A Anthropic vai começar a inserir marcas d’água invisíveis em todo texto gerado por modelos Claude novos, numa mudança forçada pela lei de IA da União Europeia, com aplicação global e sem exceções regionais.
Adicione ao Google NotíciasNeste artigo
Segundo a própria Anthropic, futuros modelos Claude vão gerar textos que já saem marcados por um padrão estatístico embutido na escolha de palavras, sem caracteres extras, sem código escondido e, na prática, sem alterar legibilidade ou custo de execução. A marca funciona como um sinal de que Claude participou do texto, inclusive quando só atuou como revisor ou tradutor, mas não identifica usuário, empresa ou conversa específica; o rastro fica na forma como o modelo decide entre alternativas possíveis.
Como funciona a marca d’água invisível no texto do Claude?
Em vez de enfiar um carimbo visível ou tag especial no meio da frase, a Anthropic mexe na fonte de aleatoriedade usada quando o modelo decide entre várias palavras aceitáveis. LLMs já operam assim: a cada token, escolhem entre candidatos plausíveis com base na probabilidade calculada. No exemplo clássico “The weather today was cold and…”, “overcast” ou “grey” são equivalentes no contexto. Nessas “decisões de baixo risco”, o modelo recorre a um gerador aleatório qualquer para desempatar, como se estivesse jogando um dado para escolher entre saídas quase empatadas.
Com o watermark, essa aleatoriedade deixa de ser arbitrária e passa a vir de uma chave secreta combinada com o contexto anterior. O texto continua parecendo normal para quem lê, com fluxo linguístico semelhante ao de um modelo sem marca, mas quem tem a chave consegue checar se a sequência de palavras é compatível com as escolhas que Claude faria usando esse gerador “marcado” e calcular a probabilidade de que o modelo participou da escrita. A Anthropic afirma que esse procedimento não força o Claude a escolher termos fora da distribuição usual, não cria preferência artificial por certas palavras nem gera viés do tipo “sempre escolher overcast” em situações equivalentes.
A empresa adotou uma variação do SynthID-Text, técnica descrita em paper da Google DeepMind na Nature em 2024, que pertence à mesma família de propostas de watermark em texto discutidas desde 2022 em conferências de segurança e processamento de linguagem natural. A lógica se mantém: mexer só na fonte de randomização e no processo de amostragem, não no conteúdo em si produzido pelo modelo.
A marca d’água muda a qualidade do Claude? E até onde ela aguenta edição?
A Anthropic relata que, em testes internos, não observou impacto em conteúdo, criatividade ou legibilidade em cenários de uso típicos. No paper que apresentou o SynthID-Text, a DeepMind avaliou versões com e sem watermark em tráfego real de modelo Gemini, medindo thumbs up/down dos usuários e comparando julgamentos humanos em respostas lado a lado; segundo o estudo, não houve diferença estatisticamente significativa nesses indicadores.
Na comunicação técnica, a empresa compara o efeito ao de trocar o dado do Monopoly por um livro de dígitos de pi: o jogo continua aleatório para quem joga, com sensação de imprevisibilidade parecida, mas quem conhece a sequência consegue, depois, inferir se os movimentos seguiram aquele padrão escondido. Aqui, a “partida” é o texto gerado e o “livro de pi” é a chave secreta que alimenta o gerador pseudoaleatório usado pelo modelo.
A robustez do sinal, porém, tem limite numérico e linguístico. A Anthropic reconhece que a detecção funciona mal em trechos muito curtos — poucas escolhas, pouca informação, entropia baixa. Quanto mais longo o texto, maior a confiança na análise estatística e mais fácil diferenciar uma sequência marcada de uma sequência puramente humana. E em passagens altamente factuais, como “Isaac Newton’s most famous work was called Principia…”, praticamente não há espaço para mexer sem errar (“Mathematica” é a única continuação aceitável), então o watermark mal aparece porque quase não há grau de liberdade para variar o vocabulário.
Quando Claude apenas revisa ou faz proofreading de texto humano, a marca só se encaixa nas palavras que o modelo de fato trocou, inseriu ou reorganizou. Se as mudanças forem poucas ou muito superficiais, a detecção pode falhar e o conteúdo passar como não gerado por IA. O mesmo vale para textos profundamente reescritos por outra IA ou por um humano com parafraseador agressivo: o padrão pode desaparecer por completo, já que a nova sequência de tokens deixa de seguir o processo de randomização original usado pelo SynthID-Text.
Claude vai marcar código e arquivos também?
Em código, a Anthropic praticamente joga a toalha e admite que a técnica quase não se aplica: como programas exigem saída exata, quase sempre não existe “sinônimo” aceitável para uma expressão. Se Claude escreve “2 + 2 =”, não há alternativa tão boa quanto “4” na continuação correta da expressão; da mesma forma, muitos identificadores e termos técnicos não admitem variação de escrita sem quebrar o software, introduzir bug ou alterar semântica. Nesses casos, a marca não é aplicada porque o modelo não tem espaço para usar o gerador aleatório “marcado” de forma significativa.
Onde há margem de escolha — comentários, nomes menos estritos, mensagens de log, docstrings e partes descritivas em geral — o mesmo esquema de aleatoriedade marcada entra em cena. O motor de geração continua a escolher entre várias palavras possíveis, mas seguindo o gerador condicionado pela chave secreta. Porém, por definição, o impacto sobre o código executável tende a ser mínimo e o sinal muito mais fraco do que em texto corrido, com densidade menor de decisões livres por linha. Desenvolvedores preocupados com “assinatura” na base de código ganham um pouco de alívio aqui, já que os trechos críticos dificilmente carregam watermark textual detectável, embora a discussão sobre governança de IA em pipelines de software siga sem consenso.
Já em arquivos, o plano é mais direto: Claude passa a anexar metadados de proveniência assinados em tipos como.svg,.png e.jpg, seguindo o padrão aberto C2PA, o mesmo usado por outras grandes empresas do setor para registrar cadeia de autoria. Se a etiqueta estiver presente, ela indica que o arquivo foi processado por Claude e permite verificar se houve alteração posterior, comparando a assinatura criptográfica com o conteúdo atual.
Esse selo, porém, é frágil ao fluxo cotidiano de mídia digital: basta reexportar, converter de formato, recortar a imagem ou fazer screenshot para perder a assinatura original, já que o processo não garante persistência através de transformações destrutivas. Por isso a Anthropic trata watermark em texto e C2PA em arquivos como mecanismos complementares, não substitutos diretos, com papéis distintos em cenários de auditoria.
Por que a Anthropic está fazendo isso, e o que o usuário ganha (ou perde)?
O gatilho imediato é o Artigo 50 do AI Act europeu, em vigor desde 2 de agosto, que obriga provedores de modelos generativos a marcar saídas em formato legível por máquina, sob pena de multas de até € 15 milhões ou 3% do faturamento global anual. A Anthropic assinou o Código de Prática sobre Transparência de Conteúdo Gerado por IA do bloco e decidiu aplicar o esquema globalmente, sem opção de desligar watermark para um cliente ou região específica, o que inclui mercados fora da União Europeia.
Na comunicação oficial, a empresa apresenta a mudança como medida de transparência: com watermarks e metadados, quem consome conteúdo passa a ter contexto mais claro sobre o que foi gerado ou processado por IA, em tese facilitando checagens por plataformas, instituições de ensino ou veículos de imprensa. A Anthropic também afirma que preparar os modelos para a regra europeia agora evita remendos apressados depois, já que o AI Act dá prazo bem menor para modelos lançados a partir de 2 de agosto do que para versões antigas, que têm até 2 de dezembro para se adequar, criando duas janelas regulatórias distintas.
Do outro lado, pesquisadores citados em documentos técnicos lembram que marcas de texto são fáceis de remover usando outra IA ou reescrita agressiva, com ferramentas já disponíveis em serviços comerciais. Elas ajudam a flagrar quem simplesmente copia e cola saídas de modelo, sem pós-processamento, mas não seguram fraudador motivado disposto a investir alguns minutos em edição. Há também o risco óbvio para autores humanos que usam Claude só para polimento: um documento pode aparecer como “tocado por IA” em uma checagem automática, com margem para confusão em ambientes que adotam política de tolerância zero e fazem triagem em larga escala sem revisão individual.
Na prática, a Anthropic ainda deve as peças centrais dessa história: a ferramenta pública de detecção, as métricas de falso positivo e o procedimento para contestar um resultado quando o sistema apontar presença de IA. Sem isso sobre a mesa, a marca d’água segue tão invisível quanto o modo como, na rotina, ela vai ser acionada por escolas, empresas, revistas científicas e tribunais que já começam a testar filtros de conteúdo gerado por modelo.
