Todo texto gerado por modelos Claude lançados a partir de 2 de agosto de 2026 sai com uma assinatura estatística embutida. A informação não veio em anúncio de produto. Está num artigo da central de ajuda da Anthropic, que descreve marca d’água no texto e metadados de procedência assinados nos arquivos. A empresa afirma que a marcação cobre todos os produtos, incluindo a API, o Claude Code e o Cowork, alcança os acessos via AWS, Google Cloud e Microsoft Foundry, e vale em qualquer região onde o Claude é oferecido.
Por que isso importa: a origem da regra é europeia e o alcance ficou global. Um executivo brasileiro que nunca abriu o AI Act já produz conteúdo marcado. E a marca chega ao mercado com dois furos conhecidos: pode ser removida por quem tem motivo para removê-la, e carimba também o texto humano que passou pelo modelo.
O prazo europeu que virou padrão global
O artigo 50(2) do AI Act passou a ser aplicável exatamente em 2 de agosto de 2026. Ele determina que fornecedores de sistemas que geram áudio, imagem, vídeo ou texto sintético garantam saída marcada em formato legível por máquina e detectável como artificial. O texto legal traz uma válvula de escape que vai render discussão: as soluções devem ser eficazes, interoperáveis, robustas e confiáveis até onde for tecnicamente viável.
Existe uma janela, e ela é estreita. Segundo a Comissão Europeia, sistemas colocados no mercado antes de 2 de agosto de 2026 só precisam cumprir a obrigação de marcação a partir de 2 de dezembro. Sistemas novos cumprem desde já. Dois produtos idênticos podem ter prazos diferentes só pela data de lançamento, o que transforma inventário de sistemas em pré-requisito de compliance.
A Anthropic assinou o Code of Practice on Transparency of AI-generated Content, instrumento voluntário criado pela Comissão para operacionalizar o artigo 50. Google, Microsoft, OpenAI, Meta, Mistral, Cohere e Synthesia estão na mesma seção de fornecedores. Vale a distinção, porque o noticiário confundiu: a Meta assinou o código de transparência de conteúdo e recusou o código separado de IA de propósito geral, em 2025. Até o fim de julho, cerca de 190 organizações haviam assinado.
Como a marca d’água entra no texto sem aparecer
O método vem de um paper de 2023 da Universidade de Maryland, de John Kirchenbauer e Tom Goldstein. Uma chave secreta divide o vocabulário do modelo em lista verde e lista vermelha, recalculada a cada palavra com base nos tokens anteriores. Na escolha da palavra seguinte, o modelo recebe um empurrão suave em favor da lista verde. O texto lê como texto normal. Quem tem a chave mede que a proporção de palavras verdes é estatisticamente improvável por acaso.
A Google roda algo equivalente em produção desde 2024. O artigo publicado na Nature sobre o SynthID-Text relata teste com quase 20 milhões de respostas do Gemini sem diferença significativa nas avaliações de qualidade dadas pelos usuários.
Tamanho define tudo. O método de Maryland detecta a marca em trechos de 25 tokens. O SynthID, em operação real, precisa de cerca de 200 tokens para funcionar bem e fica confiável acima de 500. Legenda de post não carrega marca detectável. Artigo carrega.
Por que a marca d’água pode ser removida
Aqui a regulação bate na matemática. Um trabalho apresentado no ICML 2024, com participação de Boaz Barak, de Harvard, prova que marcação forte é impossível sob premissas naturais, inclusive quando inserção e detecção compartilham chave secreta desconhecida do atacante. O ataque descrito removeu as marcas de três esquemas diferentes, incluindo o de Maryland, com degradação apenas leve de qualidade. Não exige modelo de fronteira. Exige um modelo capaz de reescrever preservando sentido.
O paper de Maryland já media o custo: apagar a marca de uma sequência longa exige alterar cerca de um quarto dos tokens. Tradução e reescrita completa por outro modelo derrubam a detecção. Editorial da Nature registrou em 2024 que continua comparativamente fácil, para um indivíduo determinado, remover a marca e fazer texto de IA passar por humano.
A OpenAI chegou à mesma conclusão e agiu de acordo. Segundo apuração do Wall Street Journal, a empresa manteve por cerca de um ano uma ferramenta de marca d’água de texto com 99,9% de eficácia sem lançá-la. No próprio blog, a OpenAI confirma que o método é preciso contra adulteração local, como paráfrase, e frágil contra adulteração global, como tradução, reescrita por outro modelo generativo ou inserção e remoção de caracteres, o que torna a fraude trivial. A empresa cita ainda o risco de estigmatizar quem usa IA para escrever em língua estrangeira. Pesquisa interna relatada pelo WSJ indicou que 30% dos usuários usariam menos o ChatGPT se houvesse marcação.
Por que a marca não diz quem escreveu
A limitação mais consequente para o trabalho corporativo está escrita pela própria Anthropic. A empresa registra que o Claude pode não ser o autor original, que pessoas usam o modelo para revisar, traduzir, resumir e converter arquivos, e que a saída pode carregar a marca mesmo quando as ideias, o texto ou os dados vieram de outra fonte. A marca atesta passagem pelo modelo. Autoria fica de fora. Pior: a Anthropic diz que a marca acompanha o texto no copiar e colar e pode sobreviver a alguma edição.
O detector público não existe. A Anthropic informa que trabalha para permitir verificação por usuários e terceiros e que detalhará os mecanismos em documentação técnica futura. John Gruber, do Daring Fireball, classificou o artigo de “infuriatingly opaque” justamente por descrever o que a marca faz sem explicar como. Enquanto isso, qualquer política interna baseada em detecção é promessa sobre ferramenta inexistente.
O histórico dos detectores atuais não recomenda pressa. Pesquisa de Stanford mostrou que detectores de GPT classificam consistentemente textos de escritores não nativos de inglês como gerados por IA, enquanto acertam nos nativos. Ajuste simples de prompt elimina o viés e também burla o detector.
Os números sobre a escala do problema vêm dessas mesmas ferramentas falíveis. O estudo mais citado, da Originality.AI, analisou 8.795 posts longos do LinkedIn e apontou que mais de 54% eram provavelmente gerados por IA. Leitura de julho de 2026 elevou o índice a 81,2% numa amostra de 5 mil posts. A Pangram Labs, com outro detector e mais de um milhão de posts, chegou a mais de 41% de conteúdo longo integralmente gerado por máquina no LinkedIn. Convergência entre detectores diferentes reduz a chance de artefato, mas não converte estimativa em certeza. O próprio LinkedIn confirmou estar liberando um botão para membros sinalizarem posts com aparência de conteúdo automático.
O que decidir antes do detector chegar
Política interna vem primeiro. Empresas que estruturarem processo disciplinar, avaliação de desempenho ou controle acadêmico em cima de resultado de detector vão errar contra quem menos deveriam errar. A rota defensável é documentar processo, versão, rascunho e revisão, em vez de tentar provar origem no texto final.
Depois vem a conversa com fornecedor. Cabe perguntar qual marcação cada um aplica, a partir de qual versão, se disponibiliza detector e se a marca sobrevive à edição. As respostas serão desiguais, e o contrato é o lugar de registrar isso.
Sobra a parte menos técnica e mais caras. Quando volume de texto sintético deixa de ser diferencial, o diferencial migra para a qualidade da decisão que o texto comunica. Marca d’água mede procedência de palavras. Não mede julgamento.
Sinais e Impactos
- Para CEOs: compliance de IA saiu do campo do planejamento e entrou no da obrigação vigente, com custo real e garantia técnica frágil. A marcação da Anthropic é global, o que significa que operações sem qualquer exposição à Europa herdaram o efeito da lei europeia. Inventário de sistemas geradores de conteúdo, com data de entrada em operação, define qual prazo se aplica a cada um.
- Para diretores e executivos: RH e jurídico vão receber pedidos de detector de IA nos próximos trimestres. A resposta correta hoje é que ele não existe em versão pública para o Claude e que os detectores disponíveis têm viés documentado contra não nativos. Política de uso de IA ancorada em detecção nasce indefensável.
- Para pequenos empreendedores: texto marcado não bloqueia nada, mas as plataformas já começaram a dar ao público ferramentas para sinalizar conteúdo automático. Volume perdeu valor como estratégia. Especificidade, dado próprio e ponto de vista com histórico continuam escassos.
O mercado está construindo a infraestrutura para separar quem usa IA para gerar texto de quem usa IA para decidir melhor. O AI Leadership da StartSe é uma formação executiva internacional com grandes nomes do Vale do Silício, estruturada para desenvolver decisão e orquestração na era da IA, incluindo gestão de times humanos e híbridos, com mentorias estratégicas e técnicas ao vivo.
Para ir mais fundo:
Fonte https://www.startse.com/artigos/anthropic-marca-dagua-texto-gerado-por-ai/
