Od 2 sierpnia 2026 stosuje się większość przepisów unijnego AI Act, ale nie oznacza to jednego identycznego obowiązku dla każdej firmy. Zakres działań zależy od roli organizacji, przeznaczenia systemu i poziomu ryzyka. Przedsiębiorstwo korzystające z asystenta do tworzenia notatek ma inne obowiązki niż dostawca narzędzia do selekcji kandydatów lub oceny dostępu do podstawowych usług.

Najlepszy moment na porządkowanie AI jest przed wdrożeniem, a nie po incydencie. Technologia powinna mieć właściciela biznesowego, opisany cel, kontrolę dostępu, zasady użycia danych i możliwość sprawdzenia, co zrobił system. Poniższy materiał przedstawia techniczny i organizacyjny plan działania. Nie zastępuje indywidualnej opinii prawnej.

Co zmieniło się 2 sierpnia 2026?

AI Act wszedł w życie 1 sierpnia 2024 i jest stosowany etapami. Zakazane praktyki oraz obowiązek kompetencji w zakresie AI zaczęły być stosowane 2 lutego 2025. Kolejne obowiązki dotyczące modeli ogólnego przeznaczenia weszły w następnym etapie. Od 2 sierpnia 2026 stosuje się większość pozostałych zasad, z wyjątkami i odrębnymi terminami przewidzianymi między innymi dla określonych systemów wysokiego ryzyka.

Dlatego firma nie powinna opierać decyzji wyłącznie na zdaniu „AI Act już obowiązuje” albo „mamy jeszcze czas”. Trzeba sprawdzić konkretny przypadek użycia, datę wprowadzenia systemu na rynek i rolę organizacji.

Najpierw ustal rolę firmy

Obowiązki zależą od tego, czy organizacja jest dostawcą, podmiotem stosującym, importerem czy dystrybutorem systemu. Firma, która tworzy własny produkt AI i oferuje go klientom, zwykle ma szerszy zakres odpowiedzialności niż przedsiębiorstwo korzystające z gotowej usługi zgodnie z instrukcją dostawcy.

Rola może się jednak zmienić. Głębokie zmodyfikowanie gotowego systemu, zmiana jego przeznaczenia albo oferowanie go pod własną marką może wpłynąć na klasyfikację. Tę decyzję należy udokumentować przed rozpoczęciem prac.

Model ryzyka w AI Act

Praktyki zakazane

Rozporządzenie zabrania określonych zastosowań, które stwarzają niedopuszczalne ryzyko, między innymi wybranych form manipulacji, wykorzystywania podatności osób, social scoringu i określonych zastosowań biometrii. Jeśli pomysł zbliża się do tej kategorii, wdrożenie nie powinno przejść do fazy produkcyjnej bez szczegółowej analizy.

Systemy wysokiego ryzyka

Do tej grupy mogą należeć systemy używane w określonych obszarach, na przykład zatrudnieniu, edukacji, infrastrukturze krytycznej lub dostępie do podstawowych usług. Wymagania obejmują między innymi zarządzanie ryzykiem, jakość danych, dokumentację, rejestrowanie zdarzeń, nadzór człowieka, dokładność, odporność i cyberbezpieczeństwo.

Obowiązki przejrzystości

Niektóre systemy muszą jasno informować człowieka, że wchodzi w interakcję z AI. Dotyczy to na przykład chatbotów, jeśli kontekst nie czyni tego oczywistym. Osobne zasady dotyczą określonych treści syntetycznych i deepfake. Informacja powinna być zrozumiała i pokazana we właściwym momencie, a nie ukryta wyłącznie w regulaminie.

Ryzyko minimalne

Wiele codziennych zastosowań, takich jak pomoc w redagowaniu tekstu lub kategoryzacja wewnętrznych zgłoszeń, może należeć do niższego poziomu ryzyka. Nadal obowiązują jednak inne przepisy, umowy, tajemnica przedsiębiorstwa, RODO i podstawowe zasady bezpieczeństwa.

Rejestr systemów AI: pierwszy praktyczny krok

Firma nie zarządzi tym, o czym nie wie. Rejestr powinien obejmować nie tylko aplikacje kupione centralnie, ale także narzędzia używane samodzielnie przez pracowników. Dla każdego zastosowania warto zapisać:

  • nazwę narzędzia, dostawcę, wersję i właściciela procesu,
  • cel biznesowy oraz decyzje, na które wpływa wynik AI,
  • rolę firmy i wstępną kategorię ryzyka,
  • rodzaje danych wejściowych, wyjściowych i okres przechowywania,
  • użytkowników, integracje i poziomy dostępu,
  • sposób nadzoru człowieka, monitoringu i zgłaszania incydentów.

Bezpieczna architektura wdrożenia AI

Minimalizuj dane przekazywane do modelu

Do zewnętrznej usługi nie należy wysyłać całej bazy klientów tylko dlatego, że integracja na to pozwala. System powinien przekazywać wyłącznie dane potrzebne do konkretnego zadania, usuwać identyfikatory tam, gdzie to możliwe, i egzekwować okres retencji.

Oddziel instrukcje od treści użytkownika

Aplikacje wykorzystujące modele językowe są narażone na prompt injection. Dokument pobrany z internetu lub wiadomość klienta może zawierać instrukcję próbującą zmienić zachowanie systemu. Model nie powinien samodzielnie uzyskiwać dostępu do plików, poczty lub płatności bez warstwy autoryzacji i walidacji każdej operacji.

Stosuj nadzór człowieka tam, gdzie wynik ma znaczenie

Przycisk „zaakceptuj” nie jest wystarczającym nadzorem, jeśli pracownik nie zna źródeł i nie ma czasu na ocenę odpowiedzi. Interfejs powinien pokazywać dane wejściowe, ograniczenia, źródła i możliwość poprawienia wyniku. Dla decyzji o dużym wpływie automat nie może zastępować kompetentnej oceny bez właściwej podstawy i procedury.

Loguj zdarzenia bez utrwalania nadmiarowych danych

Dziennik powinien pozwalać odtworzyć wersję modelu, użytkownika, czas, istotne parametry i rezultat operacji. Nie oznacza to bezterminowego zapisywania wszystkich promptów zawierających dane osobowe. Zakres logów trzeba powiązać z celem, ryzykiem i polityką retencji.

Kompetencje AI pracowników

Obowiązek AI literacy jest stosowany od lutego 2025. Szkolenie powinno odpowiadać rzeczywistej pracy. Innego zakresu potrzebuje osoba tworząca treści marketingowe, innego programista integrujący model, a jeszcze innego pracownik zatwierdzający rekomendacje wpływające na klientów.

Minimum obejmuje rozpoznawanie błędów i halucynacji, ochronę danych, zasady praw autorskich, bezpieczne prompty, sposób zgłaszania incydentu i granice automatyzacji. Firma powinna także określić, z których narzędzi wolno korzystać.

Plan wdrożenia zgodności w 90 dni

  1. Dni 1–30: inwentaryzacja narzędzi, właścicieli, danych, umów i przypadków użycia; zatrzymanie zastosowań o nieakceptowalnym ryzyku.
  2. Dni 31–60: klasyfikacja, polityka AI, wymagania dla dostawców, kontrola dostępu, logowanie i szkolenia pracowników.
  3. Dni 61–90: testy bezpieczeństwa i jakości, scenariusze awaryjne, monitoring, procedura incydentów oraz zatwierdzenie produkcyjne.

Jak PixelShark wspiera wdrożenia AI?

PixelShark projektuje rozwiązania AI dla firm z uwzględnieniem kontroli dostępu, prywatności, monitoringu, nadzoru człowieka i integracji z istniejącymi systemami. Odpowiadamy za warstwę techniczną i wspólnie z doradcą prawnym klienta przekładamy wymagania na funkcje aplikacji, dokumentację i proces utrzymania.

Skontaktuj się z nami, jeśli planujesz asystenta AI, analizę dokumentów, automatyzację obsługi klienta lub model działający na danych firmy i chcesz przygotować wdrożenie bezpiecznie od pierwszej wersji.

Źródła