizowanie jest trudne. Nawet wdrożony znak wodny słabnie: Google dokumentuje, że pewność detektora „może być znacznie obniżona, gdy tekst AI zostanie gruntownie przepisany lub przetłumaczony”.

Anthropic obecnie mówi to samo o własnym zasięgu i potwierdza, jak to będzie wyglądać. Kluczowe odpowiedzi dotyczą tylko Claude’a: znak wodny „nie powie, czy tekst napisała inna AI (nawet jeśli też używa znakowania, to z innym kluczem; może też mieć inną metodę znakowania)”. I to nie jest projekt Anthropic. Około 190 sygnatariuszy podpisało w lipcu 2026 unijny Kodeks Postępowania w sprawie przejrzystości treści generowanych przez AI, a Anthropic jasno stwierdza, że inni główni twórcy modeli „wdrożą własne znaki wodne”. Wiele kluczy, wiele metod, każda w swoim silosie.

Jest jeden czynnik w drugą stronę, wart odnotowania: Kodeks wymaga, by sygnatariusze wdrożyli interoperacyjność detekcji znaków wodnych do 2 lutego 2027 — publiczny punkt dostępu, wbudowany wskaźnik, wspólne konsorcjum lub równoważne rozwiązanie. To termin, nie gotowy system, i to warstwa przekierowująca, a nie wspólny klucz. To najsilniejszy powód, by spodziewać się poprawy, ale nie powstanie z tego detektor, który czyta wszystko, bo modele open-weight są poza całym reżimem.

Więc realistyczny stan na co najmniej 2027 rok to silosy pochodzenia: każde laboratorium może sprawdzić własne wyjścia, nikt nie sprawdzi wszystkiego, a czysty wynik z pojedynczego detektora znaczy niewiele.

Narzędzie do usuwania, które samo sobie zaprzecza

Jeśli pochodzenia nie da się zweryfikować, czy da się je przynajmniej usunąć? Istnieje open-source’owy projekt stworzony dokładnie do tego — watermarks-remover²⁴, który zaczął jako „remove-claude-marks” — i najbardziej pouczające jest jego własne README.

Już na wstępie przyznaje: „Dopóki dostawcy nie udostępnią publicznych detektorów i kluczy, żadne narzędzie nie może uczciwie potwierdzić ‘ten tekst nie przejdzie oficjalnej kontroli’.” I dalej: „Nie może zagwarantować, że detektory dostawców zawiodą.” Warstwa deterministyczna usuwa niewidoczne znaki Unicode — co, wobec znaku Claude’a, jest już potwierdzone jako działanie w próżnię. „Do tekstu nic nie jest dodawane i nie ma ukrytych znaków”, stwierdza wyjaśnienie techniczne Anthropic. Zostaje tylko warstwa statystyczna, jawnie „na zasadzie best-effort” — przepisywanie tekstu innym modelem, bo znak wodny jest rozproszony po wyborach tokenów, a „usunięcie oznacza parafrazę, nie restrukturyzację”. Anthropic przyznaje to samo: „Lekkie poprawki raczej nie usuną znaku całkowicie; całkowite przepisanie, gdzie każde słowo jest zastąpione, usunie znak.” README wycenia próbę: parafraza „spłaszcza ton, styl i precyzję”; w SEO, marketingu i pracy dla klienta „ta degradacja jest realna i często widoczna”; wynik „nie przekroczy poziomu modelu parafrazującego”. Kończy pytaniem, które zamyka pętlę: jeśli i tak wszystko przepisujemy tańszym modelem, generowanie od razu tym modelem jest „prostsze, tańsze i daje taki sam — lub lepszy — efekt”. Metadane plikowe C2PA z kolei usuwa się trywialnie — są kruche z natury formatów plików, zgodnie z listą Anthropic dotyczącą utraty metadanych w sekcji datowanej.

Jest też aspekt zgodności, o którym warto wiedzieć, zanim ktoś zaproponuje „czyszczenie” jako usługę. Zgodnie z tym samym Kodeksem Postępowania sygnatariusze muszą dołożyć starań, by zachować oznaczenia, muszą zakazać obchodzenia w regulaminach i „nie mogą oferować ani reklamować narzędzi do obchodzenia”. Narzędzia istnieją i będą istnieć; nie istnieje wersja, którą poważny dostawca może wpisać do oferty.

To w pigułce teza tego wpisu. Próba zarządzania osią pochodzenia kosztuje Państwa oś jakości — tę, która decyduje, czy redaktor zatrzyma Państwa tekst.

O co pytać każdego dostawcę (w tym nas)

Jak powinna brzmieć dobra odpowiedź na pytanie klienta? Nie jako obietnica detekcji — jako proces. Oto sześć pytań, które warto zadać każdemu dostawcy treści, także nam; opisują one nasze własne realizacje outreach link building i listicle, gdzie akceptują Państwo publikację, URL, anchor i wersję przed publikacją.

1. Czy badania, pisanie i weryfikacja faktów to osobne etapy, prowadzone przez różne osoby? Dobra odpowiedź: tak, i mogą to Państwu pokazać, nie tylko opisać. U nas każdy z etapów — badania, tworzenie konspektu, pisanie, ekstrakcja twierdzeń, weryfikacja faktów, korekta i końcowa kontrola spójności — to osobny moduł agenta z własnym promptem systemowym. Agent piszący nie ma żadnych narzędzi — lista narzędzi jest pusta, nie ograniczona — nie może więc wyszukiwać, scrapować ani pobierać, pracuje tylko na pliku faktów zweryfikowanych przez etap badań. Weryfikacja faktów to też nie jeden agent: jeden prowadzi wyszukiwanie, drugi — na modelu innego dostawcy — wydaje werdykt, więc ten, kto sprawdza twierdzenie, nie jest tym, kto szukał dla niego potwierdzenia.

2. Gdzie są bramki ludzkie i czy maszyna może opublikować bez nich? Dobra odpowiedź: system wymusza bramki — dokument ich opisujący nie wystarczy. U nas trzy są w kodzie: człowiek wybiera temat, akceptuje konspekt i akceptuje treść — a publikacja nie przejdzie dalej bez tej ostatniej zgody. Pipeline nie może samodzielnie opublikować artykułu.

3. Czy fakty są weryfikowane na otwartych stronach źródłowych, czy na fragmentach z wyszukiwarki? Dobra odpowiedź: na stronach. W naszym pipeline agent badawczy otwiera i czyta każdą stronę źródłową przed wpisaniem faktu do dossier, a etap weryfikacji wymaga dokładnego cytatu lub fragmentu ze strony jako dowodu dla każdego twierdzenia.

4. Na jakim modelu powstaje tekst właściwy — i czy mogą go Państwo nazwać? To pytanie faktycznie określa ekspozycję na znakowanie i najczęściej pada odpowiedź kategorią, nie nazwą. Ponieważ znak wodny przyczepia się do słów wybranych przez model, dostawca, którego model piszący jest tym znakującym, ma realną odpowiedź o większości tekstu; dostawca, który używa tego modelu tylko do poprawiania cudzego akapitu — nie. Nasza odpowiedź, w szczegółach, za które ręczymy: różne etapy pipeline działają na modelach różnych dostawców, a model piszący treść artykułu nie jest tym znakowanym tutaj. Ostrożnie z „korzystamy z AI odpowiedzialnie” — to nie jest odpowiedź na to pytanie.

5. Co dokładnie obiecują w kwestii detekcji? Dostawca gwarantujący, że treść „przechodzi detekcję AI”, obiecuje test, którego dziś nikt nie może wykonać — jak wyżej, API detekcji Anthropic jest zapowiedziane, ale nie wdrożone — a nawet po wdrożeniu tylko Anthropic będzie mógł go uruchomić, tylko na własnych znakach i być może tylko dla zweryfikowanych ekspertów. W praktyce taki dostawca testuje klasyfikatory post-hoc, które — jak opisano wyżej — mylą się na tekstach ludzkich. Właściwa obietnica to redakcyjna: tekst czyta się dobrze, jest rzetelny i zaakceptowany przez człowieka.

6. Co się dzieje, gdy publikacja zostaje odrzucona lub zdjęta? Udokumentowane ryzyko to odrzucenie redakcyjne — więc to ono powinno być objęte umową, z zapisami o zastępstwie lub zwrocie kosztów. Opisaliśmy dlaczego oferujemy gwarancję satysfakcji jako dłuższą odpowiedź na to pytanie.

Jeśli dostawca potrafi odpowiedzieć na wszystkie sześć szczegółowo, znakowanie niczego Państwu nie zmienia. Jeśli nie — znakowanie nigdy nie było największym problemem.

Dwa uczciwe zastrzeżenia

Wyzwalacz jest szeroki; sygnał — nie

Gdy pierwszy raz publikowaliśmy ten wpis, wyciągnęliśmy błędny praktyczny wniosek z trafnej obserwacji. Wyzwalacz faktycznie brzmi „przetworzone przez” — Anthropic wymienia korektę i streszczenie, a „napisał to człowiek” nie jest czystym uspokojeniem, za jakie się je bierze. Ale zasugerowaliśmy, że poprawka gramatyczna AI zostawia więc wykrywalny ślad w dokumencie — a techniczne wyjaśnienie Anthropic, opublikowane dzień później, mówi wprost odwrotnie:

Gdy Claude poprawia tekst napisany przez człowieka, zwykle wprowadza tylko drobne zmiany; ponieważ niemal wszystkie słowa są autora, jest bardzo niewiele (jeśli w ogóle) do oznaczenia znakiem wodnym.

I dalej, o poprawkach wyłącznie gramatycznych i interpunkcyjnych: „znak wodny może pojawić się tylko w kilku poprawionych miejscach, co może być zbyt mało, by go wykryć”. Ta sama logika rozrzedza znak tam, gdzie słowa są wymuszone, a nie wybrane — Anthropic zauważa, że fragmenty faktograficzne i kod mają mniej znakowania niż swobodna proza, bo nie ma swobody wyboru, na której sygnał mógłby się opierać.

Uczciwa wersja to więc gradient, nie przełącznik. Tekst, który Claude napisał w dużej mierze, to miejsce, gdzie sygnał istnieje. Tekst, którego tylko dotknął, nie — a regulacja sama wyznacza tu dolną granicę: nic poniżej ok. 150 słów nie musi być znakowane. Opisany przez nas tryb błędu — firma, która zarzeka się „braku AI”, a używa AI do korekty — to wciąż błąd w procesie, i warto o tym wiedzieć wybierając dostawcę. Ale nie jest to, na podstawie tych danych, realny problem detekcji.

Nikt nie może zweryfikować pochodzenia w żadną stronę

Luka weryfikacyjna działa w obie strony. Nie możemy udowodnić, że nasze treści są nieoznaczone, tak samo jak krytyk nie może dowieść, że dana strona jest oznaczona — sam Anthropic, jak wyżej, określa znak jako sygnał, nie dowód, a brak znaku niczego nie dowodzi. Ten wpis nie przesadza więc w żadną stronę i należy nie ufać nikomu, kto to robi: dostawca gwarantujący „brak znaków wodnych” sprzedaje tę samą niezweryfikowaną pewność, co krytyk twierdzący, że je wykrył.

To stwierdzenie na dziś, z datą ważności. Gdy Anthropic wdroży API detekcji, jedna strona — Anthropic — będzie mogła odpowiedzieć na jedno pytanie, o własne znaki, z prawdopodobieństwem, nie werdyktem. To zawężenie luki, nie jej zamknięcie, i warto wtedy wrócić do tego wpisu.

Kot i mysz: spojrzenie założyciela

Tu przechodzę z „my” na „ja”, bo to już nie cytaty, a ocena. W dwadzieścia lat widziałem ten sam cykl wielokrotnie: Google ogłasza twarde stanowisko, branża przewiduje koniec jakiejś praktyki, a egzekwowanie przychodzi z opóźnieniem, uderza w najgorszych graczy i nie idzie dalej.

Najświeższy przykład już się tu pojawił. W ogłoszeniu z marca 2024, cytowanym wyżej, Google wskazał „bardzo niskiej jakości treści zewnętrzne tworzone głównie dla pozycjonowania i bez nadzoru właściciela strony” — parasite SEO, jak mówi branża — „publikując tę politykę na dwa miesiące przed wejściem w życie 5 maja”. Search Liaison Google, cytowany przez Ranktracker²⁵, powiedział, że egzekwowanie ruszyło 6 maja, dzień po wejściu polityki. W listopadzie 2024, według zaktualizowanego języka polityki cytowanego przez Website Builder Expert²⁶, Google zamknął lukę związaną z nadzorem właściciela, a Glenn Gabe raportował, że dotknięte sekcje Forbes Advisor, CNN Underscored i WSJ Buyside zostały praktycznie wyindeksowane.

To kot łapiący mysz — kilka myszy. To, co nadal widzę w praktyce, lata po pierwszych zapowiedziach „będziemy egzekwować”, to ta sama praktyka, żywa i mają