Watermarking — встраивание в созданный ИИ контент незаметной метки, по которой происхождение можно доказать. Для текста это статистический узор в выборе токенов, для изображений и аудио — преобразования, неразличимые глазом и ухом, но считываемые детектором. В России у темы прямой юридический статус: закон об ИИ закрепил маркировку синтетического контента.
Как устроено
Текстовая метка закладывается на этапе генерации: модель слегка смещает вероятности выбора токенов так, чтобы последовательность несла проверяемый сигнатурный паттерн — для читателя текст неотличим от обычного. Детектор оценивает статистику последовательности и выдаёт вероятностный вердикт: «сгенерировано с этим ключом». Для медиа методы спектральные: метка живёт в частотной области сигнала и переживает сжатие.
Ключевая развилка устройств — открытая или закрытая метка. Открытая считывается любым детектором и служит публичному доверию; закрытая — только держателем ключа и работает как доказательство авторства в споре. Для бизнес-контентов чаще нужна вторая: важно не «все знают, что это ИИ», а «мы можем доказать, что это наш ИИ».
Маркировка по закону
Общая часть закона об ИИ (243-ФЗ) действует с 1 сентября 2026 года; техническая возможность маркировки закреплена за крупными платформами — порог от 500 тысяч пользователей, обязанности распространяются на разработчиков больших фундаментальных моделей с 2027 года. За отсутствие маркировки предусмотрена ответственность. Практические разборы — как промаркировать ИИ-контент и механика маркировки к 2027; о санкциях — штрафы за отсутствие маркировки. Для заказчиков из госсектора требование уже превращается в пункт технических заданий: способность маркировать и отчитываться о маркировке закладывается в архитектуру системы, а не докупается потом.
Границы метода
- Переписывание текста ослабляет метку — детектор остаётся вероятностным инструментом, а не кассой приговора.
- Перекодирование медиа снижает считываемость — устойчивость метки проектируется под реальные каналы распространения.
- Сторонние генераторы могут метку не ставить вовсе — против них работают методы детекции, а не считывания.
Отсюда практический стандарт доказательства: метка плюс журнал генерации плюс хранение исходных промптов. Совокупность трёх записей убедительнее любой из них по отдельности.
Поэтому watermarking в контуре компании — часть эшелона: собственная генерация маркируется, входящий контент проверяется детекцией, решения о доверии принимает процесс, а не один алгоритм. Обзор темы — маркировка ИИ-контента.
Зачем бизнесу
- Комплаенс. Маркировка своего ИИ-контента — требование закона, а не жест доброй воли.
- Доказуемость. Метка позволяет отличить созданный вами контент от подделки под вас.
- Финансовая защита от подделок: дипфейк-атаки обходятся дороже профилактики — разборы в материале дипфейк-атака.
- Дисциплина учёта: требование маркировать заставляет провести инвентаризацию всех точек генерации контента — ровно тот реестр, которого не хватало ИБ.
Цены «от» (сентябрь 2026)
«Ревизия» ИИ-активов и контента — от 70 000 ₽; аудит ИИ-систем — от 150 000 ₽ за 1–2 недели; полный пакет защиты ИИ — от 400 000 ₽. Цены сентября 2026, без НДС (УСН).
С чего начать
Составьте реестр: где в компании ИИ генерирует контент — тексты, изображения, голос, видео — и доходит ли он до внешней аудитории. Под каждый канал решите: где ставится метка, кто отвечает, как фиксируется факт маркировки. Этот реестр станет частью AI BOM и основой регламента. Технически встраивание живёт там, где генерируется контент: в сервисе ассистента, конвейере видео, голосовой платформе; организационно — в регламенте с владельцами ключей и журналом фактов маркировки. Подрядчик обязан передавать метаданные маркировки вместе с файлами, иначе доказать происхождение будет нечем. Фиксируйте это требование в ТЗ и акте приёмки.