Эпоха, когда происхождение ИИ-контента пытались определить лишь по стилю текста или характерным артефактам на изображении, постепенно подходит к концу. OpenAI, Google, Anthropic и другие компании переходят к машиночитаемой маркировке контента — от криптографических Content Credentials до невидимых водяных знаков, встроенных в текст или пиксели.
AI ACT. AI-generated illustration
14 августа 2026 года Anthropic рассказала, как будет работать невидимая маркировка текстов Claude. Компания внедряет водяные знаки в ответ на требования европейского AI Act. Метка не выглядит как надпись «создано ИИ», не добавляет скрытых символов и практически незаметна для человека. Она формируется непосредственно во время генерации текста.
Это часть гораздо более широкого тренда. OpenAI уже использует C2PA Content Credentials и Google SynthID для изображений, созданных через ChatGPT, Codex и API, а Google расширяет инструменты проверки происхождения контента на Search, Gemini, Chrome и другие продукты.
В перспективе вопрос будет звучать уже не только как «похоже ли это на ИИ?», а как «какова история происхождения этого контента?».
Почему ИИ-компании начали массово маркировать контент
Одним из главных драйверов изменений стал AI Act Европейского Союза.
Со 2 августа 2026 года начали применяться требования статьи 50 AI Act относительно прозрачности ИИ-контента. Поставщики систем, создающих синтетические тексты, изображения, аудио или видео, должны обеспечить, чтобы такой контент был помечен в машиночитаемом формате и мог определяться как искусственно созданный или измененный.
Для систем, выведенных на рынок до 2 августа 2026 года, законодательство предусмотрело переходный период в отношении этого требования — до 2 декабря 2026 года.
Европейская комиссия также одобрила специальный Code of Practice on Transparency of AI-generated Content, описывающий практические механизмы маркировки и идентификации ИИ-контента. К концу июля его подписали около 190 компаний и организаций.
Как можно поставить невидимую метку на текст
В случае с текстом речь не идет о скрытом теге в HTML или специальном символе, который можно найти в исходном коде.
Anthropic использует подход на основе SynthID-Text, ранее разработанный Google DeepMind. LLM создает текст последовательно, выбирая следующий токен из нескольких возможных вариантов. Во многих ситуациях модель может одинаково естественно использовать разные слова.
Например:
«рынок существенно изменился»
или:
«рынок заметно изменился».
Система незаметно корректирует вероятности выбора определенных токенов. Для человека результат остаётся обычным текстом, но в большой последовательности слов возникает статистический паттерн, который может быть обнаружен специальным детектором.
Anthropic объясняет это как своеобразный цифровой отпечаток: он не изменяет содержание текста, но даёт возможность с определённой вероятностью установить, что Claude участвовал в его создании.
Важная деталь: водяной знак не содержит информации о конкретном пользователе, его компании или разговоре с Claude. Он лишь сигнализирует об участии модели.
Исчезнет ли метка, если текст отредактировать
Google DeepMind отмечает, что SynthID-Text может сохранять способность к идентификации после удаления части текста, замены отдельных слов и лёгкой перефразировки.
Anthropic также прямо заявляет, что лёгкое редактирование, скорее всего, не удалит водяной знак полностью. Но чем больше человек переписывает текст, тем меньше остаётся исходных статистических закономерностей.
Google DeepMind отмечает, что уверенность детектора может сильно снижаться после основательной переработки текста или перевода на другой язык. Anthropic идет ещё дальше и признаёт: полный рерайт, когда фактически заменён весь текст, способен удалить водяной знак.
При этом Anthropic задаёт логичный вопрос: если человек полностью переписал материал своими словами, насколько корректно вообще продолжать называть такой текст «созданным ИИ».
То есть постепенно может сформироваться важное разграничение между двумя категориями:
- AI-generated — основной материал создала модель;
- AI-assisted — человек создал или существенно переработал материал, используя ИИ в качестве вспомогательного инструмента.
С короткими текстами определение работает хуже
Водяной знак не является универсальным детектором. Чем длиннее текст и чем больше вариантов формулировок у модели, тем больше возможностей сформировать статистический паттерн.
Зато короткие и фактологические ответы определять сложнее. Если правильный вариант фактически один — например, название, дата, математический ответ или фрагмент кода — у модели значительно меньше возможностей «скрыть» водяной знак в выборе слов.
Google также подчеркивает, что SynthID не является универсальным решением для определения любого ИИ-контента. Это лишь один из возможных сигналов.
А как насчёт изображений?
Для изображений индустрия использует сразу несколько уровней защиты.
Первый — C2PA Content Credentials. Это стандарт, позволяющий добавить к файлу криптографически подписанную информацию о его происхождении, создании и редактировании.
OpenAI использует Content Credentials для изображений, созданных с помощью ИИ, а компания Anthropic сообщила, что поддерживаемые файлы Claude, в частности PNG, JPG и SVG, также будут содержать информацию C2PA.
Но у метаданных есть слабое место. OpenAI прямо указывает, что информация C2PA может быть удалена или утрачена при загрузке и повторном скачивании, изменении формата, изменении размера или создании скриншота.
То есть обычная оптимизация изображения, конвертация JPG в WebP или обработка сторонним сервисом теоретически может привести к потере части метаданных. Именно поэтому одного C2PA недостаточно.
Невидимый водяной знак можно встроить прямо в пиксели
Вторым уровнем становится SynthID. В отличие от C2PA, водяной знак SynthID встраивается непосредственно в само изображение и остается незаметным для человеческого глаза.
Google разрабатывала систему таким образом, чтобы водяной знак был устойчив к типичным модификациям, среди которых:
- обрезание изображения;
- применение фильтров;
- другие изменения;
- lossy compression — сжатие с потерей качества.
В мае 2026 года OpenAI объявила, что начинает использовать SynthID для изображений, созданных через ChatGPT, Codex и OpenAI API, наряду с уже имеющимися Content Credentials. Если во время обработки изображения метаданные C2PA исчезнут, в пикселях потенциально может остаться водяной знак.
Можно ли «очистить» ИИ-изображение с помощью сжатия
Сжатие само по себе не превращает ИИ-изображение в обычное. Сервис оптимизации изображений может удалить часть метаданных или создать новый файл без исходных Content Credentials. Но это не означает, что невидимый водяной знак в изображении также исчез.
SynthID специально разрабатывается таким образом, чтобы выдерживать, в частности, сжатие с потерями (lossy compression).
OpenAI также подчеркивает, что водяной знак может быть более устойчивым к преобразованиям, тогда как C2PA содержит больше информации об истории файла. Именно поэтому компания использует оба механизма одновременно.
В то же время ни одна система не дает стопроцентной гарантии. OpenAI прямо указывает: если проверка не обнаружила ни Content Credentials, ни водяной знака, это ещё не означает, что изображение точно не было создано ИИ. Часть сигналов происхождения в определённых случаях может быть утрачена.
Таким образом, отсутствие ИИ-метки не является доказательством человеческого происхождения. Точно так же удаление метаданных не изменяет историю создания самого изображения.
Google уже внедряет проверку ИИ-контента в Search
Особенно важным для издателей и маркетологов является то, что технологии определения происхождения контента постепенно выходят за пределы лабораторий.
В мае 2026 года Google сообщила о расширении инструментов проверки контента на Search, Gemini, Chrome, Pixel и Google Cloud.
Проверка SynthID для изображений, видео и аудио была интегрирована в поисковые функции, среди которых Lens, AI Mode и Circle to Search. Пользователь может фактически задать вопрос: «Это создано ИИ?»
Google также запустила AI Content Detection API, который позволяет организациям автоматически определять ИИ-контент в собственных системах. Компания заявляет, что API рассчитан не только на контент, созданный Google, но и на материалы других популярных моделей.
Это создает предпосылки для ситуации, когда социальные сети, маркетплейсы, поисковые системы, редакционные CMS и другие платформы смогут автоматически учитывать информацию о происхождении контента.
Означает ли метка ИИ ухудшение позиций в Google
В рекомендациях Google Search прямо указано, что генеративный ИИ может быть полезен, в частности, для исследования темы и структурирования оригинального контента. Проблемой становится массовое создание страниц без добавленной стоимости, особенно если оно осуществляется с целью манипуляции поисковыми результатами.
В 2026 году Google отдельно рекомендует издателям создавать valuable, non-commodity content — материалы, обладающие собственной ценностью и которые невозможно легко воспроизвести простым пересказом уже имеющейся в интернете информации.
Среди примеров Google называет личный опыт, уникальную точку зрения, экспертизу, оригинальные материалы, фото и видео.
Поэтому будущее SEO, вероятно, не будет развиваться по простой схеме, согласно которой ИИ — это плохо, а человек — это хорошо. Гораздо важнее может стать разница между массово сгенерированным шаблонным контентом и материалом, при создании которого ИИ использовался как инструмент, но который прошел редакторскую проверку, содержит собственные данные, комментарии, экспертные знания, первоисточники и оригинальные выводы.
Для медиа AI Act предусматривает важное исключение
Европейский AI Act отдельно регулирует тексты, созданные или измененные ИИ и предназначенные для информирования общественности по вопросам общественного интереса.
Общее правило предусматривает необходимость сообщать об искусственном происхождении такого текста.
Однако закон содержит важное исключение: дополнительное раскрытие информации по этой норме не требуется, если материал прошел проверку человеком или редакционный контроль, а физическое или юридическое лицо несет редакционную ответственность за его публикацию. Для профессиональных СМИ именно такая модель использования генеративного ИИ может стать стандартной.
Интернет переходит от детекторов ИИ к системе provenance
Формируется инфраструктура content provenance — определение происхождения контента. В ней могут одновременно использоваться:
- C2PA — кто и с помощью какого инструмента создавал или редактировал файл;
- watermarking — невидимый сигнал внутри текста, изображения, аудио или видео;
- verification tools — сервисы, которые проверяют наличие таких сигналов;
- платформенные метки — информация об ИИ-контенте непосредственно в поиске, соцсетях или других сервисах.
Google сообщает, что SynthID уже используется для маркировки более 100 млрд изображений и видео, а также эквивалента 60 тыс. лет аудио.
OpenAI, в свою очередь, говорит о многоуровневой модели, в которой C2PA, SynthID и инструменты проверки дополняют друг друга, поскольку ни одна отдельная технология не способна гарантировать определение происхождения контента во всех случаях.
Поэтому в ближайшие годы интернет может перейти от вопроса «Можем ли мы догадаться, что это сделал ИИ?» к гораздо более точному: «Что мы знаем о происхождении этого материала и какие инструменты участвовали в его создании?»
И для СМИ, брендов и авторов это означает, что главным вопросом постепенно становится не сам факт использования ИИ, а уровень человеческого участия, редакционной ответственности и уникальной ценности конечного материала.
