欧盟人工智能法案已从规划工作转向人工智能合规关键部分的操作截止日期。 根据欧盟委员会的指导意见，自 2026 年 8 月 2 日起，某些人工智能系统的提供商和部署者的透明度义务已开始适用。

这些规则集中在一个实际问题上：人们能否辨别自己何时与人工智能交互，或者内容何时由人工智能生成或操纵？对于构建聊天机器人、语音代理、内容生成工具、图像编辑产品、合成媒体系统和自动化客户服务工作流程的企业来说，这个问题现在具有法律和产品设计后果。

同一日期对于更广泛的人工智能法案制度也很重要。 委员会材料显示，委员会对通用人工智能模型义务的全面执行权力从 2026 年 8 月 2 日起适用。 这并不意味着每个应用程序都受到相同的要求，但这确实意味着面向欧盟的人工智能项目不能再将透明度控制视为未来的工作。

8 月 2 日发生的变化

《人工智能法案》第 50 条涵盖了某些人工智能系统的透明度义务。 从广义上讲，这些义务旨在确保人们在与人工智能系统交互时，以及在以法规涵盖的方式人为生成或操纵音频、图像、视频或文本内容时了解情况。

对于许多团队来说，这种变化与模型架构无关，而更多地与界面、元数据、日志记录和治理有关。 会话助理可能需要清楚地披露用户正在与人工智能交互。 生成或实质性编辑媒体的工具可能需要标签或其他信号来使合成或操纵的输出可识别。 在面向客户的工作流程中部署人工智能的企业可能需要记录来显示使用了哪些系统、哪里出现了披露以及如何处理异常情况。

每个公司的范围并不相同。 《人工智能法案》区分了提供商、部署者、进口商、分销商和下游修改者等角色。 构建和营销人工智能产品的公司可能面临与在内部工作流程中使用第三方模型的公司不同的义务。 经销商、系统集成商或代理机构也可以扮演多个角色，具体取决于其打包和修改系统的方式。

角色映射问题现在是为欧盟用户服务的人工智能团队的首要合规任务之一。

为什么这对开发人员和产品团队很重要

直接的工程影响是透明度不能再作为政策页面固定下来。 它必须出现在人工智能交互或生成内容发生的产品路径内。

开发人员可能需要向聊天界面、座席切换流程、语音体验和内容编辑器添加披露组件。 产品团队可能需要决定标签何时持久、何时显示一次以及它们在导出、屏幕截图、文字记录、下载媒体和 API 响应中的行为方式。 合规团队需要证据证明这些控制措施得到了一致应用。

此外还存在路由和可观察性问题。 现代人工智能产品很少通过单一路径调用单一模型。 客户服务工作流程可能使用一种模型进行意图检测，使用另一种模型进行响应起草，使用语音模型进行转录，使用图像模型进行附件。 某些调用可能会创建用户可见的内容。 其他人可能只会分类、调节、总结或检索上下文。

这种区别很重要。 团队需要知道哪些模型调用可以触发透明度义务，哪些模型调用纯粹是内部的。 如果没有可靠的模型、端点、提示和输出类型清单，披露合规性就变成了猜测。

这就是 AI API 基础设施变得重要的地方。 多模型 API 或 AI API 网关可以跨不同后端集中模型提供者元数据、API 密钥管理、使用情况分析和审核日志。 对于像 Model Gate 这样的平台来说，实际的联系并不是网关自动解决 AI Act 合规性问题。 集中式路由和日志记录可以帮助团队回答基本的治理问题：使用哪种模型、哪个应用程序、哪个团队、在什么时间以及什么类别的输出。

谁受影响最大

最受影响的群体是将人工智能直接置于欧盟用户面前的企业。 其中包括拥有人工智能助手、支持机器人、销售代理、教育工具、招聘工具、合成媒体产品和营销自动化平台的 SaaS 公司。为客户构建人工智能系统的机构和集成商也需要注意，因为责任取决于谁确定系统的用途、谁部署系统以及系统是否被下游修改。

内部使用人工智能的企业也不应该忽视最后期限。 内部工具仍然可能会产生合规性和雇佣法问题，特别是当员工与人工智能系统交互或生成的内容离开组织时。 当内部自动化生成客户通信、法律草案、人力资源材料、财务报告或面向公众的媒体时，风险会更高。

模型提供商和应用程序构建者还面临协调挑战。 提供商可以提供模型文档、输出元数据、水印功能或政策指导。 部署者仍然需要在自己的产品中实施面向用户的披露和操作控制。 如果企业使用多个提供商，不一致的元数据和模型行为会让事情变得更加困难。

人工智能团队的实际步骤

第一步是库存。 团队应识别面向欧盟的产品和工作流程中使用的每个人工智能系统，然后对每个系统是否直接与人交互、生成内容、操作内容或仅支持内部处理进行分类。

其次，团队应划分职责。 他们是人工智能系统的提供者、部署者、分销商、进口商还是下游修改者？答案可能因产品线或客户参与度而异。

第三，披露应被设计为产品控制，而不仅仅是法律声明。 用户应该在交互或消费时看到清晰的信号。 生成和操作的内容应在需要时带有适当的标签或随附的上下文。 导出的内容值得特别关注，因为当文本、图像、音频或视频离开原始应用程序时，标签可能会消失。

第四，日志需要支持以后的审查。 至少，团队应该能够重建所涉及的应用程序、模型、用户组和输出类别。 对于使用多个模型提供商的公司来说，统一的人工智能使用分析可以减少盲点。 按产品、环境、客户或团队单独的 API 密钥还可以使审核变得更容易，并在工作流程配置错误时限制曝光。

最后，采购应包括透明度问题。 在添加模型或自动化供应商之前，团队应该询问有哪些元数据、文档、标签支持和日志记录挂钩可用。 如果成本最低的模型在下游产生手动合规工作，则并不总是最便宜的选择。

仍然不确定的事情

总体合规方向是明确的，但具体义务仍然取决于每个部署的事实。 相同的模型可用于低风险的内部摘要工具、面向客户的聊天机器人或合成媒体产品。 每个用例都可以产生不同的透明度职责。

围绕边缘情况还会存在解释问题：人工智能辅助编辑与人工智能生成的内容、短暂的代理交互、混合的人类和人工智能工作流程以及嵌入第三方平台的系统。 公司应该期待指导、执行实践和市场规范的发展。

即使存在这些不确定性，操作信息也是直截了当的。 面向欧盟的人工智能团队需要在法律要求的情况下让人工智能的参与变得可见，并且他们需要记录显示如何执行这种可见性。 8 月 2 日这一日期将透明度从路线图项目转变为实时治理要求。