AI Act w Polsce: co konkretnie muszą zrobić firmy używające AI w 4 krokach

Większość artykułów o AI Act brzmi jak streszczenie podręcznika do prawa europejskiego: kategorie ryzyka, unijne dyrektywy, wysokie kary. Prawnicy streszą, ale rzadko mówią, co to realnie oznacza dla architektury IT, działu marketingu czy procesów HR w Twojej firmie. Rozporządzenie EU AI Act to pierwsza na świecie kompleksowa regulacja rynku AI — a jego obowiązki wchodzą w życie etapami. Poniżej pragmatyczne ujęcie: co naprawdę oznacza nadchodząca regulacja (i kluczowy termin 2 sierpnia 2026 r.) bez akademickiego lania wody.

1. Kalendarz AI Act: kluczowe daty procesu prawnego i compliance

AI Act nie wchodzi w życie jednego dnia. Przepisy stają się wiążące w kilku transzach — i to właśnie ten harmonogram wyznacza kolejność działań w firmie:

• 1 sierpnia 2024 — rozporządzenie weszło w życie, uruchamiając zegar dla wszystkich kolejnych terminów.
• 2 lutego 2025 — zakaz praktyk niedozwolonych (systemy nieakceptowalnego ryzyka) oraz obowiązek zapewnienia kompetencji AI (AI literacy) wśród pracowników korzystających z tych systemów.
• 2 sierpnia 2025 — zasady dla modeli ogólnego przeznaczenia (GPAI), struktury zarządzania i nadzoru oraz przepisy dotyczące kar.
• 2 sierpnia 2026 — obowiązki przejrzystości (art. 50) oraz większość wymogów dla systemów wysokiego ryzyka z Aneksu III. To najbliższy i najszerzej dotykający firmy termin.
• 2 sierpnia 2027 — pełne stosowanie rozporządzenia, w tym wymogi wobec wysokiego ryzyka wbudowanego w produkty regulowane (Aneks I).

Co to oznacza w praktyce, już od pierwszego dnia?

• Odebranie „tożsamości" Twoim botom — jeśli voicebot na infolinii (IVR) lub chatbot na stronie przedstawia się jako „Ania z działu obsługi", od 2 sierpnia łamiesz prawo. Bot musi w pierwszym zdaniu jasno oświadczyć, że jest maszyną — zanim zbierze jakiekolwiek zapytanie od klienta.
• Koniec cichego generowania treści — grafiki, wideo, a nawet automatycznie generowane teksty B2B, które nie zostały w pełni zredagowane przez człowieka, muszą być jawnie oznaczone (lub opatrzone cyfrowym znakiem wodnym — watermarking).

2. Koniec „dzikiego zachodu": co to naprawdę oznacza dla firm używających AI

Dla wielu przedsiębiorstw era swobodnego, nieuregulowanego korzystania z AI, GenAI i ChatGPT definitywnie się kończy. Do tej pory narzędzia te wdrażano oddolnie, często bez wiedzy działów prawnych i bezpieczeństwa. AI Act zamyka ten rozdział — od teraz każde użycie AI w organizacji musi być świadome, udokumentowane i przypisane do konkretnej klasy ryzyka.

W praktyce oznacza to trzy konkretne kroki, które każda firma powinna zaplanować już teraz: audyt i klasyfikację systemów, pełny tracking danych oraz dostosowanie interfejsów i obowiązków informacyjnych. Poniżej rozkładamy każdy z nich na czynniki pierwsze.

3. Prawdziwe ryzyko, o którym milczą kancelarie: Shadow AI i Twoi dostawcy

Standardowe notatki prawne sugerują, że musisz „przetestować swoje modele AI". W praktyce 95% firm w Polsce nie buduje własnych modeli LLM — korzysta z gotowych SaaS-ów, API i oprogramowania od zewnętrznych software house'ów. Realne ryzyko operacyjne leży więc gdzie indziej, w dwóch miejscach:

A. Pracownicy wklejający dane do „darmowych" narzędzi (Shadow AI)

Unijny wymóg podnoszenia kompetencji (AI literacy) to w praktyce zakaz udawania, że nie widzisz, co robi Twój zespół. Jeśli handlowiec wkleja poufną ofertę B2B do darmowego ChatGPT, a programista wrzuca kod źródłowy do niesprawdzonej wtyczki — odpowiedzialność finansową przed regulatorem ponosi Twoja firma (kary do 15 mln euro lub 3% obrotu).

B. Dostawcy oprogramowania, którzy milczą o geografii danych

Kupujesz CRM lub system marketingowy z funkcją „AI"? Notatki prawne mówią: sprawdź zgodność. Pragmatyka mówi: sprawdź ścieżkę danych (data lineage).

• Gdzie lecą prompty? Czy dostawca przetwarza dane w chmurze w UE, czy bez Twojej wiedzy śle je do USA/Azji?
• Czy Twoje dane trenują cudzy model? Bez twardej klauzuli Zero Data Retention (ZDR) oraz No Model Training w umowie B2B Twoje unikalne know-how zasila publiczny model dostawcy.

4. Krok 1: pilny przegląd systemów i klasyfikacja ryzyka

Punktem wyjścia jest pełny inwentarz używanych narzędzi AI. Każda firma musi zmapować, z jakich rozwiązań korzysta — także tych wdrożonych nieoficjalnie przez zespoły — i przypisać je do jednej z czterech klas ryzyka przewidzianych przez AI Act:

• Ryzyko nieakceptowalne (zakazane) — np. zaawansowana manipulacja zachowaniem czy scoring społeczny; ich stosowanie jest zabronione.
• Wysokie ryzyko — systemy wpływające m.in. na rekrutację, ocenę pracowników czy dostęp do usług; podlegają najsurowszym wymogom.
• Ograniczone ryzyko / przejrzystość — chatboty, voiceboty i treści generowane przez AI; wymagają jasnego oznaczenia.
• Minimalne ryzyko — większość zastosowań wewnętrznych bez obowiązków dodatkowych.

Audyt powinien być spisany, ale też nie może jednak ograniczać się do klasyfikacji samego oprogramowania. Kluczowe — i najczęściej pomijane — jest przeprowadzenie pełnego trackingu danych.

5. Krok 2: pełny tracking danych (data lineage)

To tutaj kończy się teoria, a zaczyna realna zgodność. Firma musi dokładnie wiedzieć, jakie dane trafiają do modeli AI, gdzie fizycznie są przetwarzane i co dzieje się z nimi po wygenerowaniu odpowiedzi.

• Lokalizacja przetwarzania (Data Residency) — ustal, GDZIE fizycznie przetwarzane i przechowywane są dane wprowadzane do modeli (chmura na terenie UE czy serwery dostawcy w USA/Azji). Jest to krytyczne dla zgodności z RODO, wymogami transferu danych poza EOG oraz krajowymi regulacjami bezpieczeństwa.
• Mapowanie przepływu danych (Data Flow Mapping) — jasno zmapuj, jakie kategorie danych (dane osobowe, tajemnice handlowe, kod źródłowy, wrażliwe dane B2B) trafiają do promptów oraz czy dane wyjściowe są gdziekolwiek archiwizowane.
• Polityki trenowania modeli (opt-out / privacy) — zweryfikuj, czy dostawca wykorzystuje wprowadzane dane do trenowania swoich publicznych modeli. W zastosowaniach biznesowych umowa (SLA / Terms of Service) powinna gwarantować zerowe retencjonowanie promptów i brak przetwarzania danych klienta na potrzeby uczenia maszynowego dostawcy.
• Prawa autorskie i retencja — określ, czy przetwarzane dane nie naruszają praw osób trzecich oraz jak długo dane pozostają w cache i pamięci operacyjnej modeli u zewnętrznych dostawców przed trwałym usunięciem.

6. Krok 3: obowiązki informacyjne i przebudowa interfejsów oraz IVR do 2 sierpnia

Najbardziej namacalny obowiązek dotyczy przejrzystości. Do 2 sierpnia systemy infolinii (IVR) oraz czaty muszą zostać zaktualizowane o jasne komunikaty informujące użytkownika, że rozmawia z botem, a nie z człowiekiem. Analogicznie — treści generowane przez AI powinny być odpowiednio oznaczone.

W praktyce oznacza to przegląd i przebudowę każdego punktu styku z klientem, w którym pracuje AI: skryptów IVR, widżetów czatu, komunikatów powitalnych oraz stopek w materiałach marketingowych.

7. Przełóżmy regulacje na konkret: pragmatyczny audyt w 4 krokach

Zamiast pisać wielostronicowe polityki, które trafią do szuflady, wykonaj cztery konkretne ruchy operacyjne:

1. Wykryj i skataloguj narzędzia (audyt Shadow AI) — zrób ankietę w zespole i sprawdź logi na bramce sieciowej. Musisz wiedzieć, z jakich modeli GenAI realnie korzystają Twoje działy: marketing, sprzedaż, dev, HR.
2. Dociśnij dostawców IT (data residency & SLA) — wyślij do każdego dostawcy oprogramowania AI żądanie przedstawienia deklaracji architektury danych. Wymagaj potwierdzenia przetwarzania w EOG oraz zapisów o braku trenowania modeli na Twoich danych.
3. Przebuduj interfejsy (IVR / chatboty) — zmień skrypty na infolinii i nagłówki w widżetach czatu. Zadbaj, aby informacja „Rozmawiasz z asystentem AI" pojawiała się przed zebraniem jakiegokolwiek zapytania od klienta.
4. Zamień zakazy na jasne instrukcje — daj pracownikom płatne, bezpieczne konto firmowe z gwarancją prywatności danych (Enterprise) i przeszkol ich, czego nigdy nie wolno wpisywać w prompty.

8. Kary finansowe: drastyczny wzrost ryzyka

Konsekwencje niedopełnienia obowiązków są dotkliwe. Kary za brak wymaganych informacji — na przykład brak oznaczenia bota lub treści AI — mogą sięgać do 15 milionów euro lub do 3% globalnego rocznego obrotu przedsiębiorstwa, w zależności od tego, która kwota jest wyższa.

Za stosowanie systemów zakazanych (np. zaawansowanej manipulacji zachowaniem pracowników) kary są jeszcze wyższe — do 35 milionów euro lub do 7% globalnego obrotu. Ryzyko finansowe przestaje być hipotetyczne i wchodzi na poziom, który wymaga uwagi zarządu, a nie tylko działu IT.

9. Szansa dla transparentnych marek

AI Act to nie tylko lista obowiązków — to również przewaga dla tych, którzy zadziałają pierwsi. Firmy, które wcześnie wdrożą jasne i etyczne zasady korzystania z AI, mogą zyskać przewagę wizerunkową w relacjach B2B, pozycjonując się jako partnerzy bezpieczni i zgodni z prawem (compliant).

W świecie, w którym klienci i partnerzy coraz uważniej pytają „gdzie trafiają moje dane?", transparentność przestaje być kosztem, a staje się argumentem sprzedażowym.

10. Najczęstsze pytania