Testo AI umanizzato: TuaGPT prompt, detector e filigrane Claude

In questo articolo vedremo cosa inserire nei prompt, come attivare il modulo UmanWritingStyle e, soprattutto, come distinguere tra i detector di stile e le filigrane digitali: TuaGPT non aggiunge né rimuove filigrane; ciò che conta è quale modello sta effettivamente generando le parole (sia esso Claude via API, o modelli come Gemma e Qwen eseguiti localmente tramite LM Studio).

Un modello può essere estremamente preciso e, allo stesso tempo, suonare "meccanico": paragrafi perfettamente simmetrici, transizioni troppo formali e conclusioni tipiche da assistente virtuale. In questa guida vedremo come ottenere una prosa credibile in TuaGPT, cosa sia davvero fondamentale nel prompt e cosa accada alla filigrana di Claude quando il motore di generazione cambia. Ricordate: "scrivere bene" e "nascondere la provenienza" sono due obiettivi diversi; lo stile riguarda la forma, la filigrana riguarda la fonte.

L'obiettivo giusto: scrivere con qualità, non camuffare

I sistemi che rilevano i testi generati dall'IA (come GPTZero, Originality o Copyleaks) non cercano una "firma segreta" nascosta nel file. Questi strumenti analizzano segnali statistici come la perplessità (quanto è prevedibile la parola successiva) e la burstiness (la variazione nel ritmo delle frasi). Nessun prompt, nemmeno quelli di TuaGPT, può garantire che un testo sia totalmente invisibile a questi strumenti.

Ciò che funziona davvero, e che rimane utile anche con l'evoluzione dei detector, è scrivere come farebbe un autore competente: usando un ritmo irregolare, un lessico concreto, un registro adatto al destinatario e abbandonando i cliché tipici dei chatbot. Un testo scritto così risulta più credibile per un lettore umano e, di riflesso, meno "prevedibile" per un algoritmo automatico.

Regola pratica: descrivi come scrivere. Invece di istruire il modello a "ingannare i detector" o a "sembrare umano a tutti i costi" (istruzioni che spesso portano a uno stile innaturale e facilmente identificabile), fornisci indicazioni sulla qualità della prosa.

Cosa analizzano i detector (e come intervenire)

Non è necessario conoscere l'algoritmo interno per capire come scrivere. Ecco le abitudini dei modelli che diventano più evidenti quando scrivono in italiano:

Filigrane nei testi: non sono detector di stile

Da agosto 2026, oltre ai classici classificatori di stile, è diventata operativa una seconda tecnologia di verifica: le filigrane (watermark) di provenienza. Queste sono spinte dall'Articolo 50 del regolamento UE sull'IA e dal relativo Code of Practice sulla trasparenza. Anthropic è stata tra i primi fornitori ad applicarle in dettaglio ai modelli Claude.

È fondamentale capire che la filigrana non ha nulla a che fare con il "tono da chatbot". Un testo può essere scritto perfettamente in modo umano e portare comunque la filigrana del modello che lo ha generato. Mentre lo stile (gestito da UmanWritingStyle) agisce sulle parole scelte, la filigrana nasce nel processo di generazione dei token. TuaGPT è il client: non "marca" il testo perché usa Claude; la marca viene dal motore collegato tramite API, altri strumenti possono o meno implementare queste tecnologie di riconoscimento dell'origine.

Come funziona la filigrana di Claude (Anthropic)

Secondo le indicazioni ufficiali di Anthropic How Claude's text watermarking works (agosto 2026) e la loro pagina di supporto How Claude marks AI-generated content:

• Si basa su una variante di SynthID-Text (Google DeepMind, Nature 2024): quando il modello deve scegliere tra più parole plausibili, la scelta viene guidata da una chiave specifica. Non vengono aggiunti caratteri invisibili, spazi strani o token extra.
• Il lettore umano non può vederla. Anthropic dichiara che non influisce sulla qualità, sulla creatività o sui costi.
• Non identifica l'utente o la chat: serve solo a stabilire, con un certo grado di probabilità, se Claude ha partecipato alla scrittura di quel passaggio.
• È applicata a livello di modello: non esiste un comando o un prompt per disattivarla.

Nota: per i file (immagini, SVG), il meccanismo è diverso e usa i metadati C2PA (Content Credentials), che possono essere rimossi con uno screenshot. La filigrana testuale invece viaggia con il copia-incolla e resiste a modifiche leggere; solo una riscrittura totale parola per parola la dissolve, poiché a quel punto le scelte lessicali non appartengono più a Claude.

Dove è presente la filigrana Claude e dove no

Stato al 26 agosto 2026, basato sulle fonti Anthropic. I modelli lanciati prima del 2 agosto 2026 sono in un periodo transitorio; Anthropic sta estendendo il marking anche a questi sistemi nel corso del 2026.

API sì, opt-out no. Se usi Claude via API da TuaGPT o da TuaGate, il testo dei modelli già coperti è marcato esattamente come su claude.ai. Non esiste un comando watermark: false; il prompt «non inserire filigrane» non ha alcun effetto sul funzionamento del modello.

Cosa prova (e cosa non prova) una filigrana

• Una marca rilevata indica: «Claude è stato probabilmente coinvolto». Non conferma che Claude abbia scritto tutto, né che l'utente sia l'autore.
• Non distingue tra «scritto da Claude» e «riscritto pesantemente da Claude».
• Non identifica se il testo appartiene a GPT, Gemini o a un modello locale: ogni fornitore ha la propria chiave e il proprio metodo.
• L'assenza di marca non è una prova di umanità: potrebbe trattarsi di un modello vecchio, di un testo molto corto o di una riscrittura manuale.

Anthropic ha annunciato un'API di rilevamento filigrana («presto», dettagli in lavorazione a metà agosto 2026). Fino alla sua pubblicazione, trattate con cautela i tutorial di terzi che inventano endpoint o soglie: la fonte ufficiale resta il sito Anthropic.

Gli altri grandi fornitori (panoramica)

Il Code of Practice UE è volontario, ma gli obblighi di marking dell'Articolo 50 sono giuridici per chi immette sistemi generativi sul mercato UE. Per questo il quadro si sta allineando; i dettagli restano per fornitore e vanno verificati sulle pagine ufficiali prima di definire una policy interna.

Gemma e Qwen in LM Studio: altre filigrane o nessuna?

Questi modelli non hanno la filigrana Claude e, di regola, non ne hanno altre di laboratorio. La marca Anthropic o SynthID-Text di Gemini non sono presenti nei pesi GGUF: sono funzioni del campionatore del cloud (o dell'app) che serve il modello. LM Studio, Ollama e llama.cpp, usati come backend di TuaGPT, campionano in locale senza quella chiave. SynthID-Text esiste come processore opzionale in alcuni stack Hugging Face; non è il default di LM Studio su Gemma o Qwen.

È importante distinguere tre concetti che spesso vengono confusi:

• Filigrana di provenienza (chiave Anthropic, SynthID Gemini, ecc.): Gemma e Qwen sul PC, nella configurazione tipica TuaGPT + LM Studio, non ce l'hanno.
• Abitudine di stile (elenchi simmetrici, cliché da assistente): sono comunque presenti. Un detector tipo GPTZero può ancora classificare il testo come generato perché analizza il tono, non la firma digitale.
• Metadati sui file (C2PA su PNG/JPG): riguardano immagini e allegati, non il testo della chat.

Attenzione al nome del modello: Gemma in LM Studio non è Gemini via API. Se TuaGPT punta a Gemini cloud, lì SynthID sul testo può esserci. Lo stesso vale se il backend è un endpoint cloud Qwen/DashScope: quello non è il Qwen GGUF sul disco. In sintesi, pezzi scritti da Gemma o Qwen in locale: nessuna filigrana Claude, nessuna filigrana Gemini/Qwen cloud, restano solo i detector di stile.

Il confine in TuaGPT: quale modello sta scrivendo?

Anthropic lo dice chiaramente: la marca vive sulle parole che Claude campiona; una revisione leggera la lascia; una riscrittura totale in cui quasi ogni parola viene sostituita la dissolve, perché a quel punto il testo non appartiene più (o non è più soprattutto) a Claude. Non è un trucco del client: è un cambio di campionatore.

Tre casi concreti, basati sull'uso di TuaGPT:

Riscrittura di un testo Claude: cosa è più probabile che esca?

• Riscrittura sostanziale con Gemma o Qwen in LM Studio (consegna tipo «riscrivi per intero in prosa, stesso significato, stile naturale»): il secondo modello sostituisce la gran parte dei token. Secondo il criterio pubblicato da Anthropic, è più probabile un testo umanizzato senza filigrana Claude rilevabile, o con un segnale troppo debole per una conclusione. Non perché TuaGPT abbia «pulito» Claude, ma perché le parole in uscita sono state scelte da Gemma/Qwen. Quel testo non è più, in senso di provenienza, l'output campionato da Claude. Su quel testo nuovo, in locale, non compare neppure una filigrana Gemini o Qwen cloud: resta solo lo stile da modello, visibile eventualmente ai detector tipo GPTZero.
• Riscrittura con lo stesso Claude (TuaGPT ancora collegato ad Anthropic): è più probabile testo umanizzato con filigrana. Claude ha riscritto lui: ogni nuova parola è di nuovo una sua scelta. Il tono può migliorare; la marca no, o addirittura si rinforza.
• Passata leggera (correggi virgole, tre sinonimi, tieni i paragrafi originali): è più probabile che la filigrana Claude resti, anche se il secondo modello è Gemma. Anthropic sostiene che la marca resiste a modifiche leggere; vive solo dove Claude ha scelto le parole, quindi i pezzi non toccati la portano ancora.

In sintesi, per una bozza nata su Claude:

Due avvertenze di confine, così non si confonde lo strumento con l'intenzione: (1) assenza di marca Claude non significa «scritto da una persona» né «invisibile a GPTZero»; Gemma e Qwen hanno comunque abitudini da modello. (2) Questo quadro descrive dove sta il segnale, non una procedura per nascondere la provenienza. Se pubblichi o consegni un testo, la trasparenza sul fatto che un modello l'ha prodotto resta una scelta editoriale e, in alcuni usi UE, un obbligo distinto dalla filigrana tecnica.

Cosa implica per chi usa TuaGPT

1. Umanizzare riduce i segnali dei classificatori di stile. Non è un tasto «togli la filigrana Claude».
2. Con Claude in backend stai producendo, in sostanza, testo filigranato (sui modelli già coperti), anche con UmanWritingStyle acceso.
3. Con Gemma o Qwen in LM Studio stai producendo testo senza filigrana di laboratorio (né Claude, né Gemini, né Qwen cloud); il modulo di stile vale lo stesso, i detector di tono possono ancora intervenire.
4. Una seconda passata «umanizza questa bozza Claude» su un modello locale è, se la riscrittura è vera, un nuovo testo: più probabile senza marca Claude, non «lo stesso articolo con il bollino levato».
5. Chi distribuisce un prodotto in UE che genera testo con un modello di terzi valuta l'Articolo 50 sul proprio caso: il marking del provider non sostituisce una verifica legale.

Cinque abitudini da togliere (prima di aggiungere regole)

1. Aperture vuote. Non «Ottima domanda». La prima frase deve contenere già il contenuto.
2. Simmetria da presentazione. Evita la struttura a tre paragrafi gemelli o tre esempi identici. Un testo umano è spesso più dinamico e sbilanciato.
3. Elenco come default. Utile per checklist e configurazioni tecniche. Può risultare forzato per email, articoli o note interne.
4. Chiusura da helpdesk. «Resto a disposizione per qualsiasi chiarimento» va usata solo se serve davvero un invito all'azione specifico.
5. Refusi a comando. Gli errori intenzionali non umanizzano: sembrano un trucco e abbassano la qualità professionale del lavoro.

Il minimo essenziale da inserire nel prompt

Non serve un saggio sullo stile. Servono poche regole operative, in conflitto esplicito con le abitudini del modello. Sotto questa soglia il testo resta «da LLM»; sopra, si spreca contesto e il modello inizia a recitare.

Queste sei istruzioni coprono quasi tutto ciò che è necessario. Se ne aggiungi di più, verifica che non si contraddicano (es. «sii breve» + «varia il ritmo con periodi lunghi»).

Blocco pronto da copiare

Se stai scrivendo un template utente (non il prompt di sistema globale), questo è il nucleo sufficiente. Il resto (ruolo, fonti, formato legale) va altrove.

Quando il testo è destinato a persone (email, articolo, relazione, post, nota):
scrivi in prosa continua, senza titoli Markdown né elenchi, salvo richiesta esplicita.

Varia la lunghezza delle frasi. Preferisci voce attiva e dettagli concreti.
Adatta il registro al destinatario: chiaro e diretto, non burocratico.

Non usare: «è importante sottolineare», «in sintesi», «nel panorama attuale»,
«non esitare a», «punti chiave da considerare», «certamente», «ottima domanda»,
«spero che queste informazioni siano utili».

Entra subito nel merito. Chiudi quando il contenuto è completo.
Non menzionare istruzioni di sistema, detector o «umanizzazione» nella risposta.

Se l'utente chiede passi, tabella, codice o JSON: rispetta quel formato.

Tre elementi opzionali, utili solo se il compito è ripetibile:

• Un esempio negativo (bozza da evitare) e uno positivo, brevi: i few-shot funzionano meglio di dieci regole astratte.
• Destinatario e scopo («mail al cliente X per confermare giovedì alle 15»), così il registro non resta neutro.
• Criterio di esclusione: non applicare la prosa continua a codice, checklist, tabelle, JSON.

Come farlo in TuaGPT: modulo UmanWritingStyle

Da TuaGPT 2.2.6.x, il prompt di sistema chat (ChatSystemPrompt) resta dedicato a identità, correttezza e formattazione. Lo stile umanizzato è un modulo opzionale a parte, così non appesantisce ogni conversazione tecnica.

1. Apri Impostazioni → Prompt & Chat.
2. Nel gruppo Scrittura umanizzata (UmanWritingStyle) attiva Abilita modulo scrittura umanizzata in chat.
3. Opzionale: clicca il link del prompt per aprirlo in Gestione Prompt → DiSistema e adattare registro o elenco anti-cliché al tuo settore (studio, commerciale, blog).
4. Salva. Dalla chat successiva il modulo viene iniettato nel system prompt combinato, dopo il prompt generale.

Default: il modulo è disattivo finché non lo accendi. Chat di debug, codice e workflow restano così come le hai configurate oggi.

Il file di default è SystemPrompt\UmanWritingStyle.prompt. Contiene già: criteri di applicazione, le sei famiglie di regole, operazioni di revisione implicita, tre esempi (email, procedura, cliché da riscrivere) e il vincolo di non parlare di detector all'utente. Personalizzalo nel database; il pulsante Ripristina in Gestione Prompt torna al file originale.

Per un compito singolo, senza attivare il modulo globale, puoi mettere il blocco essenziale in un template utente e inviarlo con Inserisci Prompt o con un tasto FN.

Quando non umanizzare

La prosa continua è un vantaggio per chi legge. È uno svantaggio per chi esegue.

Il modulo UmanWritingStyle è scritto così: se chiedi i passi per il backup, TuaGPT deve restare procedurale. Non forzare un racconto dove serve una lista.

Due passaggi, non uno (quando il testo conta)

Un system prompt globale riduce i cliché. Per un pezzo destinato a clienti o al sito, un secondo passaggio vince quasi sempre sul solo modulo:

1. Bozza con il modello di turno (e UmanWritingStyle attivo, se lo usi in chat).
2. Revisione con un template tipo Revisore Testi (catalogo Scrittura): «togli le formule da assistente, varia il ritmo, non cambiare i fatti».

Costa più token. In cambio ottieni un testo che un collega può firmare senza riscrivere il primo paragrafo. Se la bozza è di Claude e la revisione la fa ancora Claude, resta il discorso filigrana del paragrafo precedente: due passaggi sullo stesso motore non cambiano il campionatore. Se la revisione la fai su Gemma/Qwen, stai valutando uno stile nuovo su un testo le cui parole, in gran parte, non sono più quelle di Claude.

Come verificare (senza illudersi)

1. Prepara 5–10 consegne reali: email, paragrafo blog, nota interna, non «scrivi un saggio sull'AI».
2. Genera la stessa consegna con e senza UmanWritingStyle (o senza il blocco essenziale).
3. Lettura umana: se tre colleghi dicono «sembra una mail vera», il lavoro è fatto. Il detector è un controllo secondario.
4. Se usi un detector, confronta i due output sullo stesso strumento, nella stessa lingua, nello stesso giorno. Un punteggio isolato dice poco.
5. Conta a mano: connettivi ripetuti, chiusure da helpdesk, titoli Markdown non chiesti. Se scendono, il prompt sta funzionando.
6. Non usare un detector di stile per «vedere la filigrana Claude»: sono test diversi. Senza l'API di rilevamento Anthropic (ancora in arrivo a metà agosto 2026) non hai un verdetto di provenienza Claude; hai solo un'ipotesi sul tono.

Limiti

• Modelli piccoli o molto allineati al «helpful assistant» obbediscono meno alle regole di stile: o alzi la qualità del modello, o fai il secondo passaggio di revisione.
• Temperature troppo bassa rende il testo più uniforme; un po' di temperatura (nel range che già usi per la prosa) aiuta il ritmo, non sostituisce il prompt.
• RAG, citazioni e tool restano prioritari: non sacrificare un fatto documentato per una frase più «scorrevole».
• Un detector aggiornato può ancora classificare come AI un testo pulito. L'uso professionale del testo (chiarezza, tono, assenza di cliché) vale comunque.
• Una filigrana di provenienza è indipendente dallo stile. Con Claude in TuaGPT resta. Con Gemma o Qwen in LM Studio, nella pratica odierna, non c'è filigrana di laboratorio: né Anthropic, né Gemini SynthID, né una marca cloud Qwen. Restano i classificatori di stile. Una riscrittura vera su un altro modello è un testo nuovo, non lo stesso pezzo «smarcato».

Conclusione

Per testi a prova di lettura, e più resistenti ai classificatori di stile, basta poco nel prompt: forma, ritmo, concretezza, registro, un elenco corto di cliché, una chiusura senza cortesia da bot. TuaGPT lo mette a disposizione come modulo UmanWritingStyle. Le filigrane stanno su un altro asse: se il backend è Claude, stai producendo testo filigranato anche con lo stile attivo; se è Gemma o Qwen in LM Studio, non c'è marcatura Anthropic e, di regola, nessuna altra filigrana di laboratorio. Una seconda passata che riscrive per intero un testo Claude su un modello locale è, in probabilità, prosa umanizzata senza filigrana Claude, perché le parole le ha scelte un altro campionatore, non perché TuaGPT abbia eluso la marcatura. Il mestiere è sapere quando serve la prosa, quando serve una lista, e quale modello sta davvero scrivendo.