Apa Itu Watermark LLM? Cara Kerja Watermark Teks AI, Metode, dan Dukungan Tiap Perusahaan

Bagaimana cara mengenali teks yang ditulis AI? Penelitian menunjukkan bahwa alat pendeteksi AI, yang menebak dari ciri-ciri tulisan, bisa dengan mudah dikelabui hanya dengan parafrasa. Karena itu, kini makin banyak perhatian tertuju pada watermark LLM (LLM watermarking), yang menyisipkan tanda tak kasatmata sejak AI menyusun teksnya. Setelah Google mulai memakainya di Gemini pada 2024, Anthropic dan OpenAI pun mulai menyisipkan watermark ke teks AI mereka pada 2026, dan teknologi ini juga mulai diwajibkan dari sisi regulasi. Artikel ini merangkum cara kerja watermark LLM, metode utamanya, batasannya, dan dukungan tiap perusahaan, berdasarkan makalah ilmiah dan informasi resmi per 9 Oktober 2026.

Apa itu watermark LLM

Watermark LLM adalah teknologi untuk menanamkan tanda statistik yang tidak disadari manusia ke teks yang dihasilkan LLM (model bahasa besar). Alih-alih menambahkan simbol atau karakter tak terlihat ke teks, tanda ditinggalkan dengan sedikit membuat bias cara AI memilih kata berikutnya.

Saat menyusun teks, LLM berulang kali memberi probabilitas pada kandidat kata berikutnya (tepatnya token) lalu memilih salah satunya. Watermark LLM menambahkan aturan berbasis kunci rahasia pada cara memilih ini. Orang yang mengetahui kuncinya bisa memastikan secara statistik dari teks tersebut bahwa "kata-kata yang sesuai aturan muncul terlalu banyak untuk dianggap kebetulan".

Perbedaan dengan alat pendeteksi AI dan C2PA

Selain watermark LLM, ada cara lain untuk mengenali teks AI, seperti berikut.

Alat pendeteksi AI: menebak seberapa mirip teks dengan tulisan AI dari ciri-cirinya setelah teks dibuat. Bisa dipakai meski tidak ada tanda, tetapi hanya berupa tebakan. Dalam sebuah penelitian, parafrasa dengan AI lain saja menurunkan tingkat deteksi salah satu alat pendeteksi (DetectGPT) dari 70,3% menjadi 4,6%
C2PA (Content Credentials): melampirkan informasi asal-usul bertanda tangan ke file. Cocok untuk file gambar dan dokumen, tetapi tidak bisa dilampirkan ke teks biasa yang disalin dan ditempel

Anthropic pun membedakan penggunaannya untuk keluaran Claude: watermark untuk teks, dan C2PA untuk file yang dihasilkan. Penjelasan tentang C2PA ada di "Apa Itu C2PA".

Metode utama

Ada beberapa aliran metode watermark LLM. Berikut yang paling representatif.

Metode green list

Metode representatif yang diterbitkan peneliti University of Maryland pada 2023 (Kirchenbauer dkk., ICML 2023).

Setiap kali, kosakata dibagi ulang menjadi "green list" (daftar hijau) dan "red list" (daftar merah) berdasarkan kata sebelumnya dan kunci
Skor kata-kata di green list ditambah sedikit agar kata-kata itu sedikit lebih mungkin terpilih
Saat deteksi, jumlah kata dari green list dihitung, lalu diuji secara statistik apakah jumlahnya terlalu banyak untuk dijelaskan sebagai kebetulan

Makalahnya menunjukkan tingkat deteksi sekitar 98% atau lebih pada teks sepanjang 200 token. Mekanismenya mudah dipahami dan juga sudah diimplementasikan di Transformers milik Hugging Face. Di sisi lain, karena membuat bias pada pilihan kata, metode ini bisa sedikit memengaruhi kualitas tulisan.

Metode yang tidak mengubah distribusi

Untuk menghilangkan dampak pada kualitas tulisan, diteliti pula metode yang menyisipkan watermark tanpa mengubah probabilitas asli pilihan kata AI.

Metode Aaronson: diperkenalkan pada 2022 oleh ilmuwan komputer Scott Aaronson, yang saat itu meneliti di OpenAI. Pilihan kata ditentukan oleh bilangan acak yang dibuat dari kunci, dan disebutkan bahwa beberapa ratus token sudah cukup untuk memperoleh tanda yang memadai
Metode yang tangguh: peneliti Stanford University menunjukkan metode yang tetap bisa mendeteksi meski 40–50% kata ditulis ulang secara acak (Kuditipudi dkk., 2023)
Watermark yang tak terbedakan: ada pula penelitian yang secara teoretis menunjukkan bahwa tanpa kunci, teks ber-watermark secara komputasi sulit dibedakan dari teks AI aslinya (Christ dkk., 2023)

SynthID Text dari Google dan textGrain dari OpenAI juga didasarkan pada gagasan "menjaga kualitas" ini.

Metode lainnya

Diusulkan pula metode yang menyisipkan watermark pada satuan makna kalimat, bukan kata, agar tahan terhadap parafrasa (seperti SemStamp), metode yang menanamkan informasi seperti ID pengguna, dan metode yang memublikasikan kunci agar siapa pun bisa memverifikasi.

Cara pikir deteksi

Deteksi watermark LLM memiliki ciri-ciri berikut.

Memerlukan kunci: pada banyak metode, watermark tidak bisa dideteksi tanpa kunci rahasia yang dipakai saat menyisipkannya. Karena itu, pada dasarnya yang bisa mendeteksi hanyalah perusahaan yang menyisipkan watermark atau pihak yang diberi kuncinya.
Hasilnya berupa probabilitas: hasil deteksi berupa penilaian probabilistik seperti "kemungkinan besar ada watermark", "tidak ada", atau "tidak dapat dipastikan".
Memerlukan panjang tertentu: pada teks pendek, penilaian statistik tidak bisa dilakukan. Dalam penelitian, evaluasi sering dilakukan pada teks sekitar 200 token. Untuk textGrain dari OpenAI, dengan tingkat salah deteksi ditekan di 1%, dilaporkan tingkat deteksi sekitar 80% pada 200 token dan sekitar 95% pada 400 token untuk teks bidang seperti psikologi.
Sulit disisipkan pada teks yang jawabannya sudah pasti: pada kode program, teks baku, dan jawaban faktual, di mana kata berikutnya hampir pasti hanya satu, ruang untuk membuat bias pada pilihan kata sempit sehingga watermark menjadi lemah.

Kelemahan dan serangan

Watermark LLM memiliki kelemahan yang sudah diketahui dari penelitian.

Parafrasa: parafrasa dengan AI lain sangat melemahkan watermark. OpenAI memublikasikan bahwa mengganti 25% kata dengan sinonim menurunkan tingkat deteksi textGrain hingga 17%.
Terjemahan: telah ditunjukkan bahwa watermark hilang jika AI diminta membuat teks dalam bahasa lain terlebih dahulu, lalu teksnya diterjemahkan.
Serangan emoji: dikenal juga trik meminta AI menyisipkan emoji di antara setiap kata, lalu menghapus emoji tersebut untuk merusak watermark.
Pemalsuan (spoofing): diteliti pula serangan yang menebak aturan watermark lalu memalsukan watermark pada tulisan manusia. Dalam sebuah penelitian, aturan watermark ditebak melalui kueri ke API, dan baik pemalsuan maupun penghapusan berhasil dengan tingkat keberhasilan di atas 80% dengan biaya kurang dari 50 dolar AS.
Model terbuka: pada model yang bisa dijalankan siapa saja, proses penyisipan watermark bisa dilepas.

Dukungan tiap perusahaan

Menyusul Google, Anthropic dan OpenAI juga mulai menyisipkan watermark ke teks AI mereka pada 2026.

OpenAI: pada 2024, OpenAI bersikap hati-hati untuk menerapkan watermark teks, dengan alasan mudah dihindari lewat terjemahan dan sebagainya, serta risiko penggunaan oleh penutur nonasli bahasa Inggris dicurigai secara tidak adil. Pada 5 Oktober 2026, OpenAI mengubah sikapnya dan mengumumkan watermark miliknya sendiri, "textGrain". Watermark ini diterapkan di ChatGPT dan Codex di UE, dan di API bisa dipakai secara opsional di seluruh dunia. Penjelasan lengkapnya ada di "Apa Itu textGrain".
Google: mengembangkan SynthID Text dan mengumumkan pada 2024 bahwa teknologi ini dipakai di Gemini. SynthID Text tersedia sebagai open source. Penjelasan lengkapnya ada di "Apa Itu SynthID Text".
Anthropic: menyisipkan watermark ke teks yang dihasilkan Claude. Model yang dirilis sejak 2 Agustus 2026 sudah mendukungnya sejak dirilis, dan model sebelumnya pun sudah diberi watermark di layanan milik Anthropic sendiri. Metodenya didasarkan pada SynthID Text, dan karena tidak ada cara yang andal untuk menerapkannya secara terpisah per wilayah, watermark diterapkan secara seragam di seluruh dunia.
Meta: merilis "TextSeal", alat riset untuk watermark teks, sebagai open source.

Detektor milik OpenAI maupun Anthropic hanya disediakan bagi peneliti yang lolos peninjauan, regulator, dan pihak sejenis, dan belum bisa dipakai bebas oleh masyarakat umum.

Perkembangan regulasi

Alasan besar meluasnya watermark LLM adalah regulasi.

Uni Eropa: Pasal 50 Undang-Undang AI Uni Eropa mewajibkan penyedia AI yang menghasilkan konten, termasuk teks, untuk menandai hasilnya dalam bentuk yang bisa dibaca mesin agar bisa dideteksi sebagai buatan AI. Ketentuan ini berlaku sejak 2 Agustus 2026. Namun, melalui amandemen Undang-Undang AI pada 2026 (Digital Omnibus), masa tenggang hingga 2 Desember 2026 untuk kewajiban penandaan yang bisa dikenali mesin hanya diberikan kepada sistem AI yang sudah beredar di pasar sebelum tanggal tersebut. Kode etik yang menjelaskan cara konkretnya telah ditandatangani oleh OpenAI, Google, Anthropic, Meta, Microsoft, Mistral, dan lainnya.
Tiongkok: sejak 1 September 2025, berlaku aturan yang mewajibkan penandaan konten buatan AI. Aturan ini mewajibkan penanda yang terlihat pada teks dan penanda tak terlihat pada metadata file. Penambahan watermark digital hanya bersifat anjuran.
Jepang: "Pedoman AI untuk Pelaku Usaha (AI Guidelines for Business)" dari Kementerian Dalam Negeri dan Komunikasi (MIC) serta Kementerian Ekonomi, Perdagangan, dan Industri (METI) Jepang meminta organisasi yang mengembangkan AI canggih untuk menerapkan mekanisme yang memungkinkan konten buatan AI dikenali, misalnya dengan watermark digital, bila secara teknis memungkinkan (tanpa kekuatan hukum yang mengikat).

Hal yang perlu diperhatikan menurut peran

Pengguna dan pendidik

Karena detektor watermark teks hanya dibuka untuk organisasi terbatas, masyarakat umum hampir tidak mungkin memeriksa teks yang mereka miliki. Selain itu, tidak ditemukannya watermark bukan bukti bahwa teks itu "ditulis manusia". Hasil alat pendeteksi AI juga hanya tebakan, sehingga sebaiknya tidak dijadikan dasar untuk memastikan bahwa tulisan siswa atau pelamar dibuat dengan AI.

Developer

Jika Anda membangun layanan sendiri dengan model terbuka, watermark bisa disisipkan dengan alat seperti berikut.

Hugging Face Transformers: mendukung metode green list dan SynthID Text, dan cukup dipakai dengan memberikan konfigurasi saat membuat teks
vLLM: sejak versi 0.30.0 pada September 2026, fitur watermark (metode Gumbel-max) sudah tersedia secara bawaan. Metode dan kunci diatur saat server dijalankan. Namun, pembuatan teks dengan temperature 0 dan beam search tidak diberi watermark
MarkLLM: toolkit riset untuk mencoba banyak metode sekaligus

Jika kunci bocor, watermark bisa dipalsukan, jadi kunci harus dikelola dengan hati-hati.

Ringkasan

Watermark LLM adalah teknologi yang meninggalkan tanda tak kasatmata dalam proses AI memilih kata, sehingga bisa diperiksa di kemudian hari dengan kunci. Setelah Google mulai memakainya di Gemini pada 2024, Anthropic dan OpenAI pun berturut-turut mulai menyisipkan watermark ke teks mereka pada 2026, dengan latar belakang regulasi Uni Eropa.

Di sisi lain, watermark LLM sulit disisipkan pada teks pendek atau teks yang jawabannya sudah pasti, melemah karena parafrasa dan terjemahan, dan hanya sedikit pihak yang bisa mendeteksinya. Sebaiknya watermark LLM dipahami bukan sebagai penentu pasti untuk mengenali teks AI, melainkan sebagai salah satu mekanisme agar pihak penyedia AI menjalankan tanggung jawabnya. Perbedaan tiap teknologi dirangkum di "Perbandingan Watermark AI (Tanda Air Digital)".