A Anthropic anunciou a implementação de marcas d’água invisíveis nos textos gerados pelo Claude, em cumprimento às exigências do AI Act da União Europeia. O sistema, chamado SynthID e desenvolvido em parceria com o Google, foi ativado para os modelos da empresa a partir de 2 de agosto de 2026. Horas depois, a comunidade de desenvolvedores já havia identificado e publicado diversas técnicas para remover ou neutralizar essas marcações, levantando um debate crucial sobre a eficácia das marcas d’água como ferramenta de transparência na era da IA.
A notícia foi reportada pelo Canaltech com base na análise do que aconteceu nos dias seguintes ao lançamento do SynthID no Claude.
O que é o SynthID e por que a Anthropic o adotou
O SynthID é um sistema de marca d’água invisível desenvolvido pelo Google DeepMind. Ao contrário de uma assinatura visível no rodapé de um texto, a marca d’água do SynthID é embutida de forma imperceptível nos padrões estatísticos do texto gerado, alterando sutilmente a escolha de palavras e estrutura das frases de maneira que não compromete a legibilidade, mas permite que ferramentas especializadas identifiquem a origem do conteúdo.
A Anthropic adotou o sistema para cumprir o AI Act da União Europeia, a regulamentação de inteligência artificial mais abrangente do mundo, que entrou em vigor com novos requisitos de transparência a partir de agosto de 2026. A legislação exige que conteúdo gerado por IA seja devidamente identificado, especialmente em contextos de alto impacto, como notícias, documentos jurídicos e comunicações institucionais.
A iniciativa representa um compromisso da Anthropic com a transparência e com os esforços globais para que usuários e plataformas consigam distinguir conteúdo humano de conteúdo produzido por máquinas. Na teoria, a ideia é sólida. Na prática, a execução enfrenta desafios técnicos difíceis de superar.
A comunidade de desenvolvedores respondeu em horas
Menos de 24 horas após a Anthropic ativar o SynthID no Claude, o desenvolvedor Guillaume Meyer publicou um repositório no GitHub chamado “watermarksremover”, que rapidamente acumulou mais de 20 mil favoritos no X e atraiu mais de 100 colaboradores. O projeto reúne e documenta diferentes técnicas para neutralizar as marcas d’água em textos gerados por IA.
As abordagens identificadas incluem:
- Reescrita via outro modelo de IA: passar o texto gerado pelo Claude por outro modelo, como o GPT-4 ou o Gemini, é suficiente para apagar os padrões estatísticos da marca d’água original, já que cada modelo tem sua própria “assinatura”.
- Paráfrase e reestruturação: pedir a outra ferramenta, ou ao próprio Claude, que reescreva o texto com palavras diferentes mantendo o sentido destrói os padrões que sustentam a marca.
- Tradução entre idiomas: o desenvolvedor Leon Chlon demonstrou que traduzir o texto para um idioma com estrutura gramatical muito diferente, como o árabe, e depois de volta para o inglês ou português elimina completamente as marcações.
- Manipulação de caracteres: substituição sutil de caracteres similares (como o “o” latino pelo “о” cirílico) confunde os detectores sem alterar a aparência visual do texto.
O caso mais emblemático veio do desenvolvedor Erik Hughes, que criou uma ferramenta funcional de remoção de marca d’água em apenas 15 minutos, usando o próprio Claude como assistente no desenvolvimento. A ironia de usar a ferramenta marcada para criar o removedor de marcas não passou despercebida pela comunidade técnica.
A Anthropic reconhece as limitações
Em resposta às descobertas, a Anthropic admitiu que o sistema possui limitações inerentes. Em nota, a empresa reconheceu que “traduções, paráfrases e edições intensas podem, naturalmente, alterar ou remover os padrões de marca d’água”. Isso significa que qualquer pessoa disposta a dar um passo a mais no pós-processamento do texto pode contornar o sistema com facilidade.
Essa admissão é significativa porque revela uma tensão fundamental no design de sistemas de marca d’água para texto: diferentemente de imagens ou áudios, onde marcas d’água podem ser embutidas em pixels ou frequências de forma mais robusta, o texto é inerentemente maleável. Qualquer alteração semântica preservando o sentido pode destruir os padrões estatísticos que sustentam a marca.
Por que isso importa além do Claude
O episódio não é apenas sobre o Claude ou a Anthropic. Ele ilustra um problema sistêmico que toda a indústria de IA enfrentará ao tentar implementar marcas d’água em texto como solução de transparência.
O AI Act europeu, que incentivou a adoção do SynthID, parte da premissa de que marcas d’água podem funcionar como ferramenta confiável de identificação de conteúdo gerado por IA. O que aconteceu nos dias seguintes ao lançamento do SynthID no Claude sugere que essa premissa pode ser frágil demais para sustentar uma regulamentação.
Pesquisadores de segurança digital apontam que há uma assimetria fundamental no problema: implementar uma marca d’água é difícil e exige esforço contínuo, mas remover uma marca d’água pode ser trivial. Enquanto os desenvolvedores de sistemas de marcação precisam investir meses em pesquisa para criar padrões robustos, atores mal-intencionados ou simples usuários curiosos podem contorná-los em minutos.
Alternativas que estão sendo estudadas
Diante das limitações das marcas d’água de texto, pesquisadores e empresas estão investigando abordagens complementares para identificar conteúdo gerado por IA:
- Metadados criptografados: sistemas que associam o texto a um identificador criptografado na cadeia de distribuição, difícil de remover sem destruir a identidade do documento.
- Detecção por análise estatística: modelos treinados para identificar padrões de geração de IA, independente de marcas explícitas. Também têm limitações, mas são mais resistentes à manipulação simples.
- Registros de proveniência: plataformas que registram onde e como um conteúdo foi gerado, criando uma cadeia de custódia verificável. Funciona melhor em contextos institucionais controlados.
Nenhuma dessas abordagens é perfeita, e o consenso entre especialistas é que a identificação de conteúdo de IA será sempre uma corrida entre desenvolvedores de sistemas de marcação e usuários dispostos a contorná-los.
O que muda para desenvolvedores e profissionais
Para desenvolvedores e profissionais que usam o Claude no dia a dia, o episódio traz reflexões práticas. Se você usa o Claude para gerar textos que precisam ser identificados como conteúdo de IA em contextos regulatórios, saiba que a marca d’água atual não é uma garantia robusta. Ela pode ser suficiente para auditorias formais em contextos onde não há intenção de burlar, mas falha rapidamente diante de qualquer esforço deliberado de remoção.
Para quem se preocupa com o lado oposto, ou seja, identificar se um texto foi gerado por IA, vale a mesma ressalva: a presença ou ausência de uma marca d’água não é um indicador confiável. Textos sem marca podem ter sido gerados por IA e pós-processados, enquanto textos com marca simplesmente não passaram por esse processo.
A transparência sobre o uso de IA ainda depende, em grande parte, da honestidade e das políticas internas de cada organização. As marcas d’água são um esforço válido e necessário, mas ainda estão longe de ser uma solução definitiva para o desafio de identificar conteúdo gerado por máquinas em escala.
Leia a reportagem original do Canaltech em: Devs conseguem burlar marca d’água do Claude para textos em poucas horas.
