Immaginate di chiedere a ChatGPT una newsletter, copiarla sul sito e premere “Pubblica”. Tra quelle parole potrebbe esserci un segnale che il lettore non vede: una traccia statistica dell’intervento dell’intelligenza artificiale. Il nome scelto da OpenAI è textGrain. La parola “firma” è una metafora: qui parliamo di un watermark, una filigrana statistica.
OpenAI lo ha presentato il 5 ottobre 2026 nell’annuncio sulle regole europee di provenienza dei testi. Ha previsto un’introduzione progressiva nelle settimane successive per gli output idonei di ChatGPT e Codex nell’Unione europea, su tutti i piani. Per alcuni modelli via API, invece, il watermark è disponibile su adesione volontaria a livello globale e rimane disattivato per impostazione predefinita. Quindi sarebbe prematuro affermare che qualsiasi risposta di ChatGPT sia già marcata.
Come funziona textGrain, spiegato senza un dottorato
Un modello linguistico costruisce il testo scegliendo progressivamente i token, parole o parti di parole. Il rapporto tecnico di textGrain descrive un sistema che collega queste scelte a una casualità derivata da una chiave segreta, calibrando la forza del segnale e la varietà della generazione.
Facciamo un esempio inventato, soltanto per capire il principio. Per descrivere un servizio, il modello potrebbe scrivere “semplice da usare” oppure “facile da utilizzare”. Il sistema interviene sul meccanismo di selezione tra possibilità plausibili. Ripetuto lungo un brano, quel processo lascia uno schema che un rilevatore, conoscendo la chiave e la configurazione, può cercare. Nessuna singola parola è il timbro “scritto da ChatGPT”. È la sequenza a fornire evidenza statistica.
La documentazione di OpenAI sulla provenienza dei contenuti precisa che textGrain non inserisce caratteri nascosti, spazi invisibili o punteggiatura speciale. Il segnale sta nella formulazione stessa. Cercare un carattere misterioso nel testo porta quindi fuori strada.
Anche Claude usa un watermark: che cosa cambia
Anthropic ha spiegato il proprio approccio il 14 agosto 2026, nell’articolo How Claude’s text watermark works. Utilizza una variante di SynthID-Text, sviluppato da Google DeepMind. Anche qui la traccia nasce nel processo di scelta delle parole, senza aggiungere caratteri nascosti. Secondo i test interni dichiarati da Anthropic, non produce effetti pratici su qualità, creatività e leggibilità.
La differenza operativa emerge dalla guida aggiornata di Claude: per i modelli supportati Anthropic applica la marcatura a livello globale, comprese le API e le diverse applicazioni. Il supporto varia tra modelli; quelli precedenti sono oggetto di estensione progressiva. Non è corretto dire che ogni versione storica di Claude abbia sempre avuto questa funzione.
| Aspetto | OpenAI | Anthropic |
|---|---|---|
| Tecnologia | textGrain | Variante di SynthID-Text |
| Ambito iniziale | Output idonei di ChatGPT e Codex nell’UE; API su adesione | Output dei modelli supportati nel mondo |
| Verifica del testo | Accesso iniziale riservato a ricercatori e organizzazioni esperte approvati | API di rilevamento in anteprima privata per organizzazioni idonee |
La ricerca scientifica precede questi annunci. Lo studio Scalable watermarking for identifying large language model outputs, pubblicato su Nature nel 2024 da Sumanth Dathathri e colleghi, presenta SynthID-Text. Un esperimento su circa 20 milioni di risposte di Gemini non ha trovato differenze statisticamente significative nel feedback degli utenti fra le risposte marcate e quelle senza watermark. È un risultato sulla tecnica studiata, non una certificazione automatica di tutti i sistemi successivi.
Un video per capire la marcatura dei contenuti
Questo video ufficiale di Google DeepMind presenta SynthID e la sua applicazione ai contenuti multimediali. È utile per capire l’idea generale della provenienza; il funzionamento del watermark testuale è descritto nei paragrafi precedenti.
Perché si parte dall’Europa: il ruolo dell’AI Act
“Fatto in Europa” va inteso soprattutto in senso normativo. OpenAI e Anthropic collegano questa scelta all’AI Act dell’Unione europea. L’articolo 50, paragrafo 2 richiede ai fornitori di sistemi che generano contenuti sintetici di rendere gli output marcati in un formato leggibile dalle macchine e rilevabili come artificialmente generati o manipolati. Considera i limiti tecnici e prevede eccezioni per l’editing ordinario o modifiche non sostanziali.
La legge non prescrive il nome “textGrain”: quella è la soluzione scelta da OpenAI. Le linee guida della Commissione europea sulla trasparenza spiegano l’obiettivo: aiutare le persone a orientarsi tra contenuti e interazioni artificiali, riducendo rischi di manipolazione, disinformazione e inganno. Una finalità condivisibile, che richiede però strumenti interpretati correttamente.
Il watermark dimostra che qualcuno ha “barato”?
Qui cominciano le implicazioni più interessanti. Una traccia di provenienza può essere utile, ma bisogna chiedersi esattamente che cosa dimostri. OpenAI precisa nella propria documentazione che il segnale non identifica utente, organizzazione o prompt, non misura il contributo umano e non stabilisce proprietà, responsabilità legale o verità del contenuto.
Immaginiamo una professionista che prepari un’analisi, chieda all’AI una revisione e poi verifichi fonti e argomentazioni. Classificare quel lavoro semplicemente come “testo dell’AI” cancellerebbe la parte più importante: le decisioni e la responsabilità della persona. Anthropic avverte che il proprio watermark non distingue la scrittura dalla revisione pesante; questo limite è decisivo per interpretarne il risultato.
In un corso, in un’azienda o in una redazione, io userei questi segnali come elementi da approfondire. Per valutare un lavoro chiederei anche bozze, fonti, ragionamento e capacità di difendere le proprie scelte. Affidare un’accusa al responso di uno strumento sarebbe una pessima scorciatoia.
Quanto è affidabile? I numeri vanno letti con attenzione
Il lavoro su SynthID-Text pubblicato su Nature chiarisce che il watermarking non è una soluzione completa al rilevamento dei testi artificiali. È uno strumento da affiancare ad altri elementi. Anche la lunghezza del testo e la possibilità di scegliere formulazioni alternative incidono sulla rilevabilità: poche parole offrono poca evidenza statistica.
Un falso positivo segnala una filigrana assente; un falso negativo manca quella presente. Un basso tasso di falsi positivi nei test non equivale alla certezza che un singolo verdetto sia corretto: l’interpretazione dipende anche dal contesto e dalla frequenza dei testi marcati. Inoltre, assenza di segnale e paternità umana sono due cose diverse.
Si può rimuovere textGrain da un testo?
La risposta pratica dipende da che cosa intendiamo per “rimuovere”. Poiché il segnale è nella scelta delle parole, incollare senza formattazione, cambiare font o passare da un editor all’altro conservando il testo non lo cancella. Un pulitore di caratteri Unicode non ha un watermark nascosto da eliminare.
Modificare profondamente il contenuto può invece indebolirne la rilevabilità. In un test pubblicato da OpenAI su brani inglesi da 400 token, sostituire con sinonimi il 10% delle parole ha ridotto il rilevamento da circa il 92% al 66%; sostituirne il 25% lo ha portato al 17%. Sono risultati sperimentali, non percentuali magiche da applicare a ogni testo.
Anthropic riconosce che una riscrittura completa può eliminare il proprio segnale. Avverte però anche che una traduzione generata da Claude porta un watermark nuovo, perché le parole della traduzione sono scelte dal modello. Passare un testo da un chatbot all’altro, quindi, non offre una garanzia di “pulizia”.
Al 7 ottobre 2026, le pagine ufficiali consultate non documentano una disattivazione personale di textGrain in ChatGPT nell’UE. L’opzione delle API riguarda la generazione futura, senza ripulire i testi precedenti.
Se l’obiettivo è ottenere un testo davvero proprio, suggerisco un percorso editoriale: ricostruire l’argomento dagli appunti, scegliere una tesi, aggiungere esempi verificabili e riscrivere con la propria voce. Il risultato va giudicato per ciò che comunica. Senza accesso al rilevatore pertinente, non possiamo certificare che una revisione abbia eliminato il segnale.
Chi pubblica un blog deve dichiarare sempre l’uso dell’AI?
L’articolo 50 distingue la marcatura tecnica del fornitore dalla trasparenza richiesta a chi pubblica. Il paragrafo 4 riguarda, tra l’altro, testi generati o manipolati dall’AI pubblicati per informare il pubblico su questioni di interesse pubblico. Prevede un’eccezione quando il contenuto passa attraverso revisione umana o controllo editoriale e una persona fisica o giuridica assume la responsabilità editoriale della pubblicazione. Non significa che ogni email o qualsiasi testo assistito dall’AI richieda automaticamente la stessa etichetta.
Le FAQ ufficiali della Commissione europea chiariscono che la revisione deve riguardare la sostanza: verifica dei fatti, attendibilità delle fonti, giudizio professionale. Una semplice correzione ortografica non basta. E la sparizione del watermark non risolve gli eventuali obblighi di trasparenza legati all’uso del contenuto.
La domanda utile è: chi si assume la responsabilità delle parole?
La mia lettura è questa: la provenienza può aiutare a capire come nasce un testo, ma la qualità richiede ancora un giudizio editoriale. Un articolo con una filigrana può essere accurato e utile. Un articolo senza filigrana può essere pieno di sciocchezze.
Per chi usa l’AI nella comunicazione, consiglierei di conservare materiali di partenza e versioni, verificare le affermazioni e chiarire chi approva la pubblicazione. È il tipo di lavoro che propongo anche nei miei corsi sull’intelligenza artificiale e sulla comunicazione digitale.
Prima di cercare un solvente per la firma invisibile, facciamoci una domanda molto visibile: sono disposto a rispondere di quello che sto pubblicando?
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.