Unijna ustawa o sztucznej inteligencji przeszła z planowania do ostatecznego terminu operacyjnego w przypadku kluczowego elementu zgodności ze sztuczną inteligencją. Zgodnie z wytycznymi Komisji Europejskiej od 2 sierpnia 2026 r. obowiązki w zakresie przejrzystości spoczywające na dostawcach i wdrażających niektóre systemy sztucznej inteligencji zaczęły obowiązywać.

Zasady skupiają się na kwestii praktycznej: czy dana osoba może stwierdzić, kiedy wchodzi w interakcję z sztuczną inteligencją lub kiedy treść została wygenerowana lub zmanipulowana przez sztuczną inteligencję? W przypadku firm tworzących chatboty, agentów głosowych, narzędzia do generowania treści, produkty do edycji obrazów, systemy mediów syntetycznych i zautomatyzowane przepływy pracy w zakresie obsługi klienta kwestia ta ma teraz konsekwencje prawne i związane z projektowaniem produktów.

Ta sama data ma również znaczenie dla szerszego reżimu ustawy o sztucznej inteligencji. Z materiałów Komisji wynika, że pełne uprawnienia Komisji w zakresie egzekwowania prawa w zakresie obowiązków związanych z modelami sztucznej inteligencji ogólnego przeznaczenia obowiązują od 2 sierpnia 2026 r. Nie oznacza to, że każda aplikacja podlega tym samym wymaganiom, ale oznacza to, że programy sztucznej inteligencji skierowane do UE nie mogą już traktować kontroli przejrzystości jako przyszłej pracy.

Co zmieniło się 2 sierpnia

Artykuł 50 ustawy o sztucznej inteligencji obejmuje obowiązki w zakresie przejrzystości w przypadku niektórych systemów sztucznej inteligencji. Ogólnie rzecz biorąc, obowiązki mają na celu zapewnienie informowania ludzi, gdy wchodzą w interakcję z systemem sztucznej inteligencji oraz gdy treści audio, obrazy, wideo lub tekstowe zostały sztucznie wygenerowane lub zmanipulowane w sposób objęty rozporządzeniem.

W przypadku wielu zespołów zmiana dotyczy mniej architektury modelu, a bardziej interfejsu, metadanych, rejestrowania i zarządzania. Asystent konwersacyjny może potrzebować jasnego ujawnienia, że ​​użytkownik wchodzi w interakcję z sztuczną inteligencją. Narzędzie generujące lub edytujące materiały multimedialne może potrzebować etykiet lub innych sygnałów, które sprawią, że wyniki syntetyczne lub zmanipulowane staną się rozpoznawalne. Firma wdrażająca sztuczną inteligencję w przepływach pracy skierowanych do klientów może potrzebować zapisów pokazujących, z jakich systemów korzystano, gdzie pojawiły się ujawnienia i jak obsłużono wyjątki.

Zakres nie jest identyczny dla każdej firmy. Ustawa o sztucznej inteligencji rozróżnia role takie jak dostawca, wdrażający, importer, dystrybutor i modyfikator dalszego łańcucha dostaw. Firma tworząca i wprowadzająca na rynek produkt AI może napotkać inne obowiązki niż firma korzystająca z modelu strony trzeciej w ramach wewnętrznego przepływu pracy. Sprzedawca, integrator systemów lub agencja może również pełnić więcej niż jedną rolę, w zależności od tego, jak pakuje i modyfikuje system.

Ten problem z mapowaniem ról jest obecnie jednym z pierwszych zadań związanych z zapewnieniem zgodności ze standardami dla zespołów AI obsługujących użytkowników w UE.

Dlaczego ma to znaczenie dla programistów i zespołów ds. produktów

Bezpośredni wpływ na inżynierię polega na tym, że przejrzystości nie można już przykręcać jako strony zasad. Musi pojawić się w ścieżce produktu, w której zachodzi interakcja ze sztuczną inteligencją lub wygenerowana treść.

Programiści mogą potrzebować dodać komponenty ujawniania do interfejsów czatu, przepływu przekazywania agentów, funkcji głosowych i edytorów treści. Zespoły ds. produktu mogą być zmuszone zdecydować, kiedy etykiety mają być trwałe, kiedy są wyświetlane raz i jak zachowują się podczas eksportów, zrzutów ekranu, transkrypcji, pobranych multimediów i odpowiedzi API. Zespoły ds. zgodności będą potrzebować dowodów na to, że te kontrole były stosowane konsekwentnie.

Istnieje również problem z wyznaczaniem tras i obserwowalnością. Nowoczesne produkty AI rzadko wywołują pojedynczy model jedną ścieżką. Przepływ pracy w obsłudze klienta może wykorzystywać jeden model do wykrywania zamiarów, inny do sporządzania odpowiedzi, model mowy do transkrypcji i model obrazu dla załączników. Niektóre połączenia mogą tworzyć treści widoczne dla użytkownika. Inni mogą jedynie klasyfikować, moderować, podsumowywać lub odzyskiwać kontekst.

To rozróżnienie ma znaczenie. Zespoły muszą wiedzieć, które wywołania modeli mogą powodować obowiązki w zakresie przejrzystości, a które mają charakter czysto wewnętrzny. Bez wiarygodnego spisu modeli, punktów końcowych, podpowiedzi i typów danych wyjściowych zgodność w zakresie ujawniania informacji staje się kwestią domysłów.

W tym miejscu istotna staje się infrastruktura API AI. Wielomodelowy interfejs API lub bramka AI API mogą scentralizować metadane dostawcy modeli, zarządzanie kluczami API, analizę użycia i dzienniki inspekcji w różnych backendach. W przypadku platformy takiej jak Model Gate praktyczne połączenie nie polega na tym, że brama automatycznie rozwiązuje kwestię zgodności z ustawą AI Act. Chodzi o to, że scentralizowane routing i rejestrowanie mogą pomóc zespołom odpowiedzieć na podstawowe pytania związane z zarządzaniem: jaki model był używany, w jakiej aplikacji, dla jakiego zespołu, w jakim czasie i dla jakiej klasy wyników.

Kogo dotyczy to najbardziej

Najbardziej narażone grupy to firmy udostępniające sztuczną inteligencję bezpośrednio użytkownikom z UE. Obejmuje to firmy SaaS z asystentami AI, botami wsparcia, agentami sprzedaży, narzędziami edukacyjnymi, narzędziami rekrutacyjnymi, produktami z zakresu mediów syntetycznych i platformami automatyzacji marketingu.Agencje i integratorzy tworzący systemy AI dla klientów również muszą zwrócić uwagę, ponieważ odpowiedzialność może zależeć od tego, kto określi cel systemu, kto go wdroży i czy system będzie modyfikowany w dalszej części procesu.

Przedsiębiorstwa korzystające wewnętrznie ze sztucznej inteligencji również nie powinny ignorować terminu. Narzędzia wewnętrzne mogą w dalszym ciągu powodować pytania dotyczące zgodności i prawa pracy, zwłaszcza gdy pracownicy wchodzą w interakcję z systemami AI lub gdy wygenerowana treść opuszcza organizację. Ryzyko jest większe, gdy wewnętrzna automatyzacja tworzy komunikację z klientami, projekty przepisów prawnych, materiały HR, raporty finansowe lub media publiczne.

Dostawcy modeli i twórcy aplikacji również stoją przed wyzwaniem w zakresie koordynacji. Dostawcy mogą dostarczać dokumentację modelu, metadane wyjściowe, możliwości znakowania wodnego lub wytyczne dotyczące zasad. Wdrożeniowcy nadal muszą wdrożyć we własnych produktach ujawnianie informacji dla użytkownika i kontrole operacyjne. Jeśli firma korzysta z usług kilku dostawców, niespójne metadane i zachowanie modeli mogą to utrudnić.

Praktyczne kroki dla zespołów AI

Pierwszym krokiem jest inwentaryzacja. Zespoły powinny zidentyfikować każdy system sztucznej inteligencji używany w produktach i przepływach pracy dostępnych w UE, a następnie sklasyfikować, czy każdy system wchodzi w bezpośrednią interakcję z ludźmi, generuje treści, manipuluje treścią, czy też obsługuje jedynie przetwarzanie wewnętrzne.

Po drugie, zespoły powinny określić odpowiedzialność. Czy są dostawcą systemu sztucznej inteligencji, wdrażającym, dystrybutorem, importerem czy dalszym modyfikatorem? Odpowiedź może się różnić w zależności od linii produktów lub zaangażowania klienta.

Po trzecie, ujawnienie powinno mieć charakter kontroli produktu, a nie tylko informacji prawnej. Użytkownicy powinni widzieć wyraźne sygnały w momencie interakcji lub konsumpcji. Treść wygenerowana i zmanipulowana powinna być opatrzona odpowiednimi etykietami lub towarzyszącym kontekstem, jeśli jest to wymagane. Wyeksportowana treść zasługuje na szczególną uwagę, ponieważ etykiety mogą zniknąć, gdy tekst, obrazy, dźwięk lub wideo opuszczą oryginalną aplikację.

Po czwarte, dzienniki muszą umożliwiać późniejsze przeglądanie. Zespoły powinny przynajmniej być w stanie zrekonstruować, która aplikacja, model, grupa użytkowników i kategoria wyników były zaangażowane. W przypadku firm korzystających z wielu dostawców modeli ujednolicona analiza wykorzystania sztucznej inteligencji może zmniejszyć martwe punkty. Oddzielne klucze API według produktu, środowiska, klienta lub zespołu mogą również ułatwić audyty i ograniczyć narażenie na ryzyko w przypadku nieprawidłowej konfiguracji przepływu pracy.

Na koniec, zaopatrzenie powinno uwzględniać pytania dotyczące przejrzystości. Przed dodaniem modelu lub dostawcy automatyzacji zespoły powinny zapytać, jakie metadane, dokumentacja, obsługa etykiet i punkty zaczepienia są dostępne. Najtańszy model nie zawsze jest najtańszą opcją, jeśli wiąże się z koniecznością ręcznej pracy nad zgodnością na późniejszym etapie.

Co pozostaje niepewne

Ogólny kierunek zapewniania zgodności jest jasny, ale szczegółowe obowiązki nadal zależą od faktów związanych z każdym wdrożeniem. Ten sam model można zastosować w narzędziu do wewnętrznego podsumowania niskiego ryzyka, chatbocie skierowanym do klienta lub w produkcie mediów syntetycznych. Każdy przypadek użycia może wiązać się z różnymi obowiązkami w zakresie przejrzystości.

W przypadkach brzegowych pojawią się również pytania interpretacyjne: edycja wspomagana sztuczną inteligencją a treści generowane przez sztuczną inteligencję, krótkotrwałe interakcje z agentami, przepływy pracy mieszane z udziałem ludzi i sztucznej inteligencji oraz systemy wbudowane w platformy innych firm. Firmy powinny spodziewać się ewolucji wytycznych, praktyk egzekwowania prawa i norm rynkowych.

Nawet przy tych niepewnościach przesłanie operacyjne jest proste. Zespoły ds. sztucznej inteligencji mające kontakt z UE muszą uwidocznić zaangażowanie sztucznej inteligencji tam, gdzie wymaga tego prawo, oraz potrzebują dokumentacji pokazującej, w jaki sposób ta widoczność jest egzekwowana. Data 2 sierpnia zmienia przejrzystość z elementu planu działania w wymóg rzeczywistego zarządzania.