L’intelligenza artificiale sta diventando una parte normale dell’istruzione. Gli studenti usano l’IA generativa per fare brainstorming su domande di ricerca, comprendere concetti difficili, tradurre materiale, pianificare saggi, riassumere note e talvolta produrre compiti completi. Allo stesso tempo, le scuole e le università stanno cercando di stabilire regole che preservano l’integrità accademica senza impedire agli studenti di imparare a utilizzare un’importante tecnologia moderna.
Uno degli sviluppi più recenti in quest’area è il testo AI di filigrana. A differenza di un’etichetta visibile posta sopra una risposta AI, una filigrana di testo può essere incorporata nel modo in cui un sistema AI seleziona le parole. La scrittura risultante può sembrare del tutto normale per un lettore mentre porta un segnale statistico che la tecnologia specializzata può potenzialmente identificare in seguito.
Questa tecnologia sta diventando particolarmente importante nel 2026 perché i requisiti di trasparenza dell’Unione europea per i contenuti generati dall’IA stanno entrando nell’applicazione. La Commissione europea afferma che gli obblighi di trasparenza dell’articolo 50 si applicano dal 2 agosto 2026, compresi i requisiti per i fornitori di sistemi di intelligenza artificiale generativi per realizzare output come testo, immagini, audio e video leggibili e rilevabili come generati o manipolati artificialmente.
Per gli studenti, tuttavia, l’arrivo della filigrana non significa che ogni interazione con uno strumento di intelligenza artificiale creerà automaticamente un problema di integrità accademica. La distinzione tra l’utilizzo dell’IA per supportare l’apprendimento e la presentazione del lavoro generato dall’IA rimane essenziale.
Perché la filigrana del testo AI sta diventando importante?
Per anni, le discussioni sull’IA nell’istruzione si sono concentrate fortemente sui rilevatori di intelligenza artificiale. Uno studente ha presentato un saggio, un rivelatore ha stimato se il testo sembrava generato dall’IA e gli educatori hanno dovuto interpretare il risultato.
La filigrana si avvicina a un problema correlato da una direzione diversa. Invece di cercare di determinare se il testo assomiglia alla scrittura di intelligenza artificiale in base solo alle caratteristiche linguistiche, è possibile incorporare una filigrana mentre l’IA sta generando il contenuto. Questo crea un segnale di provenienza associato al sistema di generazione. La distinzione è importante.
- Un rilevatore di IA convenzionale può chiedere: “Questo testo assomiglia al contenuto prodotto da un modello di intelligenza artificiale?”
- Un rilevatore di filigrane può invece chiedere: “Questo testo contiene il segnale statistico associato a questo particolare sistema di intelligenza artificiale?”
Queste non sono domande identiche.
Una filigrana può potenzialmente fornire prove più forti del coinvolgimento di un modello quando è presente il segnale rilevante. Ma ha anche dei limiti. Una filigrana mancante non dimostra automaticamente che il testo è stato scritto da un essere umano, perché un altro sistema di intelligenza artificiale può utilizzare un metodo di filigrana diverso, o nessuna filigrana.
Anthropic rende esplicita questa limitazione nella sua spiegazione della filigrana di Claude. Il suo sistema può stimare la probabilità che Claude sia stato coinvolto nella produzione del testo, ma non può stabilire che il testo sia scritto dall’uomo o determinare se un altro sistema di intelligenza artificiale lo ha creato.
L’UE richiede ai fornitori di intelligenza artificiale che servono il proprio mercato per contrassegnare i contenuti generati dall’IA
Il background normativo è uno dei motivi principali per cui la filigrana è diventata improvvisamente un argomento così importante. Ai sensi dell’articolo 50 della legge sull’IA dell’UE, i fornitori di sistemi di intelligenza artificiale generativi devono garantire che gli output inclusi il testo siano contrassegnati in un formato leggibile dalla macchina in modo che possano essere rilevati come generati o manipolati artificialmente. Questi obblighi di trasparenza si applicano dal 2 agosto 2026. Vale la pena essere precisi su cosa significhi.
La regola non dice semplicemente che ogni studente in Europa deve mettere un’etichetta visibile “generata dall’IA” su ogni compito. L’obbligo descritto dalla Commissione europea riguarda principalmente i fornitori di sistemi di intelligenza artificiale generativa e la marcatura tecnica degli output generati. Gli obblighi di trasparenza separati si applicano anche a determinate persone o organizzazioni che utilizzano materiale generato dall’IA, comprese pubblicazioni testuali specifiche generate dall’IA riguardanti questioni di interesse pubblico. Questa distinzione è importante per l’istruzione.
Uno studente universitario che utilizza un assistente di intelligenza artificiale per il brainstorming consentito si trova in una situazione diversa da un fornitore di intelligenza artificiale che genera contenuti sintetici per la distribuzione. Le istituzioni educative possono anche stabilire le proprie regole in merito alla divulgazione, alla paternità e all’uso consentito dall’IA.
Il quadro di trasparenza dell’UE crea quindi una base tecnologica per identificare il materiale generato dall’IA, mentre le singole istituzioni necessitano ancora di politiche accademiche chiare.
Nuove regole di intelligenza artificiale per l’anno accademico 2026-2027
L’anno accademico 2026-2027 arriva in un momento importante perché i requisiti di trasparenza dell’UE dell’UE sono ora applicabili.
Le scuole e le università possono rispondere in modi diversi. Alcuni possono introdurre requisiti di divulgazione espliciti. Altri possono rivedere le politiche di valutazione, spiegare l’uso accettabile dell’IA o incorporare l’alfabetizzazione dell’IA nei corsi.
Gli studenti dovrebbero quindi evitare di presumere che esista un’unica “regola dei compiti di IA” universale.
Dovrebbero invece controllare:
- la politica di integrità accademica del loro istituto;
- le istruzioni specifiche per ogni incarico;
- se l’uso dell’IA è consentito;
- quali tipi di assistenza AI sono consentiti;
- se l’uso dell’IA deve essere divulgato;
- Se il corso richiede agli studenti di conservare le bozze o i record di ricerca;
- Se determinate valutazioni devono essere completate senza l’assistenza dell’IA.
Ciò è particolarmente importante perché il watermark non sostituisce la politica istituzionale. Un testo in filigrana può indicare che era coinvolto un modello di intelligenza artificiale, ma non rivela necessariamente se l’uso fosse consentito. Al contrario, un documento senza filigrana non prova che non sia stata utilizzata l’IA.
Come funziona la filigrana di testo AI
Per comprendere la filigrana del testo, aiuta a capire come i modelli linguistici di grandi dimensioni generano risposte. Un modello di intelligenza artificiale non recupera semplicemente una frase completa da un database. Genera progressivamente il testo, scegliendo il token successivo in base alle probabilità calcolate dal contesto precedente. In molti punti, diverse parole possibili possono avere senso.
ad esempio, dopo aver scritto: “Il tempo era” il modello potrebbe considerare parole come “freddo”, “nuvoloso”, “piacevole” o “nuvoloso”, a seconda del contesto. Il metodo della filigrana può influenzare queste scelte a basso stake in modo controllato.
La documentazione Synthid-Text di Google DeepMind spiega che il suo approccio modifica le distribuzioni di probabilità dei token durante la generazione per incorporare un segnale impercettibile. Il modello risultante può essere successivamente valutato per determinare se è probabile che il testo contenga la filigrana.
Questo è fondamentalmente diverso dall’inserimento di un simbolo ovvio, di un carattere speciale o di una parola nascosta in un paragrafo. Il lettore vede la scrittura ordinaria. La filigrana esiste come modello statistico nel processo di selezione delle parole del modello.
Metodo di filigrana: perché la scelta delle parole è importante
Il metodo di base della filigrana utilizzato nei moderni sistemi di testo può trarre vantaggio da situazioni in cui più parole sono ragionevoli. Supponiamo che due parole siano ugualmente appropriate per una frase. Senza filigrana, il meccanismo di selezione casuale del modello decide quale appare. Con la filigrana, il sistema può utilizzare una chiave segreta o una fonte deterministica di casualità per fare quella scelta secondo un particolare modello. Una singola parola non rivela nulla.
Il segnale emerge da una sequenza di scelte sufficientemente lunga. Ciò significa che la filigrana non fa necessariamente sembrare strana la scrittura dell’IA. Anthropic afferma che il suo metodo cambia la fonte della casualità utilizzata per la selezione delle parole piuttosto che costringere Claude a selezionare parole insolite.
Google descrive un principio simile per Synthid-Text: i punteggi di probabilità vengono regolati durante la generazione dei token in modo che venga creato un modello rilevabile senza rendere la filigrana evidente ai lettori.
filigrane invisibili sul testo AI di Claude
Anthropic ha annunciato nell’agosto 2026 che i futuri modelli Claude genererebbero un testo filigranato come parte della sua risposta all’UE AI Act.
La descrizione di Anthropic enfatizza diverse caratteristiche importanti: la filigrana è intesa per essere invisibile ai lettori, non aggiunge caratteri nascosti, non richiede token aggiuntivi e non contiene informazioni identificative su un particolare utente, organizzazione o conversazione. Ciò significa che le filigrane invisibili sul testo AI di Claude non sono come un francobollo visibile o un’immagine di sfondo. Non appare nulla di ovvio tra le righe. Invece, il segnale esiste nello schema delle scelte fatte durante la generazione.
Anthropic afferma anche che la filigrana è progettata per non avere un effetto pratico sulla qualità o sul contenuto della produzione di Claude. Il suo annuncio cita test in cui i revisori umani non hanno identificato una differenza di qualità tra le risposte filigranate e non watermarked.
Come funziona la filigrana di testo di Claude
La spiegazione di come funziona la filigrana del testo di Claude è relativamente semplice. Claude genera testo una parola o un token alla volta. Quando ci sono diverse scelte ragionevoli, il sistema normalmente utilizza la casualità per determinare quale opzione appare. Con la filigrana, Anthropic utilizza una chiave e parole precedenti per determinare la fonte di quella casualità. La sequenza risultante sembra ancora naturale.
Tuttavia, qualcuno con il meccanismo di rilevamento appropriato può esaminare la sequenza e calcolare quanto sia coerente con il processo di filigrana. Anthropic descrive la sua implementazione come una versione dell’approccio Synthid-Text originariamente sviluppato da Google DeepMind. ci sono limitazioni importanti.
I passaggi brevi contengono meno decisioni sulla scelta delle parole e quindi forniscono meno informazioni. Anthropic afferma che il rilevamento delle filigrane diventa più informativo all’aumentare della quantità di testo. Nota inoltre che i passaggi fattuali possono contenere meno opportunità di filigrana perché alcuni fatti richiedono parole specifiche, lasciando poco spazio per scelte alternative.
La scrittura generata da Claude porterà una filigrana invisibile
La conseguenza pratica è che la scrittura generata da Claude porterà una filigrana invisibile nei modelli filigranati supportati. Ma questa affermazione ha bisogno di una certa qualifica. La presenza di una filigrana è la prova del probabile coinvolgimento di Claude, non la prova che ogni parola è stata generata interamente da Claude.
Ad esempio, se uno studente dà a Claude un paragrafo che ha scritto da solo e chiede al sistema di correggere alcuni errori di punteggiatura, potrebbe esserci pochissimo nuovo testo a cui collegare la filigrana. Anthropic afferma che la correzione di bozze leggera del testo scritto dall’uomo potrebbe non produrre abbastanza decisioni filigranate per un rilevamento affidabile. Questo è particolarmente rilevante per gli studenti.
Gli studenti che utilizzano l’IA per la ricerca o la pianificazione devono affrontare un piccolo rischio di filigrane
Gli studenti spesso usano l’IA senza chiedergli di generare il loro compito finale. Possono utilizzare un assistente AI per:
- Brainstorm domande di ricerca;
- capire un concetto difficile;
- creare uno schema preliminare;
- identificare le aree che richiedono ulteriori indagini;
- organizzare note di studio;
- Esercitati a spiegare un argomento;
- generare domande per la revisione.
Se lo studente esegue la ricerca in modo indipendente e scrive il compito da solo, potrebbe esserci poco o nessun testo generato dall’IA nella presentazione finale. Di conseguenza, la presenza di filigrana testuale non dovrebbe scoraggiare gli usi educativi legittimi dell’IA. L’importante distinzione è tra l’utilizzo dell’IA come supporto per l’apprendimento e l’avere l’IA che produce un lavoro valutabile per conto dello studente.
Questo è anche il motivo per cui le istituzioni educative dovrebbero creare politiche chiare piuttosto che fare affidamento esclusivamente sul rilevamento tecnico.
Watermarking AI per l’integrità accademica
Il valore potenziale della filigrana AI per scopi accademici è semplice: se un’istituzione riceve un documento contenente una filigrana rilevabile da un particolare fornitore di intelligenza artificiale, potrebbe avere un segnale aggiuntivo che indica che il modello era coinvolto. Ciò potrebbe rendere le indagini più basate sull’evidenza. Tuttavia, la filigrana non deve essere trattata come un rilevatore di imbrogli automatico.
Una filigrana potrebbe mostrare che Claude era coinvolta, ma non può dirlo a un istruttore:
- se l’uso dell’IA era consentito;
- Quale percentuale dell’incarico è stata generata dall’IA;
- se lo studente ha modificato sostanzialmente il testo;
- se l’IA è stata utilizzata per il brainstorming o la stesura;
- se un’altra persona ha fornito il materiale originale;
- se le regole dell’incarico sono state violate.
Queste domande richiedono un contesto. Per questo motivo, la filigrana è meglio intesa come una potenziale componente di un processo di integrità accademica più ampio.
Imbroglio per saggi scolastici AI destinato a essere esposto dalle filigrane?
Il titolo che tradisce il saggio della scuola di IA destinato a essere esposto dalle filigrane può sembrare drammatico, ma la realtà è più sfumata. Le filigrane potrebbero rendere più facili da identificare alcune forme di compiti scolastici generati dall’IA quando è rilevabile la filigrana pertinente. Tuttavia, non esporranno automaticamente ogni assegnazione assistita da IA.
Ci sono diverse ragioni.
- Innanzitutto, diversi sistemi di intelligenza artificiale possono utilizzare diverse tecnologie di filigrana.
- In secondo luogo, non tutti i pezzi di testo assistiti dall’IA conterranno necessariamente un segnale sufficiente per un rilevamento affidabile.
- In terzo luogo, una filigrana può indicare il coinvolgimento del modello senza stabilire se l’uso dello studente abbia violato una regola particolare.
- In quarto luogo, gli studenti possono legittimamente utilizzare l’IA in modi che i loro permessi scolastici.
Esempio: AI come strumento di pianificazione
Immagina uno studente che prepara un saggio di storia. L’insegnante consente l’IA per il brainstorming, ma richiede che il saggio finale sia ricercato e scritto in modo indipendente. Lo studente chiede a un assistente di intelligenza artificiale per possibili domande di ricerca, ne sceglie una, legge le fonti primarie e secondarie, sviluppa un argomento e scrive il saggio in modo indipendente.
L’interazione di pianificazione non significa che il saggio finale dovrebbe essere considerato scritto dall’IA. Se la presentazione finale non contiene una sostanziale prosa generata dall’IA, potrebbe esserci un segnale di filigrana poco rilevante nel testo inviato. La domanda educativa non è quindi semplicemente “questo studente ha mai usato l’IA?” Ma “come è stata utilizzata l’IA per completare l’attività valutata?”
fare chatgpt, claude & Testo filigrana Gemini nel 2026?
la domanda fa chatgpt, claude & Testo filigrana Gemini 2026? non ha una semplice risposta sì o no perché i fornitori stanno implementando diverse tecnologie di provenienza in momenti diversi.
Claude
Anthropic ha annunciato pubblicamente la filigrana di testo per Claude. Il suo sistema si basa su una versione di Synthid-Text e ha lo scopo di creare un segnale statistico invisibile nel testo generato.
Gemelli
Google ha già distribuito Synthid-Text per il testo generato tramite l’app Gemini e l’esperienza Web. Google spiega che la filigrana è incorporata durante la generazione modificando le probabilità dei token ed è impercettibile per i lettori.
chatgpt
La situazione con chatgpt è diversa. Gli strumenti di provenienza attualmente documentati di OpenAI si concentrano su immagini e audio supportati, utilizzando tecnologie tra cui C2PA e Synthid. Il suo strumento di verifica pubblica attualmente supporta file di immagini e audio anziché fornire un rilevatore di filigrana di testo ChatGPT pubblicamente documentato.
Ciò potrebbe cambiare quando i fornitori rispondono ai requisiti di trasparenza dell’UE, quindi gli studenti e gli educatori dovrebbero controllare la documentazione del fornitore attuale piuttosto che fare affidamento su rivendicazioni più vecchie.
Rilevatore di filigrana AI contro il tradizionale rilevatore di IA
Un rilevatore di filigrana AI e un rilevatore di IA convenzionale non sono necessariamente la stessa cosa. Un rilevatore di filigrane cerca un segnale particolare associato a uno schema di filigrana. Un rilevatore di IA tradizionale può invece analizzare le caratteristiche linguistiche o statistiche e stimare se il testo assomiglia al contenuto generato dall’IA. La distinzione è importante perché il rilevamento delle filigrane può essere specifico del fornitore.
Ad esempio, un rivelatore progettato per identificare una filigrana Claude ha bisogno del metodo o della chiave appropriati associati al sistema di filigrana di Claude. Non può identificare automaticamente ogni documento generato dall’IA.
Anthropic sottolinea inoltre che la sua filigrana non identifica il singolo utente o conversazione. È progettato per determinare la probabilità che Claude sia stato coinvolto nella produzione del testo.
Che ne dici di un solvente per filigrane AI?
È probabile che le ricerche per un solvente per filigrane AI diventino più comuni man mano che si diffonde la filigrana. Tuttavia, gli utenti dovrebbero capire che la filigrana e l’editing del testo ordinario sono problemi tecnici diversi. Una filigrana è progettata per esistere come modello statistico piuttosto che come carattere visibile che può essere semplicemente cancellato. Di conseguenza, potrebbe non esserci un ovvio “carattere della filigrana” da trovare e rimuovere. Ancora più importante, i tentativi di rimuovere deliberatamente o aggirare i segnali di provenienza possono entrare in conflitto con politiche istituzionali o requisiti di trasparenza.
Per l’istruzione, l’approccio migliore è non cercare modi per aggirare una filigrana. Gli studenti dovrebbero seguire le regole della loro scuola e rivelare l’assistenza dell’IA quando richiesto. Uno studente che ha scritto l’opera in modo indipendente dovrebbe invece preservare le prove della paternità, come bozze, note, materiali di ricerca e storia di revisione.
Rilevatore di filigrane ChatGPT e rimozione della filigrana ChatGPT
Domande simili sorgono attorno a un rilevatore di filigrane ChatGPT e un solvente per filigrane ChatGPT. Al momento, gli strumenti di verifica della provenienza documentati pubblicamente di OpenAI si concentrano su immagini e audio supportati piuttosto che su un sistema di filigrane documentato pubblicamente per il testo normale ChatGPT. Ciò significa che gli utenti dovrebbero essere cauti con i siti Web che affermano di poter rilevare o rimuovere definitivamente una filigrana di testo ChatGPT nascosta.
Un rilevatore di AI convenzionale può fornire una probabilità che il testo assomigli al contenuto generato dall’IA, ma non è lo stesso che rilevare una filigrana specifica di OpenAI. Allo stesso modo, uno strumento che afferma di “rimuovere” una filigrana di chatgpt dal testo non dovrebbe automaticamente avere accesso a un meccanismo ufficiale di provenienza OpenAI.
La filigrana sostituirà i rilevatori AI?
Probabilmente no. La filigrana e il rilevamento dell’IA risolvono problemi correlati ma diversi. La filigrana può fornire provenienza quando il contenuto è stato generato da un modello partecipante e la filigrana rimane rilevabile. Il rilevamento dell’IA può tentare di valutare il testo anche quando non esiste una filigrana. Le due tecnologie possono quindi completarsi a vicenda.
Google descrive esplicitamente Synthid come un elemento costitutivo piuttosto che una soluzione completa per identificare tutti i contenuti generati dall’intelligenza artificiale. Questa distinzione rimarrà importante durante l’istruzione.
Se uno studente invia il testo generato da un modello che utilizza una filigrana rilevabile, l’analisi della filigrana può fornire prove utili. Se lo studente utilizza un altro sistema senza la stessa tecnologia di filigrana, un rilevatore di filigrane potrebbe non trovare nulla. Un risultato negativo quindi non prova la paternità umana.
Cosa significa questo per gli insegnanti?
Per gli educatori, la filigrana potrebbe semplificare alcune indagini relative all’IA, ma non dovrebbe sostituire un buon progetto di valutazione. Gli insegnanti possono ridurre l’incertezza progettando incarichi che catturano il processo di apprendimento.
ad esempio, una valutazione potrebbe includere:
- una proposta di domanda di ricerca;
- selezione della fonte;
- uno schema;
- una bozza;
- una riflessione;
- una breve spiegazione orale;
- la sottomissione finale.
Ciò fornisce agli insegnanti molteplici forme di prove su come lo studente ha sviluppato il lavoro. Crea anche una migliore esperienza di apprendimento. Gli studenti imparano che il lavoro accademico non è semplicemente un documento raffinato presentato alla fine. La ricerca, il ragionamento, la revisione e la riflessione fanno tutti parte del processo di apprendimento.
Cosa significa questo per gli studenti?
Gli studenti non dovrebbero vedere la filigrana come un motivo per evitare del tutto l’IA. Invece, dovrebbero comprendere le regole della loro istituzione e utilizzare l’IA in modo trasparente.
- Se l’IA è consentita per il brainstorming, usala per il brainstorming.
- Se l’IA è consentita per la correzione di bozze, rimani entro quel confine.
- Se un compito richiede una scrittura indipendente, non chiedere all’IA per generare l’invio.
e quando è richiesta la divulgazione, rivelarla. L’arrivo di filigrane invisibili rende più importante l’uso dell’IA responsabile, non perché ogni interazione con l’IA sia imbroglione, ma perché la tecnologia sta diventando più facile da rintracciare in alcune circostanze.
Il futuro della filigrana dell’IA nell’istruzione
L’anno accademico 2026-2027 potrebbe diventare un importante periodo di transizione. L’UE ha stabilito requisiti di marcatura leggibili per i fornitori di sistemi di intelligenza artificiale generativi, mentre aziende come Google e Anthropic stanno implementando tecnologie di filigrana testuale. La tecnologia probabilmente continuerà ad evolversi.
I sistemi futuri possono combinarsi:
- filigrane di testo;
- Provenienza di immagini e audio;
- metadati;
- credenziali di contenuto;
- rilevamento dell’IA;
- sistemi di divulgazione istituzionale;
- Prove di valutazione-processo.
È probabile che nessuna tecnologia individuale risolva ogni problema di integrità accademica. Invece, il futuro probabilmente coinvolgerà diversi livelli di prove. La filigrana cambia la conversazione sul testo generato dall’IA.
Per anni, la domanda centrale era se un rivelatore potesse identificare la scrittura dell’IA dalle sue caratteristiche linguistiche. Sempre più spesso, la domanda è anche se i sistemi di intelligenza artificiale possano creare i propri segnali di provenienza leggibili dalla macchina nel momento in cui viene generato il contenuto.
Claude è ora un esempio importante. Anthropic afferma che la sua filigrana di testo è invisibile, non aggiunge caratteri nascosti e utilizza un modello statistico creato attraverso il processo di selezione delle parole del modello. Google ha già implementato un concetto generale simile attraverso Synthid-Text in Gemini.
Per l’istruzione, tuttavia, la tecnologia dovrebbe rimanere secondaria rispetto a regole chiare e apprendimento genuino. Gli studenti che utilizzano l’IA per la pianificazione della ricerca, il brainstorming o altre attività esplicitamente consentite non dovrebbero presumere che la filigrana li renda automaticamente colpevoli di imbrogliare. Ciò che conta è come viene utilizzata l’IA in relazione ai requisiti di valutazione.
Allo stesso tempo, gli studenti che presentano un lavoro generato dall’IA in cui l’IA è vietata dovrebbero comprendere che le nuove tecnologie di provenienza possono rendere più facile da indagare alcune forme di uso non divulgato dell’IA. L’approccio più sostenibile è quindi semplice: utilizzare l’IA all’interno delle regole, capire cosa la tecnologia può e non può rivelare e conservare le prove del proprio processo di apprendimento e scrittura.
Le filigrane possono aiutare a rispondere se è coinvolto un sistema di intelligenza artificiale. Non possono, da soli, rispondere alla domanda educativa molto più importante: lo studente ha davvero imparato?