Checklista wdrożenia AI zgodnego z RODO, NIS2 i AI Act

1. Dane

• ☐Czy macie spis danych, które system AI będzie czytał: co, gdzie leży, kto jest właścicielem? Bez inwentaryzacji nie da się odpowiedzieć na żadne z kolejnych pytań, a „podłączymy wszystko" kończy się indeksem z danymi kadrowymi.
• ☐Czy dla każdego zbioru wiadomo, czy może opuścić sieć firmy? To ta odpowiedź decyduje, czy dane mogą trafić do komercyjnego API, czy potrzebny jest model lokalny.
• ☐Czy wiecie, gdzie w tych zbiorach są dane osobowe, a gdzie dane szczególnych kategorii (zdrowie, związki zawodowe, dane biometryczne)? Dane szczególnych kategorii podnoszą wymagania i zwykle wymagają odrębnej podstawy prawnej — lepiej je wykluczyć z pierwszego wdrożenia.
• ☐Czy do modelu trafi tylko fragment potrzebny do jednego zadania, a nie cały dokument albo cała baza? Minimalizacja to jedyny mechanizm, który ogranicza szkodę, gdy coś pójdzie nie tak po stronie dostawcy.
• ☐Czy ustaliliście, jak długo system przechowuje pytania, odpowiedzi i logi, i kto je kasuje? Retencja ustalona po fakcie oznacza, że przez pierwsze miesiące system zbierał wszystko bez końca.
• ☐Czy dane w źródłach są aktualne, a sprzeczne wersje procedur zostały uporządkowane? Asystent rzetelnie zacytuje nieaktualną procedurę — jakość odpowiedzi nie przekroczy jakości dokumentów.

2. Dostawca i model

• ☐Czy z dostawcą modelu jest podpisana umowa powierzenia (albo jego warunki ją zawierają) i ktoś ją przeczytał? Umowa powierzenia jest warunkiem legalnego przekazania danych osobowych podmiotowi, który przetwarza je w Twoim imieniu.
• ☐Czy wiecie, w jakim kraju i regionie dane są przetwarzane i przechowywane przez dostawcę? Przetwarzanie poza Europejskim Obszarem Gospodarczym wymaga dodatkowej podstawy transferu — to pytanie, które zada Wasz IOD.
• ☐Czy dostawca potwierdził na piśmie, że Wasze dane nie są używane do trenowania jego modeli? Domyślne ustawienia planów konsumenckich często na to pozwalają; w planach biznesowych trzeba to sprawdzić, nie zakładać.
• ☐Czy decyzja „model lokalny czy komercyjny" jest zapisana z uzasadnieniem, per zbiór danych? Obie drogi są dobre, ale na innych warunkach — decyzja podjęta bez uzasadnienia będzie podważana przy każdej zmianie osoby.
• ☐Czy potraficie odejść od dostawcy: eksport danych, indeksów i konfiguracji, bez licencji, która was trzyma? Modele zmieniają się co kilka miesięcy; system, którego nie da się przenieść, starzeje się razem z jednym dostawcą.
• ☐Czy dostawca ma dokumentację bezpieczeństwa (polityki, testy, obsługę incydentów), którą można załączyć do oceny ryzyka? Przy NIS2 dostawca AI jest częścią łańcucha dostaw ICT i podlega tej samej ocenie, co dostawca hostingu.

3. Uprawnienia i dostęp

• ☐Czy system zna role z Waszego katalogu użytkowników, a nie własną, osobną listę kont? Osobna lista rozjeżdża się z rzeczywistością po pierwszym odejściu pracownika.
• ☐Czy w asystencie typu RAG uprawnienia działają na etapie wyszukiwania, zanim cokolwiek trafi do modelu? Filtrowanie odpowiedzi po fakcie jest pozorne — dokument już opuścił swoją strefę i mógł zostać zacytowany.
• ☐Czy logowanie idzie przez SSO firmy, z tymi samymi zasadami haseł i drugiego składnika? Każde osobne hasło do „narzędzia AI" to kolejne miejsce, z którego wycieka dostęp do dokumentów.
• ☐Czy agenty AI mają własne konta serwisowe z minimalnymi uprawnieniami, a nie konto administratora „na chwilę"? Agent, który może wszystko, wykona też polecenie ukryte w przetwarzanym dokumencie.
• ☐Czy ktoś przegląda, kto ma dostęp do systemu i do jakich źródeł, w stałym rytmie? Uprawnienia rosną, nigdy same nie maleją — bez przeglądu po roku wszyscy widzą wszystko.

4. Ślad audytowy i kontrola jakości

• ☐Czy każde zapytanie zostawia ślad: kto pytał, co system wyszukał, co odpowiedział i kiedy? Bez tego przy pierwszym incydencie nie odtworzycie, kto zobaczył jaki dokument.
• ☐Czy macie zestaw pytań kontrolnych ze znanymi odpowiedziami, uruchamiany po każdej zmianie źródeł albo modelu? To jedyny sposób, żeby wiedzieć, czy system po aktualizacji jest lepszy, czy gorszy — wrażenia użytkowników przychodzą za późno.
• ☐Czy odpowiedź wskazuje źródło, a przy braku materiału system mówi „nie wiem" zamiast zgadywać? Odpowiedź bez źródła nie daje się zweryfikować, a pewny ton modelu nie ma nic wspólnego z prawdziwością.
• ☐Czy jest procedura na błędną odpowiedź: kto zgłasza, kto poprawia źródło, jak wraca informacja do użytkownika? Bez procedury pierwsze błędy kończą się cichym powrotem do starych nawyków, a system umiera z braku użycia.
• ☐Czy przy decyzjach, które kosztują (płatność, wysyłka, zmiana w umowie, odpowiedź do klienta), ostatnie słowo ma człowiek? Model może przygotować decyzję, ale odpowiedzialność za nią i tak jest po stronie firmy.
• ☐Czy logi są chronione przed edycją i dostępne tylko dla osób, które mają je czytać? Ślad audytowy, który da się poprawić, nie jest śladem — a logi zawierają treść pytań, czyli często dane osobowe.

5. Regulacje

• ☐RODO: czy dla każdego zbioru danych osobowych w systemie wskazaliście podstawę prawną przetwarzania? Wdrożenie AI nie tworzy nowej podstawy — to samo przetwarzanie musi mieć podstawę niezależnie od narzędzia.
• ☐RODO: czy sprawdziliście, czy potrzebna jest DPIA (ocena skutków), i spisaliście wynik, także gdy brzmi „nie"? Przy wysokim ryzyku dla osób DPIA jest obowiązkowa, a spisana decyzja „nie trzeba" jest równie ważna, jak sama ocena.
• ☐RODO: czy osoby, których dane przetwarza system, wiedzą o tym z klauzuli informacyjnej? Obowiązek informacyjny dotyczy też pracowników — asystent na dokumentach HR bez aktualizacji klauzuli to typowa luka.
• ☐NIS2: czy wiecie, czy Wasz sektor i wielkość firmy są objęte dyrektywą, bezpośrednio albo jako dostawca podmiotu objętego? Firmy poza listą sektorów dostają wymogi NIS2 w umowach od klientów, którzy na liście są.
• ☐NIS2: czy dostawca AI jest ujęty w ocenie łańcucha dostaw ICT, a incydent w systemie AI ma ścieżkę zgłoszenia? System AI z dostępem do dokumentów to element infrastruktury, a nie narzędzie biurowe — wchodzi do tej samej procedury, co reszta.
• ☐AI Act: czy sklasyfikowaliście zastosowanie według poziomu ryzyka i wiecie, czy trafia do kategorii wysokiego ryzyka (np. rekrutacja, ocena pracowników, ocena zdolności kredytowej)? Obowiązki deployera zależą od kategorii — asystent na instrukcjach technicznych i system oceniający kandydatów to dwa różne reżimy.
• ☐AI Act: czy personel pracujący z systemem przeszedł podstawowe szkolenie z tego, co AI umie, a czego nie (AI literacy)? Rozporządzenie wymaga od firm dbania o kompetencje osób obsługujących AI, a poza wymogiem — to najtańsza ochrona przed ślepym zaufaniem do odpowiedzi.

Regulacje opisujemy na poziomie faktów z aktów UE, bez interpretacji dla konkretnego przypadku. To nie jest porada prawna. Więcej w przewodnikach: RODO a AI, AI zgodne z NIS2, AI Act dla firm.

6. Ludzie i proces

• ☐Czy wiecie, z jakich narzędzi AI pracownicy korzystają dziś na własną rękę i co do nich wklejają? Shadow AI już działa w większości firm — wdrożenie oficjalne ma je zastąpić, nie udawać, że go nie ma.
• ☐Czy jest krótka polityka AI: co wolno, czego nie wolno, do których narzędzi i z jakimi danymi? Bez spisanej zasady każdy pracownik stosuje własną, a zakaz bez alternatywy przenosi użycie do ukrycia.
• ☐Czy po stronie firmy jest jeden właściciel systemu z czasem na dwa spotkania w tygodniu i prawem do decyzji? Wdrożenia bez właściciela kończą się w momencie, gdy wykonawca odda kod — nikt nie poprawia źródeł ani nie odpowiada na zgłoszenia.
• ☐Czy zaplanowaliście szkolenie użytkowników: jak pytać, jak weryfikować odpowiedź, jak zgłosić błąd? Narzędzie, którego ludzie nie rozumieją, jest używane źle albo wcale.
• ☐Czy PRZED startem ustaliliście, jak zmierzycie sukces (np. trafność na pytaniach kontrolnych, czas obsługi zgłoszenia) i jaki wynik oznacza „rozszerzamy"? Miara ustalona po fakcie zawsze potwierdza to, co ktoś chce udowodnić.
• ☐Czy pierwsze wdrożenie ogranicza się do jednego działu i jednego zbioru dokumentów, z datą decyzji o rozszerzeniu? Pilot pokazuje w kilka tygodni, gdzie procedury są sprzeczne i czy ludzie w ogóle zadają pytania, na które da się odpowiedzieć z dokumentów.