AI Act i RODO — obowiązki firmy, która wdraża AI
Pierwsze zakazy z unijnego AI Act weszły w życie w 2025 roku. Dla firmy wdrażającej agenta znaczy to jedno: zgodność jest częścią projektu, nie etapem po nim.
AI Act — co to i od kiedy obowiązuje
Najpierw zastrzeżenie, bo jest ważniejsze niż cała reszta tego tekstu.
To nie jest porada prawna. Jesteśmy wykonawcą technicznym. Opisujemy dwie rzeczy: co trzeba przygotować po stronie wdrożenia i co pokazują dane o podejściu firm do regulacji. Ocenę prawną Twojego przypadku zrobi prawnik albo inspektor ochrony danych — my dostarczamy mu materiał i budujemy to, co z tej oceny wyjdzie. Jeśli ktoś sprzedaje Ci „zgodność z AI Act” jako pozycję w ofercie technicznej, warto dopytać, kto ją podpisuje.
AI Act — co to? Unijne rozporządzenie o sztucznej inteligencji. Nie ocenia technologii w oderwaniu od użycia, tylko systemy AI w konkretnych zastosowaniach. Część praktyk jest zakazana. Część zastosowań — dotyczących dostępu ludzi do pracy, edukacji, kredytu czy świadczeń — jest uznana za wysokiego ryzyka. Większość zwykłych wdrożeń biznesowych trafia do kategorii lżejszych, gdzie liczy się przede wszystkim przejrzystość.
AI Act — od kiedy? Pierwsze zakazy weszły w życie w 2025 roku, kolejne obowiązki wchodzą etapami. Jednej daty gotowości nie ma. To dobra wiadomość dla wdrożenia: jeśli klasyfikacja ryzyka i rejestr operacji powstają razem z systemem, następny etap jest uzupełnieniem dokumentu. Jeśli nie powstały — każdy etap jest osobnym projektem.
Pytanie „czy AI jest legalne w firmie” słyszymy w prawie każdej pierwszej rozmowie i jest źle postawione. Używanie AI w firmie jest legalne. Rzecz w warunkach: ten sam model bywa w porządku przy porządkowaniu zgłoszeń i wymaga zupełnie innego trybu przy ocenie kandydatów. Dlatego w naszym procesie wdrażania agentów AI granice i nadzór są osobnym krokiem, nie akapitem w umowie.
Co realnie kształtuje decyzje firm o AI
Udziały organizacji wskazujących dany wpływ — z badania cytowanego w raporcie AI Index 2026 (Stanford HAI).
- 60%
- 43%
- 36%
- 12%
- 01
RODO — 60% organizacji
Najczęściej wskazywany wpływ regulacyjny, choć jego udział spadł z 65% w 2024 roku. Dla większości wdrożeń to RODO, nie AI Act, jest pierwszą rzeczą do przemyślenia — agent niemal zawsze dotyka danych osobowych: nazwiska w zgłoszeniu, adresu w zamówieniu, treści rozmowy z klientem.
- 02
EU AI Act — 43% i rośnie
Wzrost o dwa punkty względem 2024 roku. Pierwsze zakazy weszły w życie w 2025, kolejne obowiązki wchodzą etapami, więc ten udział będzie rósł. Warto zauważyć proporcję: kto zaczyna przygotowania od AI Act, a pomija RODO, robi to w odwrotnej kolejności.
- 03
ISO/IEC 42001 — 36%
Nowa pozycja w badaniu: standard systemu zarządzania AI. Pojawił się od razu wysoko, co pokazuje, że firmy szukają uporządkowanej ramy, a nie zgodności z pojedynczym przepisem. Nie musisz się certyfikować, żeby z niego skorzystać — sama lista obszarów działa jak spis kontrolny.
- 04
NIST AI RMF — 33%
Amerykańska rama zarządzania ryzykiem AI, również nowa w badaniu. Przydaje się jako gotowa lista pytań — nawet firmie, która nigdy nie będzie jej stosować formalnie. Pytania, na które nie umiesz odpowiedzieć, są listą rzeczy do zrobienia przed uruchomieniem.
- 05
Tylko 12% nie widzi żadnego wpływu
Rok wcześniej było 17%. To właściwa liczba całej sekcji: podejście, w którym wdrożenie AI jest czysto technicznym projektem bez wątku prawnego, przestało być większościowe. Osiem na dziewięć organizacji przyznaje, że któraś regulacja albo standard wpływa na ich decyzje.
Najczęstsze nieporozumienie o AI Act
„AI Act dotyczy dostawców modeli, więc nas nie obchodzi” — to zdanie słyszymy najczęściej i jest błędne.
Skąd się bierze? Publiczna dyskusja o AI Act toczy się głównie o wielkich modelach: kto je trenuje, na czym i jak je audytować. Firma, która chce uruchomić agenta odpowiadającego na pytania z własnych procedur, słusznie stwierdza, że żadnego modelu nie trenuje — i niepoprawnie wnioskuje z tego, że rozporządzenie jej nie dotyczy.
Rozporządzenie rozdziela role. Inne obowiązki ma ten, kto model dostarcza, a inne ten, kto system wdraża i używa. Nie obchodzi Cię część o trenowaniu. Obchodzi Cię część o używaniu: czy Twój przypadek nie wpada w kategorię wysokiego ryzyka, czy człowiek wie, że rozmawia z systemem, czy nad operacjami nieodwracalnymi czuwa człowiek i czy da się odtworzyć, co system zrobił.
Odpowiada ten, kto systemu używa — nie ten, kto go wytrenował.
Drugie oblicze tego samego błędu jest odwrotne: skoro przepisy są nowe i skomplikowane, to lepiej poczekać. Tymczasem odsetek organizacji, na których decyzje o AI nie wpływa żadna regulacja ani standard, spadł według raportu AI Index 2026 z 17% do 12%. Czekanie nie zmniejsza pracy do wykonania — przesuwa ją na moment, w którym ktoś już czegoś od Ciebie potrzebuje.
Pięć rzeczy, które trzeba przygotować
Wszystkie powstają przy wdrożeniu, nie po nim. Każda przydaje się też poza kontekstem prawnym.
- 01
Klasyfikacja ryzyka wdrożenia
Spisz, co agent robi, na jakich danych pracuje i jakie skutki ma jego pomyłka. AI Act stopniuje obowiązki według ryzyka, więc bez tej klasyfikacji nie wiadomo, których przepisów szukać. To zwykle jedna strona: proces, wejście, wyjście, kto zobaczy wynik, co się stanie, gdy wynik będzie zły.
- 02
Jawna informacja, że to system
Użytkownik rozmawiający z agentem musi o tym wiedzieć. To wymóg przejrzystości i zwykła uczciwość, a przy okazji mniej reklamacji — ludzie inaczej formułują pytania, gdy wiedzą, z czym mają do czynienia. Komunikat musi przeżyć przebudowę widoku, bo najczęściej ginie właśnie tam.
- 03
Nadzór człowieka nad tym, co nieodwracalne
Wypłata, wypowiedzenie, zmiana warunków umowy, wysyłka do klienta, usunięcie danych — takie operacje przechodzą przez zatwierdzenie albo próg kwotowy. Nadzór musi być realny: osoba z nazwiskiem, czas reakcji i domyślne działanie, gdy nikt nie zatwierdzi. Przycisk klikany odruchowo czterdzieści razy dziennie nadzorem nie jest.
- 04
Rejestr operacji i decyzji
Log, z którego da się odtworzyć, co agent zrobił, na jakiej podstawie i kiedy — razem z zapytaniem, dokumentami źródłowymi i wersją modelu. Bez niego nie odpowiesz ani klientowi, ani kontroli, ani sobie na pytanie „dlaczego to się stało”. Jest też jedynym sposobem rozliczenia efektu wdrożenia.
- 05
Opis danych i podstaw przetwarzania
Jakie dane wchodzą do agenta, gdzie są przetwarzane, jak długo przechowywane, kto ma dostęp i czy dostawca modelu może ich używać do trenowania. Tu rozstrzyga się najczęstsza obawa zespołu: czy to, co ktoś wpisze agentowi, wyjdzie z firmy. Odpowiedź zależy od architektury i umowy, nie od marketingu dostawcy.
Pięć typowych wdrożeń i ich profil ryzyka
Te same pomysły wracają w prawie każdej rozmowie. Różnią się nie technologią, a tym, co się dzieje, gdy agent się pomyli.
Agent odpowiadający na pytania z procedur
Najniższy profil ryzyka z tej piątki i dlatego najlepszy pierwszy krok. Agent czyta wewnętrzne dokumenty i odpowiada pracownikom. Nie zmienia niczego w systemach, nie kontaktuje się z klientem, nie ocenia ludzi. Do przygotowania jest głównie porządek w źródłach.
Nie wolno traktować jego odpowiedzi jako wiążącej wykładni — przy sprawach kadrowych, podatkowych i prawnych odpowiedź musi wskazywać dokument źródłowy, a decyzję podejmuje człowiek.
- lista dokumentów źródłowych z właścicielem i datą
- jawna informacja, że odpowiada system
- odsyłacz do źródła przy każdej odpowiedzi
- rejestr pytań i udzielonych odpowiedzi
Kto za co odpowiada — i czego NIE musisz robić
Trzy strony biorą udział w każdym wdrożeniu. Tylko jedna z nich odpowiada wobec Twojego klienta.
| Obszar | Dostawca modelu | Wykonawca wdrożenia | Twoja firma |
|---|---|---|---|
| Sam model i jego bezpieczeństwo | Odpowiada za swoją część: przepisy AI Act dla modeli ogólnego przeznaczenia obejmują przejrzystość, prawa autorskie i bezpieczeństwo. | Wybiera model do zadania i uzasadnia wybór. | Decyduje, czy tym modelem wolno wykonać to zadanie w tej firmie. |
| Klasyfikacja ryzyka wdrożenia | Nie robi tego — nie wie, do czego użyjesz modelu. | Przygotowuje materiał: funkcje, dane, przepływy, skutki pomyłki. | Zatwierdza klasyfikację i odpowiada za nią wobec organu. |
| Dane osobowe i podstawa przetwarzania | Zwykle działa jako podmiot przetwarzający na Twoje zlecenie. | Buduje przepływ danych zgodnie z Twoją decyzją i go opisuje. | Jest administratorem: Twoja podstawa, Twoja informacja, Twoja retencja. |
| Informacja, że po drugiej stronie jest system | Nie ma kontaktu z Twoim klientem. | Wbudowuje komunikat w interfejs. | Ustala jego treść i odpowiada za to, że nie zniknął. |
| Nadzór nad operacją nieodwracalną | Brak wpływu. | Buduje próg zatwierdzania, kolejkę i log. | Wyznacza osoby, progi i czas reakcji — i sprawdza, czy nadzór działa. |
| Skutek błędu wobec klienta | Odpowiedzialność zwykle ograniczona umownie. | Odpowiada za wadę wykonania, nie za decyzję biznesową. | Odpowiada wobec klienta, bo to Twoja firma używa systemu. |
| Rejestr operacji i jego przegląd | Nie dotyczy. | Dostarcza log, dostęp i sposób przeszukiwania. | Czyta go i reaguje — log, do którego nikt nie zagląda, nie chroni nikogo. |
Czego NIE musisz robić
Nie musisz budować działu compliance, żeby uruchomić agenta porządkującego własne zgłoszenia. Nie musisz certyfikować się w ISO/IEC 42001 — ten standard wskazuje 36% organizacji w badaniu z raportu AI Index 2026, ale jako ramę porządkującą, nie warunek wejścia. Nie musisz pisać polityki od zera: pierwsza wersja powstaje z klasyfikacji ryzyka i opisu danych, czyli z rzeczy, które i tak robisz.
Nie musisz też wybierać dostawcy modelu „na zawsze”. Raport AI Index 2026 pokazuje, że czołowe modele są dziś od siebie niemal nieodróżnialne, a modele o otwartych wagach bardziej konkurencyjne niż kiedykolwiek. Architektura, w której model da się podmienić, jest więc jednocześnie decyzją techniczną i sposobem ograniczenia ryzyka.
Musisz natomiast wiedzieć trzy rzeczy: co Twój agent robi, na czyich danych i co się stanie, gdy się pomyli. Te trzy odpowiedzi wystarczają, żeby rozmowa z prawnikiem zajęła godzinę, a nie miesiąc. Wszystkie powstają u nas na etapie granic i nadzoru — jednym z sześciu kroków wdrożenia agentów AI.
Incydentów jest więcej, a poprawa jednego wymiaru pogarsza inny
Dwie obserwacje z raportu AI Index 2026, które zmieniają sposób planowania wdrożenia.
Pierwsza: liczba udokumentowanych incydentów z AI wzrosła do 362 z 233 rok wcześniej. To nie argument przeciw wdrażaniu — przy 88% organizacji używających AI wzrost liczby zdarzeń jest spodziewany. To argument za tym, żeby incydent traktować jako scenariusz, który się zdarzy. Wdrożenie bez odpowiedzi na pytanie „co robimy w dniu, w którym agent powie klientowi coś nieprawdziwego” jest niedokończone, niezależnie od tego, jak dobrze działa w dniu odbioru.
Druga jest mniej oczywista i rzadko trafia do rozmów handlowych: raport wskazuje, że poprawa jednego wymiaru odpowiedzialnego AI może pogorszyć inny — wzmocnienie bezpieczeństwa potrafi obniżyć dokładność. Nie istnieje więc ustawienie, w którym wszystko jest maksymalne naraz. Istnieje wybór, który ktoś musi świadomie podjąć i zapisać. Agent odmawiający odpowiedzi przy każdej wątpliwości jest bezpieczniejszy i mniej użyteczny. Ten, który odpowiada zawsze — odwrotnie.
Dlatego podejmujemy ten wybór osobno dla każdego procesu i zapisujemy go w dokumentacji, bo za pół roku nikt nie będzie pamiętał, dlaczego agent zachowuje się tak, a nie inaczej. Warto do tego dołożyć twarde dane o skuteczności. W teście tau-bench, sprawdzającym rozmowę z użytkownikiem i wywoływanie narzędzi zgodnie z regułami, czołowe modele osiągają od 62,9% do 70,2% i żaden nie przekracza 71%. W OSWorld, gdzie agent wykonuje realne zadania na komputerze, wynik podskoczył z 12% do około 66% — co nadal oznacza, że agenci zawodzą mniej więcej w jednej próbie na trzy. Pięć rzeczy z listy powyżej istnieje właśnie z tego powodu.
Polityka odpowiedzialnego AI i szkolenia
Organizacji bez żadnej polityki jest już tylko 11%. Największą przeszkodą nie są przepisy, a brak wiedzy.
Według raportu AI Index 2026 odsetek organizacji bez żadnej polityki odpowiedzialnego AI spadł z 24% w 2024 roku do 11% w 2025. Skutek praktyczny jest prosty: firma bez takiej polityki przestaje być w normie, a zaczyna być wyjątkiem. Jeśli sprzedajesz do większych organizacji, poczujesz to najpierw w kwestionariuszach zakupowych, nie w kontroli.
Ciekawsza jest druga liczba. Najczęściej wskazywaną przeszkodą we wdrażaniu odpowiedzialnego AI są braki wiedzy i szkoleń — 59% organizacji, wzrost z 51%. Nie budżet, nie narzędzia, nie niejasność przepisów. Wiedza. Zgadza się to z tym, co widzimy: dokumenty da się napisać w kilka dni, ale jeśli nikt w zespole nie rozumie, po co agent ma próg zatwierdzania, ten próg zostanie obejściem w drugim tygodniu — ktoś dostanie hasło do konta technicznego, żeby „było szybciej”.
Dlatego przy każdym wdrożeniu przekazujemy zespołowi trzy rzeczy na piśmie i osobno je omawiamy: co agent robi i czego nie robi, jak wygląda operacja wymagająca zatwierdzenia i po czym poznać, że coś jest nie tak. To krótkie szkolenie, nie kurs. Bieżące pytania po uruchomieniu obsługujemy w ramach opieki Wataha Care od 100 zł miesięcznie. Uczciwie: nie każde wdrożenie potrzebuje tej samej głębi — rozstrzygamy to na audycie i mówimy wprost, gdy proponowany zakres uważamy za przesadę. Zajrzyj do opisu usługi wdrażania agentów AI: wdrożenie dedykowane zaczynamy od 10 000 zł, a pilot na jeden proces wyceniamy po audycie, bo bez niego każda kwota byłaby zmyślona.
Przeczytaj również
Pytania, które słyszymy najczęściej
AI Act — co to właściwie jest?
Unijne rozporządzenie o sztucznej inteligencji. Nie ocenia technologii w oderwaniu od użycia, tylko systemy AI w konkretnych zastosowaniach, i stopniuje obowiązki według ryzyka: część praktyk jest zakazana, część zastosowań uznana za wysokiego ryzyka i obwarowana wymogami, a większość zwykłych wdrożeń biznesowych mieści się w kategoriach lżejszych, gdzie liczy się przejrzystość. Osobne przepisy dotyczą modeli ogólnego przeznaczenia i obejmują przejrzystość, prawa autorskie oraz bezpieczeństwo. To nie porada prawna — kwalifikację Twojego przypadku robi prawnik.
AI Act — od kiedy obowiązuje?
Pierwsze zakazy weszły w życie w 2025 roku, pozostałe obowiązki wchodzą etapami. Nie ma więc jednej daty, po której „trzeba być gotowym”: różne wymagania zaczynają obowiązywać w różnych momentach, a zakres zależy od tego, co Twój system robi. Dla planowania ważniejsze od kalendarza jest to, żeby klasyfikacja ryzyka i rejestr operacji istniały od pierwszego dnia — wtedy kolejny etap jest uzupełnieniem dokumentu, nie przebudową systemu.
Czy AI Act dotyczy mojej małej firmy?
Jeśli wdrażasz albo używasz systemu AI w Unii Europejskiej — tak, choć zakres obowiązków zależy od tego, co ten system robi. Prosty agent porządkujący własne zgłoszenia to inna kategoria niż system oceniający ludzi przy rekrutacji czy przyznawaniu kredytu. Wielkość firmy sama z siebie nie zwalnia z niczego, natomiast realny nakład pracy przy małym wdrożeniu o niskim ryzyku jest zwykle mniejszy, niż zakłada osoba czytająca rozporządzenie po raz pierwszy.
Czy AI jest legalne w firmie?
Tak — pytanie jest po prostu źle postawione. Nie chodzi o to, czy wolno używać AI, ale na jakich warunkach wolno użyć konkretnego systemu do konkretnego zadania na konkretnych danych. Ten sam model bywa w porządku przy porządkowaniu wewnętrznych zgłoszeń i niedopuszczalny bez dodatkowych wymogów przy ocenie kandydatów do pracy. Dlatego zamiast pytać ogólnie, warto opisać jedno wdrożenie i o jego dopuszczalność zapytać prawnika.
Jakie są kary z AI Act?
Rozporządzenie przewiduje kary administracyjne, a ich wysokość zależy od rodzaju naruszenia — najsurowsze dotyczą praktyk zakazanych. Nie podajemy tu progów kwotowych, bo nie jesteśmy kancelarią i nie chcemy, żeby ktoś planował budżet na podstawie liczby z artykułu wykonawcy technicznego. Z praktyki dodamy jedno: kara rzadko jest pierwszym kosztem naruszenia. Wcześniej pojawia się utrata zaufania klienta, wstrzymanie wdrożenia i próba odtworzenia tego, czego nikt nie zapisał w logu.
Jak zapewnić zgodność AI z RODO?
Tak samo jak przy każdym innym systemie: ustalasz, kto jest administratorem, jaka jest podstawa przetwarzania, jakie dane wchodzą, gdzie są przetwarzane, jak długo przechowywane i kto ma dostęp. Specyfika AI dodaje trzy pytania: czy dostawca modelu może używać Twoich danych do trenowania, czy dane opuszczają Europejski Obszar Gospodarczy i czy z logów da się odtworzyć podstawę konkretnej decyzji. RODO wskazuje 60% organizacji — więcej niż AI Act — według badania cytowanego w raporcie AI Index 2026.
Czy dane wpisane do agenta AI trafią do uczenia modelu?
To zależy wyłącznie od tego, jak wdrożenie zostało zbudowane i co mówi umowa z dostawcą modelu. Da się to ustawić tak, żeby dane nie opuszczały Twojej infrastruktury albo żeby dostawca nie miał prawa używać ich do trenowania. Ten punkt trzeba sprawdzić przed podpisaniem umowy, nie po pierwszym incydencie — i on jest jednym z powodów, dla których bezpieczeństwo i ryzyko są najczęściej wskazywaną barierą wdrożeń agentów (62% organizacji w raporcie AI Index 2026).
Kto odpowiada, jeśli agent AI popełni błąd?
Wobec klienta odpowiada firma, która używa systemu — nie dostawca modelu i zwykle nie wykonawca wdrożenia, którego odpowiedzialność dotyczy wady wykonania, a nie decyzji biznesowej. Dlatego projektowanie obsługi pomyłki nie jest formalnością: w testach realnych zadań na komputerze (OSWorld) agenci zawodzą mniej więcej w jednej próbie na trzy, więc próg zatwierdzania, log i możliwość cofnięcia zmian chronią przede wszystkim Ciebie.
Czy przygotujecie dokumentację zgodności?
Przygotowujemy część techniczną i organizacyjną: klasyfikację ryzyka, opis danych i przepływów, rejestr operacji, opis nadzoru człowieka i dokumentację techniczną. Nie jesteśmy kancelarią i nie udajemy, że nią jesteśmy — ocenę prawną i finalne dokumenty robi Twój prawnik lub inspektor ochrony danych, a my dostarczamy mu materiał. Wdrożenie dedykowane wyceniamy od 10 000 zł, pilot na jeden proces po audycie, opiekę Wataha Care od 100 zł miesięcznie.
Wdrożenie, które przejdzie audyt
Klasyfikacja ryzyka, rejestr operacji i nadzór człowieka powstają u nas razem z agentem — nie jako dodatek po fakcie.