AI Act dla firm, które już automatyzują

Rozporządzenie najpierw pyta, kim jesteś

Dwa słowa niosą w tym rozporządzeniu większość ciężaru i żadne z nich nie brzmi „wysokie ryzyko”. Dostawca buduje system AI albo zleca jego zbudowanie i wprowadza go do obrotu pod własną nazwą. Podmiot stosujący używa systemu AI we własnej działalności, na własną odpowiedzialność. Niemal każdy obowiązek jest zaadresowany do jednego albo drugiego, więc pierwsze pytanie nie brzmi „co robi mój system”, tylko „kim jestem przy tym konkretnym systemie”.

Większość firm, które cokolwiek automatyzują, jest jednym i drugim naraz. Podmiotem stosującym wobec asystenta wbudowanego w CRM, bo zbudował go i wypuścił ktoś inny. Dostawcą wobec bota, którego zespół złożył na API modelu i podpisał własnym logo. Ta sama firma, to samo popołudnie, dwa różne zestawy obowiązków, a papiery do każdego z nich lądują u innego kontrahenta.

Ta granica potrafi się przesunąć bez niczyjej decyzji. Zgodnie z artykułem 25 podmiot stosujący staje się dostawcą systemu wysokiego ryzyka w trzech sytuacjach: gdy opatrzy cudzy system własną nazwą albo znakiem towarowym, gdy istotnie go zmodyfikuje, albo gdy zmieni jego przeznaczenie tak, że system dotąd nienależący do wysokiego ryzyka - w tym system ogólnego przeznaczenia - do niego trafia. Pierwotny dostawca nie znika, ma współpracować i udostępnić potrzebne informacje, ale dokumentacja zgodności jest od tej chwili twoja.

To godzina z arkuszem, zanim będzie to godzina z prawnikiem. Wypisz każdy system AI na produkcji, dopisz dostawcę, dopisz, czyje logo stoi pod wynikiem, i zaznacz, czy zmieniałeś przeznaczenie. Ten sam odruch inwentaryzacji, który rozstrzyga, ile kontroli naprawdę wymaga dany proces, podpowiada też, w której z dwóch ról akurat występujesz.

Kalendarz, stan na lipiec 2026

To jedyna sekcja tego tekstu, która się dezaktualizuje, i robi to szybciej niż cokolwiek innego na tym blogu. Każda linijka poniżej została sprawdzona w tekście rozporządzenia i w analizach kancelarii 24 lipca 2026, więc zanim na czymkolwiek stąd oprzesz decyzję, otwórz podlinkowane źródła i sprawdź stan bieżący. To wskazówki inżynierskie od ludzi, którzy takie systemy budują, aktualne na tamten dzień, i nie są poradą prawną.

Zacznij od statusu prawnego, bo relacje mylą się w obie strony. Digital Omnibus on AI, pakiet przesuwający terminy dla wysokiego ryzyka, jest przyjęty, ale jeszcze nie obowiązuje. Parlament Europejski zatwierdził go 16 czerwca 2026, Rada przyjęła go ostatecznie 29 czerwca, a akt podpisano 8 lipca i czeka on na publikację w Dzienniku Urzędowym UE, wchodząc w życie trzeciego dnia po niej. Do tego czasu, jak ujmuje to nota o przyjęciu przez Radę, obowiązuje tekst AI Act w dotychczasowym brzmieniu wraz z pierwotnym kalendarzem stosowania.

Czyli: przesunięcie jest uzgodnione i podpisane, a mimo to wciąż nie jest prawem. Gibson Dunn zwraca uwagę na to samo - nowe daty wiążą dopiero po publikacji w Dzienniku Urzędowym, spodziewanej przed 2 sierpnia. Planujcie tak, jakby przesunięcie się utrzymało, i nie wyrzucajcie tego, co już zrobiliście pod wysokie ryzyko. Żaden obowiązek nie zrobił się lżejszy. Przesunęła się wyłącznie data, do której jest przypięty.

Nie ruszył się natomiast artykuł 50, czyli przejrzystość. To akurat ta część, na którą firma z normalną automatyzacją jest najbardziej wystawiona, i jednocześnie ta, do której prawie nikt się nie przygotowywał, bo rok uwagi poszedł na klasyfikację wysokiego ryzyka.

O karach, bo to zwykle następne pytanie. Artykuł 99 ustawia pułap za praktyki zakazane na 35 mln euro albo 7% światowego rocznego obrotu, zależnie co wyższe, a za resztę, w tym za przejrzystość, na 15 mln euro albo 3%. Podanie organowi nieprawdziwych informacji kończy się na 7,5 mln albo 1%. Dla MŚP kara jest ograniczona do niższej z tych dwóch wartości. To sufity, nie cenniki, a organ, który miałby je nakładać, w części państw dopiero powstaje.

Tabela ukrywa jeszcze jedno. Przesunięcie kupiło czas, nie zwolnienie: rekrutacja, scoring kredytowy, edukacja i monitorowanie pracowników zostają w załączniku III, tylko rozliczają się z końcem 2027 zamiast w przyszłym tygodniu. Jeśli zaczęliście tę robotę, dokończcie ją spokojnie zamiast odkładać, bo termin, który raz się przesunął, przesunął się z pełną procedurą legislacyjną za sobą i drugi raz raczej nie pojedzie.

Warstwa krajowa też jest tu datą, nie stałą. Ustawa o systemach sztucznej inteligencji, która wdraża AI Act w Polsce, została uchwalona przez Sejm 11 czerwca 2026 głosami 421 posłów, a organem nadzoru rynku ma być Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji. KRiBSI ma wydawać decyzje, prowadzić rejestr skarg, wydawać opinie indywidualne i uruchamiać piaskownice regulacyjne, w których mikro-, mali i średni przedsiębiorcy są zwolnieni z opłat. Termin dla państw członkowskich na wyznaczenie organów to 2 sierpnia 2026, więc etap procesu legislacyjnego sprawdź w dniu, w którym to czytasz. Jedno się przez to nie zmienia: rozporządzenie stosuje się bezpośrednio, a ustawa krajowa buduje tylko maszynerię do jego egzekwowania, więc organ, który dopiero powstaje, nie jest tarczą.

Co AI Act dla firm znaczy w działającym systemie

Zdejmij numery artykułów i obowiązki na najbliższy czas lądują w zwykłym stosie automatyzacji jako kilka zmian, z których żadna nie jest projektem. Rób najpierw te tanie. To akurat one pierwsze rzucają się w oczy klientowi.

Sporo z tych odruchów już macie. Rejestr czynności przetwarzania z RODO to ta sama inwentaryzacja co spis systemów AI, ocena skutków to to samo ważenie kosztu błędu, a obowiązkowy KSeF nauczył polskie firmy, że termin regulacyjny jest głównie zadaniem integracyjnym, a nie prawnym. AI Act pracuje na tych samych mięśniach, tylko przykłada je do innego obiektu.

Jedna z nich to linijka tekstu. Jeśli człowiek może trafić na rozmowę z twoim systemem, musi wiedzieć, że to system, i musi wiedzieć najpóźniej przy pierwszej wymianie zdań, a nie trzy kliknięcia w głąb polityki prywatności. To po cichu wycina wzorzec, który wdrożyło mnóstwo zespołów: bot z ludzkim imieniem, zdjęciem ze stocka i zerową informacją, że Marta jest modelem językowym. Wyjątek dla sytuacji oczywistych dla rozsądnie zorientowanej osoby jest kiepskim miejscem do obrony, jeśli włożyliście pracę w to, żeby bot brzmiał jak człowiek.

Oznaczanie treści generowanej kosztuje więcej, bo należy tam, gdzie treść powstaje, a nie tam, gdzie jest publikowana. Nasz pipeline treści dla OnlyFarms jest dokładnym kształtem tego problemu: terminy wchodzą jako CSV, dwa kolejne wywołania modelu produkują ciało HTML i metadane SEO, linki są sprawdzane po HTTP, a cały payload leci POST-em do admin API bez czytania przez człowieka. Jest w takim pipelinie jedno uczciwe miejsce na proweniencję i jest nim sam payload, obok obiektu seo i zwalidowanej treści, a nie checkbox dorzucony później w CMS-ie. Jeśli generowanie i publikacja to osobne usługi, zdecydujcie teraz, która z nich jest właścicielem oznaczenia, bo „obie” niezawodnie produkuje część treści oznaczoną dwa razy i część nieoznaczoną wcale.

Jest jeszcze coś, czego artykuł 50 nie wymaga wcale: wiedzieć, skąd wzięła się każda liczba. Na bazie wiedzy z 500 tys. rekordów każda liczbowa deklaracja jest weryfikowana względem źródłowego fragmentu, zanim odpowiedź wyjdzie, a deklaracja bez możliwego do pobrania źródła zostaje oznaczona jako niezweryfikowana zamiast wygładzona w płynne zdanie. Dziś nikt tego od zwykłego asystenta biznesowego nie wymaga. I tak jest to tanie ubezpieczenie, bo obowiązki śledzenia przychodzące z wysokim ryzykiem są w dużej mierze sformalizowaniem tego nawyku, a dokładanie proweniencji do systemu, który nigdy jej nie miał, to przepisanie, nie łatka.

Na końcu granica między czytaniem a pisaniem. Agent czytający CRM i agent piszący do CRM to dwa różne obiekty w każdym sensie, który tu ma znaczenie, dlatego granicę uprawnień warto zaprojektować, a nie odziedziczyć po kluczu API, który akurat leżał. Odczyt to głównie pytanie o podstawę przetwarzania i minimalizację danych. Zapis to pytanie o odpowiedzialność, i od niego zaczyna się kolejna sekcja.

Nadzór człowieka to decyzja inżynierska, zanim stanie się prawna

Wymóg nadzoru człowieka siedzi w rozdziale o wysokim ryzyku, czyli w tej części, która właśnie pojechała na koniec 2027. To kiepski powód, żeby go odkładać, i jeszcze gorszy, żeby go budować. Zespoły, które wstawiają bramkę akceptacji, bo kazał im przepis, dostają bramkę zadowalającą audytora i irytującą wszystkich, którzy z niej korzystają. Zespoły, które policzyły koszt błędnej akcji, dostają bramkę w miejscu, w którym coś zmienia.

Inżynier wyścigowy, którego zbudowaliśmy do sesji iRacing na żywo, stawia tę granicę twardo i postawił ją z powodów, które nie mają nic wspólnego z Brukselą. Agent czyta telemetrię 64 aut przez 19 narzędzi MCP i odpowiada kierowcy w niecałe dwie sekundy, całkowicie samodzielnie. Potem dochodzi do komend pit-stopu i się zatrzymuje. Odczyt jest autonomiczny, działanie już nie. Agent może zarekomendować i przygotować zjazd, ale kierowca zatwierdza go, zanim cokolwiek trafi do auta, bo błędna decyzja o pit-stopie jest nie do odkręcenia w sposób, w jaki błędny szacunek czasu okrążenia nie jest.

Asystent AI dla biura rektora Miras University stosuje ten sam podział w znacznie wolniejszej dziedzinie. Przygotowuje przydziały zadań między wydziałami, pilnuje tego, co po terminie, i odpowiada na pytania analityczne o studentów i kadrę, ale przydziały i decyzje zatwierdza człowiek, a każde działanie jest logowane, więc zostaje ślad, kto co zaakceptował. Jest tam druga zasada warta skopiowania: asystent nie ma prawa odpowiedzieć na pytanie o statystykę „z pamięci”. Liczby są pobierane z danych uczelni w momencie pytania albo nie padają wcale.

Oba te systemy powstały, zanim ktokolwiek tego wymagał, i o to chodzi. Bramkuj po skutku działania, a nie po pewności modelu, i zapisuj akceptację. Kiedy obowiązki wysokiego ryzyka realnie wejdą, dokument, o który poprosi teczka, to zapis tego, kto sprawował nadzór, a log prowadzony od dwóch lat jest wart nieporównanie więcej niż polityka napisana w pośpiechu miesiąc wcześniej.

Pierwszy zapyta klient, nie urząd

W praktyce pierwsze pytanie o zgodność z AI Act przychodzi z działu zakupów kontrahenta, a nie od organu. Widzimy to w rozmowach od miesięcy: korporacja, bank albo instytucja publiczna dorzuca do ankiety dostawcy sekcję o sztucznej inteligencji, bo jej własny dział compliance kazał, i nagle trzeba w tydzień odpowiedzieć na pytania, których nikt wcześniej nie zadawał.

Pytania są zaskakująco powtarzalne. Czy w produkcie jest AI i gdzie dokładnie. Czy użytkownik jest o tym informowany. Czy treść generowana jest oznaczana. Kto jest dostawcą, a kto podmiotem stosującym. Czy jest nadzór człowieka nad działaniami, które coś zmieniają. Dokąd wychodzą dane i do jakiego modelu. To dosłownie ta sama lista, którą zrobiliście przy inwentaryzacji na początku tego tekstu, przepisana na formularz.

Jeśli ten spis istnieje, ankieta zajmuje godzinę. Jeśli nie istnieje, zajmuje trzy tygodnie, w trakcie których ktoś po stronie klienta pyta, dlaczego to trwa. Osobno warto przejrzeć umowy: przy artykule 25 klient, który wystawia wasz system pod własną marką, staje się jego dostawcą, a to jest rzecz, którą lepiej mieć zapisaną w umowie niż odkrytą w trakcie sporu.

Dobra wiadomość jest taka, że nic z tego nie jest pracą prawniczą. To inwentaryzacja, kilka linijek w interfejsie, oznaczenie w payloadzie i log akceptacji, czyli zwykła robota integracyjna, a takie wdrożenia bywają współfinansowane z programów na cyfryzację, jeśli i tak planujecie większy krok.

Checklista na ten tydzień

Nic z tego nie wymaga konsultanta, a większość wymaga jednego popołudnia. Rób to w tej kolejności, bo każdy krok zawęża następny.

Zrób spis. Jeden wiersz na każdy system AI na produkcji, łącznie z tymi, które przyszły jako funkcja w oprogramowaniu, które i tak kupiliście. W każdym wierszu: dostawca, czy pod wynikiem stoi wasza marka, czy zmienialiście przeznaczenie. Ta ostatnia kolumna rozstrzyga, czy jesteście podmiotem stosującym, czy po cichu dostawcą z artykułu 25.

Przejdź własny produkt jak obcy człowiek. Otwórz każde miejsce, w którym da się wpaść w rozmowę: widżet na stronie, pomocnik w aplikacji, numer na WhatsAppie, autoresponder, który rok temu zrobił się sprytny. Wszędzie tam, gdzie ktoś mógłby rozsądnie sądzić, że pisze do człowieka, dodaj linijkę. To jeden string i jeden deploy.

Prześledź jeden kawałek generowanej treści od początku do końca. Od wywołania modelu do opublikowanej strony, z wypisaniem każdej usługi po drodze. Wybierz najwcześniejszy punkt, który potrafi nałożyć oznaczenie tak, żeby nic dalej go nie zdarło, i uczyń tę usługę właścicielem. Jeśli takiego punktu nie ma, właśnie znaleźliście prawdziwe zadanie.

Wypisz wszystkie akcje zapisu, jakie mogą wykonać wasi agenci. Wysłane maile, zaktualizowane rekordy, wystawione faktury, zamknięte zgłoszenia, zaakceptowane zwroty. Obok każdej dopisz, ile kosztuje jej błędna wersja i jak długo trwa cofnięcie. Co drogie i trudne do odkręcenia, dostaje potwierdzenie; reszta jedzie sama. To ten sam triaż co bramka na komendach pit-stopu, przełożony na firmę zamiast na auto wyścigowe.

Sprawdź, czy odpowiecie na pytanie „kto to zatwierdził” dla zeszłego wtorku. Nie w teorii, na realnych danych. Jeśli odpowiedź wymaga sklejania trzech systemów, to log jest pierwszą rzeczą do naprawienia i jest to mniejsza robota, niż brzmi.

Przeczytaj listę z artykułu 5 pod roadmapę, nie pod kod. Pułapką w zwykłych firmach są narzędzia HR: wnioskowanie o emocjach czy nastrojach pracowników jest zakazane wprost, nie objęte zarządzaniem ryzykiem, a ma zwyczaj pojawiać się jako punkt na slajdzie u dostawcy.

Wpisz w kalendarz datę ponownego sprawdzenia. Omnibus musi trafić do Dziennika Urzędowego, zanim nowe daty zaczną wiązać, więc uczciwe zakończenie tego tekstu brzmi: sprawdź status sam, zamiast ufać zdjęciu zrobionemu w lipcu. Jeśli przydałoby się drugie spojrzenie na podział odczyt/zapis albo na miejsce bramki, od tego jest nasz bezpłatny audyt, ale całą listę powyżej da się przejść bez nas i warto to zrobić tak czy inaczej.

FAQ