{"id":13227,"date":"2026-08-12T10:32:18","date_gmt":"2026-08-12T10:32:18","guid":{"rendered":"https:\/\/avvocatotelematico.studiolegalearcella.it\/public_html\/?p=13227"},"modified":"2026-08-13T08:06:52","modified_gmt":"2026-08-13T08:06:52","slug":"il-testo-scritto-dallia-avra-una-firma-invisibile-il-watermark-di-claude-e-il-nuovo-problema-dellautorialita-digitale","status":"publish","type":"post","link":"https:\/\/avvocatotelematico.studiolegalearcella.it\/public_html\/2026\/08\/12\/il-testo-scritto-dallia-avra-una-firma-invisibile-il-watermark-di-claude-e-il-nuovo-problema-dellautorialita-digitale\/","title":{"rendered":"Il testo scritto dall\u2019IA avr\u00e0 una firma invisibile: il watermark di Claude e il nuovo problema dell\u2019autorialit\u00e0 digitale"},"content":{"rendered":"

Anthropic ha annunciato l\u2019introduzione di sistemi destinati a rendere riconoscibili i contenuti generati da Claude. La novit\u00e0 assume un interesse particolare per i testi, perch\u00e9 la marcatura non si presenta al lettore come un\u2019avvertenza, un simbolo o una dicitura apposta al documento. Si tratta di un meccanismo pensato per consentire l\u2019identificazione automatica dell\u2019origine artificiale del contenuto senza modificarne la normale leggibilit\u00e0.<\/em><\/p>\n

Il tema del watermarking dei testi generati dall\u2019intelligenza artificiale \u00e8 da tempo oggetto di ricerca e Anthropic vi ha dedicato specifica attenzione anche nella propria documentazione sulla trasparenza dei modelli. La questione \u00e8 divenuta oggi pi\u00f9 concreta anche per effetto della disciplina europea, che impone ai fornitori di determinati sistemi di IA obblighi diretti a rendere identificabili, anche in formato leggibile automaticamente, i contenuti generati o manipolati artificialmente.<\/p>\n

Per comprendere la portata della soluzione occorre anzitutto liberarsi dall\u2019immagine tradizionale del watermark. Non stiamo parlando della filigrana che compare sopra una fotografia, n\u00e9, per quanto riguarda il testo, di un\u2019informazione semplicemente registrata nelle propriet\u00e0 di un file. Un testo generato in una chat pu\u00f2 essere copiato in Word, inserito in una e-mail, pubblicato su un sito o trasferito in qualsiasi altro ambiente. Se l\u2019informazione sulla sua origine fosse affidata esclusivamente ai metadati del file, questo passaggio sarebbe normalmente sufficiente a interrompere il collegamento con il sistema che lo ha prodotto.<\/p>\n

Il watermark testuale cerca di affrontare proprio questo problema. Il segnale viene associato al processo di generazione in modo che possa essere ricercato nel testo anche dopo il trasferimento in un altro ambiente. Anthropic non ha reso pubblici tutti i dettagli tecnici necessari per ricostruire il funzionamento del proprio sistema e sarebbe quindi improprio attribuirgli, allo stato, caratteristiche algoritmiche non espressamente documentate. \u00c8 per\u00f2 noto il principio sul quale si fondano le principali tecniche di watermarking studiate per i modelli linguistici.<\/p>\n

Un modello come Claude costruisce il testo progressivamente. Per ciascun passaggio valuta una pluralit\u00e0 di token possibili e attribuisce loro differenti probabilit\u00e0. Il processo di generazione pu\u00f2 essere orientato, entro margini sufficientemente piccoli da non compromettere la qualit\u00e0 del risultato, affinch\u00e9 la successione delle scelte presenti determinate propriet\u00e0 statistiche. Su una quantit\u00e0 adeguata di testo, tali propriet\u00e0 possono essere successivamente ricercate da un sistema appositamente predisposto.<\/p>\n

Il lettore continuerebbe quindi a leggere un testo del tutto normale. Non occorrerebbe inserire strani caratteri Unicode, spazi invisibili o sequenze nascoste facilmente eliminabili. Il segnale potrebbe dipendere dalla stessa successione delle scelte linguistiche operate durante la generazione.<\/p>\n

Questo spiega perch\u00e9 il semplice copia e incolla non costituisca necessariamente un mezzo per eliminare la marcatura. Se viene conservata la sequenza testuale, vengono conservate anche le caratteristiche sulle quali si basa la sua eventuale rilevazione. Il discorso cambia quando il testo viene modificato in maniera significativa. Una parafrasi estesa, una traduzione, la riscrittura di numerosi periodi o una nuova elaborazione mediante un altro modello possono incidere sul segnale originario e ridurne o impedirne la rilevabilit\u00e0.<\/p>\n

Occorre perci\u00f2 molta cautela quando si parla di \u201cfirma\u201d dell\u2019intelligenza artificiale. L\u2019espressione \u00e8 efficace per spiegare il fenomeno, ma rischia di suggerire propriet\u00e0 che un watermark statistico non possiede.<\/p>\n

Una firma digitale consente di verificare mediante strumenti crittografici l\u2019integrit\u00e0 di un documento e il collegamento con il certificato utilizzato per sottoscriverlo. La modifica del documento produce conseguenze tecnicamente verificabili sulla firma. Il watermark di un testo generato da un modello opera su un piano diverso: pu\u00f2 fornire un\u2019indicazione circa la provenienza del contenuto o l\u2019intervento di un determinato sistema generativo, nei limiti di affidabilit\u00e0 propri della tecnologia utilizzata.<\/p>\n

Ed \u00e8 qui che la questione diventa particolarmente interessante per il giurista.<\/p>\n

Si immagini un avvocato che utilizzi Claude per predisporre una prima bozza di un atto. Il professionista verifica le fonti, modifica l\u2019impostazione, elimina alcuni argomenti, ne aggiunge altri, riscrive parti del testo e infine sottoscrive l\u2019atto assumendone integralmente la responsabilit\u00e0 professionale. L\u2019eventuale presenza di una marcatura riconducibile al modello potrebbe indicare che Claude ha partecipato alla formazione del testo. Non consentirebbe, da sola, di ricostruire quale sia stato il contributo effettivo dell\u2019intelligenza artificiale n\u00e9, soprattutto, quale parte dell\u2019elaborazione intellettuale appartenga al professionista.<\/p>\n

La situazione sarebbe completamente diversa nel caso di un atto integralmente generato dal modello, non verificato e depositato cos\u00ec come prodotto. Tra questi due estremi esistono poi tutte le possibili forme intermedie di utilizzazione dell\u2019IA: ricerca, sintesi documentale, organizzazione degli argomenti, controllo della coerenza, revisione linguistica, formulazione di obiezioni, predisposizione di singoli passaggi o rielaborazione di testi gi\u00e0 scritti dal professionista.<\/p>\n

Ridurre situazioni tanto diverse alla constatazione che un documento \u201c\u00e8 stato scritto dall\u2019IA\u201d finirebbe per fornire un\u2019informazione solo apparentemente precisa.<\/p>\n

L\u2019autorialit\u00e0 di un testo non coincide infatti con la provenienza materiale di ogni singola frase. Un professionista pu\u00f2 utilizzare strumenti molto sofisticati senza rinunciare alla paternit\u00e0 intellettuale del lavoro, quando rimangano suoi la selezione delle questioni, il ragionamento, la verifica delle fonti, le conclusioni e l\u2019assunzione di responsabilit\u00e0 sul risultato. Allo stesso modo, la semplice sottoscrizione umana non trasforma in elaborazione professionale un contenuto prodotto automaticamente e recepito senza alcun controllo.<\/p>\n

La questione acquista ulteriore rilievo alla luce dell\u2019AI Act. L\u2019art. 50 del Regolamento (UE) 2024\/1689 prevede specifici obblighi di trasparenza e richiede ai fornitori di sistemi di IA che generano contenuti sintetici di assicurare che gli output siano contrassegnati in un formato leggibile automaticamente e rilevabili come artificialmente generati o manipolati. La norma guarda dunque anche alla possibilit\u00e0 tecnica di identificare il contenuto, senza affidare la trasparenza esclusivamente a una dichiarazione visibile resa dall\u2019utilizzatore.<\/p>\n

L\u2019applicazione di queste tecnologie potrebbe avere conseguenze ancora pi\u00f9 interessanti sul terreno probatorio. \u00c8 facile immaginare che, una volta disponibili strumenti affidabili di rilevazione, il risultato dell\u2019analisi venga prodotto per sostenere che un documento, una relazione, un elaborato accademico o persino un atto giudiziario siano stati generati mediante un determinato modello.<\/p>\n

In quel momento non baster\u00e0 sapere che il detector ha restituito un risultato positivo. Occorrer\u00e0 conoscere il metodo utilizzato, il margine di errore, la percentuale di falsi positivi e di falsi negativi, la quantit\u00e0 minima di testo necessaria per ottenere un risultato attendibile, la capacit\u00e0 del sistema di resistere alle successive modificazioni e le condizioni nelle quali la rilevazione \u00e8 stata effettuata. Sar\u00e0 inoltre necessario distinguere l\u2019identificazione di una traccia riconducibile al modello dall\u2019attribuzione dell\u2019intero documento alla sua attivit\u00e0 generativa.<\/p>\n

Un esito probabilistico non potrebbe essere trasformato, senza ulteriori verifiche, nell\u2019affermazione categorica che un determinato soggetto non sia autore del testo esaminato. Tanto meno potrebbe bastare a ricostruire il procedimento attraverso il quale quel testo \u00e8 stato elaborato.<\/p>\n

Il watermarking apre quindi un problema che va ben oltre Claude. La regolamentazione europea e le scelte dei principali produttori sembrano muovere verso un ambiente digitale nel quale i contenuti sintetici conserveranno sempre pi\u00f9 spesso informazioni sulla propria origine. Per le immagini e i contenuti audiovisivi questo processo \u00e8 gi\u00e0 in corso attraverso tecnologie di provenienza e autenticazione; per il linguaggio scritto presenta difficolt\u00e0 maggiori, perch\u00e9 il testo viene continuamente copiato, corretto, tradotto, sintetizzato e rielaborato.<\/p>\n

Sapere che un modello ha contribuito alla produzione di alcune parole pu\u00f2 essere utile. Non dice per\u00f2 quanto abbia contribuito alla formazione del pensiero che quelle parole esprimono.<\/p>\n

Per il diritto, e soprattutto per le professioni intellettuali, sar\u00e0 questo il punto da affrontare. La questione non sar\u00e0 stabilire soltanto se sia stata utilizzata l\u2019intelligenza artificiale, ma comprendere come sia stata utilizzata, quale parte del processo intellettuale le sia stata affidata, quali controlli siano stati effettuati e chi abbia assunto la responsabilit\u00e0 del risultato finale.<\/p>\n

Fonte: How Claude marks AI-generated content | Claude Help Center https:\/\/share.google\/7KlDwbhvOPtQDRBlz<\/p>\n","protected":false},"excerpt":{"rendered":"

Anthropic ha annunciato l\u2019introduzione di sistemi destinati a rendere riconoscibili i contenuti generati da Claude. La novit\u00e0 assume un interesse particolare per i testi, perch\u00e9 la marcatura non si presenta al lettore come un\u2019avvertenza, un simbolo o una dicitura apposta al documento. Si tratta di un meccanismo pensato per consentire l\u2019identificazione automatica dell\u2019origine artificiale del<\/p>\n

Leggi tutto<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"sfsi_plus_gutenberg_text_before_share":"","sfsi_plus_gutenberg_show_text_before_share":"","sfsi_plus_gutenberg_icon_type":"","sfsi_plus_gutenberg_icon_alignemt":"","sfsi_plus_gutenburg_max_per_row":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"jetpack_post_was_ever_published":false},"categories":[13],"tags":[],"class_list":["post-13227","post","type-post","status-publish","format-standard","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t