ClaudeがAI生成コンテンツに「見えない透かし」を導入へ。AIが書いた文章は判別できる？

はじめに

Anthropicは2026年8月11日に更新したヘルプ記事で、Claudeが生成・処理したコンテンツへ機械判読可能なマークを付ける方針を明らかにしました。テキストには目に見えないウォーターマークを埋め込み、対応する画像などのファイルにはC2PA準拠の署名付き来歴情報を付与します。

背景にあるのは、2026年8月2日に適用が始まったEU AI Actの透明性規則です。発表を読んで気になったのは、「見えない透かし」が何を指すのか、そしてClaude Codeで生成したコードまで判定対象になるのかという点でした。本記事では、公開情報とテキストウォーターマークの研究を手掛かりに、開発現場への影響まで掘り下げます。

1. Claudeに「見えない透かし」が入る

Anthropicのヘルプ記事によると、2026年8月2日以降にEUで提供を始めたClaudeモデルは、リリース時点からマーキングに対応します。それ以前のモデルについても順次対応中です。
適用先はClaudeのチャット画面に限りません。Claude Platform（API）、Claude Code、Claude Cowork、Claude Tagに加え、AWS、Google Cloud、Microsoft Foundry経由の利用も対象です。EU向けモデルだけに閉じた機能ではなく、対応モデルの出力には世界中でマークが付きます。ファイルの署名付き来歴情報については、プラットフォームや機能ごとに対応状況が異なります。

2. テキストとファイルで異なる2種類のマーク

Claudeが使うのは、テキストとファイルで別の仕組みです。両方を「透かし」と呼ぶと混同しやすいため、違いを先に見ておきます。

C2PAは、デジタルコンテンツの来歴を署名付きで記録するオープン標準です。メタデータが残っているファイルなら、Claudeで処理されたことや署名後の改変を検証する手掛かりになります。

「見えない」は不可視文字とは限らない

代表的な研究は、KirchenbauerらがICML 2023で発表したA Watermark for Large Language Modelsです。次のトークンを選ぶたびに、直前の文脈と鍵から語彙を2群に分け、一方の選択確率をわずかに上げます。検出時は同じ分割を再現し、トークンの偏りを統計的に検定します。
特殊な文字列を足す方式ではないため、コピーしても信号は残ります。一方、短文では検定の標本が足りず、言い換えでトークン列が変われば信号は薄まります。Anthropicが挙げる検出上の制約ともよく似た性質です。
実運用の例では、Google DeepMindのSynthID-Textに関するNature論文があります。生成時のサンプリングへ信号を加える方式で、約2,000万件のGemini応答を用いた評価では、透かしの有無によるユーザー評価の差は統計的に有意でなかったと報告されました。
ただし、これらはClaudeの方式を説明した論文ではありません。Anthropicが明かしたのは「テキスト自体に埋め込み、コピー後や一部の編集後にも残り得る」という仕様までです。ゼロ幅文字や既存の方式を使っているとは、現段階では判断できません。

3. なぜこのタイミングなのか――EU AI Actの透明性規則

EU AI ActのArticle 50は、生成・加工したテキスト、画像、音声、動画などに機械判読可能なマークを付け、検出できるようAIシステムの提供者へ求めています。校正のような標準的な編集補助や、入力の内容を実質的に変えない処理には例外があります。
欧州委員会の案内によると、この透明性規則は2026年8月2日から適用されています。AnthropicはArticle 50（2）の「AI生成コンテンツの透明性に関する行動規範」に署名し、今回のマーキングをその実装として発表しました。

ここで、すべての既存モデルが8月2日に一斉対応したわけではない点には注意が要ります。それ以前に市場投入された生成AIシステムのマーキング義務には、2026年12月2日まで猶予があります。法令の適用開始に合わせて、これまで研究テーマだったマーキングが製品機能として表に出てきた、というのが今回の位置付けです。

4. Claudeで書いた文章はどこまで判別できるのか

検出器が返すのは「Claudeのマークと整合する信号があるか」であって、著者名や作成工程ではありません。Anthropic自身も、次の条件ではマークを検出できない場合があると説明しています。

• マーキング対応前のモデルで生成された
• テキストが大幅に編集、言い換え、翻訳された
• 別の文章と混ぜられた
• 文章が短く、信頼できる検出に必要な情報量がない
• ファイル形式の変換、再保存、スクリーンショットなどでメタデータが失われた
• 利用した機能、プラットフォーム、ファイル形式が対象外だった

逆向きの誤解も起こり得ます。人が書いた原稿をClaudeで校正、翻訳、要約しただけでも、出力にはマークが付く可能性があります。検出された事実から「Claudeがゼロから書いた」までは導けません。

検出精度は文章量と編集の強さに左右されます。ICLR 2024の後続研究では、人やLLMによる言い換え後にも信号が残った一方、強い人手の言い換えでは、偽陽性率を10万分の1に設定すると平均800トークンの観測が必要でした。Claudeの性能値ではありませんが、一節だけで白黒を付ける運用が危ういことは分かります。
実際の判定では、利用モデル、編集履歴、人によるレビュー記録も一緒に見るべきです。ウォーターマーク単独で著者や不正利用を自動判定する設計は、誤判定時の説明がつきません。

5. SIerとしてClaudeの取り組みをどう捉えるか

SIerの立場で見ると、現時点の情報だけを理由にClaudeの開発利用を止める必要はなさそうです。ただし、「影響なし」と片付けるにも情報が足りません。法令が求める範囲、Claudeの製品仕様、顧客との契約は、それぞれ別の話として扱うのが実務的です。

ソースコードはEUのマーキング義務の対象外

欧州委員会のFAQは、ソースコードをArticle 50（2）のマーキング義務から外しています。つまり、EU AI Actが生成コードへの透かしを直接要求しているわけではありません。
一方、Anthropicは適用先にClaude Codeを挙げ、対応モデルが生成するすべてのテキストへウォーターマークを入れると説明しています。ソースコードを自然言語と同じ方式で扱うのか、構文や生成品質へ影響するのかは技術文書待ちです。法令上の除外と、製品仕様としてコードにマークが付くかどうかは切り分けて読まなければなりません。

開発現場で考えられるリスク

開発現場で先に問題になりそうなのは、マークそのものよりも結果の読み方です。納品物から検出されたというだけで、「全編をAIが作った」「レビューしていない」「契約外の方法で開発した」と受け取られる恐れがあります。Anthropicの仕様を読む限り、検出結果はそこまでの情報を持ちません。

NISTの合成コンテンツ透明性レポートも、マークの除去や偽装、方式ごとに検出手段が分かれる問題を指摘しています。透かしは有用な来歴信号ですが、品質証明や本人確認には使えません。

6. SIerが現時点で進められる対応

当面の実務では、マークを消す方法や利用禁止を急いで探すより、「どこでClaudeを使い、誰が何を確認したか」を追える状態にしておくほうが有効です。

• Claudeの利用箇所を、ソースコード、社内文書、顧客向け成果物、組み込みサービスに分けて把握する
• 顧客契約や開発ルールから、生成AIの利用可否と開示条件を拾い出す
• 必要に応じて、利用ツール、モデル、人によるレビュー、最終承認の記録を残す
• コードは従来どおり、テスト、静的解析、脆弱性診断、ライセンス確認を受け入れ条件にする
• 顧客向けサービスでは、利用者への表示、C2PAメタデータの保持、Article 50上の立場を個別に検討する
• Anthropicが今後公開する対象モデル、コードの扱い、検出方法、誤検出率を追う

とくにClaude APIを自社サービスへ組み込む場合、モデルがマークを付けることと、自社が果たす透明性対応は同義ではありません。Anthropicも、製品やサービスに適用される義務は開発者側で評価するよう案内しています。
ウォーターマークが担うのは来歴の補助です。テストやレビュー、責任分界を置き換えるものではありません。生成AIの出力を確認する設計は、以下の記事でも紹介しています。

まとめ

今回の発表で押さえておきたい点は、次の5つです。

• 対応モデルのテキストには不可視ウォーターマークが入り、対応ファイルにはC2PA準拠の署名付き来歴情報が付く
• 背景には2026年8月2日から適用されたEU AI Actの透明性規則があるが、既存システムには猶予期間がある
• ソースコードはEUのマーキング義務の対象外だが、Claudeの製品仕様としての扱いは技術文書を待つ必要がある
• テキストのマークは統計的に検出する研究が先行しているが、Claudeの実装方式は未公開
• マークの検出はClaudeによる処理の手掛かりであり、著者、品質、安全性、権利関係までは証明しない

SIerとして当面やることは、生成AIを使う範囲を把握し、顧客との合意やレビュー記録を残し、これまでの品質保証を続けることです。検出方法が公開された段階で、対応モデルやプラットフォームごとの差を実際の出力で確かめるのがよいでしょう。

生成AI活用支援サービスのご紹介

Tech Funでは、お客様のフェーズに合わせ、生成AI活用に向けた様々な支援をご提供しています。

1. 無料診断パック：業務・プロセスの現状を無料で診断し、生成AI活用の可能性をレポートします。
2. 検証（PoC）パック：診断で有効性が確認された業務を対象に、プロトタイプ構築を支援します。
3. コンサルティングサービス：生成AI導入戦略の策定から運用体制構築までを包括的に支援します。
4. Plain RAG：社内文書をもとに回答し、社内問い合わせを効率化するAIチャットパッケージです。

生成AIに限らず、Web・業務システム開発やインフラ設計など、技術領域を問わずご相談を承っています。「何から始めれば良いか分からない」という段階でも構いませんので、ぜひお気軽にお問い合わせください。

執筆・編集

Tech Fun Magazine R&Dチーム

Tech Funの生成AI研究に携わるエンジニアが、最新のAIモデル動向やプロンプト設計、実業務への応用手法など、生成AIに特化した知見を執筆・編集しています。
モデル評価や業務シナリオに応じたAI活用設計など、日々のR&D活動で得られる実践的なノウハウをわかりやすく紹介します。