Baza wiedzy

RODO a AI — jak zgodnie przetwarzać dane osobowe w systemach sztucznej inteligencji

Aktualizacja: 20 sierpnia 2026 · Sprint0

W skrócie

RODO stosuje się do AI w pełni: potrzebujesz podstawy prawnej i celu przetwarzania, minimalizacji danych oraz zdolności realizowania praw osób. Największe praktyczne ryzyka to wysyłanie danych osobowych do zewnętrznych API bez umowy powierzenia i analizy transferów, niekontrolowane wklejanie danych do publicznych chatbotów przez pracowników oraz trening modeli na surowych danych. Architektura ma znaczenie: system on-premise z warstwą RAG zamiast fine-tuningu upraszcza zgodność — dane nie opuszczają administratora, a „zapomnienie" dokumentu sprowadza się do usunięcia go z indeksu.

Czy RODO w ogóle dotyczy AI?

Tak — RODO jest technologicznie neutralne: reguluje przetwarzanie danych osobowych niezależnie od tego, czy robi je arkusz kalkulacyjny, CRM czy model językowy. Jeśli w promptach, dokumentach podawanych modelowi albo danych treningowych pojawiają się informacje o możliwych do zidentyfikowania osobach — pracownikach, klientach, kandydatach — to jest to przetwarzanie danych osobowych ze wszystkimi konsekwencjami.

Nowością nie są więc obowiązki, tylko miejsca, w których AI czyni je trudniejszymi: nieprzejrzystość tego, co dzieje się z danymi u zewnętrznego dostawcy, praktyczna nieodwracalność treningu oraz łatwość, z jaką pracownicy wyprowadzają dane do narzędzi konsumenckich.

Kto jest kim: administrator, procesor i zewnętrzne API

Firma wdrażająca AI dla własnych celów jest administratorem danych. Zewnętrzny dostawca modelu, który przetwarza dane w jej imieniu, jest podmiotem przetwarzającym — co wymaga umowy powierzenia (art. 28 RODO) obejmującej także treść zapytań i dokumentów wysyłanych do modelu. Do tego dochodzi rozdział V: jeżeli dane trafiają poza Europejski Obszar Gospodarczy, potrzebna jest podstawa transferu. Każdy element tej układanki trzeba udokumentować i utrzymywać.

We wdrożeniu lokalnym ta układanka znika w całości dla treści zapytań: model działa u administratora, więc nie ma podmiotu trzeciego, umowy powierzenia ani transferu — co opisujemy szerzej w przewodniku po wdrożeniach on-premise.

Pięć zasad RODO, które najczęściej bolą przy AI

Podstawa prawna i cel — „bo AI jest przydatne" to nie podstawa. Każdy przypadek użycia potrzebuje zdefiniowanego celu i podstawy z art. 6 (najczęściej uzasadniony interes — z testem równowagi).
Minimalizacja — do modelu trafia tyle danych, ile potrzeba do zadania. Dobre systemy filtrują lub pseudonimizują dane osobowe zanim zobaczy je model, jeśli nie są potrzebne.
Prawa osób — dostęp, sprostowanie, usunięcie. Architektura RAG czyni je wykonalnymi: dane siedzą w indeksowanych dokumentach, nie w wagach modelu.
Zautomatyzowane decyzje (art. 22) — decyzja wywołująca skutki prawne nie może zapadać wyłącznie automatycznie; potrzebny jest realny udział człowieka, nie klikacz zatwierdzający wszystko.
DPIA (art. 35) — ocena skutków dla ochrony danych przy wysokim ryzyku; dla AI oceniającego ludzi planuj ją od razu, razem z klasyfikacją z AI Act — oba reżimy patrzą na te same zastosowania.

Shadow AI — najczęstsze realne naruszenie

Statystycznie największe ryzyko RODO w firmowym AI nie siedzi w architekturze systemów, tylko w przeglądarkach pracowników: dane klientów wklejane do darmowych chatbotów „bo szybciej". To przetwarzanie bez podstawy, bez umowy powierzenia i bez kontroli transferu — czyli naruszenie w trzech punktach naraz, o którym administrator zwykle nawet nie wie. Skuteczna odpowiedź to nie zakaz, lecz polityka użycia AI ze szkoleniami i bezpieczna alternatywa — firmowy asystent, w którym te same zadania można wykonać legalnie.

Ten artykuł opisuje RODO na poziomie ogólnym i nie jest poradą prawną — oceny podstaw przetwarzania i DPIA dla konkretnych systemów wymagają analizy z prawnikiem lub IOD. My dostarczamy warstwę techniczną, która te obowiązki czyni wykonalnymi: architekturę, filtrowanie danych, logi i kontrolę dostępu.

Najczęstsze pytania o RODO i AI

Czy można wklejać dane osobowe do publicznych chatbotów?

W wersjach konsumenckich — nie rób tego. Przetwarzanie danych osobowych wymaga podstawy prawnej, a przekazanie ich zewnętrznemu narzędziu — co najmniej umowy powierzenia i analizy transferów; publiczne chatboty w wersji darmowej nie dają ani jednego, ani drugiego, a wklejone treści mogą zasilić trening modelu. To dokładnie ten scenariusz shadow AI, który polityka użycia AI w firmie musi wykluczyć.

Czy wdrożenie lokalne zwalnia z RODO?

Nie — RODO obowiązuje niezależnie od architektury: nadal potrzebujesz podstawy prawnej, minimalizacji danych i realizacji praw osób. Wdrożenie on-premise usuwa jednak całą warstwę obowiązków związanych z podmiotami trzecimi: nie ma umowy powierzenia dla treści zapytań, nie ma transferów poza EOG, a wykazanie, gdzie dane fizycznie są i kto ma do nich dostęp, sprowadza się do własnej dokumentacji.

Kiedy potrzebna jest ocena skutków (DPIA)?

Gdy przetwarzanie może powodować wysokie ryzyko dla praw i wolności osób — w praktyce AI: systematyczna ocena osób oparta na profilowaniu, przetwarzanie na dużą skalę danych szczególnych kategorii, monitorowanie. Dla systemu AI oceniającego ludzi (rekrutacja, scoring) DPIA należy założyć z góry — i zgrać ją z klasyfikacją wysokiego ryzyka z AI Act, bo oba reżimy patrzą na te same zastosowania.

Co z danymi osobowymi w treningu lub fine-tuningu modelu?

Najbezpieczniejsza praktyka: nie trenować na surowych danych osobowych. W większości firmowych zastosowań w ogóle nie trzeba — wiedza firmowa trafia do systemu przez warstwę RAG (model czyta dokumenty przy odpowiedzi, ale się na nich nie uczy), a ewentualny fine-tuning robi się na danych zanonimizowanych. To też odpowiedź na problem praw osób: usunięcie dokumentu z indeksu RAG jest proste, „usunięcie" danych z wag wytrenowanego modelu — praktycznie niewykonalne.