Come funziona il watermarking IA
Aggiornato September 1, 2026 · pubblicato inizialmente September 1, 2026
Nel testo generato dai modelli Claude supportati c'è un segnale invisibile. Tu non lo vedi, e non lo vedono i tuoi utenti. Non cambia il significato, la qualità né l'esperienza di lettura, e non compare in fattura. È comunque lì, e vale dieci minuti di attenzione, perché ciò che lo rompe sono cose che la tua pipeline fa ogni giorno.
Come funziona il watermark sul testo
Un modello linguistico non sceglie il singolo token più probabile. Campiona da una distribuzione di probabilità, e il campionamento usa casualità. La tecnica di watermarking, seguendo l'approccio SynthID-Text di Google DeepMind, altera quella casualità. Alcuni token diventano leggermente più probabili di quanto sarebbero altrimenti, secondo uno schema che conosce solo il rilevatore.
Ogni singola scelta di parola è banale: un'alternativa plausibile era sempre disponibile, e il modello ne ha scelta una. Su alcune centinaia di token, però, lo schema si accumula in un segnale statistico che un rilevatore può misurare e un lettore no. Tutto il trucco sta qui: il watermark si nasconde in una decisione che il modello stava già prendendo a caso.
Ne derivano due conseguenze immediate, e pesano più del meccanismo. Primo, è statistico, non un timbro: non c'è un campo da leggere, solo un livello di confidenza da calcolare. Secondo, richiede lunghezza. Un output di dimensione da tweet porta molto meno segnale di una pagina intera.
Come funziona la provenienza delle immagini, e perché è diversa
Immagini e file seguono l'approccio opposto. I file .svg, .png e .jpg generati portano metadati C2PA: un manifest firmato crittograficamente che registra cosa ha prodotto il file. Non è statistico né nascosto: è un blocco discreto di dati allegato al file, verificabile esattamente anziché in modo probabilistico.
Il compromesso è quello che ci si aspetterebbe. I metadati firmati danno certezza, ma si possono eliminare con un solo comando. Un watermark testuale statistico non si rimuove in modo pulito, ma si degrada man mano che il testo viene modificato, parafrasato o tradotto. Nessuno dei due è un lucchetto; entrambi sono prove.
Chi può verificare
La verifica è riservata. Il 1 settembre 2026 è stata aperta un'API alle organizzazioni idonee: autorità di regolamentazione, forze dell'ordine, media, verificatori di fatti, ricercatori indipendenti, istituti educativi, gruppi della società civile UE e aziende con propri obblighi di verifica. L'accesso si allargherà nel tempo. Se non sei idoneo, non puoi verificare tramite API il tuo stesso output, e le tue prove devono venire dai tuoi log.
Perché esiste
L'articolo 50 dell'AI Act europeo è entrato in vigore il 2 agosto 2026 e impone un'etichettatura leggibile dalle macchine dei contenuti generati dall'IA. La marcatura viene applicata a livello mondiale, non solo nell'UE: è la scelta ingegneristica più semplice, e significa che è già presente negli output che hai rilasciato mesi fa.
Cosa significa per i tuoi sistemi
Tre fatti pratici. Gli output brevi portano un segnale debole, quindi un classificatore o un servizio di estrazione che restituisce singole parole è di fatto senza marcatura. Il forte post-processing — parafrasi, sintesi, traduzione o passaggio del testo attraverso un secondo modello — erode il segnale, quindi una catena di modelli attribuisce al massimo l'ultimo. E la tua pipeline di immagini può distruggere i metadati C2PA per errore, che è il modo più comune in cui la provenienza va persa in produzione.
Nulla di tutto questo è un motivo per cambiare ciò che costruisci. È un motivo per sapere quali output portano ancora la provenienza e quali no, prima che qualcuno ti chieda di dimostrarlo.
Correlati
Correlati
Vuoi applicarlo al tuo stack? Porta le fatture dei provider, i log del gateway e i flussi di lavoro principali: mapperemo i costi e i possibili risparmi. Prenota un audit gratuito →