Odrzucona o 23:47, zanim ktokolwiek przyszedł do pracy

Kandydatka wysyła aplikację w czwartek późnym wieczorem. System śledzenia rekrutacji — ATS, którego nazwa nic jej nie mówi, bo widziała tylko formularz na stronie pracodawcy — parsuje jej CV, porównuje z profilem stanowiska, wylicza wynik dopasowania i przypisuje aplikację do koszyka „poniżej progu". Rano rekruterka otwiera panel, w którym widzi trzydzieści „najlepszych" aplikacji z dwustu czterdziestu. Pozostałe dwieście dziesięć osób, w tym nasza kandydatka, nigdy nie zostanie przez człowieka przeczytanych. Formalnie decyzję podjęła firma. Faktycznie — model statystyczny, którego nikt w tej firmie nie widział od środka, wytrenowany na danych, których nikt w tej firmie nie audytował.

W czwartek 16 lipca 2026 r. Urząd Ochrony Danych Osobowych opublikował informację, że Prezes UODO Mirosław Wróblewski skierował do ministry pracy, rodziny i polityki społecznej formalny wniosek o podjęcie prac legislacyjnych nad przepisami, które zapewnią kandydatom i pracownikom dodatkową ochronę przed dyskryminacją wynikającą ze stosowania systemów sztucznej inteligencji (pismo o sygnaturze DPNT.0623.18.2026). Powód, który organ podał wprost: do Urzędu dociera coraz więcej sygnałów o wykorzystywaniu w rekrutacjach narzędzi opartych na AI, a systemy te „mają tendencję do utrwalania istniejących uprzedzeń obecnych w danych, na których zostały wytrenowane".

To pismo nie nakłada na nikogo żadnego nowego obowiązku. A mimo to powinno trafić na biurko każdego zarządu i każdego szefa HR — bo precyzyjnie wskazuje, gdzie organ nadzorczy będzie szukał problemów, zanim jeszcze powstaną przepisy, o które wnioskuje. I przypomina o czymś, o czym rynek narzędzi rekrutacyjnych mówi niechętnie: większość obowiązków, których naruszenie może kosztować pracodawcę karę lub proces, obowiązuje już dziś.

Co dokładnie napisał Prezes UODO do resortu pracy

Wniosek Prezesa UODO porusza się po trzech osiach. Pierwsza to RODO: rozporządzenie w art. 88 pozwala państwom członkowskim wprowadzić w prawie krajowym bardziej szczegółowe gwarancje dla przetwarzania danych w kontekście zatrudnienia — i właśnie z tej furtki, zdaniem organu, polski ustawodawca powinien skorzystać. Druga to Kodeks pracy, który ustanawia obowiązek równego traktowania niezależnie od płci, wieku, niepełnosprawności, pochodzenia, wyznania, przekonań politycznych czy orientacji seksualnej — a więc dokładnie tych cech, które modele uczone na historycznych danych kadrowych potrafią pośrednio odtworzyć i premiować lub karać. Trzecia oś to unijny Akt w sprawie sztucznej inteligencji (rozporządzenie 2024/1689, AI Act), w którym narzędzia AI stosowane w zatrudnieniu zaliczono do systemów wysokiego ryzyka.

Organ zwraca uwagę na dwa punkty zapalne. Po pierwsze, narzędzia rekrutacyjne oparte na AI przetwarzają dane osobowe na dużą skalę, nieraz obejmując także dane szczególnych kategorii — zdrowie, przekonania, orientację — których art. 9 RODO co do zasady przetwarzać zabrania. Po drugie, algorytmy potrafią analizować znacznie więcej informacji, niż przewiduje zamknięty katalog danych, których pracodawca może żądać od kandydata na podstawie art. 22¹ Kodeksu pracy. Do tego dochodzi art. 22 RODO i prawo do niepodlegania decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu — o którym za chwilę, bo to najostrzejsze narzędzie w całym zestawie.

Istotna jest też deklaracja na końcu pisma: Prezes UODO zaoferował resortowi wsparcie eksperckie w analizie przyszłych przepisów pod kątem zgodności z RODO, a gdyby ministerstwo chciało przepisami dopuścić zautomatyzowane decyzje w zatrudnieniu — rekomenduje poprzedzenie tego oceną skutków dla ochrony danych. Innymi słowy: organ nie czeka z założonymi rękami na AI Act. Buduje pozycję, z której będzie egzekwował standardy w zatrudnieniu niezależnie od tego, kiedy i w jakim kształcie unijne obowiązki dla systemów wysokiego ryzyka wejdą do gry.

Skala zjawiska: algorytm już siedzi w dziale HR

Gdyby chodziło o technologiczną ciekawostkę, pismo Prezesa UODO można by odłożyć na półkę. Rzecz w tym, że automatyzacja rekrutacji to w Polsce codzienność, nie awangarda. W badaniu Candidate Experience prowadzonym przez platformę eRecruiter ponad czterech na dziesięciu pracodawców deklarowało, że w ich procesach rekrutacyjnych działają narzędzia automatyzujące lub rozwiązania oparte na sztucznej inteligencji. Rekruterzy najczęściej wspierają się AI przy tworzeniu treści ogłoszeń (blisko 60 proc. wskazań), przygotowywaniu pytań rekrutacyjnych i informacji zwrotnej dla kandydatów (około połowa) oraz — i tu robi się poważnie — przy ocenie dopasowania aplikacji do ogłoszenia (około 40 proc.). Większość dużych organizacji prowadzi wstępną selekcję CV w systemach klasy ATS, a rynek dokłada kolejne warstwy: analizę nagrań wideo z rozmów, scoring „potencjału", automatyczne rankingi kandydatów, chatboty prowadzące pierwszy etap rozmowy.

Każda z tych warstw ma inny profil ryzyka. Ogłoszenie napisane przez model językowy to problem co najwyżej wizerunkowy. Automatyczna ocena dopasowania, która decyduje, czyje CV człowiek w ogóle zobaczy, to już przetwarzanie danych osobowych o realnych skutkach dla kandydata. Analiza mimiki, tonu głosu czy tempa wypowiedzi w nagraniu wideo potrafi otrzeć się o dane biometryczne i wnioskowanie o stanie zdrowia lub emocjach — czyli o kategorie, dla których RODO i AI Act przewidują reżimy najostrzejsze. A wszystko to dzieje się w procesach, w których kandydat jest stroną strukturalnie słabszą: nie zna narzędzia, nie zna kryteriów, często nie wie nawet, że algorytm brał udział w decyzji.

Dla porządku odnotujmy, że AI działa też po drugiej stronie stołu — kandydaci masowo używają modeli językowych do pisania CV i listów motywacyjnych, a pracodawcy różnie na to patrzą. To jednak temat na inny tekst. Odpowiedzialność prawna, o której tu mowa, leży po stronie tego, kto danymi kandydatów dysponuje i kto podejmuje decyzje o ich losie. Czyli pracodawcy.

Art. 22 RODO: „wsparcie decyzji" bardzo łatwo staje się decyzją

Dostawcy narzędzi rekrutacyjnych niemal zawsze opisują swoje produkty tą samą formułą: system „nie podejmuje decyzji, tylko wspiera rekrutera". Ta formuła ma uspokajać, bo art. 22 ust. 1 RODO przyznaje każdej osobie prawo do tego, by nie podlegać decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu, która wywołuje wobec niej skutki prawne lub w podobny sposób istotnie na nią wpływa. Skoro decyzję formalnie klepie człowiek, art. 22 rzekomo nie ma zastosowania.

Trybunał Sprawiedliwości UE rozbroił tę linię obrony w wyroku z 7 grudnia 2023 r. w sprawie C-634/21 (SCHUFA Holding). Sprawa dotyczyła scoringu kredytowego, ale mechanizm był identyczny jak w rekrutacyjnym ATS: automat wylicza wynik, człowiek formalnie decyduje. TSUE orzekł, że jeżeli wynik wyliczony przez algorytm w przeważającej mierze przesądza o ostatecznym rozstrzygnięciu, to już samo wyliczenie tego wyniku stanowi zautomatyzowaną decyzję w rozumieniu art. 22 — niezależnie od tego, że na końcu procesu siedzi człowiek z przyciskiem „zatwierdź". Przenosząc to na rekrutację: jeśli aplikacje poniżej progu punktowego w praktyce nigdy nie trafiają przed oczy rekrutera, argument o „jedynie wspierającej" roli systemu jest fikcją, a pracodawca stosuje zautomatyzowane podejmowanie decyzji bez podstawy z art. 22 ust. 2 — czyli z naruszeniem RODO.

Praktyczny test jest brutalnie prosty: czy człowiek w procesie ma realną możliwość i nawyk zmiany wyniku algorytmu, czy tylko go przyklepuje? Jeżeli rekruter przegląda wyłącznie „górę" rankingu, a odrzucenia poniżej progu wykonują się same, to nadzór ludzki istnieje na slajdzie, nie w procesie. Organy nadzorcze — polskie i europejskie — dokładnie o ten punkt będą pytać w pierwszej kolejności, bo po wyroku SCHUFA mają go podany na tacy.

Art. 22¹ Kodeksu pracy: zamknięty katalog kontra model, który wie więcej

Druga mina leży w prawie pracy i jest starsza niż cała obecna fala AI. Art. 22¹ Kodeksu pracy wymienia enumeratywnie, jakich danych pracodawca może żądać od kandydata: imię i nazwisko, data urodzenia, dane kontaktowe, a gdy jest to niezbędne dla stanowiska — wykształcenie, kwalifikacje zawodowe i przebieg dotychczasowego zatrudnienia. To katalog zamknięty, uzupełniany tylko zgodą kandydata w wąskich granicach i przepisami szczególnymi.

Tymczasem typowy model oceniający kandydatów nie ogranicza się do danych z formularza. Narzędzia wzbogacają profile o dane z sieci, analizują styl pisania, luki w zatrudnieniu, długość kariery (z której trywialnie wynika wiek), a w wariancie wideo — głos i twarz. Prezes UODO wskazał to wprost: systemy AI „mogą analizować znacznie więcej informacji, niż przewiduje katalog z art. 22¹ Kodeksu pracy". Pracodawca, który wdraża takie narzędzie, poszerza więc zakres przetwarzanych danych poza to, na co pozwala mu prawo pracy — często nieświadomie, bo dostawca nie chwali się, na czym model faktycznie liczy swoje wyniki. Z perspektywy zasady minimalizacji danych (art. 5 ust. 1 lit. c RODO) i zasady rozliczalności (art. 5 ust. 2) to jest problem pracodawcy, nie dostawcy: to pracodawca jest administratorem danych kandydatów i to on musi umieć wykazać, że przetwarza tylko tyle, ile wolno.

Warto zestawić to z naszą analizą wyroku WSA w sprawie Fortum i Pika: administrator odpowiada za to, co robi jego dostawca technologii, a „nie wiedziałem, jak to działa w środku" nie jest okolicznością łagodzącą, tylko obciążającą. W rekrutacyjnym AI ta zasada wraca ze zdwojoną siłą.

Dyskryminacja algorytmiczna nie jest hipotezą akademicką

Sceptykom, którzy uważają temat za wydumany, wystarczy przypomnieć historię sprzed kilku lat, dziś już podręcznikową. Amazon budował wewnętrzne narzędzie do oceny CV, trenowane na dekadzie własnych danych rekrutacyjnych. Ponieważ w danych dominowali mężczyźni, model nauczył się systematycznie obniżać oceny życiorysów zawierających słowo „women's" — choćby w nazwie drużyny szachowej — i preferować słownictwo częstsze u kandydatów płci męskiej. Firma narzędzie zarzuciła, ale mechanizm pozostał uniwersalny: model uczony na stronniczej historii odtwarza tę stronniczość w przyszłości, tyle że w skali przemysłowej i pod pozorem obiektywnej matematyki. W Stanach Zjednoczonych toczy się tymczasem głośne postępowanie przeciwko dostawcy popularnej platformy HR, w którym sąd federalny dopuścił zbiorowe roszczenia kandydatów twierdzących, że algorytmiczna selekcja dyskryminowała ich ze względu na wiek. Niezależnie od finału tej sprawy jedno już wiadomo: pozwy o dyskryminację algorytmiczną przestały być teorią.

Mechanizm dyskryminacji algorytmicznej rzadko bywa przy tym jawny. Model nie musi znać płci ani wieku kandydata, żeby dyskryminować ze względu na płeć albo wiek — wystarczą mu zmienne zastępcze: przerwa w karierze koreluje z macierzyństwem, rok ukończenia studiów zdradza wiek, kod pocztowy potrafi korelować z pochodzeniem, a nazwa uczelni ze statusem majątkowym rodziców. Usunięcie „wrażliwych" kolumn z danych, którym dostawcy lubią się chwalić jako dowodem neutralności, niczego więc nie załatwia; liczy się to, czy ktokolwiek zbadał wyniki modelu na tle grup chronionych. O to właśnie warto pytać dostawcę — i właśnie na to pytanie większość z nich nie ma dziś dobrej odpowiedzi.

Na gruncie polskim pracodawca ma tu podwójną ekspozycję. Po pierwsze — kodeksową: kandydat lub pracownik, wobec którego naruszono zasadę równego traktowania, ma prawo do odszkodowania, a ciężar dowodu w sporach o dyskryminację jest odwrócony na korzyść pracownika. Pracodawca będzie musiał wykazać, że kierował się obiektywnymi powodami — co przy decyzji podjętej przez model, którego kryteriów nikt w firmie nie potrafi wyjaśnić, jest zadaniem karkołomnym. Po drugie — RODO: dyskryminujące przetwarzanie to niemal zawsze także przetwarzanie z naruszeniem zasad zgodności z prawem, rzetelności i przejrzystości, a więc pole do postępowania przed Prezesem UODO, z karami do 20 mln euro lub 4 proc. obrotu włącznie. Te dwie ścieżki się nie wykluczają. One się sumują.

AI Act: rekrutacja to wysokie ryzyko, ale zegar tyka inaczej, niż głoszą nagłówki

W unijnym akcie o sztucznej inteligencji systemy AI przeznaczone do rekrutacji i selekcji — publikowania targetowanych ogłoszeń, filtrowania aplikacji, oceniania kandydatów — a także do decyzji o awansach, rozwiązywaniu stosunków umownych, przydzielaniu zadań i monitorowaniu lub ocenie pracowników, wymieniono w załączniku III jako systemy wysokiego ryzyka. Za tą kwalifikacją idzie cały pakiet: system zarządzania ryzykiem (art. 9), reżim jakości danych treningowych (art. 10), dokumentacja techniczna i rejestrowanie zdarzeń (art. 11–12), przejrzystość wobec użytkownika (art. 13), skuteczny nadzór człowieka (art. 14), odpowiednia dokładność i cyberbezpieczeństwo (art. 15). Podmiot stosujący taki system — czyli pracodawca-deployer — ma własne obowiązki z art. 26, w tym powierzenie nadzoru kompetentnym ludziom i monitorowanie działania systemu, a w określonych przypadkach także ocenę skutków dla praw podstawowych (FRIA) z art. 27. Do tego art. 86 ust. 1 daje każdej osobie dotkniętej decyzją opartą na wyniku systemu wysokiego ryzyka prawo do uzyskania jasnego wyjaśnienia roli, jaką AI odegrała w procedurze.

Tyle przepisy. Teraz kalendarz, bo tu narosło najwięcej nieporozumień. Jak pisaliśmy szczegółowo w analizie tego, co naprawdę wchodzi 2 sierpnia 2026 r., pakiet Digital Omnibus przesunął stosowanie obowiązków dla systemów wysokiego ryzyka z załącznika III na 2 grudnia 2027 r. Od 2 sierpnia 2026 r. stosuje się natomiast m.in. obowiązki przejrzystości z art. 50 (kandydat rozmawiający z chatbotem rekrutacyjnym musi wiedzieć, że rozmawia z maszyną) oraz krajowa architektura nadzoru i kar — w Polsce oparta na ustawie o systemach sztucznej inteligencji, nad którą parlament zakończył prace 3 lipca. Ktokolwiek więc sprzedaje dziś „pilny audyt zgodności ATS z AI Act, bo w sierpniu kary", miesza porządki. Ale ktokolwiek na tej podstawie odkłada temat na rok 2027, myli się jeszcze bardziej — i właśnie o tym jest pismo Prezesa UODO.

Sedno wygląda tak: między dziś a grudniem 2027 r. rekrutacyjne AI działa w luce, w której specyficzne obowiązki AI Act jeszcze nie obowiązują, ale RODO, Kodeks pracy i wyrok SCHUFA obowiązują w całości. Tę lukę wypełnia organ ochrony danych — i on nie musi czekać na żadną nową kompetencję. Art. 22, art. 5, art. 9, art. 35 RODO wystarczą mu w zupełności.

Samorząd i MŚP: dwa końce tej samej liny

Pokusa automatyzacji nie omija sektora publicznego. Nabory na wolne stanowiska urzędnicze w jednostkach samorządu terytorialnego są z mocy ustawy o pracownikach samorządowych otwarte i konkurencyjne, a komisje toną w aplikacjach — więc narzędzie, które „wstępnie uporządkuje" kandydatów, wygląda jak wybawienie. Tymczasem to właśnie w administracji standard jest najwyższy: obywatel ma prawo wiedzieć, według jakich kryteriów oceniono jego kandydaturę do służby publicznej, a przejrzystość naboru jest wartością ustawową, nie marketingową. Urząd, który wpuści do naboru nieaudytowany scoring, ryzykuje nie tylko spór z kandydatem, ale i zarzut naruszenia zasad naboru — z konsekwencjami dla ważności całego postępowania. Polska ustawa o systemach AI przewiduje dla JST okresy przejściowe w części obowiązków, ale RODO i zasady naboru żadnych okresów przejściowych nie mają. Dla sektora publicznego pismo UODO powinno brzmieć jak dzwonek alarmowy — zwłaszcza że organ już pokazał w tym roku, że samorządów nie oszczędza.

Na drugim końcu liny wisi MŚP, które samo żadnego modelu nie buduje — kupuje gotowy ATS w abonamencie, często wybrany przez dział HR bez udziału IOD, działu IT czy kogokolwiek, kto zadałby dostawcy niewygodne pytania. Z perspektywy prawa to bez znaczenia: firma korzystająca z narzędzia jest administratorem danych kandydatów i podmiotem stosującym system AI, ze wszystkimi tego konsekwencjami. „Dostawca zapewniał, że jest zgodnie z RODO" ma dokładnie taką samą wartość dowodową, jaką miało „Hotres zapewniał, że system jest dobrze zabezpieczony" w sprawie wycieku danych gości hotelowych — czyli żadną. A jeśli dział HR używa do oceny kandydatów ogólnodostępnych modeli językowych poza jakąkolwiek firmową kontrolą, wchodzimy na terytorium, które opisaliśmy w tekście o shadow AI: dane osobowe kandydatów wyjeżdżają do zewnętrznych usług bez podstawy, bez umowy powierzenia i bez wiedzy kogokolwiek odpowiedzialnego.

Playbook pracodawcy: siedem ruchów, zanim ustawodawca zdąży

Nie trzeba czekać na przepisy, o które wnioskuje Prezes UODO, żeby uporządkować własne podwórko — wystarczy konsekwentnie zastosować to, co już obowiązuje. Ruch pierwszy: inwentaryzacja. Spisz wszystkie narzędzia w procesach HR, które automatyzują ocenę ludzi — od ATS przez testy online po analizę wideo — wraz z informacją, co dokładnie robią i jakie dane konsumują. W większości organizacji sama ta lista będzie odkryciem. Ruch drugi: test SCHUFA. Dla każdego narzędzia odpowiedz uczciwie: czy wynik algorytmu w praktyce przesądza o losie aplikacji? Jeśli tak — albo przebudowujesz proces tak, by człowiek realnie oceniał również odrzuconych, albo szukasz podstawy z art. 22 ust. 2 RODO, której najpewniej nie znajdziesz. Ruch trzeci: DPIA. Ocena skutków dla ochrony danych z art. 35 RODO dla zautomatyzowanej oceny kandydatów nie jest opcją — systematyczna ocena osób oparta na zautomatyzowanym przetwarzaniu to podręcznikowy przypadek obowiązkowej DPIA.

Ruch czwarty: minimalizacja. Zderz zakres danych przetwarzanych przez narzędzie z katalogiem art. 22¹ Kodeksu pracy i wytnij wszystko, co poza niego wykracza — łącznie z funkcjami „wzbogacania profilu", które dostawca włączył domyślnie. Ruch piąty: obowiązek informacyjny. Kandydat ma z art. 13 RODO prawo wiedzieć o zautomatyzowanym podejmowaniu decyzji, w tym o logice i konsekwencjach przetwarzania — klauzula w ogłoszeniu musi mówić o algorytmie wprost, a od 2 sierpnia chatbot rekrutacyjny musi się przedstawiać. Ruch szósty: umowa z dostawcą. Zażądaj dokumentacji: na jakich danych trenowano model, jak testowano go pod kątem stronniczości, jakie są znane ograniczenia, gdzie trafiają dane kandydatów. Odmowa odpowiedzi jest odpowiedzią. Ruch siódmy: człowiek z realnymi kompetencjami. Wyznacz osoby nadzorujące działanie narzędzi, przeszkol je z tego, jak system działa i jak się myli, oraz daj im mandat do uchylania jego wyników — nadzór, który istnieje tylko w procedurze, obciąża, zamiast chronić.

Ta siódemka nie czyni z firmy pioniera zgodności z AI Act. Ona po prostu sprowadza proces rekrutacji do stanu, w którym kontrola UODO, spór sądowy z kandydatem albo pytanie od dziennikarza nie kończą się katastrofą.

Dlaczego z Fib.Code przy algorytmach w HR

Fib.Code łączy trzy kompetencje, które w temacie rekrutacyjnego AI muszą wystąpić razem: prawną (RODO, prawo pracy, AI Act i ich wzajemne zbiegi), techniczną (rozumiemy, jak działają modele scoringowe, ATS-y i analityka wideo — i wiemy, o co pytać dostawców, żeby zrobiło się cicho) oraz organizacyjną (procesy HR projektujemy tak, by dało się w nich pracować, a nie tylko przechodzić audyty). Prowadzimy stały nadzór nad zgodnością jako zewnętrzny IOD i pełnomocnik ds. bezpieczeństwa informacji, więc tematy takie jak automatyzacja rekrutacji trafiają u naszych klientów do rejestru czynności, analizy ryzyka i DPIA, zanim staną się problemem.

Pracujemy według trzech zasad. Po pierwsze, konkret: zamiast opinii „to zależy" dostajesz listę narzędzi, ocenę każdego z nich i decyzję do podjęcia. Po drugie, proporcjonalność: MŚP nie potrzebuje korporacyjnego programu governance AI — potrzebuje siedmiu ruchów z poprzedniej sekcji wykonanych porządnie. Po trzecie, rozliczalność: wszystko, co ustalimy, ma formę, którą można położyć na stole przed kontrolerem UODO, sądem pracy albo audytorem ISO 27001.

Produktem końcowym jest komplet: inwentaryzacja narzędzi AI w HR, DPIA dla zautomatyzowanej oceny kandydatów, zaktualizowane klauzule informacyjne, aneksy do umów z dostawcami oraz procedura nadzoru ludzkiego z przypisanymi rolami. Do tego szkolenie dla HR, które tłumaczy nie tylko „czego nie wolno", ale przede wszystkim „jak korzystać, żeby było wolno".

Co zrobić w tym tygodniu z rekrutacyjnym AI

Jedno spotkanie, godzina, trzy osoby: szef HR, osoba odpowiedzialna za bezpieczeństwo informacji (IOD, pełnomocnik — ktokolwiek pełni tę rolę) i ktoś z IT. Na stół trafiają cztery pytania. Pierwsze: jakich narzędzi automatyzujących ocenę kandydatów faktycznie używamy — łącznie z tym, czego HR używa nieoficjalnie? Drugie: czy w którymkolwiek procesie aplikacje odrzucone przez algorytm nie są oglądane przez człowieka — i kto to sprawdził, a nie założył? Trzecie: czy nasze klauzule informacyjne dla kandydatów mówią cokolwiek o zautomatyzowanej ocenie, i czy jest to prawda? Czwarte: czy mamy od dostawcy ATS cokolwiek na piśmie o danych treningowych i testach stronniczości jego modelu?

Jeżeli na dwa z czterech pytań odpowiedź brzmi „nie wiemy" — macie punkt wyjścia i uzasadnienie biznesowe, żeby temat potraktować poważnie przed końcem wakacji. Sygnał od regulatora już jest; następnym sygnałem bywa pismo z kontrolą.

Zapraszamy do kontaktu: l.grabowski@fibcode.com | fibcode.com/pl/kontakt. Bezpośrednio powiązane materiały: AI Act od 2 sierpnia 2026 — co naprawdę wchodzi i jakie kary grożą, polska ustawa o AI i KRiBSI — obowiązki firm, shadow AI — niewidzialny pracownik wynosi dane z firmy — regulacje sztucznej inteligencji i praktyka ich stosowania w jednym miejscu.