Podstawa prawna RODO dla agentów AI (art. 6): kiedy zgoda, umowa, a kiedy uzasadniony interes

Podstawa prawna RODO dla AI określa, na której przesłance z art. 6 ust. 1 RODO firma opiera przetwarzanie danych przez agenta AI. W przypadku wdrożeń wewnętrznych, fine-tuningu, RAG i agentów obsługi klienta B2B dominującą podstawą jest uzasadniony interes (art. 6 ust. 1 lit. f), a obok niego zgoda, umowa lub obowiązek prawny. Bez solidnej podstawy prawnej każde przetwarzanie jest niezgodne z prawem.

• Uzasadniony interes (lit. f) to najczęstsza podstawa dla wewnętrznych agentów AI, fine-tuningu, RAG, wykrywania nadużyć i typowych agentów obsługi B2B, ale wymaga trzystopniowego testu.
• Umowa (lit. b) obejmuje tylko to, co jest bezwzględnie niezbędne do wykonania umowy; zgoda (lit. a) sprawdza się przy funkcjach opt-in, ale słabo skaluje się na wolumeny danych treningowych.
• Dane wrażliwe (art. 9) i zautomatyzowane decyzje w indywidualnych przypadkach (art. 22) pociągają za sobą dodatkowe wymogi wykraczające poza art. 6.

Dlaczego każdy agent AI potrzebuje podstawy prawnej

Zgodnie z art. 4 pkt 1 i 2 RODO każda operacja na danych osobowych uruchamia stosowanie rozporządzenia. W systemie agentowym niemal każdy punkt styku jest przetwarzaniem: prompty i prompty systemowe, outputy (w tym zhalucynowane dane osobowe), pamięć agenta i bazy wektorowe, payloady wywołań narzędzi kierowane do wewnętrznych API lub serwerów MCP, komunikaty w systemach wieloagentowych, a także logi i ślady (traces). Dla każdego z tych przepływów danych administrator potrzebuje podstawy prawnej zgodnie z art. 6 ust. 1.

Ważne: prompty i outputy niemal zawsze stanowią dane osobowe, gdy tylko wymieniają osobę z nazwiska lub wystarczająco ją charakteryzują, nawet jeśli treść jest zmyślona. Na tym opiera się skarga noyb przeciwko OpenAI złożona w kwietniu 2024 roku do austriackiego organu ochrony danych: ChatGPT wielokrotnie podawał błędną datę urodzenia skarżącego, a OpenAI odmówiło sprostowania. Embeddingi w bazach wektorowych traktuj jako spseudonimizowane dane osobowe, jeśli teksty źródłowe dotyczą osób. Powodem jest inwersja embeddingów: w badaniu z 2023 roku 92% krótkich danych wejściowych (32 tokeny) udało się dokładnie odtworzyć z ich embeddingów. Jak ocenić to ryzyko, dowiesz się z artykułu o ocenie skutków dla ochrony danych w przypadku agentów AI.

Sześć podstaw prawnych i ich dopasowanie do agentów AI

Art. 6 ust. 1 RODO przewiduje sześć przesłanek. W przypadku agentów AI w praktyce dominują trzy: zgoda (lit. a), umowa (lit. b) i uzasadniony interes (lit. f), uzupełnione o obowiązek prawny (lit. c).

Trzystopniowy test uzasadnionego interesu

Zgodnie z Wytycznymi EROD 1/2024 (przyjętymi 8 października 2024 r.) oraz opinią EROD 28/2024 (przyjętą 17 grudnia 2024 r.) administratorzy muszą udokumentować trzy etapy:

1. Test celu. Interes musi być zgodny z prawem, rzeczywisty, aktualny i konkretnie określony. „Ulepszanie produktów AI” w ujęciu abstrakcyjnym nie wystarczy; „poprawa trafności klasyfikacji wewnętrznego agenta HR do screeningu naszych pracowników” już tak.
2. Test niezbędności. Czy cel dałoby się osiągnąć przy mniejszej ilości danych lub przy danych anonimowych? W przypadku RAG przemawia to często za pseudonimizacją indeksowanych dokumentów i minimalizacją payloadów kontekstowych.
3. Test równowagi. Interes trzeba zestawić z rozsądnymi oczekiwaniami osób, których dane dotyczą, charakterem danych, relacją między stronami oraz ryzykami takimi jak reidentyfikacja, rozszerzanie zakresu celów (scope creep) i profilowanie. Zastosowanie mają kryteria EROD z opinii 28/2024 (publiczna dostępność danych?; charakter usługi?; świadomość bycia online?).

Opinia EROD 28/2024 potwierdza, że uzasadniony interes jest co do zasady dostępny na etapie rozwoju i wdrożenia. Jako potencjalnie uzasadnione wymienia m.in. asystentów konwersacyjnych, wykrywanie nadużyć i cyberbezpieczeństwo. 19 czerwca 2025 r. CNIL uzupełniła to o taksonomię celów AI, które domyślnie uznaje się za uzasadnione: badania naukowe, zapewnianie publicznego dostępu, asystenci konwersacyjni, poprawa wydajności istniejącego produktu i zapobieganie nadużyciom.

Zastosowanie w typowych scenariuszach agentowych

• Fine-tuning na wewnętrznych danych klientów: zazwyczaj art. 6 ust. 1 lit. f. Cel musi być węższy niż „ulepszanie naszej AI”; należy przeprowadzić LIA (Legitimate Interest Assessment), uzupełnioną o analizę zgodności celów zgodnie z art. 5 ust. 1 lit. b. Jeśli w grę wchodzą dane wrażliwe, potrzebny jest dodatkowo wyjątek z art. 9.
• RAG na dokumentach pracowniczych: najczęściej lit. b lub lit. f. Jeśli agent mierzy zachowanie pracowników, w Niemczech wymagane jest współdecydowanie rady zakładowej (§ 87 ust. 1 pkt 6 BetrVG), a w Austrii zgoda rady zakładowej na podstawie § 96 lub § 96a ArbVG. W Szwajcarii art. 26 ArGV 3 zakazuje systemów monitorowania, które mają służyć nadzorowaniu zachowania pracowników na stanowisku pracy.
• Pamięć agenta między sesjami: podstawa prawna musi obejmować wtórne przechowywanie; typowym wzorcem jest uzasadniony interes z jasną polityką retencji i możliwością opt-out, udokumentowany zgodnie z art. 5 ust. 1 lit. b.
• Trenowanie modeli bazowych na szeroko scrapowanych korpusach: opinia EROD 28/2024 zawiesza tu wysoko poprzeczkę. Bez udokumentowanej LIA, polityki wyłączeń z web scrapingu i solidnego uzasadnienia „niewspółmiernie dużego wysiłku” na podstawie art. 14 ust. 5 lit. b podmioty stosujące nie powinny prowadzić trenowania na dużą skalę na danych pozyskanych przez scraping.

Pułapka „publicznie dostępnych” danych

Wciąż pokutuje błędne przekonanie, że publicznie dostępne dane z internetu nie podlegają RODO. Clearview AI ukarano właśnie z tego powodu: we Włoszech kwotą 20 mln euro (10 lutego 2022 r.), we Francji kwotą 20 mln euro (17 października 2022 r.) plus 5,2 mln euro okresowej kary pieniężnej, a także w Grecji, Zjednoczonym Królestwie i Holandii. Publiczna dostępność nie oznacza ani zgody, ani żadnej innej podstawy prawnej. Wyrok Meta v. Bundeskartellamt (C-252/21 z 4 lipca 2023 r., pkt 85–89) to potwierdza: „oczywiste upublicznienie” na podstawie art. 9 ust. 2 lit. e jest bardzo wąskim wyjątkiem, a art. 6 ust. 1 lit. f nadal wymaga odrębnego wyważenia interesów.

Dane wrażliwe: art. 9 jako druga bramka

Art. 9 ust. 1 co do zasady zakazuje przetwarzania danych wrażliwych, w tym danych dotyczących zdrowia, danych biometrycznych w celu jednoznacznej identyfikacji osoby, danych dotyczących orientacji seksualnej oraz przynależności do związków zawodowych. Sama podstawa prawna z art. 6 nie wystarczy; potrzebny jest dodatkowo wyjątek z art. 9 ust. 2. W praktyce istotne są: wyraźna zgoda (lit. a), prawo pracy i zabezpieczenia społecznego (lit. b, np. § 26 ust. 3 BDSG), ważny interes publiczny (lit. g) oraz opieka zdrowotna (lit. h/i).

Regulacja AI Act dotycząca stronniczości (bias) znajdowała się dotąd w art. 10 ust. 5. Omnibus AI (Digital Omnibus dotyczący AI Act, rozporządzenie (UE) 2026/1744) uchylił ją i ujął w nowym art. 4a. Dostawcy systemów wysokiego ryzyka mogą wyjątkowo przetwarzać dane wrażliwe w zakresie, w jakim jest to bezwzględnie niezbędne do wykrywania i korygowania stronniczości. Dostawcy innych systemów i modeli AI oraz podmioty stosujące takie systemy, a także podmioty stosujące systemy wysokiego ryzyka, również mogą to robić wyjątkowo, jeśli stronniczość prawdopodobnie wpłynie negatywnie na zdrowie, bezpieczeństwo lub prawa podstawowe albo może prowadzić do zakazanej dyskryminacji. Motyw 9 Omnibusu AI kwalifikuje to przetwarzanie jako ważny interes publiczny w rozumieniu art. 9 ust. 2 lit. g RODO. Podstawę zapewnia więc samo prawo Unii, a nie dopiero ustawa krajowa. Art. 4a nie daje jednak wolnej ręki: przetwarzanie jest dopuszczalne tylko wtedy, gdy wykrywania stronniczości nie da się skutecznie przeprowadzić przy użyciu innych danych, w tym syntetycznych lub zanonimizowanych. Dane muszą być spseudonimizowane, objęte ograniczonym dostępem i usunięte po korekcie, a rejestr czynności przetwarzania musi uzasadniać, dlaczego przetwarzanie było bezwzględnie niezbędne.

Zautomatyzowane decyzje w indywidualnych przypadkach (art. 22) w skrócie

Jeśli agent AI podejmuje decyzję opartą wyłącznie na zautomatyzowanym przetwarzaniu, która wywołuje skutki prawne lub w podobny sposób istotnie wpływa na osobę, art. 22 drastycznie zaostrza wymogi. Zgodnie z wyrokiem TSUE w sprawie SCHUFA (C-634/21, 7 grudnia 2023 r.) już samo zautomatyzowane ustalenie wartości prawdopodobieństwa jest „decyzją”, jeśli osoba trzecia w decydującym stopniu opiera na nim swoją decyzję. Zgodnie z wyrokiem Dun & Bradstreet Austria (C-203/22, 27 lutego 2025 r.) osoby, których dane dotyczą, mają prawo do zrozumiałego wyjaśnienia konkretnie zastosowanej procedury i zasad, które umożliwi im zakwestionowanie decyzji. Szczegóły omawia osobny artykuł z klastra poświęcony art. 22.

Konkretny przykład w liczbach

Średniej wielkości firma z regionu DACH (Niemcy, Austria, Szwajcaria), zatrudniająca ok. 800 pracowników, korzysta z wewnętrznego agenta do lead scoringu, który klasyfikuje rekordy CRM. Przetwarzanie opiera się na art. 6 ust. 1 lit. f. LIA wąsko dokumentuje cel („priorytetyzacja przychodzących zapytań B2B”), bada niezbędność (pseudonimizacja indeksowanych pól) oraz wyważenie interesów. W ramach minimalizacji danych payload kontekstowy na jedno wywołanie narzędzia zostaje ograniczony z pierwotnych 42 pól CRM do 7 niezbędnych, a retencja promptów do 30 dni z maskowaniem danych przed trwałym zapisem, na wzór standardowego okresu przechowywania w API OpenAI i API Anthropic, wynoszącego maksymalnie 30 dni. Jeśli scoring automatycznie odrzuca zapytanie, a wywołuje to wobec osoby fizycznej skutki prawne lub w podobny sposób istotnie na nią wpływa, zastosowanie ma art. 22. Wtedy potrzebny jest wyjątek z art. 22 ust. 2. Jeśli decyzja opiera się na umowie lub wyraźnej zgodzie, administrator musi ponadto zapewnić co najmniej możliwość interwencji człowieka, wyrażenia własnego stanowiska i zakwestionowania decyzji (art. 22 ust. 3).

Dla agencji i decydentów B2B

Kto produkcyjnie wykorzystuje agentów AI, powinien ustalić podstawę prawną przed uruchomieniem i udokumentować ją dla każdego przepływu danych, a nie uzasadniać jej po fakcie. Włoski Garante nałożył na OpenAI karę 15 mln euro (decyzja z 2 listopada 2024 r., opublikowana 20 grudnia 2024 r.), m.in. dlatego, że dane przetwarzano bez wcześniej ustalonej podstawy prawnej (naruszenie art. 5 ust. 1 lit. a, art. 5 ust. 2 i art. 6). Tribunale di Roma uchylił tę decyzję 18 marca 2026 r., ponieważ zgodnie z mechanizmem kompleksowej współpracy (one-stop-shop) właściwy byłby irlandzki organ ochrony danych. Sąd nie rozstrzygał o samych zarzutach. Dla agencji oznacza to, że rzetelna LIA, wielowarstwowa polityka prywatności z informacją o AI i dobrze widoczna opcja opt-out należą do standardowego zakresu każdego projektu AI. Blck Alpaca pomaga firmom w Europie dobrać właściwą podstawę prawną, udokumentować wyważenie interesów tak, by przetrwało kontrolę, i od początku wdrażać agentów AI zgodnie z RODO.

Uwaga: ten artykuł ma charakter orientacyjny i nie stanowi porady prawnej. W konkretnych przypadkach zalecamy konsultację z inspektorem ochrony danych lub wyspecjalizowaną kancelarią.