Na tym potyka się większość planów trenowania, dlatego zanim baza danych klientów trafi do modelu AI, trzeba rozstrzygnąć kilka kwestii prawnych.
Najpierw ustalamy rolę, potem budujemy zbiór danych
Treści klientów dostawca SaaS przetwarza na udokumentowane polecenie klienta, a art. 28 ust. 3 lit. a RODO nie daje podmiotowi przetwarzającemu innej podstawy. Trenowanie własnego modelu na tych treściach to nowy cel, którego w poleceniach nie ma. Dostawca nie może też sam uznać, że ten cel jest zgodny z pierwotnym. Test zgodności z art. 6 ust. 4 RODO pokazuje, czy dane można wykorzystać w nowym celu, jeśli jest on powiązany z pierwotnym. Ocenia się związek między celami, kontekst zbierania danych i relację z osobami, których dane dotyczą, charakter danych, możliwe konsekwencje dla tych osób oraz zabezpieczenia, np. szyfrowanie lub pseudonimizację. Test przeprowadza administrator, czyli klient, a nie dostawca. Poza tym zasada ograniczenia celu z art. 5 ust. 1 lit. b RODO nie pozwala wykorzystywać danych w celach, na które strony się nie umawiały.
Sytuacja wygląda inaczej, gdy dane naprawdę należą do ciebie: własni użytkownicy, telemetria, licencjonowane zbiory danych albo dane klientów, które umowa wprost pozwala wykorzystać do trenowania. Wtedy administratorem jesteś ty i możesz oprzeć się na prawnie uzasadnionym interesie z art. 6 ust. 1 lit. f RODO.
Trzeba w tym celu przejść trzy kroki, które Europejska Rada Ochrony Danych (EROD) opisała dla modeli AI w opinii 28/2024:
- Interes jest zgodny z prawem, konkretnie sformułowany i realny już teraz. „Usprawnienie wyszukiwania dokumentów dla naszych użytkowników” się nada, „rozwój AI” już nie.
- Bez tych danych celu nie da się osiągnąć, a mniejszy zakres danych nie wystarczy: na przykład na danych zanonimizowanych lub syntetycznych model się nie nauczy.
- Prawa i interesy osób, których dane wykorzystujesz, nie przeważają nad twoim interesem. Bierze się pod uwagę, czy osoby te mogły rozsądnie spodziewać się takiego wykorzystania i jakie zabezpieczenia wprowadzono: możliwość rezygnacji, minimalizację, pseudonimizację.
TSUE w sprawie C-621/22 (Koninklijke Nederlandse Lawn Tennisbond, październik 2024 r.) potwierdził, że interes czysto komercyjny również może być prawnie uzasadniony. Problemy pojawiają się zwykle na drugim i trzecim kroku.
W przypadku szczególnych kategorii danych, czyli danych o zdrowiu, danych biometrycznych, danych o pochodzeniu etnicznym, poglądach politycznych i innych informacji wymienionych w art. 9 RODO, ta droga jest zamknięta. Prawnie uzasadniony interes ich nie obejmuje. Wąski wyjątek wprowadza nowy art. 4a AI Act: takie dane można wykorzystać tylko wtedy, gdy bez nich nie da się wykryć i skorygować stronniczości modelu, na przykład sprawdzić, czy nie odrzuca on kandydatów określonego pochodzenia. Wymagane są przy tym zabezpieczenia, a po korekcie dane się usuwa.
Anonimizację trzeba będzie udowodnić
Zespoły często traktują anonimizację jak punkt do odhaczenia przed rozpoczęciem trenowania. Dla organu nadzorczego to twierdzenie, a udowodnić je będzie musiał dostawca.
Pseudonimizacja to zastąpienie imion i nazwisk, adresów e-mail i innych bezpośrednich identyfikatorów kodami, przy czym klucz do ponownego powiązania jest gdzieś przechowywany. Dla dostawcy, który ma zarówno klucz, jak i dane źródłowe, takie dane zgodnie z art. 4 pkt 5 RODO pozostają danymi osobowymi. Hashowanie adresu e-mail czy identyfikatora użytkownika to również tylko pseudonimizacja: hash tego samego adresu jest zawsze taki sam, więc rekord łatwo powiązać z konkretną osobą.
Dane stają się anonimowe, gdy ani ty, ani nikt inny nie jest w stanie, przy użyciu rozsądnie dostępnych środków, powiązać ich z konkretną osobą (motyw 26 RODO). Do takich danych rozporządzenie nie ma zastosowania.
Wytrenowany model nie jest domyślnie anonimowy. To, czego model się nauczył, jest zapisane w jego parametrach, nazywanych wagami. Jeżeli nadal istnieje możliwość wydobycia danych osobowych z wag lub uzyskania ich przez zapytania do modelu, sam model podlega RODO. Organ nadzorczy może wtedy zażądać jego usunięcia lub ponownego wytrenowania.
8 lipca 2026 r. EROD przyjęła projekty wytycznych w sprawie anonimizacji oraz web scrapingu na potrzeby generatywnej AI, a konsultacje potrwają do 30 października 2026 r. Proponowane kryterium: aby dane można było uznać za anonimowe, nie może dać się na ich podstawie zidentyfikować osoby, powiązać z nią rekordów ani wywnioskować o niej nowych informacji.
Wniosek o anonimizacji danych warto sporządzić na piśmie, w formie odrębnej opinii, i przygotować go przed rozpoczęciem trenowania. Opisz w niej, jakie dane wykorzystano, w jaki sposób je zanonimizowano i jak sprawdzono, że model nie odtwarza rekordów źródłowych w odpowiedzi na zapytania testowe. Właśnie o ten dokument poprosi organ nadzorczy, a opinia napisana dopiero w trakcie kontroli niewiele udowodni.
Liberalizacji na razie nie ma
W listopadzie 2025 r. Komisja Europejska zaproponowała pakiet zmian Digital Omnibus. Dałby on twórcom AI wyraźne prawo do powoływania się na prawnie uzasadniony interes i zawęziłby definicję danych osobowych. Na razie to tylko projekt i raczej nie zostanie przyjęty przed 2027 r. Ponadto w lutym 2026 r. EROD i Europejski Inspektor Ochrony Danych (EIOD), unijne organy ochrony danych osobowych, wydały w jego sprawie krytyczną wspólną opinię.
Jeśli chodzi o samą AI, odrębny pakiet zmian w AI Act, Digital Omnibus dotyczący AI (rozporządzenie 2026/1744), został już przyjęty. Nie zmienił on obowiązków dostawców modeli AI ogólnego przeznaczenia określonych w art. 53. Tak AI Act nazywa duże, uniwersalne modele, takie jak GPT, Claude czy Llama (general-purpose AI, GPAI), które można wbudować w różne produkty. Kto trenuje taki model i wprowadza go do obrotu, nadal musi prowadzić dokumentację techniczną, mieć politykę przestrzegania prawa autorskiego uwzględniającą zastrzeżenia podmiotów praw i publikować streszczenie danych treningowych według wzoru Komisji Europejskiej. SaaS, który trenuje wąski model pod jedną funkcję produktu, zwykle tym wymogom nie podlega, natomiast ten, kto wypuszcza własny model ogólnego przeznaczenia, już tak.
Poufność i prawo autorskie
Poza kwestią danych osobowych dokumenty klientów są zwykle chronione także jako informacje poufne na podstawie umowy głównej oraz jako tajemnica przedsiębiorstwa na podstawie art. 11 ustawy o zwalczaniu nieuczciwej konkurencji. Jeśli trenujesz na nich model bez zgody klienta, wykorzystujesz je w sposób, na który umowa nie pozwala. Klient może wtedy żądać odszkodowania i rozwiązać umowę. To już spór cywilny z klientem, a anonimizacja danych osobowych przed nim nie chroni. Jeżeli dokumenty klientów mają służyć do trenowania, taki sposób ich wykorzystania trzeba przewidzieć w dokumentacji umownej, z reguły wraz z prawem klienta do rezygnacji z takiego trenowania.
W przypadku materiałów zebranych w internecie lub pozyskanych na podstawie licencji dodatkową kwestią do analizy jest prawo autorskie. Ustawa o prawie autorskim i prawach pokrewnych po nowelizacji z 2024 r. dopuszcza eksplorację tekstów i danych (text and data mining, TDM). Do celów komercyjnych ten wyjątek działa tylko wtedy, gdy uprawniony wyraźnie tego nie zastrzegł. Polskiego orzecznictwa dotyczącego trenowania AI na razie nie ma, w tym w kwestii, czy wyjątek TDM obejmuje tylko samo trenowanie, czy także to, co model później zapamiętuje.
W Niemczech w listopadzie 2025 r. sąd w Monachium w sprawie GEMA przeciwko OpenAI orzekł, że jeśli model zapamiętał teksty piosenek i potrafi je odtworzyć, jest to zwielokrotnienie, którego wyjątek TDM nie obejmuje. Angielski High Court w sprawie Getty Images przeciwko Stability AI doszedł w tym samym miesiącu do przeciwnego wniosku: wagi modelu nie przechowują kopii obrazów, więc sam model nie jest egzemplarzem naruszającym prawa.
Dopóki orzecznictwo się nie ustabilizuje, firmy SaaS powinny sprawdzać zastrzeżenia uprawnionych przed zebraniem danych, przechowywać informacje o pochodzeniu zbiorów danych i testować, czy model nie odtwarza dosłownie tekstów treningowych.
Rynek wymaga zakazu trenowania
Klienci korporacyjni, którzy kupują SaaS, z reguły wymagają od dostawców klauzul zakazujących trenowania na ich danych. OpenAI, Anthropic i Microsoft potwierdzają w subskrypcjach komercyjnych, że dane klientów biznesowych i dane przekazywane przez API domyślnie nie są wykorzystywane do trenowania. Na życzenie można też włączyć tryb zerowej retencji danych (zero data retention), w którym dostawca nie przechowuje zapytań ani odpowiedzi.
Organy nadzorcze już aktywnie działają wobec dostawców AI i pociągają duże marki do odpowiedzialności za trenowanie na danych osobowych. Włoski Garante w grudniu 2024 r. nałożył na OpenAI karę w wysokości 15 mln EUR, m.in. za trenowanie bez podstawy prawnej, a irlandzka Komisja Ochrony Danych (Data Protection Commission) od kwietnia 2025 r. prowadzi postępowanie w sprawie trenowania modelu Grok na postach europejskich użytkowników X.
W Polsce decyzji Prezesa Urzędu Ochrony Danych Osobowych (UODO) w sprawie trenowania AI na razie nie ma. Przy urzędzie działa zespół ekspertów, a przedstawiciele UODO publicznie mówią o dwóch problemach: modele zapamiętują dane, a mechanizmy rezygnacji z wykorzystywania danych do trenowania (opt-out) wciąż działają słabo. Według badania UODO 95,9% organizacji nie jest gotowych do korzystania z AI zgodnie z zasadami RODO.
Rekomendacje REVERA
- Podziel dane na kategorie: treści klientów, własna telemetria, licencjonowane zbiory danych, publiczne dane z internetu. Dla każdej z nich obowiązują inne zasady.
- Określ swoją rolę dla każdej kategorii. Jako podmiot przetwarzający nie możesz trenować modelu bez udokumentowanego polecenia klienta.
- Zapisz prawo do trenowania wprost w umowie głównej i w umowie powierzenia przetwarzania danych (DPA). Z klientami korporacyjnymi trenuj model wyłącznie za ich uprzednią zgodą (opt-in). W przypadku klientów, którzy dołączają samodzielnie w standardowym planie, najłagodniejszym dopuszczalnym wariantem jest trenowanie domyślne z prawem rezygnacji (opt-out). W warunkach wskaż kategorie danych, okresy przechowywania i prawo do wycofania zgody.
- Przed rozpoczęciem trenowania przygotuj na piśmie trzy dokumenty i przechowuj je razem z dokumentacją modelu:
- test prawnie uzasadnionego interesu (legitimate interest assessment, LIA) według trzech kroków z opinii EROD 28/2024;
- opinię o anonimizacji z opisem zastosowanych metod i wynikami testów modelu pod kątem wydobywania danych;
- ocenę skutków dla ochrony danych (DPIA) zgodnie z art. 35 RODO: przeprowadza się ją przed przetwarzaniem wysokiego ryzyka, a trenowanie na dużych zbiorach danych klientów zwykle do niego należy.
- Osobno sprawdź postanowienia o poufności i tajemnicy przedsiębiorstwa w umowach z klientami. Nawet jeśli z danymi osobowymi wszystko jest w porządku, trenowanie na dokumentach klienta może te postanowienia naruszać.
- Wskaż trenowanie modeli jako cel przetwarzania w polityce prywatności i dbaj o aktualność listy dalszych podmiotów przetwarzających.
W czym pomoże REVERA
Praktyka Arbitration & IT Disputes REVERA chętnie doradzi firmom SaaS i AI, które chcą trenować modele na danych. Zwykle zaczynamy od audytu: dzielimy dane na kategorie, określamy rolę spółki dla każdej z nich i pokazujemy, gdzie trenowanie odbywa się już bez podstawy prawnej.
Na podstawie wyników audytu przygotowujemy postanowienia dotyczące trenowania w umowie głównej, DPA i regulaminie dla użytkowników, aktualizujemy politykę prywatności, przeprowadzamy LIA i DPIA, sporządzamy opinię o anonimizacji i określamy obowiązki spółki wynikające z AI Act. Możemy prowadzić negocjacje z klientami korporacyjnymi w sprawie klauzul dotyczących trenowania. A jeśli spór już się rozpoczął, reprezentujemy spółkę w sporze z klientem lub uprawnionym z tytułu praw autorskich albo w postępowaniu przed organem nadzorczym.
