Claude маркуватиме AI-контент: що це означає для бізнесу і райтерів

Ти прочитаєш це за 7 хвилин(и)

І знову про наболіле. Відколи штучний інтелект навчився писати більш-менш пристойні тексти і на арену вийшли перші AI-детектори, копірайтери змушені щодня доводити, що вони не верблюди і їхні тексти написані вручну, а не згенеровані машиною.  

Суттєвих змін на ринку не було вже давно, але незабаром усе може змінитися. Компанія Anthropic упроваджує у велику мовну модель Claude рішення, яке полегшить розпізнавання AI-контенту у формі тексту та файлів. Точні механізми маркування поки не розголошуються, але ми вже маємо певні обґрунтовані здогадки. 

Отже, як виявлятимуть AI-тексти і наскільки підвищиться точність детекції? Що це означатиме для бізнесу та авторів? Чи можна буде обійти таку перевірку та що чекає ринок? Відповіді шукайте в нашій статті. 

Що саме маркуватиме Anthropic?

З файлами все зрозуміло. Для них застосовуватимуть технологію C2PA provenance metadata. Якщо коротко, це цифровий паспорт із криптографічним підписом, який дає змогу перевірити походження файлу та історію його створення. Якщо його змінити чи видалити, втручання стане помітним. Отже, діпфейки та AI-редаговані зображення стануть очевиднішими, і вам буде значно легше довести бабусі, що фото з Facebook не справжнє. 

У текстовій сфері рішення має бути оригінальнішим. Маркувати файл тут недоцільно. Користувач може скопіювати текстовий фрагмент в інший файл чи онлайн-сервіс, зберегти наново чи прогнати через засіб автоматичної обробки. 

Тому Anthropic використовуватиме вбудовані водяні знаки (embedded watermarks). Які саме, розробники поки що тримають у секреті. Але відомо, що вони:

• будуть невидимі користувачу;
• не впливатимуть на зміст тексту;
• не знижуватимуть якості матеріалу;
• не погіршуватимуть читабельності;
• не змінюватимуть форматування;
• переноситимуться під час копіювання і вставлення тексту в інше середовище. 

Anthropic не обіцяє, що маркування працюватиме ідеально, а водяні знаки неможливо буде видалити. Але це рішення має значно підвищити точність AI-детекції.

Дисклеймер! Далі ми обговорюватимемо обґрунтовані здогадки, підтверджені науковими роботами, експертними думками та аналізом технологічних трендів. Але наразі ми не можемо дати 100% гарантії того, що водяні знаки у текстах, згенерованих Claude, працюватимуть саме так. 

Як заховати водяний знак у тексті, не додаючи жодного символу?

Водяний знак — це не обов’язково додатковий елемент, яким штампують файл. Це може бути легка зміна самого контенту, помітна машинам і досвідченим експертам, але не пересічному читачу. 

Для цього використовують статистику і теорію імовірностей. Наприклад, Claude пише фразу «Нова система допоможе бізнесу… витрати». Щоб заповнити прогалину, він пригадує своє навчання та шукає слово, яке зустрічалось у подібному контексті найчастіше. Серед них:

• скоротити — 28%;
• зменшити — 25%;
• оптимізувати — 19%;
• знизити — 16%;
• інші — 12%. 

Якщо водяного знаку немає, модель частіше вибиратиме «скоротити». Водяний знак додає особливий «зелений список» токенів, пов’язаних з контекстом. Наприклад, штучний інтелект частіше використовуватиме слово «зменшити» спеціально для AI-детекції. Це не вплине суттєво на зміст і читабельність, але створить певний патерн. 

Звісно, одна інтеграція неінформативна і ненадійна — вона може виникнути випадково, і її дуже легко прибрати. Але коли слова із «зеленого списку» зустрічаються регулярно, скріплені синтаксичними зв’язками і майже непомітні для читача, розплутати це павутиння дуже важко. Детекція стає надійнішою, і обманути її важче. 

Найцікавіше, що ця система не нова. Її ще на початку 2023 року описав у своїй праці Джон Кірхенбауер. Ба більше, її уже можуть використовувати в окремих AI-детекторах, хоча розробники й не розкривають принципів дії своїх сервісів. 

То на які ж принципові зміни чекати? Фактично, розробники ШІ співпрацюватимуть з авторами AI-детекторів, тому розпізнавання стане прозорішим і прогнозованішим. Це підтверджує документація Anthropic, в якій розробники обіцяють відкрити принцип дії водяних знаків для користувачів і бізнесу. 

Як детектор знаходить водяний знак у готовому тексті?

Якщо шукаєте у статті саме бізнес-логіку, просто знайте: тут використовується доволі точна, хоча й не ідеальна математична формула. Тож сміливо переходьте до висновків розділу. 

Але якщо ви, подібно до наших авторів і редакторів, любите докопуватися до істини, залишайтеся з нами. Методика така:

1. Коли текст потрапляє до детектора, програма знову перетворює його на токени — базові одиниці, які використовує і штучний інтелект. Далі вона аналізує контекст, відтворює «зелений список» і зараховує токени до «зеленої» чи «червоної» групи. 
2. До токенів у групах застосовують стандартизовану статистичну оцінку z-score:

z=G-γTTγ(1-γ)

де T — кількість перевірених токенів, G — кількість «зелених» збігів, а γ — частка токенів у зеленому списку.

Наприклад, якщо наша оцінка дала 70 збігів на 100 токенів, розрахунок матиме такий вигляд:

z=70-0.5×100100×0.5×0.5=205=4

Число 4 — це і є наша стандартизована оцінка. Позитивне значення показує, що кількість «зелених» токенів була вищою за очікувану. 

3. Абсолютне значення порівнюють з порогом чутливості детекції, що показує відхилення від очікуваного результату. Саме на цьому й базується прогнозування ймовірності генерації. 

Наприклад, у згадуваній роботі Кірхенбауера критерій z=4 відповідав 0,003% хибних позитивних результатів. У реальних дослідженнях точність детекції досягала 98,4%. 

Цікавий факт: сервіс Originality.AI заявляє похибку детекції до 1,56%. Збіг? Вирішувати вам. 

Отже, якщо компанія Anthropic вибере саме цей метод оцінювання, вона не буде першою. Google DeepMind уже протестував аналогічний підхід у SynthID-Text і довів, що вона ефективна в реальних умовах. 

Що зміниться? Зараз AI-детектори «пливуть проти течії», працюючи з сирими текстами, які ніхто не готує до виявлення генерації. Вони висувають гіпотези і шукають токени, задані в припущеннях. Якщо тексти маркуватимуть під час генерації, детектори отримають конкретні списки токенів, які дадуть змогу «плисти за течією», не долаючи природного спротиву математики. 

Чи можна видалити водяний знак?

Так, але допоки це зробиш, упрієш. Зараз детектори сильно залежать від своїх гіпотез, тому іноді достатньо розірвати патерн десь посередині тексту, щоб оцінка AI-генерації сильно знизилася. Натомість водяні знаки щільно оплітатимуть увесь текст, тому для їхнього видалення доведеться сильно змінити синтаксичну та лексичну структуру. Простіше кажучи, потрібно буде розвернути окремі речення задом наперед і підібрати логічні синоніми. 

Чи зможе це зробити досвідчений автор? Імовірно. Чи зможе це зробити штучний інтелект? Звісно. Чи вартує це зусиль? Отут усе складніше. Якщо за це візьметься автор, він витратить на переписування тексту багато часу й нервів, щоб не спотворити сенс матеріалу. ШІ на його місці з дуже великою імовірністю «зламає» матеріал і суттєво погіршить читабельність.

Наш досвід переписування матеріалів після AI-катастроф підказує: намагаючись видалити водяні знаки, ви зменшите ймовірність розпізнавання тексту машиною, але зробите генерацію очевидною для пересічного читача. 

Чи означає це, що ера генерації текстів закінчилась? Аж ніяк. Щоб зрозуміти, чому саме, варто розглянути кілька сценаріїв:

• Бізнес свідомо приймає згенеровані та відредаговані вручну тексти. Чому б ні? І Google, і експерти з диджитал-маркетингу кажуть, що AI-тексти добре працюють, коли відповідають стандартам. Якщо промпт якісний, а вичитка й редагування достатньо глибокі, текст працюватиме для машин, хоча людям він може здатися надто штучним. 
• Автор використовує ШІ як помічника, а не заміну собі. На одному моніторі — груба чернетка, набір фактів і результати аудиту, на другому — вікно текстового редактора з написаним вручну текстом. Claude у такому випадку стає «більш ефективним гуглом» і не втручається в процес написання напряму, залишаючись тіньовим гравцем. 
• Геніальний AI-редактор бачить типові патерни та олюднює текст влучними точковими правками. Це малоймовірно, але все ж не фантастично. Однак так працюватиме дуже мало спеціалістів. 
• Нові моделі штучного інтелекту розбивають патерни водяних знаків. Це колись станеться. Хтось генеруватиме текст у Claude, вирівнюватиме синтаксис у ChatGPT і підбиратиме менш імовірні синоніми у Grok. Якщо всі розробники не приймуть єдиного стандарту маркування самостійно чи під тиском урядів, ефективність детекції знову почне знижуватися. 

Отже, свідоме маркування AI-текстів — це революція, яка найближчим часом струсоне ринок копірайтингу і диджитал-маркетингу. Але, як і в справжніх революціях, від змін буде мало користі без контролю, нагляду та адаптації до поточних реалій. 

Що це означає для бізнесу?

Точність детекції суттєво зросте. З цим доведеться миритися райтерам, агенціям, SEO-спеціалістам і самому бізнесу. Аргумент «а хто взагалі знає, як працюють ті детектори» стане менш переконливим. Якщо різні детектори використовують подібні методики і показують схожі результати, цифра у звіті вже може бути основою для претензії. 

Але! Цифра не може бути вироком та останнім словом у розв’язанні суперечок. Хоча сама методика є точною, вона лише фіксує слід застосування моделі. Детектор не покаже, як саме використовували модель — для генерації тексту з нуля, точкових правок після фактчекінгу, виправлення помилок чи перекладу. 

Отже, на перше місце вийде прозорість комунікацій між райтером / агенцією і замовником. В ідеальному сценарії вони обговорюватимуть сфери і межі використання великих мовних моделей. Наприклад, для аудиту й фактчекінгу, але не для генерації понад двох речень. 

Крім того, багато залежатиме від чутливості статистичного критерію, закладеного в конкретному детекторі. Вже можна побачити, як один сервіс помічає AI-generated з двома автоматично відкоригованими реченнями, а другий спокійно ігнорує таке втручання. 

І тут бізнесу знову доведеться домовлятися з копірайтерами, що саме і як перевіряти на детекторах і з яким пороговим значенням у відсотках. Які показники вважатимуться критичними, і які детектори найточнішими, покаже час. 

Тобто ринок копірайтингу не обвалиться. Просто гайковий ключ зробить черговий оберт, і вимоги до авторів та їхніх матеріалів стануть ще жорсткішими. 

Що Anthropic поки тримає у секреті?

Повернемося до дисклеймера. Вище ми навели своє бачення системи детекції. Поки що Anthropic не розкриває:

• точного алгоритму маркування тексту;
• формули детекції та порогового значення, після якого текст отримуватиме позитивний результат;
• мінімальної довжини тексту для надійної перевірки;
• імовірності похибки на реальних текстах;
• стійкості водяного знака до різних типів редагування;
• результатів для різних мов;
• який вигляд матиме сам детектор;
• що показуватиме перевірка — лише наявність Claude mark чи конкретну модель;
• чи потрібен для детекції секретний ключ і хто матиме до нього доступ;
• чи розпізнаватимуться інші моделі без партнерства з їхніми розробниками або введення єдиних стандартів. 

Останні три питання найважливіші. Одна справа — побачити певний сигнал, інша — отримати точну інформацію на дашборді та подати її під час розв’язання конфліктної ситуації. 

Але головне вже відоме: Anthropic і розробники, які долучаться до цієї роботи, зроблять ринок прозорішим і контрольованішим. 

Що зміниться на ринку контенту?

Революція буде … культурною. Ніхто урочисто не спалюватиме підписки на Claude за трибуною і показово не каратиме авторів перед великим екраном з написом AI/GPT Score. 

Це буде революція чесності, яка нарешті розставить усі крапки над «і». Ринок остаточно розшарується на чіткі сегменти, які зараз розмиті:

1. Преміальний ручний копірайтинг з низькими показниками AI та виразним  авторським стилем. Це насамперед тексти для людей, які приємно читати, не соромно демонструвати у соцмережах і на авторитетних профільних майданчиках. Такий підхід поєднує SEO, контент-маркетинг і Digital PR. 
2. Масовий якісний копірайтинг із помірним застосуванням AI та глибоким редагуванням. Ринок і алгоритми Google змінюються, з’являються нові технології, і бізнесу досі потрібно багато текстів за помірною ціною. Цю нішу займуть автори, які співпрацюватимуть зі штучним інтелектом на спільному робочому місці. 
3. Дешева автоматизована генерація для розв’язання суто технічних завдань. Уже сьогодні у цьому сегменті працюють не райтери, а AI-редактори. Їхня задача — вміло застосовувати чужі чи власні промпти, проганяти результати через кілька ітерацій аудиту і правок, щоб доводити тексти до певного порогу якості, не зупиняючись на дрібних деталях. І це також важливий рівень, який дає змогу створювати картки товарів, тимчасові SEO-заглушки, шаблонні унікальні матеріали та бази для ринкових експериментів. 

Бізнес отримає кращий контроль якості. Нарешті з’явиться інструмент, який дасть змогу відрізнити люкс від середнього рівня і бюджетного сегмента. Більше не доведеться купувати масовий продукт в обгортці преміального копірайтингу.

Сильні автори отримають аргумент на захист своїх творів. Якщо детекція працюватиме ефективно, фраза «це ШІ, я так відчуваю» перестане бути приводом для безкінечного переписування текстів. 

Але варто розуміти, що ніщо не буває вічним. Без подальшого розвитку алгоритмів і вдосконалення детекції усе повернеться на свої місця — штучний інтелект навчиться майстерно видаляти водяні знаки, й інтернет знову заповнять платні сервіси «олюднення» текстів. 

Тож наша порада бізнесу і авторам: якнайшвидше домовляйтеся спільно працювати над якісними технічними завданнями, а не змагайтеся у досягненні магічного показника AI Score.