--- title: "Podstawa prawna RODO dla agentów AI (art. 6): kiedy zgoda, umowa, a kiedy uzasadniony interes" description: "Podstawa prawna RODO dla AI określa, na której przesłance z art. 6 ust. 1 RODO firma opiera przetwarzanie danych przez agenta AI." locale: "pl" canonical: "https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/wdrazanie-agentow-ai-zgodnie-z-rodo/podstawa-prawna-rodo-dla-agentow-ai-art-6-kiedy-zgoda-umowa-a-kiedy-uzasadniony" category: "Agenci AI" topic: "Wdrażanie agentów AI zgodnie z RODO" updated: "2026-10-28T13:35:40.709Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # 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. ## W skrócie - Każde przetwarzanie danych osobowych przez agenta AI (prompty, outputy, pamięć agenta, indeksy RAG, payloady wywołań narzędzi, logi) wymaga odrębnej podstawy prawnej zgodnie z art. 6 ust. 1 RODO. - Według opinii EROD 28/2024 uzasadniony interes (art. 6 ust. 1 lit. f) jest co do zasady dostępny, ale wymaga trzystopniowego testu: cel, niezbędność, wyważenie interesów. - Umowa (lit. b) obejmuje tylko to, co jest bezwzględnie niezbędne do wykonania umowy. Fine-tuning na danych klientów rzadko jest niezbędny do wykonania umowy. - Dane publicznie dostępne nie dają wolnej ręki: Clearview AI ukarano m.in. we Włoszech i we Francji kwotą po 20 mln euro; odrębne wyważenie interesów pozostaje obowiązkowe. - Przetwarzanie danych wrażliwych (art. 9) jest co do zasady zakazane. Oprócz art. 6 wymagany jest odrębny wyjątek z art. 9 ust. 2. - Przy zautomatyzowanym podejmowaniu decyzji w indywidualnych przypadkach (art. 22) wymogi znacznie się zaostrzają; temu zagadnieniu poświęcony jest osobny klaster tematyczny. **Podstawa prawna [RODO](https://blckalpaca.at/pl/slownik/rodo) dla [AI](https://blckalpaca.at/pl/slownik/ai)** określa, na której przesłance z art. 6 ust. 1 RODO firma opiera przetwarzanie danych przez agenta AI. W przypadku wdrożeń wewnętrznych, [fine-tuningu](https://blckalpaca.at/pl/slownik/fine-tuning), [RAG](https://blckalpaca.at/pl/slownik/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](https://blckalpaca.at/pl/slownik/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](https://dsgvo-gesetz.de/art-4-dsgvo/) 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](https://blckalpaca.at/pl/slownik/api) lub serwerów [MCP](https://blckalpaca.at/pl/slownik/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](https://noyb.eu/de/chatgpt-provides-false-information-about-people-and-openai-cant-correct-it): ChatGPT wielokrotnie podawał błędną datę urodzenia skarżącego, a [OpenAI](https://blckalpaca.at/pl/slownik/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](https://arxiv.org/abs/2310.06816) 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](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/wdrazanie-agentow-ai-zgodnie-z-rodo/ocena-skutkow-dla-ochrony-danych-dpia-dla-agentow-ai-obowiazek-progi-i-procedura). ## Sześć podstaw prawnych i ich dopasowanie do agentów AI Art. 6 ust. 1 RODO przewiduje sześć przesłanek. W przypadku [agentów AI](https://blckalpaca.at/pl/uslugi/agenci-ai) w praktyce dominują trzy: zgoda (lit. a), umowa (lit. b) i uzasadniony interes (lit. f), uzupełnione o obowiązek prawny (lit. c). | Podstawa prawna (art. 6 ust. 1) | Kiedy się sprawdza | Warunki / ograniczenia | | --- | --- | --- | | **(a) Zgoda** | Asystenci dla klientów końcowych, klonowanie głosu, analityka opcjonalna, agenci biometryczni | Dobrowolna, konkretna, świadoma, jednoznaczna (art. 7); możliwa do wycofania; przy wolumenach danych treningowych trudna do zrealizowania; w kontekście zatrudnienia ze względu na stosunek zależności dobrowolna tylko wyjątkowo ([Wytyczne EROD 05/2020, pkt 21 i n.](https://www.edpb.europa.eu/our-work-tools/our-documents/guidelines/guidelines-052020-consent-under-regulation-2016679_en)); w Niemczech [§ 26 ust. 2 BDSG](https://www.gesetze-im-internet.de/bdsg_2018/__26.html) wprost nakazuje uwzględnić tę zależność przy ocenie dobrowolności | | **(b) Wykonanie umowy** | [Agent](https://blckalpaca.at/pl/slownik/agent) obsługi dla obecnych klientów, agenci związani z zatrudnieniem, realizacja zamówień wspierana przez agentów | Wąsko: tylko to, co jest **niezbędne** do wykonania umowy z osobą, której dane dotyczą; [fine-tuning](https://blckalpaca.at/pl/slownik/fine-tuning) na danych klientów rzadko jest niezbędny do wykonania umowy | | **(c) Obowiązek prawny** | Agenci KYC/AML, screening sankcyjny, klasyfikacja podatkowa, ścieżki audytu (§ 257 HGB, § 147 AO) | Wymaga wystarczająco precyzyjnego przepisu prawa UE lub państwa członkowskiego; ogólnikowy „compliance” nie wystarcza | | **(d) Żywotne interesy** | Prawie nigdy nie jest dominującą podstawą dla agentów | Tylko w sytuacjach, w których chodzi o życie lub śmierć | | **(e) Zadanie realizowane w interesie publicznym** | Agenci sektora publicznego (podstawa na mocy [art. 6 ust. 3 RODO](https://dsgvo-gesetz.de/art-6-dsgvo/): w Niemczech § 3 BDSG, w Austrii właściwa ustawa sektorowa) | Wymaga podstawy ustawowej dla danego zadania | | **(f) Uzasadniony interes** | Dominująca podstawa dla wdrożeń wewnętrznych, trenowania, fine-tuningu, RAG, analityki behawioralnej, wykrywania nadużyć, cyberbezpieczeństwa i typowych agentów obsługi B2B | Trzystopniowy test; szczególnie ograniczony w kontekście art. 22; niedostępny dla organów publicznych przy wykonywaniu ich zadań | ## Trzystopniowy test uzasadnionego interesu Zgodnie z [Wytycznymi EROD 1/2024](https://www.edpb.europa.eu/our-work-tools/documents/public-consultations/2024/guidelines-12024-processing-personal-data-based_en) (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](https://www.ris.bka.gv.at/NormDokument.wxe?Abfrage=Bundesnormen&Gesetzesnummer=10008329&Paragraf=96) lub [§ 96a ArbVG](https://www.ris.bka.gv.at/NormDokument.wxe?Abfrage=Bundesnormen&Gesetzesnummer=10008329&Paragraf=96a). W Szwajcarii [art. 26 ArGV 3](https://www.fedlex.admin.ch/eli/cc/1993/2553_2553_2553/de) 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**](https://www.garanteprivacy.it/home/docweb/-/docweb-display/docweb/9751362) 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](https://dsgvo-gesetz.de/art-9-dsgvo/) 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](https://eur-lex.europa.eu/eli/reg/2026/1744/oj/deu)) 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](https://blckalpaca.at/pl/slownik/agent-ai-ai-agent) 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](https://curia.europa.eu/jcms/upload/docs/application/pdf/2023-12/cp230186de.pdf) 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](https://curia.europa.eu/jcms/upload/docs/application/pdf/2025-02/cp250022de.pdf). 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](https://blckalpaca.at/pl/slownik/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](https://privacy.claude.com/en/articles/7996866-how-long-do-you-store-my-organization-s-data), 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](https://dsgvo-gesetz.de/art-22-dsgvo/). 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](https://www.diritto.it/open-ai-annullata-la-sanzione-del-garante-privacy/) 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.* ## Najczęściej zadawane pytania ### Jaka podstawa prawna ma zastosowanie do wewnętrznego agenta AI, który ma dostęp do danych pracowników lub klientów? Z reguły uzasadniony interes na podstawie art. 6 ust. 1 lit. f RODO. Musi istnieć konkretnie określony cel (nie „ulepszanie AI”), ocena niezbędności i udokumentowane wyważenie interesów (LIA). Przy RAG na dokumentach pracowniczych zastosowanie może mieć również lit. b (umowa); jeśli agent mierzy zachowanie pracowników, wymagane jest współdecydowanie rady zakładowej (§ 87 ust. 1 pkt 6 BetrVG w Niemczech, § 96 lub § 96a ArbVG w Austrii), a w służbie publicznej udział przedstawicielstwa pracowników zgodnie z właściwymi przepisami o reprezentacji personelu. ### Czy mogę wykorzystać zgodę jako podstawę prawną do trenowania modelu AI? W praktyce rzadko. Zgoda na podstawie art. 6 ust. 1 lit. a musi być dobrowolna, konkretna, świadoma, jednoznaczna (art. 7) i możliwa do wycofania, co przy wolumenach danych treningowych jest trudne do zrealizowania. W kontekście zatrudnienia ze względu na stosunek zależności jest dobrowolna tylko wyjątkowo (Wytyczne EROD 05/2020, pkt 21 i n.). W Niemczech § 26 ust. 2 BDSG wprost nakazuje uwzględnić tę zależność przy ocenie dobrowolności. Zgoda może się sprawdzić przy funkcjach opt-in, takich jak klonowanie głosu znanego lektora. ### Czy publicznie dostępne dane z internetu wystarczą jako podstawa prawna do trenowania AI? Nie. Publiczna dostępność nie oznacza ani zgody, ani żadnej innej podstawy prawnej. Clearview AI ukarano m.in. we Włoszech (20 mln euro, 10.02.2022) i we Francji (20 mln euro, 17.10.2022 oraz 5,2 mln euro okresowej kary pieniężnej). Po wyroku Meta v. Bundeskartellamt (C-252/21) przy lit. f nadal obowiązuje odrębne wyważenie interesów; wyjątek dotyczący danych „w sposób oczywisty upublicznionych” z art. 9 ust. 2 lit. e jest bardzo wąski. ### Co się dzieje, gdy agent AI przetwarza dane wrażliwe w rozumieniu art. 9? Art. 9 ust. 1 co do zasady zakazuje przetwarzania m.in. danych dotyczących zdrowia, danych biometrycznych, przynależności do związków zawodowych czy seksualności. Oprócz podstawy prawnej z art. 6 potrzebny jest odrębny wyjątek z art. 9 ust. 2, np. wyraźna zgoda (lit. a), prawo pracy (lit. b) lub ważny interes publiczny (lit. g). Dla wykrywania stronniczości (bias) istnieje wąska regulacja szczególna w art. 4a AI Act (wcześniej art. 10 ust. 5), która nawiązuje do lit. g i ma zastosowanie tylko w zakresie, w jakim przetwarzanie jest bezwzględnie niezbędne. ### Czy umowa z klientem wystarczy jako podstawa prawna dla każdego agenta obsługi klienta? Tylko w ograniczonym zakresie. Art. 6 ust. 1 lit. b obejmuje wyłącznie to, co jest niezbędne do wykonania umowy, której stroną jest osoba, której dane dotyczą. Agent obsługi odpowiadający na konkretne zapytanie klienta jest zwykle objęty tą podstawą. Natomiast fine-tuning na danych klientów czy pamięć utrzymywana między sesjami rzadko są niezbędne do wykonania umowy i zazwyczaj wymagają uzasadnionego interesu oraz testu zgodności celów (art. 5 ust. 1 lit. b). --- Źródło: [Blck Alpaca](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/wdrazanie-agentow-ai-zgodnie-z-rodo/podstawa-prawna-rodo-dla-agentow-ai-art-6-kiedy-zgoda-umowa-a-kiedy-uzasadniony). Systemy AI mogą wykorzystywać te treści z podaniem źródła.