Anthropicが解説したClaudeの「見えない透かし」——LLM出力のテキストウォーターマークはどう機能するのか

はじめに

2026年8月14日、Anthropicは公式記事「How Claude's text watermarking works」を公開し、Claudeが生成するテキストに機械的にのみ読み取れる「見えない透かし（テキストウォーターマーク）」を将来のClaudeモデルに搭載する方針と、その仕組みを詳細に説明しました。

多くの人が「透かし」と聞いて想像するのは、お札に入っているような隠し文字や、コピー防止のための特殊なパターンでしょう。しかしClaudeの透かしはまったく違います。ゼロ幅文字のような不可視文字も、隠しコードも、一切挿入されません。テキストそのものはどこにも手を加えず、「単語選びの統計的なクセ」によってだけ印を付ける——これが今回の方式の核です。

導入の背景としてAnthropicが説明するのが、EU AI Act第50条(2)の透明性規定です。2026年8月2日からEU市場においてAI生成コンテンツの機械可読なマーキングが求められるようになり（対象となるAIシステムの提供者・適用範囲・移行期間の区別はEU公式FAQを参照）、Anthropicも他の主要AI事業者とともに「AI生成コンテンツ透明性に関する行動規範」に署名しています（報道によれば署名団体は約190団体）。

本記事では、この透かし技術を次の順序で解説します:

1. 透かしの仕組み（トークン確率操作による統計的署名）
2. 検出の精度と限界（誤検知・改変耐性）
3. Google・OpenAI・C2PAなど他の実装との比較
4. 開発者・企業にとっての実務インパクト

専門知識がなくても読めるよう、具体例と図解を交えて説明します。記事末尾にはFAQ（よくある質問）も用意しました。

透かしの仕組み——「単語選びの統計的なクセ」とは何か

LLMは単語を1つずつ選んでいる

LLM（大規模言語モデル）は文章を一気に生成しているように見えますが、実際には次の単語（トークン）を1つずつ確率に基づいて選ぶことを繰り返しています。

Anthropic公式の例を挙げましょう。"The weather today was cold and…" の続きとして、モデルは "overcast"（曇った）か "grey"（灰色の）のどちらを選んでも、文意はほぼ変わりません。このようにどちらを選んでも意味がほぼ同じ「低リスクな選択」が、生成文中には何度も登場します。

乱数の源を「鍵」に置き換える

通常、この選択は任意の乱数生成器によって決められます。ウォーターマーク有効時は、ここを次のように変えます。

• 鍵（キー）＋直前の数単語を使って、単語選択の乱数の源を決める仕組みに切り替える

つまり、単語の選択肢や確率分布そのものは変えず、「どの候補を拾うかの乱数の源」だけを差し替えるのです。読者には知覚できませんが、鍵を持つ検出者は単語列が鍵と整合する統計的パターンを持っているかを検証し、「Claudeが生成した尤度（likelihood）」を算出できます。

graph LR;
  A[直前の数単語] --> B[鍵から決定的に<br/>選択を計算];
  B --> C[次の単語を決定];
  C --> A;
  D[検出者: 鍵で単語列を検証] --> E[Claude生成の尤度を算出];

モノポリーのアナロジー

Anthropicはモノポリー（モノポリ）を例に挙げています。サイコロの代わりに円周率の桁列で駒を進めても、ゲームの楽しさは一切変わりません。しかし事後に手順を検証すれば、「このゲームは円周率で決めていた」と判定できる——これが統計的透かしの発想です。

重要な性質（Anthropic公式の明記事項）

技術的な系譜——4つのステップ

この方式は突然現れたものではありません。次のような系譜があります:

1. Scott Aaronsonの提案（2022年）: 「生成の乱数源だけを鍵で置き換える」という発想を最初に定式化
2. Kirchenbauer et al.（2023年）: 単語リストをgreen list / red listに分割し、green listのロジットにバイアスを加える方式を発表。検出にはz統計量を使う
3. Gumbel softmax方式: トークン選択に鍵から決定的に生成したGumbelノイズを注入。選択が完全に鍵で決まる
4. SynthID-Text（Google DeepMind、Nature 2024）: Gumbel方式の初の大規模実運用。Claudeの透かしは、Anthropicの公式明記によればこのSynthID-Textのバージョンです

なお、"Isaac Newton's most famous work was called Principia…" の次が "Mathematica" であるような事実が確定している部分には透かしが作用しません。透かしは「どちらでも良い選択」にのみ宿る、という点が本質です。厳密なコードも同様で、コメントなど自由度のある部分にのみ印が入ります。

検出と精度——何ができて、何ができないのか

検出結果は「尤度」だけ

透かし検出が出力するのは、「Claudeが（部分的に）書いた尤度」のみです。ここは誤解しやすい点なので明確にしておきます:

• ❌ 人間が書いたことの証明にはならない
• ❌ 他社AI（GPT、Gemini等）が書いたことの判定もできない（鍵が異なるため）
• ✅ 判定できるのは「鍵と整合する統計的パターンがあるか」だけ

テキストが短いと判定できない理由

判定には統計的な情報量が必要です。長い文章ほど「単語選択」の回数が増え、検証材料が蓄積されます。

1. テキストが長い → 単語選択の回数が多い
2. 選択回数が多い → 鍵との整合を検証する情報量が増える
3. 情報量が増える → 判定の信頼度が上がる

逆に、短いテキストや、Claudeに校正・軽いコピーエディットを依頼しただけの文章では、Claude自身が選んだ単語が少なすぎて、検出に十分な情報が残りません。これが後述する作家・弁護士・研究者の反発の源泉です。

誤検知と改変耐性——研究が示す限界

誤検知率の具体数値は、Claude適用分についてはAnthropicが公表していません。系譜であるKirchenbauer系手法の研究では、テキストが長いほど統計的検定の信頼度が上がり誤検知を低減できると報告されていますが（※Claude適用分の数値は未公表です）。

一方、改変への耐性には明確な限界があります:

Anthropicは公式に、軽い編集では透かしが消えるわけではないが、完全な書き直しによって回避できると説明しています。また引用したSynthID-Textの研究（arXiv 2508.20228など）は、パラフレーズや逆翻訳で検出可能性が低下し得ることを指摘しています。

検証手段は2つ

• 検出API: Anthropicが近日提供予定（実装詳細は調整中）
• C2PAメタデータ: Anthropicが対応するとしているファイル形式には、C2PA準拠の暗号署名付きコンテンツクレデンシャルが添付される。C2PA対応ツールで誰でも読み取り可能（透かし検出APIとは別の仕組み）

テキストのウォーターマーク（本文に統計的に埋め込む）と、C2PA（ファイルにメタデータとして付与する）は補完関係にあり、多層防御として組み合わせて使う設計です。

他社実装との比較——業界標準化が進む透かし技術

Claudeの透かしは、業界全体の流れの中で位置づけると理解しやすくなります。

独自比較表: Claude / Gemini / OpenAI / C2PA

見えてくる3つのポイント

1. 業界標準化の動き: 報道によればGoogle I/O 2026でSynthIDの展開先拡大が発表され、OpenAI・ElevenLabs・NVIDIAも採用を表明したとされています（出典: perplexityaimagazine）。統計的ウォーターマークが業界の主流になりつつあると見る向きは増えています
2. 方式の分岐: 本文に埋め込む「ウォーターマーク（統計的）」と、メタデータとして付与する「コンテンツクレデンシャル（C2PA）」は競合ではなく補完関係
3. 相互検証は不可能: 各社の透かしは鍵が異なるため、Anthropicの検出APIではGeminiの出力を、Googleの検証ではClaudeの出力を判定できません

EU AI Act第50条(2)の適用（2026年8月2日〜）を機に、主要プロバイダー全体でマーキング実装が加速している——これが2026年8月時点での全体像です。

実践: 透かし導入で開発者・企業は何をすべきか

Claudeを業務や製品で利用している開発者・企業にとって、透かし導入は「何を変えるべきか」を4つのステップで整理します。

ステップ1: 影響範囲を確認する

• Anthropicの公式説明では、透かしは将来のClaudeモデルから適用され、旧モデルについては今後数か月かけて順次対応するとされています
• チャット画面・APIを問わずモデルレベルでの適用が想定されています
• リージョン絞り込みの技術がないためグローバル展開。日本国内のユーザー・企業も対象です

ステップ2: 品質・コスト検証は不要と知る

Anthropicは公式に、品質・創造性・可読性への影響なし、追加トークン不要でコスト・速度もほぼ不変と明記しています。系譜であるSynthID-TextのNature論文でも、Geminiトラフィックでの大規模実験でサムズアップ/ダウン評価と人間評価に統計的有意差なしが報告されています。つまり、性能劣化を心配してベンチマークを取り直す必要はありません。

ステップ3: 検出API公開後に体制を整備する

Anthropicの検出APIは準備中です。公開後、次の用途への組み込みを検討しましょう:

• 大量投稿・応募原稿のAI利用スクリーニング
• 不正利用・規約違反の検知
• EU AI Act対応のコンプライアンス証跡

ステップ4: 社内ポリシーを決めておく

透かし論争での炎上事例が示す通り、「AI利用の開示要否」「Claudeに校正させた文章の取り扱い」を事前に社内で決めておくことが重要です。判定が「尤度」でしかなく誤検知の限界もあるため、検出結果のみで断定処分する運用は避けるべきです。

チェックリスト

• [ ] 利用中のClaudeモデルが透かし対応版か（適用時期の公式アナウンスを）確認
• [ ] Claude出力を顧客納品物に含める場合の開示ルール策定
• [ ] 検出API公開時の評価担当者と組み込み先の洗い出し
• [ ] EU向けサービスでは行動規範対応を競争優位として活用

なお、他社AIの生成物はClaudeの検出APIでは判定できない点（鍵の違い）にも注意してください。マルチベンダー運用では、各社の検出手段を個別に揃える必要があります。

ケーススタディ——3つの立場から見る「検出できること・できないこと」

透かし導入の波紋を、実際の立場別に整理します。各ケースで「何が検出できて、何ができないか」を対応づけするのがポイントです。

ケース1: 作家・弁護士・研究者——「校正にも印が付く」問題

2026年8月中旬の詳細公開後に報じられた反響の中心は、自分の文章をClaudeにコピーエディットさせている層でした（出典: labmemo、isotopの報道）。

• 自分が書いた原稿でも、Claudeが手を入れた部分の単語選びには透かしが入る
• ただし判定は「Claudeが部分的に書いた尤度」のみで、人間執筆の証明にも他社AI判定にもならない
• 一部ユーザーは解約や他ツールへの乗り換えを検討・実行したと報じられています（※規模の数値は報道記事の主張ベースで、独立検証はされていません）

教訓: 「AIに何をどう頼んだか」という社内ルールが無い状態で透かし問題に直面すると、対応が混乱します。

ケース2: 出版・メディア——スクリーニングへの活用可能性

大量の投稿・応募原稿を扱う出版社・メディアでは、検出APIをAI利用スクリーニングに活用する構想が出ています。

• 検出できる: 長文でClaudeが大部分を生成したテキストの尤度
• 検出できない: 他社AIの生成物、大幅に書き直された文章
• 運用の鍵: 検出結果は「尤度スコア」として人間の審査補助に使い、断定材料にしない

ケース3: 教育機関——誤検知の限界を理解した設計

課題レポートのAI判定に透かし検出を使う場合、以下の限界を理解した運用設計が不可欠です。

教訓: どのケースでも「検出できないから人間執筆と断定」「検出されたから処分」という単純な二値運用は成立しません。透かしはあくまで多層的な透明性施策の一部です。

よくある質問（FAQ）

Q: 透かしはコピペで消えますか？

消えません。透かしはテキストの単語選択そのものに宿っているため、コピーや再フォーマットでは失われません。ただし大幅な書き直しや他言語への翻訳を経ると、検出できなくなります。

Q: 品質や料金は変わりますか？

変わりません。追加トークンを消費せず、生成速度への影響も無視できる程度とAnthropicが公式に明記しています。品質についても社内テストで創造性・可読性への影響なしとされています。

Q: 透かしから私や会社を特定できますか？

できません。透かしには個人・組織・チャットを特定する情報は含まれません。検出者に分かるのは「Claudeが生成に関与した尤度」のみです。

Q: 検出は100%正確ですか？

いいえ。検出結果は「Claudeが（部分的に）書いた尤度」だけです。短いテキスト、事実が確定している文章、校正のみの文章では検出情報が不足します。また他社AIの判定や人間執筆の証明には使えません。Claude適用分の具体的な誤検知率は未公表です。

Q: どうやって透かしを確認できますか？

テキストは近日提供予定のAnthropic検出APIで確認できます。対応するファイル形式にはC2PA準拠のコンテンツクレデンシャルがメタデータとして添付されるため、C2PA対応ツールで確認可能です。

Q: なぜいま導入されたのですか？

AnthropicはEU AI Act第50条(2)の透明性規定（2026年8月2日適用）を導入理由として説明しています。同社はAI生成コンテンツ透明性に関する行動規範（報道によれば約190団体が署名）に署名しています。技術的にリージョン絞り込みができないため、グローバルでの展開となっています。

まとめ

Claudeのテキストウォーターマークは、「単語選びの乱数源を鍵で置き換える」SynthID-Text系の統計手法です。隠し文字もゼロ幅文字も使わず、見た目も品質もコストも変わりませんが、鍵を持つ検出者だけが「Claude生成の尤度」を統計的に算出できます。

本記事の要点を3つにまとめます:

1. 原理: 透かしは「どちらを選んでも文意が変わらない低リスクな単語選択」にのみ作用する。事実確定部分や厳密なコードには入らない
2. 標準化の動き: EU AI Act第50条(2)の適用を背景に、報道ではOpenAI・ElevenLabs・NVIDIAもSynthID採用を表明したと伝えられ、統計的ウォーターマークの標準化が進むと見られています
3. 限界: 判定は「尤度」のみ。短文・校正文には弱く、パラフレーズで検出可能性が大きく下がる。誤検知の懸念から、透かし単体ではなくC2PA等との多層運用が今後の主流になる

読者の皆さんには、次のアクションをおすすめします:

• 検出APIの公開情報をウォッチし、自社のコンテンツ審査・コンプライアンス運用への組み込みを検討する
• 「AI利用の開示要否」「Claude校正文の取り扱い」について社内ポリシーをいまのうちに決めておく
• 多層防御の観点で、テキスト透かしとC2PAメタデータの双方を押さえた透明性体制を設計する

AI生成コンテンツの透明性は、規制対応の義務であると同時に、信頼を示すブランド資産にもなります。透かしの仕組みを正しく理解した上で、自社の運用に取り入れてください。

参考文献

• Anthropic – How Claude's text watermarking works: https://www.anthropic.com/news/claude-text-watermark
• Kirchenbauer et al. – A Watermark for Large Language Models: https://arxiv.org/abs/2301.10226
• Dathathri et al. – SynthID-Text (Nature 2024): https://www.nature.com/articles/s41586-024-08025-4
• EU – Code of Practice on Transparency of AI-Generated Content: https://digital-strategy.ec.europa.eu/en/policies/code-practice-ai-generated-content
• Orrick – EU AI Act Article 50 Transparency: https://www.orrick.com/en/insights/2026/08/eu-ai-act-transparency-obligations-for-ai-generated-content-article-50
• C2PA公式: https://c2pa.org/
• ETH SRI Lab – Probing SynthID-Text: https://www.sri.inf.ethz.ch/blog/probingsynthid
• arXiv – SynthID-Text Robustness Assessment: https://arxiv.org/html/2508.20228v2
• ledge.ai – Anthropic、Claude生成テキストに「見えない透かし」: https://ledge.ai/articles/anthropic_claude_text_watermark
• AIフレンズ – Claudeに見えない透かし: https://aifriends.jp/anthropic-claude-invisible-watermark/
• claudelab.jp – Claudeのウォーターマークとは: https://claudelab.jp/articles/a-5dea6bd1a7
• labmemo – 透かしに作家が反発: https://labmemo.com/claude-text-watermark-backlash-writers-revolt-synthid-2026/
• aipedia.wiki – OpenAI/Google provenance: https://aipedia.wiki/news/2026-05-19-openai-google-synthid-c2pa-image-provenance/

関連記事

• EU AI法 Article 50適用開始がもたらす生成AIの透明性革命：C2PA標準と企業のコンテンツガバナンス実務
• 「AI製」明示が法的義務に——EU AI法第50条「透明性ルール」発効と日本企業が直面するウォーターマーク実務
• Anthropicとは？OpenAI最大のライバル企業の最新動向と技術解説