OpenAI zacznie znakować teksty generowane w ChatGPT i Codeksie dla użytkowników z Unii Europejskiej. Firma poinformowała 5 października 2026 roku, że w ciągu najbliższych tygodni włączy niewidzialny znak wodny o nazwie textGrain we wszystkich planach ChatGPT na terenie UE, a klienci API na całym świecie mogą go włączyć już od tego dnia, dobrowolnie i dla wybranych modeli. To pierwszy przypadek, w którym największy dostawca modeli językowych oznacza sam tekst, a nie obraz czy wideo, i robi to pod presją konkretnego przepisu.
Kontekst: przepis, który wszedł w życie w sierpniu
Bezpośrednim powodem jest artykuł 50 unijnego AI Act. Przepis nakazuje dostawcom systemów generatywnej sztucznej inteligencji oznaczanie wygenerowanych treści w sposób możliwy do odczytania maszynowo. Obowiązuje od 2 sierpnia 2026 roku i obejmuje każdego, kto obsługuje użytkowników w Unii, niezależnie od tego, gdzie firma ma siedzibę. Jak podają serwisy branżowe śledzące wdrożenie, termin na doprowadzenie działających już systemów do zgodności przypada na 2 grudnia 2026 roku. Harmonogram OpenAI, czyli wdrożenie w ciągu kilku tygodni, mówi więc sam za siebie.
Warto pamiętać, że oznaczanie obrazów i wideo było stosunkowo łatwe. Metadane C2PA, sygnatury w pikselach, podpisy kryptograficzne w pliku: to rozwiązania, które branża kreatywna ma od lat. Tekst jest trudniejszy, bo nie ma w nim miejsca na ukrycie czegokolwiek poza samymi słowami. Przez dwa lata mówiło się, że watermarking tekstu jest praktycznie niewykonalny w skali produkcyjnej, bo każde wklejenie, każda zmiana formatowania i każdy przelot przez edytor kasują wszystko, co nie jest treścią. Teraz dostajemy wdrożenie u dostawcy, z którego korzysta większość polskich zespołów contentowych.
Regulacja nie pojawiła się w próżni. Do końca lipca pod unijnym kodeksem postępowania dotyczącym treści generowanych przez AI podpisało się około 190 organizacji, w tym Google, Meta i Microsoft. Anthropic wyprzedził OpenAI o mniej więcej dwa miesiące i oznacza teksty Claude globalnie, wariantem rozwiązania SynthID-Text. Różnica w podejściu jest istotna: Anthropic poszedł na cały świat, OpenAI na razie tylko na Unię plus opcjonalne API. To rozróżnienie będzie miało praktyczne konsekwencje, do których wrócimy przy omawianiu pracy rozproszonych zespołów.
Jak działa textGrain
Mechanizm jest elegancki i, co ważne dla osób pracujących z tekstem na co dzień, nie polega na wstawianiu ukrytych znaków. Nie ma tu spacji o zerowej szerokości, nie ma niewidzialnych unikodów, nie ma nic, co wyleci przy wklejeniu do edytora albo przy czyszczeniu kodu HTML. Sygnał siedzi w samych decyzjach modelu.
Model językowy w każdym kroku generowania ma rozkład prawdopodobieństwa nad kolejnym tokenem. Często kilka słów pasuje w danym miejscu równie dobrze: „istotny”, „ważny”, „kluczowy”. Normalnie wybór między nimi jest pseudolosowy. W textGrain o tym wyborze decyduje tajny klucz, który sortuje kandydatów w powtarzalny sposób. Pojedyncza decyzja nie znaczy nic i nie da się jej odróżnić od zwykłego losowania. Na przestrzeni kilkuset tokenów powstaje jednak statystyczny wzorzec, który posiadacz klucza potrafi wykryć z wysoką pewnością. Dlatego metoda opisywana jest jako entropy-calibrated watermarking: im więcej swobody ma model w danym miejscu, tym więcej sygnału da się tam zakodować.
Konsekwencja jest przewidywalna. Tam, gdzie model nie ma wyboru, znak wodny nie powstaje. Odpowiedzi matematyczne, krótkie komunikaty, ściśle sformalizowane fragmenty, cytaty, listy parametrów technicznych: wszędzie tam wykrywalność spada, bo nie ma alternatywnych słów, między którymi można przemycić sygnał. Z punktu widzenia osoby produkującej treści oznacza to, że najkrótsze elementy, czyli tytuły, nagłówki i opisy meta, pozostaną praktycznie nieoznaczone, a cały ciężar sygnału spadnie na dłuższe akapity.
Kluczowe fakty w liczbach
| Parametr | Wartość |
|---|---|
| Nazwa technologii | textGrain (entropy-calibrated watermarking) |
| Data ogłoszenia | 5 października 2026 |
| Zasięg obowiązkowy | ChatGPT i Codex, wszystkie plany, użytkownicy w UE |
| Zasięg opcjonalny | API globalnie, wybrane modele, domyślnie wyłączone |
| Wykrywalność przy 200 tokenach | około 80% |
| Wykrywalność przy 400 tokenach | około 95% |
| Założony odsetek fałszywych alarmów | 1% |
| Po podmianie 10% słów na synonimy | spadek z około 92% do 66% |
| Po podmianie 25% słów na synonimy | spadek do 17% |
| Dostęp do detektora | najpierw zatwierdzeni badacze i organizacje eksperckie |
| Podstawa prawna | artykuł 50 AI Act, obowiązuje od 2 sierpnia 2026 |
| Termin zgodności | 2 grudnia 2026 |
Te liczby trzeba czytać razem, a nie osobno. Wykrywalność rośnie z długością tekstu, co znaczy, że krótki opis produktu albo meta description praktycznie nie da się oznaczyć wiarygodnie. Jednocześnie wykrywalność załamuje się przy edycji. Podmiana co dziesiątego słowa, czyli praca redakcyjna, którą każdy przyzwoity zespół i tak wykonuje, ścina skuteczność o jedną trzecią. Podmiana co czwartego słowa sprowadza detekcję do poziomu, który trudno nazwać użytecznym. Osobno warto zwrócić uwagę na założony jeden procent fałszywych alarmów: przy masowym skanowaniu to liczba, która brzmi niewinnie, dopóki nie przeliczy się jej na tysiące dokumentów.
Co to znaczy dla SEO i AIO
Znak wodny nie jest dowodem, a jego brak tym bardziej
Najważniejsze zdanie całego ogłoszenia nie dotyczy technologii, tylko jej granic. OpenAI w oficjalnym komunikacie zastrzega, że brak znaku wodnego nie dowodzi ludzkiego autorstwa, a jego obecność nie mówi nic o tym, ile ludzkiego osądu, redakcji i twórczości znalazło się w tekście. To zastrzeżenie warto zapamiętać i cytować, bo w ciągu kilku miesięcy pojawią się narzędzia sprzedające „wykrywanie AI” oparte właśnie na tym sygnale, a wraz z nimi klienci pytający, dlaczego ich artykuł „został wykryty”.
Dla praktyki redakcyjnej oznacza to jedno: wartość tekstu nadal mierzy się jego użytecznością, a nie pochodzeniem. Jeśli pracujesz z modelami, i tak warto przejść przez standardową listę poprawek redakcyjnych, które odróżniają gotowy materiał od surowego wyjścia z modelu. Opisaliśmy ją w materiale o redakcji tekstu z AI i dwunastu poprawkach, które zdradzają maszynę. Ciekawy efekt uboczny: dokładnie te same zabiegi, które podnoszą jakość tekstu, zbijają wykrywalność znaku wodnego. Nikt tego nie zaplanował, ale tak wyszło, i jest to chyba najlepsza ilustracja tego, jak trudno pogodzić wymóg przejrzystości z realnym procesem wydawniczym.
Google i tak patrzy na co innego
Stanowisko Google w sprawie treści tworzonych z udziałem AI nie zmienia się od dwóch lat i nowy znak wodny go nie rusza. Liczy się przydatność, oryginalność i to, czy za tekstem stoi rzeczywista wiedza. Co istotne, w ostatnich tygodniach wyszukiwarka dołożyła do wytycznych wyraźny sygnał o ręcznej weryfikacji materiałów powstających z pomocą modeli oraz ostrzeżenie przed fikcyjnymi autorami. Pisaliśmy o tym w tekście o tym, jak Google każe ręcznie sprawdzać każdą treść z AI. Nic nie wskazuje, żeby obecność textGrain miała stać się czynnikiem rankingowym. Sygnału i tak nie da się odczytać bez klucza, a dostęp do detektora OpenAI oddaje najpierw zatwierdzonym badaczom i organizacjom eksperckim.
Pośrednio jednak coś się zmienia. Jeśli oznaczanie stanie się standardem u wszystkich dużych dostawców, wyszukiwarki i platformy wydawnicze dostaną do ręki dodatkowy sygnał przy ocenie masowych kampanii publikacyjnych. Nie w rankingu pojedynczego artykułu, tylko w wykrywaniu farm treści, gdzie teksty idą prosto z modelu do publikacji, bez jakiejkolwiek redakcji, czyli dokładnie w warunkach, w których textGrain działa najskuteczniej.
Rozproszone zespoły dostaną niespójne oznaczenia
To problem, który uderzy w agencje najszybciej. Wdrożenie jest regionalne. Materiał napisany przez redaktora w Warszawie albo Berlinie będzie nosił znak wodny, a dokładnie ten sam materiał napisany przez współpracownika spoza Unii, w tym samym procesie i na tym samym koncie firmowym, już nie. Jeśli do tego część zespołu korzysta z API z wyłączoną opcją, co jest ustawieniem domyślnym, powstaje trzeci wariant. Audyt treści przestaje być powtarzalny, a wewnętrzna polityka „sprawdzamy każdy tekst detektorem” rozsypuje się w pierwszym tygodniu.
Praktyczny wniosek dla osób zarządzających produkcją treści jest taki, że od teraz warto logować nie tylko to, jakim modelem powstał materiał, ale też z jakiego konta i w jakim regionie. Bez tego pierwsze pytanie klienta o pochodzenie tekstu zostanie bez odpowiedzi, a odpowiedź „nie wiemy” brzmi w tej rozmowie wyjątkowo źle.
Umowy i klauzule ujawnienia
Druga strona medalu dotyczy kontraktów. Coraz więcej umów wydawniczych zawiera klauzule o ujawnianiu udziału AI, a niektóre zamówienia publiczne wprost tego wymagają. Pojawienie się technicznego sposobu weryfikacji, nawet ułomnego, zmienia siłę negocjacyjną w sporach o takie klauzule. Temat licencji, praw autorskich i zgodności z AI Act rozpisaliśmy szerzej w przewodniku o prawie i zgodności treści w erze AI. Z perspektywy osoby zarządzającej contentem warto już teraz uporządkować jedną rzecz: kto, na jakim koncie i w jakim regionie generuje materiały, które trafiają do klienta.
Reakcje branży
Pierwsze komentarze rozkładają się na trzy obozy. Część badaczy zajmujących się bezpieczeństwem modeli uznaje wdrożenie za realny postęp, bo do tej pory oznaczanie tekstu funkcjonowało głównie w publikacjach naukowych. Argument jest prosty: nawet niedoskonały sygnał daje organizacjom punkt zaczepienia przy badaniu zorganizowanych kampanii dezinformacyjnych, gdzie teksty i tak publikuje się masowo i bez redakcji.
Drugi obóz, głównie praktycy contentu, wskazuje na asymetrię. Znak wodny łamie się tam, gdzie ktoś chce go złamać, bo wystarczy przepuścić tekst przez inny model albo podmienić co czwarte słowo. Działa natomiast na użytkownikach, którzy niczego nie ukrywają, bo publikują tekst mniej więcej w takiej formie, w jakiej wyszedł z modelu. Efekt jest odwrotny do zamierzonego: najłatwiej wykryć tych, którzy nie próbują oszukiwać.
Trzeci wątek dotyczy zachowania samych użytkowników. W cytowanym przy okazji tego wdrożenia badaniu z sierpnia 2024 roku 30% użytkowników ChatGPT deklarowało, że korzystałoby z usługi rzadziej, gdyby teksty były znakowane. To deklaracje, a nie zachowania, i dwa lata to w tej branży epoka, ale liczba tłumaczy, dlaczego OpenAI tak długo zwlekało i dlaczego poza Unią wdrożenie pozostaje opcjonalne oraz domyślnie wyłączone.
Osobno wraca pytanie o wyciek klucza. Cały model bezpieczeństwa opiera się na tym, że klucz pozostaje tajny. Jego ujawnienie nie tylko pozwoliłoby usuwać znak wodny, lecz także podrabiać go w tekstach pisanych przez człowieka, co byłoby znacznie poważniejszą konsekwencją. Fałszywe przypisanie autorstwa maszynie jest bowiem groźniejsze niż nieprzyłapanie kogoś na korzystaniu z modelu. Stąd ostrożna polityka dostępu do detektora.
Co dalej
Najbliższe tygodnie przyniosą włączenie znakowania w ChatGPT dla kont w Unii. Grudniowy termin zgodności z artykułem 50 wyznacza realną granicę. W tym samym oknie spodziewać się można ruchów pozostałych sygnatariuszy kodeksu postępowania: Google, Meta i Microsoft mają ten sam problem i tę samą datę w kalendarzu, a Anthropic już działa globalnie. Jeśli trzej duzi dostawcy wdrożą znakowanie tekstu w ciągu kwartału, oznaczanie przestanie być ciekawostką, a stanie się domyślnym stanem rynku.
Drugi wątek do obserwacji to dostęp do detektorów. Dopóki pozostaje zawężony do badaczy, praktyczny wpływ na codzienną pracę zespołów contentowych jest bliski zera. Moment, w którym detektor trafi do szerszego grona, na przykład do platform edukacyjnych albo narzędzi antyplagiatowych, będzie prawdziwym punktem zwrotnym. Wtedy też zaczną się pierwsze spory o fałszywie pozytywne wyniki, bo przy założonym jednym procencie fałszywych alarmów i skali uczelnianej mówimy o tysiącach błędów rocznie.
Trzecia rzecz jest najmniej oczywista, ale najciekawsza dla osób pracujących z widocznością w modelach. Jeśli oznaczanie upowszechni się u wszystkich dostawców, firmy trenujące kolejne generacje modeli dostaną narzędzie do filtrowania własnych danych treningowych z tekstu wygenerowanego maszynowo. Problem zatrucia korpusów treningowych tekstami z modeli jest realny i rośnie. Z tej perspektywy watermarking może okazać się ważniejszy dla samych laboratoriów AI niż dla regulatora, który go wymusił.
Dla polskich zespołów praktyczna lista na teraz jest krótka:
- sprawdzić, na jakich kontach i w jakich regionach powstają materiały dla klientów,
- zdecydować świadomie, czy włączać opcję w API, bo domyślnie pozostaje wyłączona i nikt tego nie zrobi za nas,
- zaktualizować klauzule o ujawnianiu udziału AI w umowach, zanim zrobi to klient,
- przygotować odpowiedź na pytanie „czy to pisała AI”, która nie opiera się na detektorze, tylko na procesie redakcyjnym,
- nie zmieniać niczego w podejściu do jakości tekstu, bo akurat tej zmiennej nowa regulacja nie dotyka.
Z dystansu to wdrożenie wygląda na pierwszy realny test tego, czy przejrzystość w generatywnej AI da się wymusić technicznie, czy pozostanie deklaracją. Liczby z pierwszego dnia sugerują raczej to drugie, bo sygnał znika przy pracy, którą i tak wykonuje każda przyzwoita redakcja. Nie zmienia to faktu, że od grudnia będzie to obowiązek, a nie wybór, a polskie zespoły pracują dokładnie w tej jurysdykcji, w której wchodzi on pierwszy.
Czy znak wodny textGrain obejmie polskich użytkowników ChatGPT?
Tak. Wdrożenie dotyczy wszystkich użytkowników w Unii Europejskiej, we wszystkich planach ChatGPT oraz w Codeksie, a Polska jest objęta tymi samymi przepisami AI Act co reszta Unii. Zmiana ma być wprowadzana stopniowo w ciągu kilku tygodni od ogłoszenia z 5 października 2026 roku.
Czy redakcja tekstu usuwa znak wodny?
Częściowo i stopniowo. Według przytaczanych przy wdrożeniu wyników podmiana 10% słów na synonimy obniża wykrywalność z około 92% do 66%, a podmiana 25% słów sprowadza ją do 17%. Zwykła praca redakcyjna więc realnie osłabia sygnał, choć nie kasuje go w sposób gwarantowany.
Czy Google obniży pozycje tekstom ze znakiem wodnym?
Nic na to nie wskazuje. Sygnał jest odczytywalny wyłącznie z tajnym kluczem OpenAI, a dostęp do detektora trafia na razie do zatwierdzonych badaczy i organizacji eksperckich. Wytyczne Google nadal odnoszą się do przydatności i oryginalności treści, a nie do sposobu jej powstania.
Czy mogę włączyć znakowanie w API poza Unią?
Tak. Opcja jest dostępna globalnie dla wybranych modeli od 5 października 2026 roku, ale domyślnie pozostaje wyłączona. Trzeba ją włączyć samodzielnie w ustawieniach, co oznacza, że bez świadomej decyzji zespołu teksty z API nie będą oznaczane.
Czy brak znaku wodnego dowodzi, że tekst napisał człowiek?
Nie. OpenAI wprost zastrzega, że brak sygnału nie dowodzi ludzkiego autorstwa, a jego obecność nie mówi nic o skali ludzkiej redakcji i wkładu twórczego. Tekst może pochodzić z innego modelu, z wersji sprzed wdrożenia albo z konta spoza Unii z wyłączoną opcją w API.