AIの透かしは「AIが書いた」を示せても「人が書いた」は示せない｜検知の非対称性と社内ルールの立て方

AIの透かしは「AIが書いた」を示せても「人が書いた」は示せない｜検知の非対称性と社内ルールの立て方

社内の生成AI利用ガイドラインを作る、あるいは見直す立場にいると、「AI検知ツールを導入すれば、AIが書いた文章かどうか判定できるようになる」という説明を耳にすることがあります。この説明は、透かしという仕組みの半分しか捉えていません。この記事では、Anthropicが公開したClaudeのテキスト透かしの仕組みに基づいて、透かしが「証明できること」と「証明できないこと」の非対称性を整理します。

なお、この記事で扱うのはAnthropicのClaudeが出力するテキスト向けの透かしです。画像・動画・音楽向けの「見える透かし」やC2PAによる来歴情報については、別記事「透かしを消せるようになった日」で扱っており、対象が異なります。

30秒で要点

• Anthropicは2026年8月14日、Claudeの出力テキストへの機械可読な透かしの仕組みを公開した（2026年9月1日に検知APIの情報を更新）。方式はGoogle DeepMindが2024年のNature論文で発表したSynthID-Textの一種で、文字の追加や隠しUnicode文字の埋め込みは行っていない
• 透かしの検出が答えられるのは「Claudeが部分的にこの文章の作成に関わった可能性はどれくらいか」だけで、人間が書いたことの証明にはならず、別のAIが書いたかどうかも判別できない
• 検出は短文・事実記述・校正・コードで弱くなる。これらは社内の生成AI利用で最も多いパターンと重なる
• 検知API自体は2026年9月4日時点でprivate preview段階にあり、利用できる組織はEU法上の適格組織と法令遵守企業に限定される。一般企業が任意に判定に使える状態にはない

なぜ「検知ツールを入れれば解決する」と思ってしまうのか

社内ガイドラインを作る担当者が「AI検知ツールを導入する」という選択肢にたどり着くとき、多くの場合、頭の中にあるのは「スパムフィルタ」のようなイメージです。スパムフィルタは、迷惑メールかどうかを判定し、該当すれば隔離する。同じように、AI検知ツールも「AIが書いたかどうか」を判定し、該当すれば対応する、という構造を期待してしまいます。

この期待は、透かしという技術の性質を誤解させる方向に働きます。透かしは「陰性の証拠」を作る技術ではなく、「陽性の証拠」だけを作る技術だからです。この違いを理解しないままガイドラインを設計すると、「検知ツールで判定できなかった文章は人間が書いたものとして扱ってよい」という誤った運用ルールができあがってしまいます。

Anthropicが明示する透かしの仕組み

Anthropicは2026年8月14日、公式ニュース記事「How Claude's text watermark works」で、Claudeの出力テキストへの透かしの仕組みを公開しました（2026年9月1日には検知APIに関する情報が更新されています）。この方式はGoogle DeepMindが2024年のNature論文で発表したSynthID-Textという手法の一種だとされています。

仕組みは、文章に何かを追加するものではありません。Anthropicの説明によれば、透かしは「次の単語を選ぶ際に使われる乱数の出どころだけを鍵に置き換える」仕組みであり、"Nothing is added to the text and there are no hidden characters（文章には何も追加されておらず、隠し文字もない）"と明記されています。Claudeが文章を生成する過程で、複数の候補語の中からどれを選ぶかという判断には、もともと確率的なゆらぎが伴います。このゆらぎの発生源を、Anthropicだけが持つ鍵に基づいた特定のパターンに置き換えることで、文章全体に統計的な痕跡が残る、という仕組みです。

なお、SynthID-Textの元となった2024年のNature論文そのものは、この記事の執筆時点で認証ページの先が確認できておらず、内容の詳細はAnthropic自身の説明を超えて検証していません。

透かしが答えられる問いと、答えられない問い

ここが最も重要な点です。Anthropicは、透かしの検出で分かることと分からないことを明確に切り分けて説明しています。

"Using our key, one can only answer the question 'What is the likelihood this was partly written by Claude?' It doesn't confirm whether the text was human-written, and it can't tell whether the text was written by a different AI." （この鍵を使えば「この文章は部分的にClaudeによって書かれた可能性はどれくらいか」という問いにしか答えられない。文章が人間によって書かれたかどうかは確認できず、別のAIによって書かれたかどうかも判別できない）

さらにAnthropicは、"It cannot distinguish 'Claude wrote this' from 'Claude heavily edited this.'（『Claudeがこれを書いた』のか『Claudeがこれを大幅に編集した』のかは区別できない）"とも述べています。

この2つの記述から見えてくるのは、透かしが「陽性にしか反応しない検査」だという構造です。健康診断のたとえで考えると分かりやすくなります。ある検査で陽性反応が出れば、その病気の可能性が高いと言えます。しかし陰性だったからといって、その病気ではないと断言はできない検査もあります。透かしの検出も同様で、「検出された」ことはClaudeの関与を示す手がかりになりますが、「検出されなかった」ことは「人間が書いた」ことの証明には一切なりません。別のAI、あるいは透かしが弱くなる書き方でClaudeが書いた可能性が、常に残ります。

検出が弱くなる4つの条件

Anthropicは、透かしの検出精度が状況によって変わることも明示しています。弱くなる条件として挙げられているのは、短文、事実を並べた記述、校正や軽微な編集、コードです。

理由は、透かしが「どちらの単語を選んでも文章の意味が変わらない」という自由度の上にしか乗らない、という仕組みの性質にあります。Anthropicは"Watermarking is sparser on factual passages where there are fewer choices that can be made without decreasing the accuracy of the text.（事実を記述する文章では、正確性を落とさずに選べる単語の余地が少ないため、透かしはまばらになる）"と説明しています。日付や数値、固有名詞を並べる文章は、言い換えの自由度が低く、透かしが乗りにくいということです。

校正についても同様です。"When Claude proofreads text written by a person, ... there's very little (if anything) for the watermark to attach to.（Claudeが人間の書いた文章を校正する場合、透かしが付着できる余地はほとんど、あるいは全くない）"とされています。一方で、翻訳は逆の性質を持ちます。"A translation produced by Claude carries a watermark, because in this case every word is chosen by Claude.（Claudeによる翻訳には透かしが残る。この場合はすべての単語をClaudeが選んでいるからだ）"と説明されており、Claudeが選ぶ単語の割合が多いタスクほど、透かしは濃く残る構造になっています。

軽い編集では透かしは完全には消えませんが、"a complete rewrite where every word is replaced will（すべての単語が置き換えられる完全な書き直しは透かしを消す）"ともされています。

ここで見落とされやすいのは、検出が弱くなる4条件（短文・事実記述・校正・コード）が、社内の生成AI利用で最も頻度の高い使い方と重なっているという点です。議事録の事実確認、既存文章の校正、短いコード片の生成——これらは日常的な利用シーンであると同時に、透かしが最も頼りにならない領域でもあります。

検知APIは「誰でも使える」状態にはない

透かしの仕組みとは別に、透かしの有無を判定する検知APIについても、Anthropicは2026年9月4日時点の状況を明示しています。検知APIは"We are releasing a detection API in private preview.（検知APIをprivate previewとして提供する）"とされており、利用できる組織は限定されています。列挙されているのは、EU法上必要とされる適格組織（規制当局・法執行機関・メディア・ファクトチェッカー・独立研究者・教育機関・EUの市民社会団体）と、同法の遵守のため検証義務を負う企業です。

つまり、自社が一般企業である場合、この検知APIを任意に使って「この文章はAIが書いたか」を判定する、という運用は現時点ではできません。社内ガイドラインの設計段階で「検知APIを使えば確認できる」という前提を置くと、実際には利用資格がないことに後から気づく可能性があります。

Anthropicがこの透かしを導入した背景

Anthropicはこの透かし導入の背景として、EU AI Actへの対応を挙げています。2026年7月、Anthropicを含む主要プロバイダと約190の署名者が「EU Code of Practice on Transparency of AI-Generated Content」に署名し、2026年8月2日以降、EU市場に生成AIサービスを提供するプロバイダには生成コンテンツのマーキングが求められるようになりました。Anthropicは地域だけを区別して適用する技術的手段が現時点でないため、この透かしを全世界のユーザーに適用するとしています。2026年8月2日より前に公開された既存モデルについては、移行期間が設けられているとされています。

確かなことと、まだ確かではないこと

確かなこと: Anthropicが2026年8月14日にClaudeのテキスト透かしの仕組みを公開したこと（2026年9月1日に検知API情報を更新）。この方式がGoogle DeepMindの2024年SynthID-Text論文の一種であり、文字の追加や隠し文字を伴わないこと。透かしの検出が「Claudeの関与可能性」にしか答えられず、人間が書いたことの証明にはならないこと。短文・事実記述・校正・コードで検出が弱くなること。検知APIが2026年9月4日時点でprivate preview段階にあり、適格組織と法令遵守企業に限定されること。EU Code of Practiceへの署名とEU AI Act対応が導入背景として説明されていること。

まだ確かではないこと: SynthID-Textの元論文（Nature 2024）本体の内容は、この記事では認証ページの先を確認できておらず、Anthropicの要約を超えて検証していません。検知APIの一般提供時期や、private preview終了後の利用条件は明らかにされていません。他社が同様の透かしをどこまで実装しているかについても、Anthropic側は「実装する可能性がある」という一般論を述べるにとどまり、各社の実装状況までは確認できていません。

判断軸の提示

社内の生成AI利用ガイドラインを設計するときは、「透かし・検知ツールが何を証明できないか」を先に明文化すること。透かしの検出は「Claudeが関与した可能性」を示す陽性の証拠にしかならず、「検出されなかった＝人間が書いた」という逆方向の読み方は成立しません。特に、議事録の事実確認・校正・短いコード生成のように検出が弱くなる利用シーンでは、透かしへの依存度を下げ、別の確認手段（利用ログの記録、レビュー体制など）を組み合わせることが必要です。「検知ツールを導入すれば解決する」という説明を受けたときは、その検知が答えられる問いを1つに絞り込んで確認する姿勢が欠かせません。

自分でも試せる、最小の検証

自社の生成AI利用ガイドライン（あるいはドラフト）を開き、「AI検知」「透かし」という言葉が出てくる箇所を探してみてください。そこに「検知できなかった場合は人間が書いたものとして扱う」という趣旨の記述がないか確認します。もしあれば、それはこの記事で整理した非対称性と矛盾する前提であり、見直しの対象になります。

この記事で扱ったような判断を、自社の状況に照らして整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。