NIEUWS

IN HET KORT: Sinds kort zijn aanbieders van AI-modellen (zoals OpenAI, Anthropic en Google) door nieuwe Europese regelgeving verplicht om gegenereerde content te voorzien van een machinaal leesbaar watermerk. Waar afbeeldingen en audio al langer visuele of hoorbare sporen bevatten, leek het onzichtbaar 'stempelen' van platte tekst jarenlang een technische uitdaging. Inmiddels rolt de ene na de andere AI-gigant watermerktechnologie uit.

Maar hoe werkt zo’n digitaal watermerk precies, wat merk je er als gebruiker van, en gaat het ten koste van de kwaliteit van de gegenereerde teksten?

Hoe werkt een tekstwatermerk?

Bij afbeeldingen worden vaak onzichtbare patronen in pixels geweven, maar tekst bestaat simpelweg uit letters en woorden. Een AI-watermerk voegt geen verborgen tekens of speciale codes toe. In plaats daarvan grijpt het systeem in tijdens het keuzeproces van de woorden.

Wanneer een taalmodel een zinsdeel genereert, kiest het steeds het volgende woord (een token) uit een lijst met waarschijnlijke kandidaten. Een watermerkalgoritme (zoals het veelgebruikte SynthID-Text) verdeelt de mogelijke vervolgwoorden op de achtergrond willekeurig in een 'groene' en 'rode' lijst. De AI krijgt een lichte voorkeur (bias) mee om subtiel vaker woorden uit de groene lijst te kiezen, zolang de zin natuurlijk blijft klinken.

Voor een menselijke lezer valt het patroon niet op. Een speciale detectietool die de wiskundige 'sleutel' kent, ziet echter binnen een paar alinea's dat de gekozen synoniemen en woordcombinaties statistisch gezien onmogelijk door een mens bedacht kunnen zijn.

Wat merk je er als gebruiker van?

In het dagelijks gebruik van chatbots zoals ChatGPT of Claude merk je vrijwel niets van de aanwezigheid van een watermerk:

Geen visuele verandering: Teksten zien er precies hetzelfde uit en bevatten geen rare tekens.

Geen vertraging of extra kosten: Het bepalen van de 'groene lijst' kost de servers nauwelijks rekenkracht, waardoor de verwerkingssnelheid gelijk blijft.

Geen persoonsgegevens: Het watermerk bevat geen unieke ID die naar jouw specifieke account of chatgeschiedenis wijst; het toont alleen aan dat het specifieke AI-model de tekst heeft gegenereerd.

Maken watermerken AI-teksten slechter?

Het korte antwoord: voor gewone artikelen, e-mails en creatieve teksten is het kwaliteitsverlies verwaarloosbaar. Ontwikkelaars tonen met benchmarks aan dat het model vrijwel even goed presteert.

Toch noemen onderzoekers een belangrijk addertje onder het gras. Een watermerk werkt het beste wanneer de AI de keuze heeft uit veel synoniemen. Bij zeer specifieke of technische taken — zoals het schrijven van broncode, exacte rekenkundige stappen of hele korte, feitelijke antwoorden — is er nauwelijks ruimte voor variatie. Als het algoritme de AI forceert een 'groen' alternatief te kiezen bij complexe code of logische instructies, kan de nauwkeurigheid afnemen of de AI-agent verkeerde acties uitvoeren.

Verre van waterdicht

Hoewel de technologie verplicht is gesteld om desinformatie en plagiaat op schaal te bestrijden, is de methode niet waterdicht:

Lichte herformulering wist het spoor: Zodra een gebruiker de AI-tekst grondig herschrijft, een aantal woorden vervangt door synoniemen of de tekst door een andere vertaalmachine haalt, vervaagt het statistische patroon snel.

Korte teksten zijn onmeetbaar: Bij zinnen korter dan circa 100 woorden zijn er te weinig woordkeuzes om met zekerheid vast te stellen of er een watermerk aanwezig is.

Open-source modellen: Terwijl grote commerciële partijen hun modellen dichtspijkeren met watermerken, kunnen kwaadwillenden open-source modellen op hun eigen computer draaien zonder deze restricties.

Het tekstwatermerk is daarmee vooral een nuttige eerste beveiligingslaag voor grootschalige automatische detectie, maar het blijft een kat-en-muisspel tussen AI-ontwikkelaars en slimme redacteuren.