Rilevatore AI, watermark e C2PA: la policy operativa per il 2026

La policy ha tre livelli, non un solo watermark

Il modello più utile comprende un’etichetta di prodotto, un filo di sicurezza e un manifesto di spedizione firmato.

1. L’etichetta visibile serve al pubblico. Segnala che un contenuto è stato generato o modificato con l’AI. Nel quadro dell’Articolo 50 dell’UE, la responsabilità ricade sul deployer per i deepfake e per alcuni testi di interesse pubblico. Google Ads mostra ora le dichiarazioni sull’uso dell’AI in My Ad Center a livello globale e aggiunge overlay visibili nell’Unione europea, in India e a New York per i contenuti che l’inserzionista indica come creati o modificati con l’AI.
2. Il watermark incorporato serve a un rilevatore. Google SynthID nasconde un segnale leggibile dalle macchine all’interno di immagini, audio, testi e video supportati. Anthropic dichiara che i modelli Claude supportati integrano nel testo generato un watermark impercettibile a livello di modello.
3. I metadati di provenienza firmati servono alla catena di custodia. C2PA è uno standard aperto che consente a un file di contenere informazioni firmate sulla propria origine e sulle eventuali modifiche. Google applica markup C2PA e SynthID alle immagini e ai video generati negli strumenti di Google Ads. Anthropic associa metadati C2PA firmati ai file supportati, tra cui SVG, PNG e JPG.

L’etichetta in primo piano spiega a una persona che cosa è successo. Il filo di sicurezza permette a uno scanner compatibile di individuare un segnale persistente. Il manifesto contiene dettagli più ricchi, ma può scomparire se una piattaforma elimina i metadati. Per questo un workflow affidabile conserva tutti e tre i livelli.

La distinzione è ora esplicita nel Codice di buone pratiche dell’UE. I provider sono responsabili delle marcature leggibili dalle macchine e del rilevamento. I deployer, cioè le aziende che pubblicano o distribuiscono i contenuti, devono fornire la dichiarazione visibile nei casi previsti dalla legge. Il codice è volontario, ma gli obblighi di trasparenza dell’Articolo 50 si applicano dal 2 agosto 2026.

Che cosa è cambiato per Google e Anthropic

Google ha separato l’etichetta rivolta al pubblico dalla prova invisibile contenuta in un asset pubblicitario.

L’impostazione per l’etichetta AI di Google Ads consente all’inserzionista di dichiarare che un asset è stato creato o modificato con l’AI. L’indicazione compare a livello globale nel pannello «Come è stato realizzato questo annuncio». Nell’Unione europea, in India e a New York, può inoltre generare un overlay visibile sull’annuncio. In alternativa, gli inserzionisti possono inserire una propria etichetta nella creatività; Google precisa che non violerà le normali restrizioni su overlay testuali e watermark.

Sotto questo livello visibile, Google inserisce watermark SynthID non visibili e markup C2PA in tutte le immagini e i video generati con gli strumenti di Google Ads. È la differenza tra dichiarazione e prova: l’etichetta si vede, mentre il segnale nascosto e i metadati firmati possono essere esaminati da sistemi compatibili.

Google avverte anche che l’impostazione non garantisce la conformità alla legge. Un’etichetta personalizzata vicino a un angolo può essere tagliata durante il rendering, e anche i miglioramenti automatici dell’immagine possono ritagliarla. È un problema di workflow, non una questione da risolvere spuntando una casella.

Anthropic sta introducendo la stessa separazione nel testo. Secondo il piano di marcatura di Anthropic, i modelli Claude supportati lanciati nell’UE il 2 agosto 2026 o in una data successiva marcano il testo fin dal primo giorno. Il watermark viene integrato nel testo a livello di modello, resta con il contenuto quando viene copiato e incollato e può resistere ad alcune modifiche. I file generati supportati ricevono metadati C2PA firmati.

Le marcature si applicano in tutto il mondo ovunque sia disponibile un modello supportato, compresi Claude Platform API, Claude, Claude Code, Claude Cowork, Claude Tag e i deployment cloud supportati. Il supporto dei metadati nei file può comunque variare da una piattaforma all’altra.

Il limite più importante passa facilmente inosservato. Una marcatura Claude indica che il contenuto potrebbe essere stato elaborato da Claude. Non significa che Claude abbia avuto le idee o scritto la prima bozza. Un comunicato stampa scritto da una persona e inviato a Claude per la revisione può tornare marcato. Lo stesso vale per un documento tradotto o per un file convertito. La provenienza registra un passaggio di elaborazione, non la paternità.

Come deve funzionare il workflow operativo

Il workflow più sicuro parte dalla creazione e termina dopo la distribuzione, perché è durante questo percorso che metadati ed etichette tendono a perdersi.

Dal rilevatore AI al registro di provenienza: cambiano i costi

Gli abbonamenti a un rilevatore AI coprono attualmente una fascia che va da circa $14.95 a $179 al mese nei piani pubblicati da Originality.ai. Copyleaks propone piani mensili personal e pro da $16.99 e $99.99. Questi accessi rispondono a una domanda utile ma circoscritta: quanto assomiglia questo contenuto all’output di un modello?

La provenienza fornita dal provider risponde a un’altra domanda: è davvero presente il segnale di un provider supportato? Per gli output Google e Claude supportati, la marcatura fa parte del workflow di generazione. Nessuno dei due provider pubblica un costo separato per la marcatura nelle pagine citate sopra. La nuova voce di spesa è operativa: conservare il master, mantenere i metadati durante le trasformazioni, aggiungere l’etichetta per il pubblico e archiviare le prove della revisione.

Questo cambia la voce di budget. Un rilevatore può restare una soluzione di riserva per i contenuti di origine sconosciuta, ma non dovrebbe più essere il sistema ufficiale di registrazione. Quel ruolo passa a un registro di provenienza. Per confrontare l’attuale categoria dei classificatori, la recensione dei rilevatori AI è l’approfondimento più adatto. Il workflow di policy descritto qui inizia dove finisce il punteggio percentuale.

Sette casi d’uso, in ordine di beneficio

1. Agenzie media a pagamento con campagne internazionali

Un’agenzia performance può trasformare un solo shooting di prodotto in decine di asset display e video modificati con l’AI. Il workflow più redditizio consiste nell’etichettare ogni asset sorgente al momento della creazione, conservare le prove C2PA e SynthID generate da Google, dichiarare l’uso dell’AI nella campagna e controllare l’annuncio renderizzato in ogni mercato di destinazione. Se aggiunge un’etichetta propria, l’agenzia testa i ritagli e disattiva i miglioramenti che potrebbero rimuoverla.

Il vantaggio è duplice: meno ricostruzioni urgenti dopo una verifica di conformità e un unico registro difendibile per il cliente. L’agenzia può indicare quale modello ha elaborato un asset, quale etichetta è comparsa e chi ha approvato la pubblicazione, senza cercare tra chat e drive condivisi.

2. Editori che trattano testi di interesse pubblico

Un editore che usa Claude per riassumere un rapporto comunale o tradurre un approfondimento elettorale deve distinguere l’elaborazione del modello dalla responsabilità editoriale. La marcatura Claude può essere presente anche quando la fonte è stata scritta da un giornalista. L’editore registra la fonte, la trasformazione tramite AI, l’editor umano e l’approvazione finale.

Il risultato è una policy più precisa e trasparente. Le indicazioni dell’UE prevedono un’eccezione da quello specifico obbligo di dichiarazione visibile per i testi di interesse pubblico revisionati da una persona sotto responsabilità editoriale. Il registro di controllo diventa prezioso perché il watermark, da solo, non può dimostrare che la revisione sia avvenuta.

3. Team di comunicazione aziendale che usano Claude per modifiche ordinarie

Un team di comunicazione può affidare a Claude note dei dirigenti per correggerne tono, traduzione o formattazione. Uno scanner potrebbe in seguito trovare un segnale Claude e innescare una contestazione sulla paternità del testo. Per evitarlo, il team conserva la fonte umana, descrive il ruolo di Claude come «elaborazione» e archivia la versione finale approvata insieme al registro della revisione.

Il vantaggio è ridurre le false accuse all’interno dell’azienda. Una marcatura rilevata diventa un dato nella catena di custodia, non un verdetto su chi abbia scritto il messaggio.

4. Brand ecommerce che producono creatività sintetiche

Un retailer può generare sfondi, ridimensionare hero image o animare foto statiche di prodotto all’interno di una piattaforma pubblicitaria. Ogni esportazione e ritaglio può eliminare i metadati C2PA o tagliare un’etichetta visibile. Il brand conserva un master intatto, testa i formati finali e registra se l’etichetta della piattaforma o la dichiarazione personalizzata sono sopravvissute.

Il vantaggio è poter riutilizzare gli asset senza perderne la memoria. La libreria conserva le informazioni sull’origine anche dopo che il team della campagna ha creato numerose varianti per i diversi canali.

5. Marketplace che accettano immagini e video dei venditori

Un marketplace può verificare nei contenuti caricati la presenza di metadati firmati e watermark supportati, chiedere al venditore di dichiarare le modifiche tramite AI e inoltrare alla revisione i casi contraddittori. L’assenza di prove va classificata come origine sconosciuta, non come autenticità.

Il vantaggio è una moderazione mirata. I revisori si concentrano sui segnali in conflitto e sulle impersonificazioni ad alto rischio, invece di esaminare manualmente ogni asset.

6. Redazioni e desk di verifica

Una redazione può cercare dati C2PA e segnali di watermark disponibili nei contenuti ricevuti, conservare il caricamento originale e registrare ogni conversione eseguita dai propri sistemi. Se uno screenshot distrugge i metadati, il desk mantiene comunque nel fascicolo le prove precedenti e l’hash del file.

Il vantaggio è offrire ai lettori una spiegazione più solida. La redazione può dire quale segnale ha trovato e dove, senza sostenere che il silenzio dei sistemi dimostri l’autenticità.

7. Network di creator e studi di produzione

Uno studio può far passare un singolo asset attraverso generazione di immagini, ritocco, captioning, ridimensionamento e programmazione social. Può imporre che ogni passaggio conservi l’identificatore della fonte ed eseguire un controllo finale dell’etichetta visibile prima della pubblicazione.

Il vantaggio è ridurre le controversie tra creator, clienti e piattaforme. Lo studio sa in quale fase è stata introdotta l’AI e in quale sono stati rimossi i dati di provenienza.

Tre prodotti che vale la pena costruire

1. Un gateway di provenienza che parte dalle prove

È l’opportunità più forte. Si può creare un livello di upload e API che controlli C2PA, interroghi i sistemi di verifica disponibili dei provider, registri l’esito, ponga all’operatore le poche domande di policy a cui un rilevatore non può rispondere e produca l’etichetta visibile corretta insieme a un registro di controllo.

La domanda è già enorme, ma punta alla categoria di prodotto sbagliata. «AI detector» totalizza circa 5,000,000 di ricerche Google al mese e viene richiesto agli assistenti AI circa 1,995 volte al mese. In questa analisi, l’endpoint delle citazioni ChatGPT non ha restituito fonti citate aggregate per quell’attività. I piani dei rilevatori esistenti vanno da $14.95 a $179 al mese: una prova che i team stanno già pagando per ottenere una risposta.

La versione minima vendibile richiede cinque elementi: upload dei file, parsing C2PA, adapter per i servizi di verifica effettivamente disponibili, un risultato a tre stati — rilevato, non rilevato o non supportato — e un registro di controllo scaricabile. Le regole per giurisdizione e canale vanno aggiunte solo dopo aver reso affidabile il livello delle prove.

Il limite è l’accesso ai provider. Anthropic afferma che il suo meccanismo di rilevamento sarà disponibile in futuro. Il SynthID Detector generalista di Google è ancora in fase di test con giornalisti e professionisti dei media, anche se Gemini può esaminare i contenuti supportati. Il prodotto deve vendere la gestione delle prove e il controllo del workflow, non la promessa di un rilevamento universale.

2. Un monitor DAM e CDN che preserva la provenienza

Si può sviluppare un plugin per i digital asset manager e le pipeline media che confronti la provenienza prima e dopo ridimensionamento, conversione del formato, ottimizzazione e distribuzione. Il plugin avverte quando i metadati C2PA scompaiono, conserva l’originale e verifica che l’etichetta visibile resti in ogni variante.

Google registra circa 60,500 ricerche mensili per «ai image detector», con un trend annuale del 173% nei dati dei suggerimenti. Questa domanda segnala un’esigenza più profonda: i team vogliono sapere che cosa è successo a un’immagine dopo il passaggio tra strumenti diversi.

L’MVP può monitorare un solo bucket di storage e un solo servizio di trasformazione delle immagini. Calcola l’hash della fonte, esegue il parsing C2PA prima e dopo la trasformazione, mostra un confronto e blocca il rilascio quando l’etichetta obbligatoria viene ritagliata.

Il limite è la frammentazione. Un plugin non può leggere ogni watermark proprietario, e alcune trasformazioni elimineranno sempre i metadati. Il vantaggio competitivo risiede nel registro delle prove e nelle integrazioni con la pipeline, non nella pretesa di un rilevamento perfetto.

3. Un assistente per gestire le dichiarazioni dei team di contenuti

Si può creare un assistente di policy che chieda che cosa rappresenta il contenuto, dove sarà pubblicato, se l’AI lo ha generato o modificato, se una persona lo ha revisionato e chi ne assume la responsabilità editoriale. Il sistema produce quindi un’istruzione per la dichiarazione e archivia la decisione accanto all’asset.

«AI content detector» totalizza circa 18,100 ricerche Google al mese, mentre «AI checker» riceve circa 711 richieste mensili agli assistenti AI. Molti di questi utenti cercano un classificatore, quando in realtà devono definire una regola di approvazione.

L’MVP consiste in un modulo, una tabella di regole con versionamento, link alle fonti ufficiali delle policy e integrazioni con un CMS e una piattaforma pubblicitaria. Non deve mai presentarsi come consulenza legale.

Il limite è la manutenzione. Regole, comportamento delle piattaforme e indicazioni sull’applicazione cambiano. Google dichiara esplicitamente che l’impostazione per l’etichetta AI non garantisce la conformità, quindi il prodotto deve mostrare la data della fonte e conservare la decisione dell’operatore.

Che cosa non risolve un rilevatore AI

I watermark non dimostrano la paternità. Anthropic è particolarmente chiara: una marcatura può comparire dopo una correzione, una traduzione, un riassunto o una conversione. Indica soltanto che Claude potrebbe aver elaborato il contenuto.

L’assenza di marcature non dimostra che il contenuto sia umano. Modifiche profonde, parafrasi, traduzioni, passaggi brevi, screenshot, cambi di formato, file non supportati e modelli meno recenti possono tutti lasciare il testo senza un segnale Claude rilevabile. OpenAI esprime lo stesso principio operativo per il proprio strumento di verifica: nessun segnale non equivale a un esito negativo definitivo.

I metadati sono più ricchi, ma anche più fragili. C2PA può contenere un contesto firmato, tuttavia caricamenti, ridimensionamenti, screenshot e conversioni di formato possono eliminarlo. I watermark incorporati possono essere più resistenti, ma in genere contengono meno informazioni e richiedono un rilevatore compatibile.

Le etichette visibili possono essere errate o incomplete. Un’etichetta può essere ritagliata, applicata a un contenuto in cui l’AI ha svolto solo un ruolo marginale di elaborazione oppure omessa in un contesto in cui il pubblico ne avrebbe bisogno. La sua presenza comunica una dichiarazione, non autentica ogni affermazione sottostante.

La policy più onesta è quindi semplice: mantenere tre campi separati per prove trovate, revisione umana completata e dichiarazione visibile applicata. Non ridurli mai a un unico punteggio «AI o umano».

La prima mossa di lunedì

Scegli una sola campagna attiva, non l’intera azienda. Segui un asset elaborato con l’AI dal file originale all’annuncio distribuito. Salva il master, esamina le prove leggibili dalle macchine, registra chi lo ha revisionato, applica l’etichetta del canale e controlla ogni placement renderizzato. Le lacune emerse in questa singola catena sono i requisiti del workflow di provenienza.

Per realizzare uno di questi workflow di provenienza nella tua azienda, scopri i servizi più adatti.