Pojęcia stosowane w cyklu artykułów

RODO – ogólne rozporządzenie o ochronie danych

TSUE – Trybunał Sprawiedliwości Unii Europejskiej

DPA – krajowe organy ochrony danych osobowych

Wniosek KE z 19 listopada 2025 – Komisja Europejska (KE) 19 listopada 2025 r. przedstawiła projekty zmian do aktów prawnych regulujących w UE rynek usług cyfrowych

Digital Omnibus – przewidziany we Wniosku KE z 19 listopada 2025 pakiet reform obejmujący modyfikacje w: 1) rozporządzeniach (UE): a) 2016/679 (GDPR, RODO), b) 2018/1724 (o utworzeniu jednolitego portalu cyfrowego), c) 2018/1725 (rozporządzenie o ochronie danych osobowych w instytucjach UE); d) 2023/2854 (the Data Act; akt w sprawie danych), 2) dyrektywach : a) 2002/58/WE (dyrektywa o prywatności i łączności elektronicznej); b) 2022/2555 (dyrektywa NIS2) c) 2022/2557 (dyrektywa w sprawie odporności podmiotów krytycznych)

TFUE Traktat o funkcjonowaniu Unii Europejskiej. Traktat o funkcjonowaniu Unii Europejskiej wszedł w życie w dniu 1 grudnia 2009 r

PKE – ustawa z dnia 12 lipca 2024 r. – Prawo komunikacji elektronicznej (Dz. U. poz. 1221 z późn. zm.)

ENISA – Agencja Unii Europejskiej ds. Cyberbezpieczeństwa

EROD – Europejska Rada Ochrony Danych Osobowych

EIOD – Europejski Inspektor Ochrony Danych

PUODO – Prezes Urzędu Ochrony Danych Osobowych

DORA – Digital Operational Resilience Act, co w języku polskim oznacza Rozporządzenie o cyfrowej odporności operacyjnej, Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2022/2554 z dnia 14 grudnia 2022 r. w sprawie operacyjnej odporności cyfrowej sektora finansowego i zmieniające rozporządzenia (WE) nr 1060/2009, (UE) nr 648/2012, (UE) nr 600/2014, (UE) nr 909/2014 oraz (UE) 2016/1011.

DPIA– proces mający na celu ocenę wpływu planowanych operacji przetwarzania na prawa i wolności osób fizycznych.

u.o.d.o. – ustawa z dnia 10 maja 2018 r. o ochronie danych osobowych (Dz. U. z 2019 r. poz. 1781, z 2026 r. poz. 252, 548.)

Wprowadzenie

Niniejszy artykuł jest kolejnym w ramach cyklu prezentującego projekty zmian, w tym w RODO, wskazanych we Wniosku KE z 19 listopada 2025 r.¹

Zdaniem Komisji Europejskiej obecne brzmienie RODO nie zostało zaprojektowane z myślą o rozwoju dużych modeli AI i generatywnej sztucznej inteligencji. W efekcie przepisy są źródłem niepewności prawnej, kosztów zgodności oraz rozbieżności interpretacyjnych, które mogą osłabiać konkurencyjność europejskiego sektora technologicznego. Proponowane zmiany mają stworzyć bardziej przewidywalne i jednolite ramy prawne dla rozwoju, trenowania i eksploatacji systemów AI, przy zachowaniu podstawowych gwarancji ochrony danych osobowych

Zmiany w art. 9 ust. 2

Podstawa prawna do przetwarzania danych osobowych szczególnie chronionych dla potrzeb trenowania AI

KE zaproponowała rozszerzenie podstaw prawnych (dodanie litery „k” do art. 9 ust. 2 RODO pozwalające na przetwarzanie danych szczególnie chronionych wskazanych w art. 9 ust. 1 RODO, czyli ujawniających pochodzenie rasowe lub etniczne, poglądy polityczne, przekonania religijne lub światopoglądowe, przynależność do związków zawodowych oraz przetwarzania danych genetycznych, danych biometrycznych w celu jednoznacznego zidentyfikowania osoby fizycznej lub danych dotyczących zdrowia, seksualności lub orientacji seksualnej tej osoby, o przetwarzanie w kontekście rozwoju i eksploatacji systemu AI (…) lub modelu AI.

Proponowana lit. k) art. 9 ust. 2 RODO stanowi próbę pogodzenia ochrony szczególnych kategorii danych osobowych z realiami rozwoju generatywnej sztucznej inteligencji. Komisja Europejska przyjmuje, że całkowite wyeliminowanie danych wrażliwych ze zbiorów wykorzystywanych do trenowania i eksploatacji modeli AI może być w wielu przypadkach technicznie niewykonalne. Jednocześnie nowy ust. 5 nie rezygnuje z zasady minimalizacji, lecz nakłada na administratorów obowiązek zapobiegania gromadzeniu takich danych, ich usuwania, a gdy jest to niewspółmiernie trudne – skutecznego uniemożliwienia ich wykorzystania lub ujawnienia. W rezultacie projekt nie tyle legalizuje swobodne wykorzystywanie danych szczególnej kategorii przez systemy AI, ile tworzy odrębny reżim prawny przeznaczony dla sytuacji, w których dane takie pojawiają się nieuchronnie w procesach trenowania i eksploatacji modeli sztucznej inteligencji.

Projektowana lit. k) stanowi pierwszą w historii RODO przesłankę przetwarzania danych szczególnych kategorii odnoszącą się bezpośrednio do rozwoju technologicznego i gospodarczego, co może rodzić pytania o zgodność tego rozwiązania z dotychczasową aksjologią art. 9 RODO.

Warunki na jakich dane szczególnie chronione mogą być przetwarzane „w kontekście rozwoju i eksploatacji systemu AI (…) lub modelu AI, z zastrzeżeniem warunków, o których mowa w ust. 5”

Warto rozważając sens i znaczenie zaproponowanego przepisu art. 9 ust. 5 przytoczyć go na początku w pełnym brzmieniu:

„5. W odniesieniu do przetwarzania, o którym mowa w ust. 2 lit. k) (tym, który wyżej został omówiony – przyp. autora) , wdraża się odpowiednie środki organizacyjne i techniczne, aby uniknąć gromadzenia i innego przetwarzania szczególnych kategorii danych osobowych. Jeżeli pomimo wdrożenia takich środków administrator zidentyfikuje szczególne kategorie danych osobowych w zbiorach danych wykorzystywanych do trenowania, testowania lub walidacji bądź w systemie AI lub modelu AI, usuwa takie dane. Jeżeli usunięcie tych danych wymaga niewspółmiernie dużego wysiłku, administrator w każdym przypadku skutecznie i bez zbędnej zwłoki chroni takie dane przed wykorzystaniem do uzyskania wyników, przed ujawnieniem lub udostępnieniem w inny sposób osobom trzecim.”

Wydaje się, że sens przepisu jest taki – administrator ma po pierwsze zapobiegać pojawianiu się na etapie rozwoju i eksploatacji systemu AI danych osobowych szczególnie chronionych (Etap 1), jeśli mimo wdrożonych środków technicznych i organizacyjnych okażą się one nieodpowiednie, czyli dojdzie jednak do gromadzenia szczególnych kategorii danych osobowych, administrator ma usuwać te dane (Etap 2), chyba że usunięcie danych wymaga niewspółmiernie dużego wysiłku, to wtedy, administrator ma obowiązek zabezpieczenia ich przed wykorzystaniem (Etap 3), co przypomina w istocie uregulowaną w RODO instytucję ograniczenia przetwarzania². Omówmy szczegółowo kolejne etapy zaproponowanego mechanizmu kompensowania ryzyka.

Etap 1: zapobieganie

Administrator ma obowiązek wdrożyć:

„odpowiednie środki organizacyjne i techniczne, aby uniknąć gromadzenia i innego przetwarzania szczególnych kategorii danych osobowych”.

Przepis nie zezwala bowiem na swobodne wykorzystywanie danych szczególnie chronionych. Przeciwnie. Nakazuje projektowanie procesów AI w taki sposób, aby:

• nie pozyskiwać tych danych,

• ograniczać ich występowanie w zbiorach treningowych,

• ograniczać ich dalsze wykorzystanie.

W praktyce mogłoby to oznaczać stosowanie:

• filtrów danych,

• klasyfikatorów wykrywających dane wrażliwe,

• procedur oczyszczania zbiorów treningowych,

• rozwiązań privacy by design.

Etap 2: usunięcie danych

Jeżeli mimo zastosowania zabezpieczeń administrator zidentyfikuje dane szczególnej kategorii:

„usuwa takie dane”.

To oznacza, że KE nadal traktuje usunięcie danych jako rozwiązanie preferowane.

Można więc argumentować, że lit. k) nie tworzy prawa do wykorzystywania danych szczególnych, lecz raczej mechanizm radzenia sobie z ich niezamierzonym pojawieniem się w procesie rozwoju AI.

Etap 3: Zabezpieczenie danych, jeśli nie można ich usunąć

Jeżeli usunięcie wymaga niewspółmiernie dużego wysiłku, administrator musi:

• chronić dane przed wykorzystaniem do generowania wyników,

• chronić je przed ujawnieniem,

• chronić je przed udostępnieniem osobom trzecim.

W istocie przypomina to rozwiązanie zbliżone do:

• izolacji danych,

• ograniczenia przetwarzania,

• mechanizmy zabezpieczające (guardrails)³

Dodanie art. 88c Przetwarzanie w kontekście rozwoju i eksploatacji AI

„Artykuł 88c

Przetwarzanie w kontekście rozwoju i eksploatacji AI

Jeżeli przetwarzanie danych osobowych jest niezbędne dla interesów administratora w kontekście rozwoju i eksploatacji systemu AI zdefiniowanego w art. 3 pkt 1 rozporządzenia (UE) 2024/1689 lub modelu AI, takie przetwarzanie można prowadzić ze względu na prawnie uzasadnione interesy w rozumieniu art. 6 ust. 1 lit. f) rozporządzenia (UE) 2016/679, w stosownych przypadkach, z wyjątkiem sytuacji, w których inne przepisy unijne lub krajowe wyraźnie wymagają zgody, oraz gdy nadrzędny charakter wobec takich interesów mają interesy lub podstawowe prawa i wolności osoby, której dane dotyczą, wymagające ochrony danych osobowych, w szczególności gdy osoba, której dane dotyczą, jest dzieckiem.”

Projektowany art. 88c nie tworzy nowej podstawy przetwarzania danych osobowych, lecz stanowi próbę ustawowego potwierdzenia, że rozwój i eksploatacja systemów oraz modeli AI mogą co do zasady realizować prawnie uzasadniony interes administratora. Jednocześnie Komisja równoważy to ułatwienie poprzez nałożenie szczególnych obowiązków w zakresie minimalizacji danych, ochrony informacji rezydualnie zatrzymanych przez modele AI oraz zapewnienia osobom, których dane dotyczą, bezwarunkowego prawa sprzeciwu. W połączeniu z projektowanym art. 9 ust. 2 lit. k i ust. 5 tworzy to nowy, wyspecjalizowany reżim ochrony danych osobowych dedykowany procesom rozwoju i eksploatacji sztucznej inteligencji.

Projektowany art. 88c nie eliminuje obowiązku przeprowadzenia testu równowagi, o którym mowa w art. 6 ust. 1 lit. f RODO. Administrator nadal będzie zobowiązany do wykazania, że przetwarzanie jest niezbędne dla realizacji uzasadnionego interesu oraz że interes ten nie zostaje przeważony przez prawa i wolności osoby, której dane dotyczą.

Skutki proponowanych zmian

Na pierwszy rzut oka mogłoby się wydawać, że proponowane przepisy mają charakter wyłącznie doprecyzowujący. W rzeczywistości ich znaczenie jest znacznie szersze. Jeżeli zostałyby przyjęte w obecnym kształcie, mogłyby istotnie wpłynąć zarówno na sposób projektowania systemów AI, jak i na praktykę stosowania RODO przez administratorów, organy nadzorcze i sądy.

1. Formalne uznanie rozwoju AI za prawnie uzasadniony interes

Najważniejszą konsekwencją dodania art. 88c byłoby ustawowe potwierdzenie, że rozwój i eksploatacja systemów AI mogą stanowić prawnie uzasadniony interes administratora. Dotychczas możliwość opierania trenowania modeli AI na art. 6 ust. 1 lit. f RODO pozostawała przedmiotem sporów interpretacyjnych. Komisja próbuje ten spór zakończyć poprzez wyraźne wskazanie, że działalność związana z AI może co do zasady korzystać z tej przesłanki legalizacyjnej⁴.

W praktyce oznaczałoby to znaczące zwiększenie pewności prawnej dla podmiotów rozwijających modele AI. Administratorzy nie musieliby już każdorazowo uzasadniać, że sam rozwój systemów AI stanowi interes godny ochrony. Przedmiotem analizy pozostawałby natomiast test równowagi pomiędzy interesami administratora a prawami osób, których dane dotyczą.

2. Odejście od modelu opartego na zgodzie

Projekt wyraźnie odzwierciedla przekonanie Komisji, że w przypadku nowoczesnych modeli AI uzyskanie zgody od wszystkich osób, których dane mogą znaleźć się w zbiorach treningowych, jest często niewykonalne. Z tego względu proponowane przepisy przesuwają środek ciężkości z podstawy zgody na podstawę prawnie uzasadnionego interesu⁵.

Nie oznacza to oczywiście eliminacji zgody z systemu prawa. Art. 88c wyraźnie wskazuje, że jeżeli przepisy sektorowe wymagają zgody, administrator nie będzie mógł powołać się wyłącznie na interes związany z rozwojem AI. Niemniej kierunek zmian jest jednoznaczny: Komisja zmierza ku modelowi, w którym podstawowym instrumentem ochrony osób fizycznych nie jest zgoda, lecz możliwość skutecznego sprzeciwienia się przetwarzaniu.

W tym kontekście należy zastanowić się, czy ten wymóg uzyskania zgody na przetwarzanie danych osobowych nie powinien być spełniony w sytuacji przetwarzania dodatkowo generowanych danych na temat pracowników administratora, który jako pracodawca chciałby pozyskiwać te dane przy wykorzystaniu systemów sztucznej inteligencji przy zarządzaniu pracownikami.

3. Ustawowe uznanie problemu danych szczególnych w AI

Proponowany art. 9 ust. 2 lit. k ma równie istotne znaczenie. Po raz pierwszy unijny prawodawca otwarcie przyznaje, że podczas trenowania i eksploatacji systemów AI mogą pojawiać się szczególne kategorie danych osobowych.

Jest to istotna zmiana perspektywy. Dotychczas dyskusja często sprowadzała się do pytania, czy dane takie w ogóle powinny znaleźć się w zbiorach treningowych. Komisja wychodzi natomiast z bardziej pragmatycznego założenia: w przypadku bardzo dużych zbiorów danych całkowite wyeliminowanie takich informacji może być technicznie niewykonalne. Dlatego proponuje system oparty na zapobieganiu, usuwaniu oraz zabezpieczaniu danych wrażliwych, zamiast zakładać ich całkowitą nieobecność.

4. Nowe obowiązki dotyczące zarządzania danymi treningowymi

Z punktu widzenia compliance proponowane przepisy oznaczają, że organizacje rozwijające AI będą musiały znacznie bardziej formalnie zarządzać wykorzystywanymi zbiorami danych.

W szczególności konieczne może być:

• dokumentowanie pochodzenia danych treningowych,

• ocena źródeł danych jeszcze przed rozpoczęciem trenowania modelu,

• wdrażanie procesów wykrywania danych szczególnych kategorii,

• prowadzenie procedur usuwania lub izolowania takich danych,

• dokumentowanie zastosowanych zabezpieczeń.

W praktyce oznacza to wzrost znaczenia Data Governance jako elementu zgodności z RODO. Projektowane przepisy przesuwają bowiem punkt ciężkości ochrony danych z etapu samego przetwarzania na wcześniejszy etap projektowania i budowania zbiorów treningowych.

5. Powstanie nowego obowiązku zarządzania „danymi rezydualnymi”

Szczególnie nowatorskie jest pojawiające się w projekcie pojęcie danych „rezydualnie zatrzymanych” przez model.

Komisja wydaje się dostrzegać problem znany z badań nad dużymi modelami językowymi: informacje wykorzystane podczas trenowania mogą zostać częściowo „zapamiętane” przez model nawet po usunięciu pierwotnych rekordów ze zbiorów danych. Art. 88c nie wymaga całkowitego wyeliminowania tego zjawiska, ale nakazuje wdrażanie środków chroniących przed ujawnieniem takich informacji⁶.

W praktyce może to oznaczać konieczność stosowania:

• mechanizmów filtrujących odpowiedzi⁷,

• procedur red-teamingu⁸,

• technik ograniczających zapamiętywanie danych⁹.

6. Fundamentalna zmiana znaczenia prawa sprzeciwu

Najbardziej rewolucyjny może okazać się jednak wymóg zapewnienia osobom, których dane dotyczą, „bezwarunkowego prawa sprzeciwu”.

Jeżeli przepis zachowałby obecne brzmienie, doszłoby do istotnego odejścia od logiki art. 21 RODO. Obecnie administrator może bowiem kontynuować przetwarzanie pomimo sprzeciwu, jeżeli wykaże istnienie nadrzędnych, prawnie uzasadnionych podstaw. Tymczasem projektowany art. 88c sugeruje znacznie dalej idącą ochronę¹⁰.

W praktyce mogłoby to wymusić budowę zupełnie nowych procesów technicznych umożliwiających:

• identyfikację danych konkretnej osoby w zbiorach treningowych,

• obsługę sprzeciwów,

• udokumentowanie sposobu ich realizacji,

• ograniczenie dalszego wykorzystywania tych danych przez model.

Paradoksalnie właśnie ten obowiązek może okazać się dla dostawców AI bardziej wymagający niż sama legalizacja przetwarzania danych na potrzeby trenowania modeli.

Nie jest obecnie jasne, w jaki sposób projektowany art. 88c miałby współistnieć z mechanizmem przewidzianym w art. 21 ust. 1 RODO, który pozwala administratorowi kontynuować przetwarzanie pomimo wniesionego sprzeciwu, jeżeli wykaże istnienie nadrzędnych, prawnie uzasadnionych podstaw.

7. Zbliżenie RODO i AI Act

Proponowane przepisy pokazują również wyraźną próbę integracji wymagań wynikających z RODO i AI Act.

Dziś organizacje często traktują oba akty jako odrębne reżimy regulacyjne. Po zmianach wiele procesów, takich jak:

• ocena jakości danych,

• zarządzanie ryzykiem,

• monitorowanie działania modeli,

• ochrona przed wyciekami informacji,

będzie jednocześnie realizować wymagania obu aktów prawnych

Ocena proponowanych zmian przez EROD/EIOD

EROD i EIOD akceptują potrzebę zwiększenia pewności prawnej dla rozwoju i eksploatacji systemów AI oraz nie sprzeciwiają się wykorzystaniu prawnie uzasadnionego interesu jako podstawy przetwarzania. Jednocześnie domagają się wyraźniejszych ograniczeń dotyczących masowego pozyskiwania danych, silniejszych zabezpieczeń dla dzieci oraz bardziej restrykcyjnego i precyzyjnego ukształtowania wyjątku pozwalającego na przetwarzanie szczególnych kategorii danych osobowych w kontekście AI. ¹¹

EROD obawia się, że art. 88c może zostać odczytany jako legalizacja trenowania modeli na ogromnych ilościach danych pozyskiwanych z Internetu

EROD uznał, że projekt nie zawiera wystarczających zabezpieczeń chroniących dane dzieci wykorzystywane podczas rozwoju AI.

Stanowiska pozostałych instytucji UE

W skrócie:

• EESC poparł kierunek uproszczeń i zwiększania konkurencyjności,

• Komitet Regionów poparł harmonizację, ale wskazał na problemy samorządów,

• EBC pozytywnie ocenił uproszczenie acquis cyfrowego przy zachowaniu ochrony praw podstawowych,

Wnioski

Jeżeli spojrzeć na proponowane zmiany całościowo, nie stanowią one prostego „złagodzenia RODO dla AI”. Komisja proponuje raczej nowy model równowagi.

Z jednej strony administratorzy otrzymują wyraźniejszą podstawę do wykorzystywania danych osobowych podczas rozwoju i eksploatacji systemów AI. Z drugiej strony zostają obciążeni nowymi obowiązkami dotyczącymi minimalizacji danych, zarządzania danymi wrażliwymi, ochrony przed ujawnianiem informacji zatrzymanych przez model oraz realizacji bezwarunkowego prawa sprzeciwu.

Można więc powiedzieć, że Digital Omnibus nie tyle ogranicza wymagania RODO wobec sektora AI, ile próbuje zastąpić niepewność prawną bardziej szczegółowym i wyspecjalizowanym reżimem ochrony danych dostosowanym do realiów generatywnej sztucznej inteligencji.

Ostateczny kształt proponowanych zmian będzie zależał od znalezienia równowagi pomiędzy potrzebą zwiększania konkurencyjności europejskiego sektora AI a koniecznością zachowania wysokiego poziomu ochrony danych osobowych. Właśnie wokół tej równowagi koncentruje się obecnie główny spór pomiędzy Komisją Europejską a organami ochrony danych.

---

Przypisy:

¹ Poprzednie artykuły dotyczące zmian możecie znaleźć Państwo pod adresem https://auraco.pl/blog/ – zob. Omówienie cz. 1, Omówienie cz. 2, Omówienie cz. 3, Omówienie cz. 4, Omówienie cz. 5.

² Art. 4 pkt 3 ,,ograniczenie przetwarzania” oznacza oznaczenie przechowywanych danych osobowych w celu ograniczenia ich przyszłego przetwarzania

³ Pojęcie guardrails nie ma jeszcze jednej, legalnej definicji w prawie UE, ale w środowisku AI oznacza ono zestaw zabezpieczeń technicznych i organizacyjnych, które ograniczają niepożądane zachowania modelu oraz uniemożliwiają wykorzystanie określonych danych lub generowanie określonych treści. W kontekście proponowanego art. 9 ust. 5 RODO guardrails można rozumieć jako mechanizmy, które zapobiegają temu, aby szczególne kategorie danych osobowych były:1) wykorzystywane przez model do generowania odpowiedzi, 2) ujawniane użytkownikom, 3) odtwarzane z danych treningowych, 4) przekazywane osobom trzecim.

⁴ AI Act Amendments in the Digital Omnibus | Sealmetrics Docs [dostęp 10.08.2026]

⁵ ibidem

⁶ Ibidem.

⁷ Oznacza to, że odpowiedź wygenerowana przez model nie trafia bezpośrednio do użytkownika. Najpierw jest analizowana przez specjalny mechanizm bezpieczeństwa.

⁸ Polegają one na celowym podejmowaniu prób wydobycia z modelu informacji wykorzystanych podczas trenowania, w tym danych osobowych lub szczególnych kategorii danych. Celem takich działań jest weryfikacja, czy zastosowane środki techniczne rzeczywiście uniemożliwiają odtworzenie lub ujawnienie informacji pochodzących ze zbiorów treningowych. Z perspektywy projektowanego art. 88c red-teaming może stać się jednym z kluczowych narzędzi wykazywania zgodności z obowiązkiem ochrony danych rezydualnie zatrzymanych przez system AI. Red-teaming stanie się dla systemów AI odpowiednikiem testów penetracyjnych w cyberbezpieczeństwie: nie będzie zawsze wymagany wprost przez przepisy, ale w praktyce może stać się jednym z podstawowych dowodów dochowania należytej staranności przez administratora.

⁹ Rozwiązania te koncentrują się na redukowaniu ryzyka, że model podczas trenowania utrwali informacje dotyczące konkretnych osób. W praktyce mogą obejmować m.in. anonimizację i deduplikację danych treningowych, stosowanie metod differential privacy, regularizację modeli, audyty zbiorów danych czy rozwijane obecnie techniki machine unlearning. W przeciwieństwie do filtrów odpowiedzi środki te nie ograniczają jedynie ryzyka ujawnienia danych, lecz zmniejszają prawdopodobieństwo ich utrwalenia przez model już na etapie jego tworzenia.

¹⁰ AI Act Amendments in the Digital Omnibus | Sealmetrics Docs [dostęp 10.08.2026]

¹¹ Cyfrowy zbiorczy akt prawny: EROD i EIOD wspierają uproszczenie i konkurencyjność, jednocześnie zgłaszając główne obawy | European Data Protection Board