Watermark AI: quando l’AI firma ciò che scrive
Intelligenza Artificiale · AI Act · Content Provenance
Watermark AI: come Claude, Gemini e ChatGPT stanno cambiando la provenienza dei contenuti
Anthropic ha iniziato a introdurre watermark invisibili nei testi generati da Claude, per renderli identificabili dalle macchine. A prima vista potrebbe sembrare l’inizio della fine per i testi AI non dichiarati. In realtà apre un problema molto più interessante: rilevare la presenza di un’intelligenza artificiale non significa necessariamente sapere chi ha scritto un contenuto, bensì quanto abbia contribuito l’AI a produrre quel contenuto o chi ne sia responsabile.
Claude comincia a lasciare una firma invisibile nei testi
Per anni abbiamo cercato di riconoscere i testi prodotti dall’intelligenza artificiale osservandone lo stile: frasi troppo ordinate, trattini che non fanno parte della nostra lingua, strutture ricorrenti, determinate espressioni linguistiche o una sospetta uniformità nella scrittura.
È nato persino un mercato di software che promettono di stabilire se un testo sia stato scritto da una persona oppure da un modello linguistico. E skill e plugin che promettono di rendere il testo più aderente alla lingua dello scrittore.
Il problema è che questo approccio ha mostrato rapidamente i propri limiti. Un testo umano può essere classificato come artificiale e un testo generato da un’intelligenza artificiale può essere modificato abbastanza da sfuggire al riconoscimento.
Anthropic sta ora introducendo un approccio diverso; invece di cercare di riconoscere Claude dopo che il testo è stato prodotto, sarà Claude stesso a lasciare una marcatura durante la generazione, la watermark ai.
Secondo la documentazione pubblicata dall’azienda, i modelli Claude incorporano nei testi generati un watermark machine-readable non percepibile dal lettore. Per i file nei formati supportati, Anthropic utilizza invece metadati di provenienza firmati digitalmente.
La scelta, non a caso, si inserisce nel nuovo quadro europeo sulla trasparenza dei contenuti generati dall’intelligenza artificiale. Dal 2 agosto 2026 sono infatti applicabili gli obblighi previsti dall’articolo 50 dell’AI Act, compresi quelli relativi alla marcatura machine-readable di determinati contenuti da parte dei provider.
Ma da qui nasce un equivoco: Trovare il watermark di Claude non equivale necessariamente a dimostrare che Claude abbia scritto quel testo!
Il watermark può rilevare Claude, ma può dirci chi è l’autore?
Immaginiamo che un’università, un’azienda o una redazione riceva un documento e che un futuro sistema di verifica individui al suo interno il watermark di Claude.
La conclusione più immediata potrebbe essere:
Questo testo è stato scritto da Claude.
Ma non è necessariamente così. Supponiamo che una persona abbia scritto autonomamente un articolo e abbia successivamente chiesto a Claude:
Correggi grammatica e punteggiatura senza modificare il contenuto.
Oppure:
Traduci questo documento in inglese mantenendo fedelmente il significato.
O ancora:
Rendi più leggibili questi paragrafi.
Questi sono prompt che, ad esempio, ricorrentemente utilizzo nella stesura degli articoli.
Il testo risultante è passato attraverso Claude (o altri LLM) e potrebbe quindi contenere una marcatura associata al sistema.
Questo, però, non significa che le idee, la ricerca, l’argomentazione o il testo originario siano stati prodotti dall’intelligenza artificiale.
Anthropic evidenzia esplicitamente questo limite nella propria documentazione: una marcatura può indicare che Claude ha partecipato alla produzione o trasformazione di un contenuto, ma non deve essere interpretata automaticamente come prova della sua provenienza completa.
Provenienza, paternità e responsabilità non sono la stessa cosa
È utile distinguere questi tre concetti:
Provenienza: quali strumenti e quali processi hanno partecipato alla produzione o trasformazione del contenuto.
Paternità: chi ha sviluppato le idee e creato sostanzialmente il contenuto.
Responsabilità: chi ha deciso di utilizzare, approvare e pubblicare il risultato finale.
Un watermark può fornire informazioni sulla provenienza, molto più difficilmente può risolvere da solo le altre due.
Il watermark può raccontarci qualcosa sulla storia tecnica di un contenuto. Non può stabilire automaticamente chi ne possieda il merito intellettuale o chi debba assumersene la responsabilità.
Forse testo scritto dall’AI sta diventando una categoria troppo semplice
Il problema diventa ancora più evidente osservando come l’intelligenza artificiale viene realmente utilizzata.
Tra scrittura completamente umana e generazione completamente automatica esiste ormai un territorio enorme.
Correzione
Il testo viene scritto da una persona e l’AI corregge esclusivamente grammatica e punteggiatura.
Revisione
Una persona scrive il contenuto e l’AI ne migliora chiarezza, struttura o leggibilità.
Collaborazione
Persona e modello sviluppano insieme idee, struttura e alcune parti del testo.
Generazione
Il modello produce una prima versione completa sulla base delle istruzioni ricevute.
Automazione
Il contenuto viene generato e pubblicato attraverso un processo quasi completamente automatizzato.
Definire tutte queste situazioni semplicemente come contenuto AI significa perdere informazioni fondamentali.
Consideriamo un’altra situazione.
Un consulente raccoglie dati, interviste e documentazione, definisce la tesi di un report e scrive personalmente le conclusioni. Successivamente utilizza un modello linguistico per trasformare i propri appunti in una prima stesura più ordinata.
Chi ha scritto il report?
La risposta dipende da ciò che intendiamo con la parola scrivere.
E questo problema diventerà ancora più evidente quando le funzionalità AI saranno integrate direttamente negli strumenti quotidiani: editor di testo, browser, software di posta elettronica, CMS, sistemi di traduzione e piattaforme collaborative.
Per fare un esempio, GMail in Google Workspace dalla versione business standard, permette di scrivere le mail dicendo cosa vogliamo scrivere, o ne migliora la formalità e la correttezza a nostro piacimento.
Come ragiona un LLM
Per comprendere perché sia possibile inserire un watermark in un testo, è utile fare un passo indietro e vedere, in modo molto semplificato, come funzionano i moderni Large Language Model.
L’attuale generazione di modelli linguistici nasce dall’architettura Transformer, pubblicata da Google nel 2017 con il celebre articolo Attention Is All You Need. Da quel momento il modo di addestrare le intelligenze artificiali sul linguaggio è cambiato radicalmente. Per approfondire il tema è molto utile la trilogia di Nello Cristianini, in particolare Machina Sapiens.
Una buona metafora, utilizzata da Cristianini, è quella degli esercizi che vengono utilizzati oggi nelle verifiche nelle scuole americane.
L’insegnante consegna una frase con alcune parole mancanti e chiede agli studenti di completarla.
La capitale della Francia è ______.
Per una persona la risposta è immediata. Per una macchina, fino al 2007, non lo era.
Durante l’addestramento, anche un modello linguistico affronta milioni di esercizi concettualmente simili, ma su una scala immensamente più grande. In alcuni casi deve prevedere una parola nascosta, in altri deve semplicemente indovinare quale sarà il token successivo di una sequenza.
Ripetendo questo processo miliardi di volte, il modello impara le relazioni statistiche tra parole, frasi e concetti, fino a essere in grado di produrre testi coerenti e contestualmente corretti.
Quando utilizziamo ChatGPT, Claude o Gemini, il modello non recupera una risposta già scritta da un archivio: sta continuamente prevedendo quale sarà il token successivo più plausibile.
Per approfondire avevo scritto anche un articolo su l’evoluzione delle AI, oltre le aspettative di Turing.
Ed è proprio qui che entra in gioco il watermark. Se il modello dispone di più parole corrette tra cui scegliere, può essere guidato, in modo impercettibile, a preferirne alcune rispetto ad altre seguendo una chiave nota soltanto al sistema di verifica.
Dal punto di vista del lettore non cambia nulla: la frase rimane naturale. Dal punto di vista statistico, però, dopo centinaia o migliaia di token emerge una particolare firma che può essere ricercata successivamente.
La firma può nascondersi nelle probabilità delle parole
Facciamo un esempio. Supponiamo che debba completare:
Il CEO di HT&T ha deciso di…
Il modello potrebbe considerare plausibili diversi proseguimenti:
| Possibile token | Probabilità ipotetica |
|---|---|
| adottare | 28% |
| implementare | 24% |
| introdurre | 20% |
| utilizzare | 12% |
| sviluppare | 8% |
I valori sono puramente esemplificativi e servono soltanto a spiegare il principio.
Normalmente il modello sceglie il token successivo partendo da questa distribuzione di probabilità e dai parametri utilizzati nella generazione.
Un sistema di watermarking può intervenire leggermente su questa scelta. Una chiave o una funzione conosciuta dal sistema può, per esempio, favorire in determinate circostanze alcuni token compatibili con il contesto rispetto ad altri.
Una singola scelta non significa praticamente nulla, ma ripetendo questo processo per decine o centinaia di token può emergere nel testo una particolare impronta statistica.
1 Il modello calcola i possibili token successivi.
2 Il sistema modifica impercettibilmente alcune probabilità.
3 Il testo viene generato normalmente per il lettore.
4 Un detector cerca successivamente la firma statistica.
Il lettore vede semplicemente una frase naturale. Il detector, invece, può analizzare una quantità sufficiente di testo e verificare se le scelte linguistiche mostrano la distribuzione attesa.
La firma non deve necessariamente essere nascosta nel file ma essere distribuita nelle decisioni linguistiche prese dal modello durante la generazione.
È questo che sta facendo Claude?
Ad agosto 2026 appiamo che Anthropic parla esplicitamente di watermark incorporati nei testi generati da Claude.
Sappiamo inoltre che la marcatura è progettata per rimanere associata al testo anche quando questo viene normalmente copiato e incollato e che l’azienda prevede strumenti capaci di verificarne la presenza.
Non conosciamo però pubblicamente l’algoritmo esatto utilizzato da Anthropic.
Non è quindi corretto affermare, allo stato delle informazioni disponibili, che Claude utilizzi necessariamente uno specifico schema statistico, una determinata suddivisione dei token o lo stesso metodo adottato da altri provider come Google.
Quello appena descritto è il principio generale utilizzato da diverse tecniche di watermarking dei Large Language Model ed è utile per comprendere come sia tecnicamente possibile lasciare una firma in un testo senza inserire semplicemente metadati o caratteri nascosti.
Claude, Gemini e ChatGPT
Quando si parla di watermark applicati all’intelligenza artificiale si tende a immaginare che tutti i grandi modelli stiano seguendo la stessa strada.
In realtà è vero il contrario.
Anthropic, Google e OpenAI condividono lo stesso obiettivo generale ovvero aumentare trasparenza e fiducia nei contenuti generati dall’AI, ma lo stanno perseguendo con approcci differenti.
Tre aziende, tre strategie
Anthropic punta sulla marcatura invisibile dei testi generati da Claude.
Google sviluppa un ecosistema chiamato SynthID, applicabile a testo, immagini, audio e video.
OpenAI investe soprattutto nella provenienza dei contenuti attraverso standard aperti come C2PA e strumenti di verifica.
Il risultato è che oggi non esiste una sola risposta alla domanda:
Come si firma un contenuto generato dall’intelligenza artificiale?
Google e SynthID: la firma statistica dei contenuti AI
Se Anthropic ha attirato l’attenzione con Claude, Google lavora sul tema da più tempo attraverso un progetto chiamato SynthID.
A differenza di quanto spesso si legge, SynthID non è semplicemente un watermark per immagini, ma una famiglia di tecnologie progettate per aiutare a riconoscere contenuti generati dall’intelligenza artificiale in diversi formati:
- testo;
- immagini;
- audio;
- video.
La filosofia è sempre la stessa: introdurre un segnale difficile da percepire per una persona ma rilevabile da un sistema autorizzato.
Come funziona SynthID Text?
Google è una delle poche aziende ad aver spiegato pubblicamente il principio generale del proprio sistema.
Durante la generazione il modello non sceglie ogni parola esclusivamente in base alla probabilità più alta. Una funzione interna modifica in modo impercettibile alcune scelte linguistiche seguendo una chiave conosciuta dal sistema.
Il testo rimane naturale: chi legge non percepisce differenze.
Ma analizzando statisticamente un numero sufficiente di token, un detector può verificare se emerge quella particolare impronta.
Perché è così difficile accorgersene?
La modifica non riguarda il significato delle frasi ma la probabilità con cui il modello sceglie parole perfettamente corrette e compatibili con il contesto. Per il lettore il risultato è indistinguibile da una normale generazione.
È proprio questo il motivo per cui molti ricercatori parlano di watermark statistico piuttosto che di watermark nel senso tradizionale del termine.
Neppure SynthID è una soluzione perfetta
La robustezza, spiega Google, dipende da diversi fattori:
- quanto testo viene analizzato;
- quante modifiche subisce successivamente;
- se il contenuto viene profondamente riscritto;
- se viene tradotto o rielaborato da altri modelli.
In altre parole, il watermark non è una prova assoluta. Rappresenta un segnale che aumenta la probabilità di riconoscere la partecipazione di un determinato sistema.
La differenza è sostanziale: una firma digitale tradizionale può verificare l’integrità di un file; un watermark statistico cerca una compatibilità con un determinato processo di generazione.
E invece ChatGPT/OpenAI che cosa fa?
OpenAI non ha annunciato un’adozione pubblica equivalente a quella descritta oggi da Anthropic e algoritmi simili a Google.
Negli ultimi anni OpenAI ha scelto di investire soprattutto nella content provenance, cioè nella possibilità di dimostrare l’origine di immagini e altri contenuti attraverso standard condivisi.
Per le immagini generate con ChatGPT e con le API vengono infatti utilizzati sistemi compatibili con C2PA e Content Credentials, accompagnati da strumenti pubblici di verifica.
Per il testo, invece, OpenAI non ha annunciato pubblicamente un watermark invisibile analogo a quello descritto da Anthropic.
Questo non significa che il problema non venga affrontato na chem almeno oggi, sembra privilegiare una strada diversa.
Claude, Gemini e ChatGPT a confronto
| Aspetto | Claude | Gemini | ChatGPT |
|---|---|---|---|
| Testo | Marcatura machine-readable incorporata | SynthID Text | Nessun watermark pubblico annunciato |
| Immagini | C2PA | SynthID + C2PA | C2PA + Content Credentials |
| Obiettivo principale | Riconoscibilità del contenuto | Riconoscibilità multipiattaforma | Provenienza verificabile |
| Verifica | Detector dedicati | Detector SynthID | Strumenti di verifica della provenienza |
Basterà tutto questo?
Osservando le strategie di Anthropic, Google e OpenAI emerge che nessuno ritiene sufficiente un unico sistema.
Chi punta sui watermark continua a investire anche nella provenienza.
Chi sviluppa standard di provenienza continua a studiare sistemi di riconoscimento.
È il segnale che il problema è molto più ampio della semplice identificazione di un contenuto AI.
Il mondo dell’intelligenza artificiale sembra aver compreso che la fiducia non dipenderà da una singola tecnologia, ma dalla capacità di combinare watermark, provenienza, firme digitali e responsabilità umana.
E proprio questa pluralità di strumenti apre un nuovo problema: cosa succede quando un contenuto viene modificato, riscritto o trasformato da più modelli diversi?
È qui che entrano in gioco l’AI Act, il fenomeno dell’AI laundering e una domanda destinata probabilmente ad accompagnarci nei prossimi anni:
Se un documento passa da Claude a ChatGPT, poi a Gemini e infine viene revisionato da una persona, chi può davvero firmarlo?
Forse stiamo continuando a porci la domanda sbagliata
Ci stiamo concentrando su una sola questione.
Come facciamo a sapere se un testo è stato scritto con l’AI?
È una domanda comprensibile, giusta nel momento.
Ma rischia di diventare rapidamente obsoleta. Sempre più software integrano funzioni di intelligenza artificiale direttamente negli strumenti che utilizziamo ogni giorno.
- Un editor di testo corregge automaticamente la grammatica.
- Il client di posta suggerisce intere frasi.
- Un CMS genera il titolo SEO e la Meta Description.
- Un traduttore riscrive il contenuto in più lingue.
- Un assistente AI genera faq ed il rispettivo json-ld.
A quel punto chiedersi se il documento sia stato scritto dall’intelligenza artificiale diventa quasi privo di significato.
Per me, bisogna domandarsi quale contributo ha dato ciascun soggetto alla costruzione del contenuto.
Conclusioni
Questo articolo nasce da un’osservazione fatta da un mio collaboratore. Dopo aver letto alcuni testi formalmente corretti e tradotti in modo impeccabile, mi ha detto senza mezzi termini: Questi testi sono scritti con l’intelligenza artificiale!. Da quel momento ho iniziato a chiedermi se il problema fosse davvero riconoscere l’AI o, piuttosto, capire che cosa oggi renda un contenuto davvero originale e di valore.
L’annuncio di Anthropic potrebbe essere ricordato come uno dei primi passi verso una nuova fase dell’intelligenza artificiale, non tanto perché Claude ha introdotto un watermark nei testi ma perché costringe tutti noi, compresi i collaboratori, a riconsiderare un concetto che davamo per scontato: quello di autore.
Per secoli un documento ha avuto normalmente un solo autore. Oggi può avere una persona, tre modelli linguistici, un sistema di traduzione automatica e un editor umano che lavorano sullo stesso contenuto. E identificare chi si assume la responsabilità del risultato finale.
Il watermark di Claude rappresenta probabilmente soltanto il primo capitolo di questa storia.
E se chi si prende la responsabilità non conosce la materia, non mette l’idea, non costruisce lo scheletro, non mette il pensiero critico, non fa una revisione finale quel contenuto formalmente corretto sarà uno dei tanti, forse anche sbagliato, destinato a diventare spazzatura digitale.
Domande frequenti
Il watermark di Claude dimostra che un testo è stato scritto dall’AI?
No. Può indicare che Claude ha partecipato alla generazione o trasformazione del contenuto, ma non dimostra automaticamente che l’intero testo sia stato scritto dall’intelligenza artificiale né chi ne sia l’autore.
Che cos’è SynthID di Google?
SynthID è una famiglia di tecnologie sviluppata da Google per introdurre segnali invisibili nei contenuti generati dall’AI. È utilizzabile su testo, immagini, audio e video e permette, in determinate condizioni, di verificarne la provenienza.
ChatGPT inserisce watermark invisibili nei testi?
Al momento OpenAI non ha annunciato pubblicamente un sistema di watermark testuale analogo a quello descritto da Anthropic. L’azienda investe soprattutto in C2PA, Content Credentials e strumenti di verifica della provenienza dei contenuti multimediali.
Che differenza c’è tra watermark e C2PA?
Un watermark introduce un segnale nel contenuto o nel processo di generazione. C2PA è invece uno standard che registra informazioni verificabili sulla provenienza e sulle modifiche subite da un file.
Esisterà un sistema capace di ricostruire tutta la storia di un contenuto?
Oggi non esiste uno standard universale di questo tipo. Tuttavia l’evoluzione di watermark, C2PA, firme digitali e sistemi di provenance lascia immaginare che nei prossimi anni possano nascere soluzioni in grado di documentare l’intero ciclo di vita di un contenuto.
Fonti e approfondimenti
Anthropic
How Claude Marks AI-Generated Content
Documentazione ufficiale sui watermark testuali, C2PA e sistemi di rilevazione adottati da Claude.
https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content
Google DeepMind
SynthID
Documentazione tecnica sul sistema SynthID per testo, immagini, audio e video.
OpenAI
Advancing Content Provenance for a Safer, More Transparent AI Ecosystem
Approccio di OpenAI alla content provenance, C2PA, Content Credentials, SynthID e strumenti di verifica.
Unione Europea
Regolamento (UE) 2024/1689 – AI Act
Testo ufficiale del Regolamento europeo sull’intelligenza artificiale, compreso l’articolo 50 sugli obblighi di trasparenza.
Continua a leggere
13 minuti di lettura
6 minuti di lettura
E fa consumare meno energia.
Per tornare alla pagina che stavi visitando ti basterà cliccare o scorrere.