Ada Kode Tersembunyi di Teks Buatan ChatGPT, Claude, dan Gemini?

Apa yang diketahui tentang watermark teks ChatGPT, Claude, dan Gemini?

Apakah ada kode tersembunyi di teks buatan ChatGPT, Claude, dan Gemini? Jawabannya tidak dapat disamaratakan. Watermark teks AI memang dilaporkan diterapkan atau direncanakan pada keluaran tertentu dari ChatGPT, Codex, dan Claude, tetapi statusnya untuk Gemini belum terverifikasi dari bahan yang tersedia.

Watermark teks AI adalah pola statistik tak terlihat yang dapat ditanamkan pada keluaran model untuk membantu mengenali asal konten. Berdasarkan laporan CNBC Indonesia pada 19 Oktober 2026 dan Selular.ID pada 20 Oktober 2026, OpenAI berencana menerapkan penanda ini secara bertahap pada teks ChatGPT dan Codex yang memenuhi syarat di Uni Eropa. Sistem yang disebut dalam kedua laporan tersebut adalah textGrain.

Watermark ini tidak terlihat seperti tanda air pada gambar. Selular.ID melaporkan bahwa textGrain bekerja melalui sinyal statistik pada pilihan kata keluaran model. Pembaca tetap melihat paragraf normal, sementara alat deteksi khusus mencari pola yang relevan. Artinya, tidak ada “kode” yang dapat ditemukan hanya dengan menyalin teks ke dokumen atau membaca susunan katanya secara kasatmata.

Untuk Claude, CNBC Indonesia melaporkan bahwa Anthropic telah menerapkan watermark teks secara global pada awal 2026. Namun, bahan bersumber tidak memuat halaman primer Anthropic yang menjelaskan detail teknis, cakupan teks, atau akses detektornya. Klaim tersebut perlu dipahami sebagai laporan media, bukan dasar untuk menyimpulkan bahwa setiap keluaran Claude selalu dapat dideteksi.

Gemini perlu dipisahkan dari dua produk tersebut. Materi resmi Google yang tersedia menjelaskan fitur Gemini, model Gemini 3, serta Gemini 4 Argon, tetapi tidak memuat konfirmasi penerapan watermark teks. Karena itu, judul atau unggahan yang menyatakan seluruh teks ChatGPT, Claude, dan Gemini memiliki kode tersembunyi menyederhanakan fakta terlalu jauh. Untuk Gemini, status watermark teks masih belum terverifikasi dari bahan yang tersedia.

Watermark bukan pelacak pengguna dan bukan rahasia yang bocor

Watermark teks berfungsi sebagai sinyal asal keluaran model, bukan alat untuk membuka isi prompt atau mengungkap identitas pengguna. CNBC Indonesia mengutip penjelasan OpenAI bahwa alat deteksi tersebut tidak ditujukan untuk mendeteksi pengguna, membuka prompt, atau melihat percakapan. Batas ini penting karena banyak pembaca menyamakan watermark dengan pelacakan aktivitas pribadi.

Meski begitu, watermark tidak menghapus risiko saat pengguna memasukkan data ke chatbot. IBM menjelaskan bahwa rahasia digital dapat mencakup kunci API, token autentikasi dan otorisasi, kredensial cloud, kredensial database, string koneksi, kunci enkripsi, serta kunci SSH. Informasi seperti itu memberi akses ke sistem atau layanan. Jika dimasukkan ke prompt, masalahnya bukan watermark pada teks keluaran, melainkan paparan data saat proses penggunaan AI.

Sebagai ilustrasi hipotetis, seorang staf teknis meminta chatbot merapikan dokumentasi integrasi aplikasi. Ia menyalin contoh konfigurasi yang masih memuat token API aktif. Walaupun teks keluaran tidak menampilkan token tersebut, tindakan memasukkan kredensial ke layanan AI tetap berisiko. Langkah aman adalah mengganti nilai sensitif dengan placeholder seperti `API_KEY_CONTOH`, lalu memeriksa ulang draf sebelum dibagikan.

Pemisahan ini membantu tim membuat kebijakan yang tepat. Kebijakan watermark mengatur transparansi asal konten. Kebijakan data mengatur informasi apa yang boleh masuk ke prompt. Keduanya perlu ada, tetapi masalah dan cara pengendaliannya berbeda.

Mengapa hasil detektor tidak boleh menjadi vonis otomatis?

Detektor watermark dapat memberi sinyal bahwa teks kemungkinan memenuhi pola keluaran AI tertentu. Sinyal tersebut bukan bukti mutlak tentang siapa yang menulis teks, bagaimana teks dibuat, atau apakah isi teks akurat. CNBC Indonesia melaporkan OpenAI mengakui keterbatasan deteksi, terutama untuk teks pendek, teks terbatas, dan teks yang telah diedit.

Keterbatasan itu masuk akal dalam praktik editorial. Paragraf pendek memberi material lebih sedikit untuk dianalisis. Penyuntingan manusia juga dapat mengubah pilihan kata dan struktur kalimat yang mungkin memengaruhi pola statistik. Sebaliknya, teks panjang yang belum banyak diubah juga tidak otomatis membuktikan bahwa manusia tidak berperan, karena manusia dapat memakai AI hanya untuk bagian awal draf.

Andaikan redaksi menerima artikel sepanjang dua paragraf dari kontributor. Sebuah pemeriksa mendeteksi sinyal watermark. Editor tidak seharusnya langsung menerbitkan tuduhan atau menolak naskah tanpa komunikasi. Langkah yang lebih proporsional adalah meminta daftar sumber, memeriksa kesesuaian kutipan, menilai apakah gaya bahasa konsisten dengan kebijakan redaksi, lalu menanyakan proses penyusunan bila diperlukan.

Detektor menjawab pertanyaan teknis tentang pola teks. Pemeriksaan editorial menjawab pertanyaan yang lebih penting bagi publikasi: apakah klaimnya benar, sumbernya dapat dicek, datanya aman, dan ada orang yang bertanggung jawab atas naskahnya. Kedua proses dapat berjalan bersama, tetapi tidak dapat saling menggantikan.

Untuk konteks tentang perbedaan ciri tulisan AI dan bukti kepenulisan manusia, pembaca dapat melihat pembahasan berjudul Claude Opus 5.5 Pangkas Ciri Khas Tulisan AI tetapi Bukan Bukti Teks Manusia.

Workflow publikasi konten AI yang lebih aman

Tim tidak perlu menunggu alat deteksi tersedia untuk membangun proses kerja. CNBC Indonesia melaporkan akses detektor OpenAI belum dibuka untuk publik dan hanya tersedia bagi pihak tertentu seperti peneliti serta organisasi ahli melalui pengajuan. Karena akses terbatas, kontrol utama tetap berada pada proses peninjauan manusia.

Mulailah dari satu workflow yang paling sering memakai chatbot. Petakan kapan AI dipakai, siapa yang memeriksa hasilnya, serta siapa yang memberi persetujuan akhir. Catatan sederhana jauh lebih berguna daripada aturan panjang yang tidak dipatuhi.

Contoh hipotetis untuk tim pemasaran:

1. Penulis memakai chatbot untuk membuat kerangka email peluncuran produk.
2. Penulis menandai draf sebagai materi berbantuan AI di dokumen kerja internal.
3. Editor membandingkan setiap klaim produk dengan sumber internal yang disetujui.
4. Penanggung jawab produk memeriksa istilah, batasan, dan janji yang muncul dalam email.
5. Editor menghapus data pelanggan, kredensial, atau informasi internal yang tidak perlu.
6. Materi diterbitkan setelah pihak yang berwenang menyetujui versi final.

Workflow ini tidak menganggap AI sebagai sumber fakta. Chatbot dipakai untuk membantu draf, pengelompokan ide, atau perbaikan bahasa. Validasi tetap kembali ke sumber asli dan penanggung jawab manusia. Bila organisasi memakai detektor watermark, hasilnya dapat dicatat sebagai informasi tambahan, bukan satu-satunya dasar keputusan.

Aturan praktis untuk pengguna individu dan tim

Pengguna individu dapat memulai dengan tiga kebiasaan. Pertama, jangan menempelkan kata sandi, token, data pelanggan, atau konfigurasi produksi ke prompt. Kedua, simpan sumber asli untuk setiap klaim yang akan dipublikasikan. Ketiga, baca ulang keluaran chatbot sebelum mengirimnya, terutama bila teks berkaitan dengan produk, hukum, keuangan, kesehatan, atau komunikasi pelanggan.

Untuk tim, tetapkan klasifikasi sederhana: data publik boleh dipakai dalam prompt; data internal perlu persetujuan; rahasia digital dan data sensitif dilarang masuk ke chatbot. Definisi rahasia dapat merujuk pada contoh IBM, seperti kunci API, token autentikasi, kredensial cloud, dan string koneksi. Aturan tersebut perlu disertai jalur eskalasi ketika staf ragu terhadap suatu data.

Jangan mengejar cara untuk menghapus atau mengakali watermark. Fokus yang lebih sehat adalah transparansi proses, kualitas informasi, dan perlindungan data. Teks tanpa sinyal watermark tetap bisa berisi klaim keliru. Teks dengan sinyal watermark juga dapat menjadi draf berguna setelah diperiksa, disunting, dan disetujui manusia.

Pilih satu dokumen atau alur konten minggu ini, misalnya email pemasaran, artikel blog, atau jawaban layanan pelanggan. Buat kolom singkat berisi asal draf, sumber fakta, pemeriksa, dan status persetujuan. Setelah satu siklus publikasi selesai, tinjau bagian yang paling sering menimbulkan koreksi. Dari situ, aturan penggunaan AI dapat diperbaiki berdasarkan pekerjaan nyata, bukan asumsi tentang kemampuan detektor.