Audyt zgodności z AI Act w 2026 r.: jak zrobić go bez tworzenia papierowego compliance
Od 2 sierpnia 2026 r. AI Act jest co do zasady stosowany, ale harmonogram części wymogów wysokiego ryzyka został zmieniony w 2026 r. Audyt powinien zaczynać się od mapy systemów i ról, a nie od kopiowania checklisty.
Najpierw właściwy harmonogram
AI Act stosuje się co do zasady od 2 sierpnia 2026 r., lecz poszczególne części rozporządzenia mają odmienne terminy. Po zmianach przyjętych w 2026 r. obowiązki dotyczące części systemów wysokiego ryzyka zostały przesunięte: regulacje odnoszące się do systemów klasyfikowanych na podstawie załącznika III mają być stosowane od 2 grudnia 2027 r., a do określonych systemów związanych z produktami z załącznika I — od 2 sierpnia 2028 r. Nie oznacza to jednak, że organizacja może czekać. Już obowiązują inne przepisy, a wdrożenie procesów, dokumentacji i umów wymaga czasu.
Mapa systemów jest podstawą audytu
Pierwszym dokumentem nie powinien być regulamin AI, lecz rejestr faktycznie używanych systemów. Trzeba uwzględnić narzędzia zakupione centralnie, rozwiązania wbudowane w pakiety biurowe, funkcje AI dostawców SaaS, systemy tworzone wewnętrznie oraz nieformalne użycie publicznych modeli przez pracowników. Dla każdego rozwiązania warto zapisać właściciela biznesowego, dostawcę, cel, użytkowników, rodzaje danych, integracje i wpływ wyniku na osoby. Dopiero taka mapa pozwala ocenić ryzyko i przypisać role regulacyjne.
Klasyfikacja: zakazane, wysokiego ryzyka, transparentność, GPAI
Kolejnym etapem jest przyporządkowanie systemów do właściwych reżimów. Nie wystarczy pytanie „czy to AI?”. Trzeba zbadać, czy konkretna praktyka może być zakazana, czy system mieści się w kategorii wysokiego ryzyka, czy podlega obowiązkom transparentności albo czy organizacja uczestniczy w łańcuchu modelu ogólnego przeznaczenia. Klasyfikacja powinna uwzględniać rzeczywiste przeznaczenie i sposób użycia. Ten sam model techniczny może być narzędziem niskiego ryzyka w jednym procesie, a elementem znacznie bardziej regulowanego zastosowania w innym.
Role w łańcuchu wartości
Firma kupująca narzędzie nie zawsze pozostaje wyłącznie podmiotem stosującym. Rebranding, istotna modyfikacja lub zmiana przeznaczenia może w określonych przypadkach spowodować uznanie jej za dostawcę systemu wysokiego ryzyka. Dlatego audyt powinien obejmować konfiguracje, fine-tuning, integracje i sposób prezentowania rozwiązania klientom. Warto też przeanalizować umowy z dostawcami pod kątem dostępu do dokumentacji, zmian produktu i podziału obowiązków. Role regulacyjne muszą odpowiadać rzeczywistości, a nie etykiecie wpisanej do umowy.
AI literacy po zmianach z 2026 r.
Art. 4 AI Act w aktualnym brzmieniu wymaga podejmowania przez dostawców i podmioty stosujące środków wspierających rozwój kompetencji w zakresie AI osób korzystających z systemów w ich imieniu, z uwzględnieniem wiedzy, doświadczenia, wykształcenia i kontekstu użycia. Nie chodzi o jeden identyczny kurs dla wszystkich. Audyt powinien sprawdzić role i ryzyka: inne szkolenie potrzebne jest pracownikowi korzystającemu z asystenta tekstowego, inne rekruterowi, analitykowi ryzyka czy osobie zatwierdzającej wdrożenia.
Dane, RODO i tajemnice
AI compliance nie zastępuje ochrony danych ani tajemnicy przedsiębiorstwa. Rejestr systemów powinien wskazywać, czy przetwarzane są dane osobowe, czy dostawca wykorzystuje wejścia do rozwoju modelu, gdzie odbywa się przetwarzanie i jakie są zasady retencji. W zależności od zastosowania może być potrzebna analiza podstawy prawnej, umowa powierzenia, ocena skutków dla ochrony danych lub ograniczenie określonych kategorii danych. Polityka pracownicza powinna jasno wskazywać, jakich informacji nie wolno wprowadzać do narzędzi publicznych.
Human oversight i odpowiedzialność za decyzję
Wdrożenie człowieka w procesie nie jest skutecznym zabezpieczeniem, jeżeli człowiek jedynie mechanicznie akceptuje wynik. Audyt powinien badać, czy osoba nadzorująca ma kompetencje, czas, dostęp do informacji i realną możliwość zakwestionowania rekomendacji systemu. Należy określić progi eskalacji, przypadki wymagające dodatkowej kontroli i sposób dokumentowania decyzji. Jest to szczególnie ważne w procesach dotyczących zatrudnienia, dostępu do usług, oceny ryzyka i innych sytuacji wpływających na prawa osób.
Dokumentacja i dowody wykonania obowiązków
Top-tier compliance nie polega na posiadaniu dokumentu zatytułowanego „AI Policy”. Potrzebne są dowody działania: rejestr systemów, decyzje klasyfikacyjne, oceny ryzyka, umowy z dostawcami, logi szkoleń, procedury zgłaszania incydentów, testy jakości oraz przeglądy okresowe. Dokumentacja powinna być proporcjonalna do ryzyka i aktualizowana przy istotnych zmianach systemu. W razie kontroli warto móc pokazać nie tylko zasady, ale również historię ich stosowania.
Plan audytu w 90 dni
Pierwsze 30 dni można przeznaczyć na inwentaryzację i klasyfikację; kolejne 30 na analizę luk w umowach, danych, nadzorze i bezpieczeństwie; ostatnie 30 na wdrożenie priorytetowych działań, szkoleń i monitoringu. Systemy o najwyższym wpływie na osoby powinny być analizowane w pierwszej kolejności. Wynik audytu powinien zawierać właściciela każdego działania, termin i kryterium zamknięcia. Dzięki temu compliance staje się procesem zarządczym, a nie jednorazowym projektem dokumentacyjnym.
Audyt dostawców AI
Organizacja może mieć dobrą politykę wewnętrzną, a jednocześnie nie wiedzieć, jak dostawca zmienia model, wykorzystuje dane lub korzysta z podwykonawców. Audyt powinien więc obejmować kontrakty i dokumentację vendorów. Dla każdego rozwiązania warto sprawdzić role z AI Act, opis przeznaczenia, zasady aktualizacji, bezpieczeństwo, retencję danych, możliwość wyłączenia treningu na danych klienta i proces zgłaszania incydentów. Szczególnie ważne jest prawo do informacji o zmianach mogących wpływać na klasyfikację lub ryzyko. Vendor management staje się jednym z centralnych elementów governance AI.
Shadow AI i narzędzia bez formalnego zakupu
Największa luka często znajduje się poza oficjalnym rejestrem. Pracownicy mogą korzystać z publicznych chatbotów, dodatków do przeglądarki i bezpłatnych usług bez wiedzy IT. Audyt powinien badać takie użycie przez ankiety, analizę ruchu, wywiady z zespołami i przegląd procesów. Celem nie jest automatyczny zakaz wszystkich narzędzi, lecz zrozumienie, jakie dane są do nich przekazywane i jakie zadania są wykonywane. Organizacja może następnie wskazać zatwierdzone rozwiązania, zbudować bezpieczne alternatywy i ustalić jasne zasady dla danych poufnych.
Raport dla zarządu
Końcowy raport nie powinien mieć kilkuset stron bez priorytetów. Zarząd potrzebuje informacji o najważniejszych systemach, ryzykach i decyzjach. Dobrą praktyką jest mapa ryzyka z trzema horyzontami: działania natychmiastowe, zadania przed kolejnymi terminami AI Act oraz procesy stałe. Każda luka powinna mieć właściciela, termin, koszt i kryterium zamknięcia. W ten sposób audyt staje się narzędziem zarządzania, a nie archiwalnym dokumentem. Kolejny przegląd powinien być wywoływany nie tylko kalendarzem, ale również istotną zmianą modelu lub zastosowania.
Jak dokumentować klasyfikację bez nadprodukcji papieru
Dobra dokumentacja klasyfikacyjna może mieścić się na kilku stronach, jeśli odpowiada na właściwe pytania. Dla każdego systemu warto zanotować jego dostawcę, funkcję, rzeczywiste użycie, grupę użytkowników, kategorie danych, wpływ na osoby oraz podstawę uznania, że system podlega określonemu reżimowi AI Act. Przy zastosowaniach granicznych trzeba zapisać przesłanki decyzji i osobę, która ją zatwierdziła. Najważniejsze jest powiązanie klasyfikacji z działaniami: szkoleniami, ograniczeniami użycia, wymaganiami umownymi, oceną ochrony danych i częstotliwością przeglądu. Organizacja nie potrzebuje setek stron abstrakcyjnych opisów, jeżeli nie prowadzą do decyzji. Potrzebuje natomiast możliwości wykazania po kilku miesiącach, dlaczego dany system został oceniony w określony sposób i czy okoliczności od tego czasu się nie zmieniły.
Shadow AI – obszar, którego audyt nie może pominąć
Największa luka często nie znajduje się w oficjalnym rejestrze dostawców, lecz w narzędziach używanych samodzielnie przez pracowników. Publiczne chatboty, wtyczki do przeglądarek, automatyczne transkrypcje i generatory prezentacji mogą przetwarzać dane klientów lub dokumenty wewnętrzne bez wiedzy organizacji. Audyt powinien zatem łączyć ankiety, analizę wydatków, konfigurację przeglądarek i rozmowy z zespołami biznesowymi. Celem nie jest zakazanie każdej oddolnej innowacji. Lepszym rozwiązaniem jest stworzenie listy zatwierdzonych narzędzi i jasnych zasad: jakie dane można wprowadzać, kiedy wynik wymaga weryfikacji i kto zatwierdza nowe zastosowanie. Taki model pozwala przejąć kontrolę nad realnym użyciem AI, zamiast utrzymywać fikcję, że systemy nieautoryzowane nie istnieją. Shadow AI powinno być również elementem cyklicznych szkoleń i monitoringu bezpieczeństwa.
Materiał ma charakter informacyjny i nie zastępuje analizy konkretnego wdrożenia, incydentu albo sprawy.