📍 真實場景
在小公司負責客服自動回信系統的後端工程師小林
他的系統透過 OpenAI API 自動產生回覆信，客戶遍及歐洲
😖 卡住的地方：老闆問：「歐盟新規定要求 AI 產生的文字要能被辨識，我們需要改什麼嗎？」小林完全不知道從哪查起
💡 讀完你能說清楚這次 OpenAI 做了什麼、哪些事跟你有關，並知道今天可以先查哪三件事
⚡ 一句話講清楚
歐盟的 AI 法案歐盟制定的法律，規範 AI 產品該怎麼做才安全、透明 要求 AI 公司讓「AI 產生的文字」能被機器辨識出來。OpenAI 昨天公布了做法：他們用一種叫 textGrain 的技術，在模型挑選用字時，悄悄加入一個肉眼看不見的 統計訊號讓某些字被挑中的機率稍微偏高，形成一種只有程式算得出來的規律 。這就是文字的「隱形浮水印」，內容讀起來跟平常一樣。
這件事分三塊：第一，API 客戶從今天起可以自己選擇啟用浮水印，預設是關閉的；第二，未來幾週內，歐盟地區的 ChatGPT 和 Codex 輸出會自動加上浮水印；第三，用來檢查浮水印的偵測工具，一開始只開放給通過申請的研究者和專業機構，一般人暫時用不到。圖片和音訊的驗證工具則維持公開。
OpenAI 也坦白說這技術還很早期，有限制。偵測器會犯兩種錯：偽陽性明明是人寫的，卻被判成 AI 寫的 和 偽陰性明明是 AI 寫的，卻沒被抓到 。文字越短越難判斷：在偽陽性率控制在 1% 時，200 個 token模型切分文字的基本單位，中文約一到兩個字一個 的段落約 80% 抓得到，400 個 token 則約 95%。所以「沒偵測到」不等於「是人寫的」。
🏃 快速上手三步（今天就能做）
1
查你的使用方式有沒有被涵蓋 打開 openai.com/index/eu-text-provenance 讀原文，並翻你專案的 API 呼叫程式碼，確認用的是哪個模型。文章只說「select models（部分模型）」可選擇啟用，所以先到 OpenAI 官方 API 文件找哪些模型支援，再判斷你的模型在不在名單內。若你用的是 ChatGPT 或 Codex 的歐盟版本，則不需設定，之後會自動加上。
▼
2
問清楚你的法遵需求，再決定要不要開 浮水印在 API 預設是關的，不會自動替你合規。請向公司法務或老闆確認：你們的產品是否對歐盟用戶提供服務、是否屬於 AI 法案要求標示的範圍。需要的話，在測試環境開啟該選項，用 20 封以上不同長度的回信實測，確認輸出品質和速度沒有明顯變差，再決定上線。
▼
3
別把偵測結果當鐵證 如果你之後要做「判斷某段文字是不是 AI 寫的」的功能，記住短文字（約 200 token 以下）偵測率明顯較低，而且有 1% 的誤判風險。判斷標準：只能當參考線索，不可單獨拿來指控某人用 AI。另外可以關注 OpenAI 的技術報告更新，以及他們預告的 textGrain 開源版本。
🧠 工程思維透鏡（資深工程師看到的是什麼）
🔭 為什麼偵測工具只先給研究者，而不是公開？
公開偵測器有兩面性：一方面透明度高、社群可以驗證效果；另一方面，攻擊者也能反覆測試怎麼改寫文字才能躲過偵測。先限定給研究者，是用「可評估」換「防繞過」的權衡。代價是一般開發者和老師暫時無法自己驗證，必須信任 OpenAI 的評測數字（他們說表現不輸 SynthID 等方法，但那是自家測試）。
🔭 統計式浮水印在實務上的天花板在哪？
訊號藏在用字選擇裡，所以文字被大幅改寫、翻譯或拿去經過另一個模型潤飾，訊號就可能被削弱；短文本訊號量不足，也直接限制偵測率。這代表它適合「合作式」的情境（例如平台要標示自家產出），不適合當作對抗惡意者的防線。工程上要把它當成「概率證據」，設計流程時預留人工複核，而不是做成自動封鎖或處分的依據。
ai-lecturer 速報｜藍圖 flash-brief-v1.0｜零外部依賴