GPAI i artykuł 53

Jeśli budujesz na GPT, Claude, Gemini, Llama albo Mistralu, jest jedno pytanie, na które warto porządnie odpowiedzieć: czy zrobiłeś z modelem dość, żeby stać się jego dostawcą?

Dla większości firm odpowiedź brzmi "nie", i to z zapasem, a warto o tym wiedzieć, bo strach robi realne szkody - zespoły planują budżety na obowiązki, których nie mają. Dla mniejszości odpowiedź brzmi "tak", i zwykle nie mają o tym pojęcia, bo tym, co to uruchomiło, była decyzja inżynierska podjęta wiele miesięcy przed tym, jak ktokolwiek pomyślał o regulacji.

Gdzie prawie na pewno jesteś

Gdzie naprawdę przebiega granica

AI Act nie publikuje progu mocy obliczeniowej, poniżej którego fine-tuning jest bezpieczny, co jest niepomocne, ale nie nadzwyczajne. Robi natomiast to, że wiąże status dostawcy z tym, kto wprowadza model ogólnego przeznaczenia na rynek, i traktuje podmiot, który istotnie modyfikuje model, tak jakby zrobił to w odniesieniu do zmodyfikowanej wersji.

W praktyce rozstrzygają cztery czynniki. Żaden z osobna nie przesądza; razem tak.

1. Skala modyfikacji

Kilkaset przykładów fine-tuningu metodą LoRA, żeby poprawić ton, to nie jest nowy model. Kontynuowane pretrenowanie na miliardach tokenów już tak. Im większa moc obliczeniowa i ilość danych względem pierwotnego przebiegu treningowego, tym bardziej wyglądasz na dostawcę.

2. Czy parametry istotnie się zmieniły

Warstwy adapterów, które zostawiają wagi bazowe nietknięte, są na jednym końcu. Dotrenowanie pełnego zestawu parametrów na drugim.

3. Czy zmieniła się dziedzina zadań

To czynnik, który ludzie niedoceniają. Dostrajanie modelu ogólnego, żeby lepiej radził sobie w Twojej dotychczasowej dziedzinie, to dopracowanie. Wzięcie modelu ogólnego i zamienienie go w coś, co wykonuje istotnie inną pracę - model do kodu w narzędzie do streszczeń klinicznych - wygląda dużo bardziej jak stworzenie nowego modelu.

4. Czy to nadal jest ogólne przeznaczenie

Artykuł 53 dotyczy modeli AI ogólnego przeznaczenia, czyli modeli wykazujących znaczną ogólność i zdolnych do kompetentnego wykonywania szerokiego zakresu odrębnych zadań. Jeśli zawęziłeś model ogólny do narzędzia jednego zastosowania, mogłeś wyjść z obszaru GPAI, nawet jeśli modyfikowałeś mocno. Możesz wtedy być dostawcą systemu AI, a to inne pytanie z innym zestawem obowiązków.

Czego artykuł 53 faktycznie wymaga

Jeśli jesteś dostawcą GPAI, masz cztery obowiązki. Stosowane od 2 sierpnia 2025, egzekwowalne od 2 sierpnia 2026.

Dwie dalsze uwagi. Dostawcy modeli udostępnianych na wolnej i otwartej licencji, z publicznie dostępnymi wagami i architekturą, są zwolnieni z dwóch pierwszych obowiązków - ale nie z polityki praw autorskich ani ze streszczenia danych treningowych, i wcale, jeśli model stwarza ryzyko systemowe. Modele powyżej progu ryzyka systemowego niosą dodatkowe obowiązki z artykułu 55: ewaluację modelu, testy kontradyktoryjne, zgłaszanie incydentów i cyberbezpieczeństwo. Jeśli czytasz tę stronę, żeby ustalić swoją pozycję, nie trenujesz modelu o ryzyku systemowym.

Grupa najbardziej narażona

Nie laboratoria - one mają działy zgodności. To firmy, które w 2024 albo 2025 zrobiły poważny fine-tuning z powodów wydajnościowych, gdy z tą decyzją nie wiązały się żadne względy regulacyjne, i od tamtej pory do niej nie wróciły.

Rozpoznawalny przykład: zespół bierze model o otwartych wagach, kontynuuje pretrenowanie na dużym korpusie własnościowym, żeby go wyspecjalizować, i wypuszcza go wewnątrz swojego produktu. Osiemnaście miesięcy później okazuje się, że to była istotna modyfikacja, że są zapewne dostawcą GPAI, że obowiązki są egzekwowalne, a nikt w firmie nigdy nie przeczytał artykułu 53, bo myślą o sobie jak o firmie SaaS, a nie dostawcy modelu.

Jeśli ten kształt brzmi znajomo, streszczenie danych treningowych jest tym obowiązkiem, na który warto spojrzeć najpierw. Jest publiczne, więc jego brak jest najbardziej widoczny.

Dwie rzeczy, którymi to nie jest

To nie to samo co Twoja kategoria ryzyka. Artykuł 53 dotyczy bycia dostawcą modelu. To, czy Twój system jest wysokiego ryzyka, ograniczonego ryzyka czy minimalnego, to osobne pytanie, na które odpowiada się przez załącznik III i artykuł 6(3). Możesz być dostawcą GPAI, którego system jest minimalnego ryzyka, albo podmiotem stosującym poniżej modelu, którego system jest wysokiego ryzyka. Te dwie rzeczy nie chodzą razem.

To nie to samo co bycie dostawcą systemu AI. Na podstawie artykułu 25 możesz stać się dostawcą systemu AI, umieszczając na nim swoją nazwę albo zmieniając jego przeznaczenie - nie dotykając żadnych wag modelu. Inna droga, inny zestaw obowiązków. Oba mogą mieć zastosowanie naraz.

Cztery pytania, które to rozstrzygają

1. Czy w ogóle modyfikowałeś wagi modelu? Nie → jesteś poniżej modelu. Koniec.
2. Jeśli tak, to jak mocno? Adaptery i małe zbiory danych z własnej dziedziny zostają bezpiecznie poniżej. Pełne dotrenowanie na dużym korpusie już nie.
3. Czy zmieniła się dziedzina zadań? Wepchnięcie modelu w istotnie inną pracę mocno przeważa w stronę statusu dostawcy.
4. Czy wynik jest nadal ogólnego przeznaczenia? Jeśli zawęziłeś go do jednego zadania, obowiązki GPAI mogą nie mieć zastosowania - ale sprawdź, czy nie jesteś teraz dostawcą systemu AI.

Zapisz odpowiedzi wraz z uzasadnieniem i opatrz je datą. Jeśli lądujesz blisko granicy, ten dokument sprawia, że kolejna rozmowa - z prawnikiem, kupującym albo działem prawnym klienta korporacyjnego - będzie krótka.