Przygotuj firmę na AI Act: zapewnij organizacji bezpieczny wzrost

28 września 2026 · Bartłomiej Spasowski, Założyciel, modulla · PL

Czym jest audyt AI Act i dlaczego organizacje nie mogą go odkładać

Audyt AI Act to ustrukturyzowana ocena techniczna, prawna i operacyjna systemów sztucznej inteligencji stosowanych w organizacji, przeprowadzana w celu weryfikacji zgodności z Rozporządzeniem (UE) 2024/1689, czyli unijną ustawą o sztucznej inteligencji. Obejmuje zinwentaryzowanie wszystkich narzędzi AI, przypisanie ról prawnych (dostawca lub wdrażający), klasyfikację ryzyka oraz udokumentowanie mechanizmów nadzoru i zarządzania. To nie jednorazowy przegląd dokumentacji, lecz ciągły proces zgodności.

Z doświadczenia wiadomo, że firmy, które nie zrobiły takiego przeglądu, nie mają pojęcia, ile systemów AI faktycznie działa w ich środowisku. Marketing uruchamia chatbota. HR kupuje moduł do screeningu CV. Finanse integrują scoring do oceny ryzyka. Każdy dział robi to osobno, bez wspólnej ewidencji. I nagle okazuje się, że organizacja jest znacznie głębiej zaangażowana w AI, niż sądzi zarząd.

Harmonogram wdrożenia AI Act: co już obowiązuje

Rozporządzenie weszło w życie 1 sierpnia 2024 roku, ale jego stosowanie jest rozłożone w czasie. Harmonogram wygląda następująco:

Data	Zakres obowiązków
2 lutego 2025	Zakaz zabronionych praktyk AI (Art. 5) oraz obowiązek szkoleń z zakresu piśmienności AI (AI Literacy)
2 sierpnia 2025	Zasady dla modeli ogólnego przeznaczenia (GPAI), struktury zarządzania, ramy kar
2 sierpnia 2026	Obowiązki przejrzystości (Art. 50): chatboty, treści syntetyczne, deepfakes muszą ujawniać swój charakter [19]
2 grudnia 2027	Pełne stosowanie wobec systemów wysokiego ryzyka (Załącznik III), rejestracja w bazie UE, oceny skutków dla praw podstawowych (FRIA Art. 27) [19]
2 sierpnia 2028	Systemy AI jako komponenty bezpieczeństwa w produktach regulowanych (Załącznik I): urządzenia medyczne, motoryzacja [19]

Część przepisów obowiązuje już dziś. Firmy, które od 2 lutego 2025 roku nadal korzystają z systemów AI zabronionych przez Art. 5, działają wbrew prawu. Reszta harmonogramu daje czas na przygotowanie, ale nie na odkładanie audytu.

Cztery poziomy ryzyka: gdzie trafia AI Twojej organizacji

AI Act opiera się na architekturze ryzyka. Każdy system AI musi zostać zaklasyfikowany do jednego z czterech poziomów, bo od tego zależy zakres obowiązków [25].

Ryzyko niedopuszczalne (zakaz stosowania)

Systemy, które manipulują podprogowo, wyzyskują grupy wrażliwe, prowadzą scoring społeczny lub stosują biometryczną identyfikację w czasie rzeczywistym w przestrzeni publicznej do celów egzekucji prawa, są zakazane bezwarunkowo [25]. Nie ma tu przestrzeni na interpretację.

Wysokie ryzyko (obowiązki certyfikacyjne)

Dwie grupy. Pierwsza to komponenty bezpieczeństwa w produktach regulowanych: urządzenia medyczne, maszyny, lotnictwo, pojazdy (Załącznik I). Druga, istotna dla większości organizacji usługowych, to systemy autonomiczne działające w wrażliwych obszarach: rekrutacja i HR, scoring kredytowy, edukacja, infrastruktura krytyczna, administracja migracyjna i wymiaru sprawiedliwości (Załącznik III) [25].

Badanie przeprowadzone w 2023 roku przez appliedAI na 106 rzeczywistych systemach AI wykazało, że 18% systemów można zakwalifikować jako wysokiego ryzyka, 42% jako niskiego ryzyka, a aż 40% znalazło się w strefie niejednoznacznej, głównie w obszarach HR, infrastruktury krytycznej, scoringu kredytowego i oceny klientów [4]. To znacznie więcej niż wstępne szacunki Komisji Europejskiej, która zakładała 5-15% przypadków wysokiego ryzyka [4].

Ograniczone ryzyko (obowiązki przejrzystości)

Systemy wchodzące w interakcję bezpośrednio z ludźmi, chatboty, narzędzia do rozpoznawania emocji oraz treści generowane przez AI (deepfakes, audio syntetyczne) muszą wyraźnie ujawniać swój charakter użytkownikom [14]. Obowiązek ten wszedł w życie 2 sierpnia 2026 roku.

Minimalne ryzyko

Filtry spamu, gry wideo, standardowe narzędzia analityczne. Brak obowiązkowych wymogów prawnych, choć dobrowolne kodeksy postępowania są mile widziane [25].

Dostawca czy wdrażający: pułapka, o której mało kto wie

I tu dochodzimy do sedna: przypisanie właściwej roli prawnej to jeden z najtrudniejszych i najczęściej pomijanych elementów audytu.

Dostawca (Provider) to podmiot, który opracowuje system AI lub zleca jego opracowanie i wprowadza go na rynek pod własną nazwą lub marką [31, 32]. Dostawca ponosi najcięższe obowiązki: ciągły system zarządzania ryzykiem (Art. 9), zarządzanie danymi (Art. 10), dokumentacja techniczna (Art. 11 i Załącznik IV), system zarządzania jakością (Art. 17), ocena zgodności (Art. 43), Deklaracja Zgodności UE (Art. 47), oznakowanie CE (Art. 48) oraz rejestracja w unijnej bazie danych (Art. 49) [31].

Wdrażający (Deployer) to podmiot używający systemu AI w celach zawodowych, na własną odpowiedzialność [31, 32]. Jego obowiązki są lżejsze: przestrzeganie instrukcji dostawcy, zapewnienie właściwych danych wejściowych, prowadzenie logów (minimum 6 miesięcy), wdrożenie nadzoru człowieka (Art. 14/26) i, w określonych przypadkach, Ocena Skutków dla Praw Podstawowych (FRIA, Art. 27) [31].

Problem tkwi w tzw. pułapce przekwalifikowania (Art. 25). Wdrażający automatycznie staje się dostawcą, jeśli umieści własny znak towarowy na systemie wysokiego ryzyka, zmieni jego przeznaczenie lub dokona istotnej modyfikacji [31]. W praktyce fine-tuning modeli językowych na własnych danych, modyfikacja wag algorytmicznych czy integracja RAG na firmowych bazach wiedzy może uruchomić ten mechanizm [31]. Efekt: obowiązki i koszty certyfikacyjne dostawcy, bez wcześniejszego planu na ich pokrycie.

Zjawisko Shadow AI: niewidoczny rejestr systemów AI w Twojej firmie

Według prognoz Gartnera, do 2027 roku 75% pracowników będzie budować lub modyfikować technologię poza widocznością działu IT, w porównaniu do 41% w 2022 roku [1]. Pracownicy korzystają z ChatGPT, Copilota, Claude'a, dodają wtyczki do SaaS, wywołują API w arkuszach kalkulacyjnych. Każdy taki punkt kontaktu to potencjalnie niezaewidencjonowany system AI.

Art. 16 i 26 wymagają pełnej widoczności nad ekosystemem AI w organizacji [16]. Audyt, który opiera się na ręcznych ankietach działowych, zawodzi, bo nietekniczne zespoły często nie zdają sobie sprawy, że ich narzędzia SaaS korzystają z AI [16]. Dobra praktyka rynkowa to automatyczne skanowanie sieci i infrastruktury chmurowej, które w krótkim czasie (nawet w kilka dni) może dostarczyć wstępnego rejestru aktywów AI.

Centralny rejestr aktywów AI to nie biurokratyczny wymóg. To jedyne narzędzie, które daje zarządowi realny obraz tego, co już działa w organizacji i na co jest narażona prawnie.

Rejestr powinien obejmować: nazwy i wersje modeli, właścicieli biznesowych, przypisane role prawne (dostawca/wdrażający), źródła danych wejściowych, poziom ryzyka i zależności między systemami.

Oceny skutków: FRIA i jej związek z DPIA

Wdrażający systemów wysokiego ryzyka w sektorze publicznym, podmioty świadczące usługi publiczne lub korzystające ze scoringu kredytowego i ubezpieczeniowego mają obowiązek przeprowadzenia Oceny Skutków dla Praw Podstawowych (FRIA, Art. 27) [7, 8]. FRIA bada wpływ systemu AI na godność ludzką, niedyskryminację, prawa pracownicze i dostęp do wymiaru sprawiedliwości [23, 24].

Różnica wobec DPIA (Ocena Skutków dla Ochrony Danych, RODO Art. 35) jest istotna: DPIA koncentruje się wyłącznie na prywatności danych osobowych, FRIA obejmuje szerszy zakres praw człowieka [13]. Art. 27(4) wprost dopuszcza, żeby wdrażający budowali FRIA na podstawie istniejącej DPIA zamiast duplikować pracę [7].

Rynkowy standard to zintegrowany framework DPIA + FRIA: jeden wspólny dokument, wspólne opisy systemów, mapy przepływów danych i punkty nadzoru ludzkiego, który zaspokaja jednocześnie wymagania organu ochrony danych i organu nadzoru rynku.

ISO/IEC 42001 a AI Act: czego certyfikat nie załatwia

Wiele organizacji myli certyfikację ISO/IEC 42001 z prawną zgodnością z AI Act. To istotne nieporozumienie. ISO 42001 to norma systemu zarządzania AI na poziomie organizacyjnym [26, 27, 28]. Certyfikat ISO 42001 nie zastępuje wymogów AI Act i nie nadaje oznakowania CE [30]. Nie obejmuje mechanizmów ustawowych: rejestracji w bazie UE, oznakowania CE ani FRIA [30].

Użyteczność ISO 42001 polega na czymś innym: buduje strukturę organizacyjną potrzebną do spełnienia wymogów systemu zarządzania jakością z Art. 17 [29]. Generuje polityki, procesy zarządzania ryzykiem i kontrole operacyjne niezbędne do stworzenia dokumentacji technicznej (Załącznik IV) wymaganej przez AI Act [29]. Innymi słowy: ISO 42001 to dobra fundamentacja, ale nie gotowy budynek.

Badania potwierdzają, że około 30-33% organizacji posiadających certyfikat ISO 42001 lub uznanych za „zgodne" nie zdało rzeczywistych audytów AI Act [11]. Główne przyczyny: statyczna dokumentacja, brak logów runtime i rozbieżność między politykami na papierze a systemami w produkcji [11].

Kary finansowe: skala ryzyka przy braku zgodności

Art. 99 AI Act przewiduje trójstopniową strukturę kar administracyjnych opartą na globalnym obrocie [6, 19]:

Naruszenie	Kara
Zabronione praktyki AI (Art. 5)	Do 35 mln EUR lub 7% globalnego rocznego obrotu (wyższa kwota) [6]
Niezgodność z obowiązkami dla systemów wysokiego ryzyka i GPAI	Do 15 mln EUR lub 3% globalnego obrotu [6]
Dostarczenie organom nadzoru wprowadzających w błąd informacji	Do 7,5 mln EUR lub 1,5% globalnego obrotu [6]

Reaktywne działania pod presją regulacyjną kosztują od 3 do 5 razy więcej niż proaktywne dostosowanie architektury na etapie projektowania [20]. Interwencja regulatora może też prowadzić do wycofania produktu z rynku i zamrożenia operacji.

Praktyczne zastosowania audytu AI Act w różnych branżach

HR i rekrutacja

Systemy AI do screeningu CV, rankingowania kandydatów i oceny pracowników wchodzą w zakres Załącznika III. Wdrażający takich narzędzi mają obowiązek przeprowadzenia FRIA oceniającej brak dyskryminacji, prawa pracownicze i równe szanse [7, 23]. Jeśli dział HR weźmie zewnętrzne narzędzie i fine-tunuje je na własnych danych historycznych pracowników, automatycznie staje się dostawcą z pełnymi obowiązkami certyfikacyjnymi [31].

Sektor finansowy

Automatyczny scoring kredytowy i wycena ryzyka ubezpieczeniowego to statutowo obowiązkowe przypadki FRIA. Audyty badają zmienne proxy w danych treningowych (np. kody pocztowe jako korelat cech chronionych) prowadzące do pośredniej dyskryminacji. Instytucje finansowe coraz częściej łączą DPIA i FRIA w zintegrowany framework dokumentacyjny.

Generatywna AI i treści syntetyczne

Chatboty obsługi klienta, klonowane głosy, deepfaki i treści generowane przez AI podlegają Art. 50. Od 2 sierpnia 2026 roku każdy system wchodzący w interakcję z użytkownikiem musi ujawniać swój charakter AI przy pierwszym kontakcie. Dostawcy treści syntetycznych muszą embedować metadane i znaki wodne w momencie generowania [14].

5 kroków audytu AI Act: jak wygląda to w praktyce

Inwentaryzacja (Discovery): Automatyczne skanowanie środowisk chmurowych i on-premise w celu identyfikacji wszystkich systemów AI, w tym Shadow AI. Budowa Centralnego Rejestru Aktywów AI.
Klasyfikacja roli i ryzyka: Identyfikacja zabronionych praktyk (Art. 5) do natychmiastowego wyeliminowania. Klasyfikacja pozostałych systemów według poziomów ryzyka i przypisanie ról prawnych (dostawca/wdrażający) dla każdego z nich.
Zarządzanie i system jakości: Wdrożenie systemu zarządzania jakością (QMS, Art. 17), wyznaczenie właścicieli zgodności, wdrożenie protokołów nadzoru człowieka (Art. 14).
Oceny skutków: Przeprowadzenie zintegrowanych FRIA (Art. 27) i DPIA (RODO Art. 35) dla przypadków wysokiego ryzyka.
Ocena zgodności i monitorowanie ciągłe: Dokumentacja techniczna (Załącznik IV), ocena zgodności według Załącznika VI lub przez Jednostkę Notyfikowaną (Załącznik VII), oznakowanie CE i uruchomienie systemów monitorowania poprodukcyjnego.

Art. 9 wymaga ciągłego, iteracyjnego systemu zarządzania ryzykiem, a nie statycznej listy kontrolnej przed wdrożeniem [20]. Audytorzy sprawdzają dowody operacyjne: żywe ścieżki zdarzeń (Art. 12), logi monitorowania poprodukcyjnego (Art. 72) i dowody na to, że nadzór człowieka jest rzeczywiście sprawowany, nie tylko deklarowany [20].

Ujmijmy to tak: papierowa zgodność to złudzenie bezpieczeństwa. Regulator nie pyta o politykę na piśmie, pyta o logi z ostatnich sześciu miesięcy.

Audyt AI Act jako przewaga konkurencyjna

Poza unikaniem kar, audyt AI Act otwiera realne przewagi rynkowe. Klienci korporacyjni w przetargach coraz częściej wymagają udokumentowanego zarządzania AI. Oznakowanie CE dla produktów wysokiego ryzyka i zgodność z ISO 42001 budują wyróżnik wobec konkurencji, która dopiero zaczyna myśleć o temacie. Badanie 113 europejskich startupów AI wykazało, że 33% z nich oczekuje zaklasyfikowania swoich produktów jako wysokiego ryzyka wg Załącznika III [4], co oznacza, że rynek certyfikacji i audytów będzie rósł szybko.

Organizacje, które traktują audyt jako punkt startowy do budowy trwałej architektury zarządzania AI, a nie jako jednorazowy projekt compliance, zyskują też coś innego: mapę własnych systemów AI, której wcześniej nie miały, i zdolność do szybkiego skalowania bez ryzyka prawnego.

Jeśli chcesz ocenić, gdzie dziś stoi Twoja organizacja w kontekście AI Act, możemy to sprawdzić razem. Napisz do nas.

FAQ: Audyt AI Act w praktyce

Kiedy moja firma musi być zgodna z AI Act?

To zależy od tego, jakie systemy AI stosujesz. Zakaz zabronionych praktyk (Art. 5) obowiązuje od 2 lutego 2025 roku. Obowiązki przejrzystości (Art. 50) obowiązują od 2 sierpnia 2026 roku. Pełne stosowanie wobec systemów wysokiego ryzyka z Załącznika III zaczyna się 2 grudnia 2027 roku [19]. Jednak przygotowanie do każdego etapu zajmuje czas, a audyt inwentaryzacyjny warto zacząć już teraz.

Czy certyfikat ISO/IEC 42001 wystarczy do zgodności z AI Act?

Nie. ISO 42001 to standard zarządzania AI na poziomie organizacyjnym, który pomaga zbudować system zarządzania jakością wymagany przez Art. 17. Nie zastępuje jednak prawnej zgodności z AI Act: nie nadaje oznakowania CE, nie obejmuje rejestracji w bazie UE ani Oceny Skutków dla Praw Podstawowych (FRIA) [30]. ISO 42001 to dobry fundament, ale AI Act wymaga dodatkowo dowodów na poziomie systemu i produktu.

Co to jest pułapka przekwalifikowania z Art. 25 i jak jej uniknąć?

Art. 25 mówi, że wdrażający automatycznie staje się dostawcą, jeśli umieści własną markę na systemie wysokiego ryzyka, zmieni jego przeznaczenie lub dokona istotnej modyfikacji, takiej jak fine-tuning modelu na własnych danych [31]. Żeby uniknąć pułapki, każda integracja lub modyfikacja zewnętrznego modelu AI powinna przejść ocenę prawną pod kątem „istotnej modyfikacji" zanim zostanie wdrożona w środowisku produkcyjnym.

Czym różni się FRIA od DPIA i czy muszę robić oba?

DPIA (RODO Art. 35) dotyczy wyłącznie ochrony danych osobowych. FRIA (AI Act Art. 27) ocenia szerszy wpływ na prawa podstawowe: godność, niedyskryminację, prawa pracownicze i dostęp do wymiaru sprawiedliwości [7, 13]. Art. 27(4) wprost dopuszcza budowanie FRIA na bazie istniejącej DPIA zamiast tworzenia osobnego dokumentu [7]. Rynkowy standard to zintegrowany framework, który spełnia oba wymogi jednocześnie.