Od 2 sierpnia 2026 art. 50 AI Act nakłada na firmy obowiązki przejrzystości wobec treści tworzonych z udziałem sztucznej inteligencji. W skrócie: chatbot ma się przyznawać, że jest AI, generowane grafiki, audio i wideo trzeba znakować maszynowo, a deepfake'i i część tekstów wymagają ujawnienia czytelnego dla człowieka. Dotyczy to każdej firmy publikującej takie treści na rynku UE, nie tylko dostawców modeli. Ten przewodnik tłumaczy, kiedy obowiązek faktycznie powstaje, kiedy redakcja go zdejmuje, i jak ustawić proces, zanim termin stanie się problemem.
Podstawą prawną jest Rozporządzenie (UE) 2024/1689, potocznie AI Act. Weszło w życie 1 sierpnia 2024, ale poszczególne części stosuje się etapami. Obowiązki przejrzystości z artykułu 50, czyli całość tego, o czym tu mowa, zaczynają obowiązywać 2 sierpnia 2026. To nie jest odległa abstrakcja dla działów prawnych korporacji. Jeśli prowadzisz media, agencję, sklep z chatbotem albo po prostu wrzucasz na stronę grafiki z generatora, ten artykuł dotyczy Twojej codziennej pracy.
Warto od razu rozbroić dwie skrajności, które krążą po rynku. Pierwsza: „AI Act zakaże treści AI”. Nie zakazuje. Artykuł 50 nie zabrania niczego, każe tylko być transparentnym. Druga: „wystarczy dopisać made with AI w stopce”. Też nieprawda, bo w wielu przypadkach sama widoczna notka bez warstwy technicznej nie spełnia wymogu. Prawda leży pomiędzy i jest bardziej wykonalna, niż sugeruje panika, ale bardziej wymagająca, niż sugeruje wzruszenie ramionami.
Co mówi art. 50 AI Act
Artykuł 50 dzieli świat na dwie role i to rozróżnienie decyduje o tym, co musisz zrobić. Dostawca (provider) to ten, kto tworzy lub udostępnia system AI. Deployer (podmiot stosujący) to ten, kto używa systemu i publikuje wynik. Jedna firma bywa w obu rolach naraz, na przykład gdy zbudowała własny generator i sama publikuje jego wyniki.
Cztery ustępy artykułu 50 rozkładają obowiązki tak:
| Ustęp | Kogo dotyczy | Obowiązek |
|---|---|---|
| Art. 50(1) | Dostawca | System AI, który rozmawia z ludźmi (chatbot), musi informować, że człowiek ma do czynienia z AI, chyba że to oczywiste z kontekstu. |
| Art. 50(2) | Dostawca | System generujący syntetyczny dźwięk, obraz, wideo lub tekst musi znakować wynik w formacie odczytywalnym maszynowo, wykrywalnym jako sztucznie wygenerowany lub zmanipulowany; rozwiązanie ma być skuteczne, interoperacyjne, solidne i niezawodne na tyle, na ile to technicznie wykonalne. |
| Art. 50(3) | Deployer | Kto stosuje system rozpoznawania emocji lub kategoryzacji biometrycznej, musi poinformować osoby, które są mu poddawane. |
| Art. 50(4) | Deployer | Kto generuje lub manipuluje deepfake (obraz, audio, wideo), musi ujawnić, że treść jest sztucznie wygenerowana lub zmanipulowana; kto generuje lub manipuluje tekstem publikowanym, by informować opinię publiczną w sprawach interesu publicznego, też musi to ujawnić, chyba że treść przeszła weryfikację człowieka lub kontrolę redakcyjną i ktoś ponosi odpowiedzialność redakcyjną. |
Najczęstsza pomyłka w firmach polega na myśleniu, że skoro modelu nie zbudowali, to ich nie dotyczy. Dotyczy. Ustęp 4 mówi wprost o deployerze, czyli o Tobie, gdy bierzesz grafikę z generatora i wieszasz ją na stronie klienta. Obowiązek znakowania maszynowego z ustępu 2 leży po stronie dostawcy modelu, ale obowiązek ujawnienia deepfake’a i tekstu informacyjnego leży po stronie tego, kto publikuje.
Kiedy MUSISZ oznaczać, a kiedy nie
Tu jest sedno, bo prawo nie traktuje wszystkich treści tak samo. Linia podziału biegnie między mediami wizualno-dźwiękowymi a tekstem, oraz między tekstem swobodnym a tekstem pod kontrolą redakcyjną.
Dla obrazu, audio i wideo zasada jest twarda. Jeśli treść jest sztucznie wygenerowana lub zmanipulowana w sposób, który tworzy wrażenie autentyczności (deepfake), deployer musi to ujawnić. Nie ma tu wygodnego wyjątku redakcyjnego znanego z tekstu. Jedyne złagodzenie dotyczy dzieł wyraźnie artystycznych lub satyrycznych, gdzie ujawnienie ma nastąpić w sposób, który nie psuje odbioru dzieła.
Dla tekstu jest istotny wyjątek. Tekst publikowany, by informować opinię publiczną w sprawach interesu publicznego, wymaga ujawnienia, ale nie wtedy, gdy przeszedł weryfikację człowieka lub kontrolę redakcyjną, a osoba fizyczna lub prawna ponosi za niego odpowiedzialność redakcyjną. To furtka dla redakcji i dla każdego, kto ma realny proces zatwierdzania treści, a nie publikuje surowego outputu modelu prosto na stronę.
| Typ treści | Sytuacja | Czy oznaczać dla człowieka |
|---|---|---|
| Grafika AI | Realistyczne zdjęcie osoby, miejsca, zdarzenia (deepfake) | Tak, ujawnienie wymagane |
| Grafika AI | Wyraźnie ilustracyjna, abstrakcyjna, nieudająca rzeczywistości | Zwykle nie jako deepfake, ale dobra praktyka oznaczyć |
| Wideo lub audio AI | Syntetyczny lektor, awatar, klonowany głos | Tak, ujawnienie wymagane |
| Tekst AI | Artykuł informujący opinię publiczną, bez redakcji | Tak, ujawnienie wymagane |
| Tekst AI | Ten sam artykuł po weryfikacji i z odpowiedzialnością redakcyjną | Nie, działa wyjątek redakcyjny |
| Tekst AI | Opis produktu, wewnętrzna notatka, treść nieinformacyjna | Poza zakresem obowiązku ujawnienia |
| Chatbot | Asystent rozmawiający z klientem | Tak, musi informować, że to AI |
| Drobna edycja AI | Korekta, poprawa stylu niezmieniająca sensu | Generalnie poza zakresem |
Granica „drobnej edycji” jest praktycznie najważniejsza dla agencji i marketerów. Jeśli AI poprawia interpunkcję albo skraca akapit bez zmiany znaczenia i kontekstu, to wspomagająca edycja, która zwykle nie uruchamia obowiązku. Jeśli AI tworzy całą narrację, fabrykuje wypowiedź albo generuje fotorealistyczny obraz wydarzenia, które się nie zdarzyło, jesteś po drugiej stronie linii.
Dwie warstwy oznaczania
Najważniejsza rzecz, którą trzeba zapamiętać: zgodność to nie jeden gest, tylko dwie warstwy. Można mieć jedną bez drugiej i wciąż być niezgodnym.
Warstwa pierwsza, maszynowa, wynika z ustępu 2. Wynik AI ma nieść sygnał, który maszyna wykryje: że treść jest sztucznie wygenerowana lub zmanipulowana. W praktyce realizuje się to dziś na trzy sposoby, często łączone. C2PA Content Credentials to otwarty standard provenancji, który dołącza do pliku podpisany kryptograficznie manifest z historią pochodzenia. Znak wodny, widzialny lub niewidzialny, wpleciony w piksele albo próbki dźwięku. Metadane, czyli pola zapisane w samym pliku. Rozporządzenie wymaga, by rozwiązanie było skuteczne, interoperacyjne, solidne i niezawodne na tyle, na ile to technicznie wykonalne, więc same łatwe do usunięcia metadane to słaby wybór.
Warstwa druga, ludzka, wynika z ustępu 4. To czytelna informacja, którą człowiek zobaczy i zrozumie: nota pod grafiką, etykieta przy artykule, zdanie powitalne chatbota. Tu wracamy do mitu ze wstępu. Mała widoczna notka „zrobione z AI” sama w sobie może nie wystarczyć, bo nie zastępuje warstwy maszynowej z ustępu 2. I odwrotnie, sam techniczny znak wodny niewidoczny dla czytelnika nie spełnia obowiązku ujawnienia z ustępu 4 tam, gdzie ten obowiązek jest. Potrzebujesz obu, dopasowanych do typu treści.
Pułapka techniczna, która zaskakuje praktyków: pipeline publikacyjny potrafi zniszczyć warstwę maszynową. Optymalizacja obrazów, konwersja do AVIF, przepuszczenie pliku przez CDN albo media library w CMS często usuwa metadane i manifesty C2PA. Jeśli wgrywasz oznaczony plik, a system po drodze strips metadane, oznaczenie znika i wracasz do punktu zero, nie wiedząc o tym.
Jak to wdrożyć krok po kroku
Trzy najczęstsze konteksty, w których to ląduje na biurku marketera i agencji, to social media, strona WWW i materiały marketingowe. Dla każdego proces jest podobny, ale szczegóły inne.
Na social media platformy coraz częściej mają własne mechanizmy ujawniania AI i część z nich czyta C2PA, dodając etykietę automatycznie. Nie zwalnia Cię to z odpowiedzialności, ale ułatwia warstwę ludzką. Praktyczny ruch: oznaczaj plik C2PA u źródła, zanim trafi do platformy, i włączaj dostępne przełączniki „treść generowana przez AI” przy publikacji. Nie polegaj wyłącznie na tym, że platforma wykryje, bo kompresja przy uploadzie bywa agresywna.
Na własnej stronie WWW masz pełną kontrolę i pełną odpowiedzialność. Tu agencja realnie pomaga klientowi: zaprojektować komponent etykiety przy grafikach i wideo, dodać disclaimer do chatbota, a w CMS upewnić się, że pipeline obrazów nie usuwa danych provenancji albo że etykieta jest doklejana niezależnie od metadanych. Dla bloga z procesem redakcyjnym kluczowe jest udokumentowanie tego procesu, bo to on uruchamia wyjątek z ustępu 4.
W materiałach marketingowych (reklamy, prezentacje, treści sprzedażowe) podejdź ryzykiem. Fotorealistyczny wizerunek osoby, syntetyczny głos w spocie, awatar prezentera to przypadki wysokiego ryzyka wymagające ujawnienia. Abstrakcyjna grafika tła czy ikona to przypadek niski. Zbuduj prostą listę kontrolną, którą zespół przejdzie przed publikacją, zamiast rozstrzygać każdy przypadek od nowa.
Konkretny minimalny proces wygląda tak: inwentaryzacja użycia AI, przypisanie typu treści do wymagania, włączenie warstwy maszynowej u źródła, dodanie noty dla człowieka tam, gdzie trzeba, i rejestr decyzji z osobą odpowiedzialną redakcyjnie. Pełną wersję tych pięciu kroków masz w sekcji instrukcji tego artykułu.
Najczęstsze pułapki
Pierwsza: mylenie ról. Firma zakłada, że skoro nie trenowała modelu, art. 50 jej nie dotyczy. Jako deployer publikujący deepfake lub tekst informacyjny jesteś podmiotem obowiązku, niezależnie od tego, czyj model wygenerował treść.
Druga: warstwa ludzka bez maszynowej, albo odwrotnie. Sama notka pod zdjęciem nie zastąpi znakowania z ustępu 2, a sam niewidzialny znak wodny nie zastąpi czytelnego ujawnienia z ustępu 4 tam, gdzie ono obowiązuje.
Trzecia: pipeline kasujący metadane. Oznaczasz plik, a CMS, kompresja lub CDN usuwa provenancję przy publikacji. Trzeba to przetestować na realnej, opublikowanej wersji pliku, nie na lokalnej.
Czwarta: nadgorliwość przy drobnych edycjach. Oznaczanie każdej poprawki interpunkcji jako „treść AI” rozmywa sygnał i męczy odbiorcę. Wspomagająca edycja niezmieniająca sensu zwykle jest poza zakresem.
Piąta: traktowanie wyjątku redakcyjnego jako automatycznego. Wyjątek dla tekstu działa tylko wtedy, gdy realnie istnieje weryfikacja człowieka i ktoś ponosi odpowiedzialność redakcyjną. Bez udokumentowanego procesu trudno się na niego powołać.
Co z Polską i egzekwowaniem
Tu trzeba ostrożności. Polska wyznacza krajowy organ nadzoru rynku dla AI Act, ale na moment publikacji ostateczny kształt i nazwę tej instytucji warto traktować jako rzecz w toku, a nie fakt zamknięty. Pewne jest, że egzekwowanie będzie krajowe, a sankcje wynikają wprost z rozporządzenia, więc nie czekają na polską ustawę, by mieć moc.
Skala kar robi wrażenie. Naruszenia artykułu 50 podlegają artykułowi 99 i mogą sięgać do 15 milionów euro lub 3 procent całkowitego rocznego światowego obrotu, w zależności od tego, która kwota jest wyższa. To celowo niższy próg w rozporządzeniu, bo praktyki zakazane karane są surowiej, do 35 milionów euro lub 7 procent obrotu. Dla małej firmy realnym ryzykiem nie jest górny pułap, lecz to, że obowiązek istnieje, a procesu nie ma.
Jest też ruchomy element. Komisja Europejska wraz z AI Office finalizuje kodeks postępowania i wytyczne dotyczące znakowania i wykrywania treści AI. To one dopowiedzą techniczne szczegóły, na przykład jakie konkretnie metody znakowania uznaje się za wystarczająco solidne. Dlatego proces warto budować elastycznie, gotowy na doprecyzowanie, a nie zabetonowany pod jedno rozwiązanie.
Co robić dziś
Nie czekaj na 2 sierpnia 2026, bo wdrożenie dwóch warstw zajmuje więcej niż tydzień, a testowanie pipeline’u pod kątem usuwania metadanych potrafi odsłonić niespodzianki. Zacznij od inwentaryzacji: spisz każde miejsce, gdzie AI dotyka Twoich treści, i przypisz rolę dostawcy lub deployera. Następnie dopasuj typ treści do wymagania według tabeli wyżej. Potem włącz warstwę maszynową u źródła i czytelną notę tam, gdzie obowiązuje. Na końcu zapisz proces i wyznacz osobę odpowiedzialną redakcyjnie, bo to ona uruchamia wyjątek dla tekstu.
Najtańszy ruch dziś to dwa dokumenty: krótka lista kontrolna przed publikacją i rejestr decyzji. Najdroższy błąd to założenie, że Cię to nie dotyczy, bo modelu nie budowałeś. Transparentność jest też przewagą. Czytelne oznaczanie buduje zaufanie odbiorcy, a w świecie zalanym syntetyczną treścią marka, która gra w otwarte karty, wyróżnia się pozytywnie.
Jeśli chcesz, żebyśmy przeszli przez to z Tobą, robimy audyt użycia AI i wdrożenie procesu oznaczania dla stron, sklepów i redakcji: inwentaryzacja, warstwa maszynowa w pipeline publikacyjnym, komponenty ujawnień i polityka redakcyjna. Napisz do nas, a przygotujemy wycenę indywidualną dopasowaną do Twojego stosu i skali publikacji.
Ostatnia weryfikacja faktów prawnych: 2 czerwca 2026.
