Kortversion: Textvattenmärkning kan ge en signal om AI:s roll i en text, men avgör inte sanningshalt, författarskap eller ansvar. Svenska företag behöver därför tre separata lager: proveniens, tydlig användarinformation och mänskligt granskningsansvar. Använd en enkel beslutsmodell för varje publicerings- eller kundflöde och dokumentera vem som godkänner resultatet.
Nya tekniska signaler kan hjälpa till att spåra AI-genererat innehåll, men de kan inte avgöra vem som ansvarar för en text, om den är sann eller om den borde ha märkts. För svenska företag är nästa steg därför inte att köpa en detektor – utan att skilja på teknisk proveniens, tydlig användarinformation och redaktionellt ansvar.
Vad den nya tekniken säger – och inte säger
OpenAI beskriver sin metod som en osynlig statistisk signal i modellens ordval. En detektor kan leta efter signalen i text. För API-kunder är textvattenmärkning enligt beskedet den 5 oktober 2026 valbar och avstängd som standard vid lanseringen för utvalda modeller. För berättigade ChatGPT- och Codex-användare i EU planeras en successiv utrullning de kommande veckorna.
Det är användbar proveniensinformation, men bara inom tydliga gränser. OpenAI redovisar exempel där detektering försämras när texten är kortare eller har redigerats. I deras utvärdering sjönk träffsäkerheten för ett 400-tokenstycke när ord ersattes med synonymer. Företaget betonar också att ett vattenmärke inte visar hur mycket mänskligt arbete som ligger bakom, vem som använde systemet, om innehållet är riktigt eller vem som bär juridiskt ansvar.
Det sista är avgörande för produktägare. En teknisk signal är en datapunkt i en process, inte en dom över författarskap eller kvalitet.
Vad artikel 50 betyder i praktiken
Europeiska kommissionens vägledning skiljer mellan leverantörer och användare av AI-system. Leverantörer av generativa system har skyldigheter kring maskinläsbar märkning och upptäckbarhet. Leverantörer av system som kommunicerar direkt med människor ska också se till att de får veta att de möter en AI, om det inte redan är uppenbart. Den som använder ett system professionellt behöver bedöma de skyldigheter som gäller för den egna användningen och publiceringen.
För AI-genererad eller manipulerad text som ska informera allmänheten om frågor av allmänintresse behöver ni bedöma kravet på tydlig information. Artikel 50.4 har ett undantag när innehållet har genomgått mänsklig granskning eller redaktionell kontroll och en fysisk eller juridisk person har redaktionellt ansvar för publiceringen. En språkkontroll räcker inte som sakgranskning. Kommissionens vägledning beskriver också avgränsningar för bland annat källkod och ren maskin-till-maskin-kommunikation.
Artikel 50 gäller enligt kommissionen från den 2 augusti 2026. För vissa system som redan fanns på marknaden före det datumet anger vägledningen en begränsad övergångstid till den 2 december 2026 för just den maskinläsbara märkningen och upptäckbarheten. Kontrollera vilken skyldighet, roll och tidsregel som gäller för ert flöde.
Det här är inte juridisk rådgivning. Det är skälet att skapa ett arbetssätt som hjälper er att avgöra vilken roll ni har, vilken användning som är aktuell och var mänsklig kontroll faktiskt sker.
Bygg tre separata lager i stället för en “AI-märkning”
1. Proveniens: vad kan tekniken visa?
Behåll tekniska signaler när de finns: modell- och versionsinformation, loggad genereringsväg, Content Credentials för media och eventuella vattenmärken. Använd dem för felsökning, innehållsflöden och intern uppföljning. Presentera dem inte som bevis för att en person har eller inte har skrivit något.
2. Transparens: vad behöver användaren veta?
Bestäm var användaren ska få en tydlig, begriplig förklaring. En kund som chattar direkt med en bot behöver annan information än en redaktör som använder AI som utkaststöd. Utforma texten för situationen, inte för en generell teknisk policy. En liten, tydlig etikett nära interaktionen är oftast bättre än en lång generell juridisk sida som ingen ser.
3. Ansvar: vem granskar och kan visa det?
För flöden som producerar innehåll om exempelvis offentlig verksamhet, hälsa, samhällssäkerhet eller politik måste ni kunna förklara om en människa har granskat materialet och vad granskningen innebär. Spara därför inte bara modelloutput. Spara beslutet: ansvarig, datum, version, källor som kontrollerats och vilken publiceringsregel som användes.
En enkel beslutsmatris före publicering
Ställ fyra frågor i ert CMS, er innehållsprocess eller er produktbrief:
- Möter en människa AI:n direkt? Om ja, bedöm hur och när den personen informeras.
- Är resultatet offentligt innehåll eller intern arbetsprodukt? Interna utkast kräver andra kontroller än publicerad rådgivning.
- Rör innehållet en fråga av allmänintresse, och finns både sakgranskning och redaktionellt ansvar? Om granskning eller ansvar saknas, låt en ansvarig bedöma transparenskravet med rätt kompetens.
- Vilka tekniska signaler och granskningsspår finns? Dokumentera både begränsningarna och vad ni faktiskt kan visa.
Matrisen ska leda till ett beslut, inte bara en ruta som kryssas i. Exempelvis: “AI användes för första utkastet, mänsklig redaktör verifierade källor och godkände publicering” är mer informativt än ett påstående om att texten är “AI-fri” eller “AI-verifierad”.
Undvik två dyra genvägar
Genväg 1: köp en detektor och kalla frågan löst. Detektorer kan ge falska positiva och negativa resultat. Att använda ett resultat som grund för personalbeslut, kundtvister eller offentlig anklagelse utan mänsklig bedömning är riskabelt.
Genväg 2: göm allt i en policy. En PDF gör inte en kundchatt transparent och den visar inte att en redaktör faktiskt har granskat en publicering. Lägg information och kontroll i själva arbetsflödet.
En genomförbar start för mindre team
Välj ett enda flöde: till exempel AI-assisterade kundsvar, produkttexter eller en chatbot. Rita upp var input kommer in, vilken modell som används, vad som når en människa och vad som publiceras. Lägg sedan till en ansvarig, en tydlig användartext och ett granskningssteg där det behövs. Först därefter är det meningsfullt att utvärdera vattenmärkning eller proveniensmetadata som kompletterande bevisning.
Tekniken kan bli bättre. Men en robust process ska fungera även när en vattenstämpel saknas, en text översätts till svenska eller en leverantör ändrar sitt upplägg.
Slutsats
Vattenmärkning är ett användbart lager för proveniens, inte en genväg till sanningskontroll, ansvar eller AI Act-efterlevnad. Svenska företag bör därför bygga en enkel men spårbar publicerings- och interaktionspolicy runt människor, beslut och användarkontext. Använd tekniska märken som stöd – och var lika tydliga med vad de inte kan bevisa.