Komisja Europejska zaostrza nadzór nad AI, by zwalczać deepfake’i i zagrożenia cybernetyczne

Komisja Europejska uruchomiła nowe uprawnienia nadzorcze dotyczące AI, umieszczając Google News i głównych dostawców modeli w bardziej rygorystycznym europejskim środowisku egzekwowania przepisów.

Zmiana weszła w życie 2 sierpnia 2026 r., gdy zaczęły obowiązywać kluczowe zasady przejrzystości i przepisy wykonawcze wynikające z unijnego AI Act. Regulatorzy mogą teraz badać, w jaki sposób dostawcy dokumentują, oceniają, zabezpieczają i wyjaśniają określone systemy AI oraz modele ogólnego przeznaczenia.

Nie jest to po prostu kolejny wymóg, by strony internetowe umieszczały etykiety obok syntetycznych obrazów. Komisja łączy przejrzystość treści z bezpośrednią kontrolą modeli zdolnych do tworzenia deepfake’ów, automatyzowania cyberataków lub manipulowania użytkownikami na dużą skalę.

Google znajduje się pod presją z kilku stron. Firma rozwija modele ogólnego przeznaczenia, udostępnia funkcje AI, prowadzi dużą wyszukiwarkę i porządkuje wiadomości za pośrednictwem Google News. Każda z tych ról rodzi inne pytania prawne i operacyjne.

Główny konflikt jest już jasny. Firmy AI chcą jednego modelu i jednej architektury produktu dla rynków globalnych. Europejscy regulatorzy oczekują zabezpieczeń, które pozostają skuteczne w odniesieniu do modeli, platform, wydawców i aplikacji wykorzystujących je dalej.

Pierwszym sprawdzianem nie będzie to, czy każda syntetyczna pozycja otrzyma idealną etykietę. Będzie nim to, czy regulatorzy potrafią prześledzić szkodliwy rezultat wstecz przez ten skomplikowany łańcuch odpowiedzialności.

Google News wkracza w nowy okres przejrzystości AI

Natychmiastową zmianą jest możliwość egzekwowania odpowiedzialności zarówno za syntetyczne treści, jak i za modele stojące za nimi.

Artykuł 50 AI Act wymaga od dostawców i podmiotów wdrażających ujawniania kilku form treści zautomatyzowanych lub sztucznie wygenerowanych. Zasady obejmują interakcje z chatbotami, deepfake’i, rozpoznawanie emocji, kategoryzację biometryczną oraz niektóre teksty dotyczące kwestii interesu publicznego.

Deepfake to zmanipulowany lub wygenerowany dźwięk, materiał wideo albo obraz, który fałszywie sprawia wrażenie autentycznego. Definicja obejmuje więcej niż sfabrykowane polityczne nagrania wideo. Może też dotyczyć sklonowanych głosów, zmienionych fotografii i syntetycznych nagrań imitujących rzeczywiste wydarzenia.

Dostawcy muszą zapewnić możliwość wykrycia objętych przepisami syntetycznych rezultatów w formie odczytywalnej maszynowo, gdy ma zastosowanie odpowiedni obowiązek. Podmioty wdrażające mają odrębne obowiązki ujawniania deepfake’ów oraz określonych tekstów dotyczących interesu publicznego wygenerowanych przez AI.

Ostateczny kodeks przejrzystości Komisji przedstawia praktyczne metody spełnienia tych wymogów. Kodeks jest dobrowolny, lecz podstawowe obowiązki prawne już nie.

To rozróżnienie ma znaczenie dla Google News. Usługa agreguje i szereguje materiały od zewnętrznych wydawców, a Google udostępnia również systemy AI mogące generować lub modyfikować treści. Odpowiedzialność zależy od tego, który podmiot stworzył, wdrożył, rozpowszechnił lub zaprezentował dany rezultat.

Tradycyjny artykuł napisany pod kontrolą redakcyjną nie staje się deepfake’em tylko dlatego, że narzędzie AI pomogło w jego przygotowaniu. Teksty dotyczące interesu publicznego są też traktowane inaczej, gdy przeszły weryfikację człowieka i pozostają objęte odpowiedzialnością redakcyjną.

Te granice zapobiegają temu, by przepisy stały się uniwersalną etykietą dla wszystkiego, co wiąże się z automatyzacją. Jednocześnie czynią egzekwowanie przepisów bardziej wymagającym, ponieważ regulatorzy muszą badać procesy, a nie tylko widoczny rezultat.

Komisja wyjaśniła kolejne ważne ograniczenie. Treści wygenerowane przed 2 sierpnia nie wymagają wstecznego oznakowania, choć dobrowolne ujawnianie nadal jest zalecane.

Niektóre systemy już obecne na rynku otrzymują ograniczony okres przejściowy na spełnienie obowiązków dotyczących oznakowania odczytywalnego maszynowo. Zgodnie z wytycznymi do artykułu 50 Komisji dostawcy ci mają czas do 2 grudnia 2026 r. na spełnienie tego konkretnego wymogu.

Okres przejściowy nie zawiesza wszystkich obowiązków dotyczących przejrzystości. Dotyczy wąsko obowiązku oznaczania i wykrywania systemów wprowadzonych na rynek przed 2 sierpnia.

Ten niuans łatwo zgubić w nagłówku Google News. UE nie narzuciła jednego uniwersalnego terminu wprowadzenia znaków wodnych dla każdego wydawcy, modelu i elementu treści.

Zamiast tego stworzyła nakładające się obowiązki zależne od systemu, podmiotu i rezultatu. Zespoły ds. zgodności muszą ustalić, jaką rolę pełni ich organizacja, zanim wybiorą środek kontroli technicznej.

Dla czytelników widocznym efektem powinno ostatecznie być wyraźniejsze ujawnianie informacji o mediach syntetycznych. Za tym interfejsem firmy muszą tworzyć rejestry pochodzenia, metody wykrywania, procedury przeglądu i ścieżki eskalacji.

Etykieta jest zatem końcowym elementem znacznie większego systemu zgodności. Komisja oczekuje dowodów, że system działa, zanim szkodliwe treści dotrą do europejskich użytkowników.

Komisja może teraz badać modele, a nie tylko rezultaty

Bardziej rygorystyczne podejście Europy sięga wyżej w łańcuchu, gdzie projekt modelu i mechanizmy kontroli ryzyka kształtują miliony późniejszych interakcji.

AI Act przyznaje Komisji bezpośrednią odpowiedzialność za egzekwowanie przepisów dotyczących modeli AI ogólnego przeznaczenia. Modele te mogą wykonywać wiele niepowiązanych zadań i często stanowią podstawę produktów tworzonych przez inne firmy.

Dostawcy podlegają obowiązkom dotyczącym AI ogólnego przeznaczenia od 2 sierpnia 2025 r. Kolejny rok był okresem przejściowym przed wejściem w życie uprawnień egzekucyjnych Komisji.

Od 2 sierpnia 2026 r. Komisja może egzekwować te obowiązki i nakładać grzywny. Opublikowane przez nią wytyczne dla dostawców wymagają również, by dostawcy modeli niosących ryzyko systemowe powiadamiali AI Office.

Ryzyko systemowe odnosi się do możliwości lub skutków modelu zdolnych powodować szerokie szkody na europejskim rynku. Istotne obszary obejmują cyberbezpieczeństwo, szkodliwą manipulację, prawa podstawowe oraz zagrożenia chemiczne lub biologiczne.

Dostawcy objętych przepisami modeli muszą utrzymywać dokumentację techniczną i przekazywać określone informacje deweloperom korzystającym z tych modeli dalej. Muszą także ustanowić politykę zgodności z europejskim prawem autorskim.

Najbardziej zaawansowane modele podlegają dodatkowym obowiązkom. Ich dostawcy muszą oceniać ryzyka systemowe, testować zachowanie modeli, zgłaszać poważne incydenty oraz chronić zarówno modele, jak i wspierającą je infrastrukturę.

Wymogi te obejmują wspólną teorią regulacyjną OpenAI, Google, Anthropic, Meta, DeepSeek i innych deweloperów. Siedziby główne tych firm nie znoszą obowiązków, gdy wprowadzają objęte przepisami modele na rynek europejski.

Komisja wspiera te działania poprzez rozbudowane AI Office. Oficjalny przegląd AI Office wskazuje, że organizacja zatrudnia obecnie ponad 125 osób w sześciu jednostkach.

W biurze pracują specjaliści techniczni, prawnicy, ekonomiści, eksperci ds. polityki i pracownicy administracyjni. Do jego obowiązków należy opracowywanie metod oceny oraz ustalanie, czy modele stwarzają ryzyko systemowe.

Associated Press podała, że dodatkowy zespół 38 osób będzie monitorować firmy AI. Zespół egzekwujący przepisy może żądać dokumentacji i przeprowadzać rozmowy z pracownikami firm podczas dochodzeń.

Tworzy to inną relację między deweloperami a regulatorami. Firmy nie mogą już traktować raportów bezpieczeństwa jako wyłącznie dobrowolnych publikacji kształtowanych wokół premier produktów.

Regulator może porównywać publiczne deklaracje dostawcy z wewnętrznymi testami, rejestrami incydentów, dokumentacją techniczną i ocenami ryzyka. Różnice między tymi materiałami mogą stać się dowodami w postępowaniu egzekucyjnym.

Presja ta wykracza poza deepfake’i. Model graniczny może pomagać użytkownikom tworzyć złośliwy kod, identyfikować luki w oprogramowaniu lub automatyzować ataki na infrastrukturę publiczną.

Model może także generować przekonujące podszywanie się pod inne osoby, wspierające oszustwa. Ta sama podstawowa zdolność może łączyć syntetyczny głos, kampanię phishingową i nieautoryzowane włamanie do sieci.

Dlatego Komisja grupuje deepfake’i i zagrożenia cybernetyczne w szerszych ramach ryzyka systemowego. Oba zjawiska mogą wykorzystywać skalę, automatyzację i coraz bardziej przekonujące rezultaty modeli.

Google zajmuje wyjątkowo skomplikowaną pozycję. Firma rozwija modele Gemini, osadza AI w produktach konsumenckich, prowadzi działalność reklamową i chmurową oraz kontroluje ważne powierzchnie dystrybucji.

Google News dodaje kolejną warstwę, ponieważ użytkownicy mogą natrafiać na syntetyczne lub zmanipulowane twierdzenia obok tradycyjnego dziennikarstwa. Systemy rankingowe muszą odróżniać trafność od autentyczności, nawet gdy dopracowane materiały przypominają wiarygodne publikacje.

Interwencja UE wywiera zatem presję zarówno na twórców modeli, jak i dystrybutorów informacji. Bezpieczeństwo modeli nie może kończyć się w laboratorium badawczym, a etykiety treści same nie rozwiążą problemu niebezpiecznego zachowania modeli.

Kluczowym kompromisem jest identyfikowalność kontra globalna skala

UE chce identyfikowalnego łańcucha odpowiedzialności, podczas gdy firmy AI opierają się na produktach rozpowszechnianych ponad granicami i w niezależnych aplikacjach.

Model ogólnego przeznaczenia rzadko dociera do użytkowników przez jeden kontrolowany interfejs. Klienci chmurowi, twórcy aplikacji, wydawcy, agencje publiczne i osoby prywatne mogą budować różne doświadczenia wokół tego samego modelu.

Taka dystrybucja tworzy wartość ekonomiczną. Utrudnia też przypisanie odpowiedzialności, gdy rezultat staje się zwodniczy, nielegalny lub operacyjnie niebezpieczny.

Dostawca modelu może twierdzić, że zapewnił zabezpieczenia i dokumentację. Deweloper korzystający z modelu dalej może argumentować, że to model bazowy stworzył szkodliwą zdolność. Platforma może utrzymywać, że jedynie hostowała lub szeregowła powstałe treści.

AI Act próbuje zapobiec temu, by takie luki stały się trwałymi drogami ucieczki od odpowiedzialności. Przypisuje obowiązki na kilku poziomach, w tym modelu, systemu, wdrożenia i platformy.

Dla Google News pochodzenie treści staje się szczególnie istotne. Pochodzenie to zapis tego, skąd treść się wywodzi i jak ludzie lub oprogramowanie ją zmieniali.

Widoczne powiadomienie może informować czytelnika, że obraz został wygenerowany. Metadane odczytywalne maszynowo mogą pomóc platformom i usługom weryfikacyjnym automatycznie sprawdzać takie twierdzenie.

Żadna z tych metod nie jest doskonała. Metadane mogą zniknąć, gdy ktoś zrobi zrzut ekranu, skompresuje plik lub prześle go przez system usuwający osadzone informacje.

Niewidoczne znaki wodne mogą również ulec pogorszeniu po kadrowaniu, edycji lub wielokrotnym kodowaniu. Narzędzia wykrywania mogą generować fałszywie pozytywne wyniki, zwłaszcza przy ocenie skompresowanych lub niskiej jakości mediów.

Podejście Komisji opiera się więc na kilku warstwach. Oznaczanie techniczne, widoczne ujawnianie informacji, dokumentacja, zarządzanie ryzykiem i weryfikacja przez człowieka służą różnym celom.

Ta warstwowa struktura zwiększa koszty wdrożenia. Dostawca musi projektować mechanizmy kontroli, które przetrwają transfery między narzędziami, platformami i formatami mediów.

Firmy wykorzystujące rezultat dalej muszą ustalić, czy otrzymane treści zawierają wiarygodne informacje o pochodzeniu. Wydawcy potrzebują procesów redakcyjnych dla kwestionowanych materiałów, a platformy — ścieżek eskalacji w przypadku podejrzenia manipulacji.

Rezultat koliduje z branżową preferencją dla prostych globalnych wdrożeń. Firma może korzystać z jednej wersji modelu na całym świecie, lecz europejskie zasady dokumentacji i ujawniania informacji mogą wymagać regionalnych procesów.

Mniejsi dostawcy stają przed ostrzejszym ograniczeniem zasobów. Mają mniej prawników, specjalistów ds. polityki, badaczy bezpieczeństwa i inżynierów bezpieczeństwa dostępnych dla programów zgodności.

Większe firmy dysponują takimi zasobami, lecz ich systemy tworzą bardziej złożone obszary ryzyka. Google nie może oddzielić zarządzania modelami od Search, YouTube, usług chmurowych, reklamy czy Google News.

UE próbowała ograniczyć niepewność za pomocą dobrowolnych kodeksów i szczegółowych wytycznych. Podpisanie kodeksu może pomóc dostawcy wykazać ustrukturyzowane podejście do zgodności.

Nie zapewnia to automatycznego immunitetu. Organy regulacyjne wciąż mogą badać, czy faktyczne działania spełniają wymogi prawne.

Komisja dostosowała również wdrażanie poprzez AI Omnibus, który wszedł w życie 27 lipca 2026 r. Wydłużył on niektóre harmonogramy i doprecyzował zasady nadzoru.

Te zmiany pokazują, że egzekwowanie przepisów nie będzie przebiegać według jednego, niezmiennego kalendarza. Zasady dotyczące części systemów wysokiego ryzyka pojawiają się teraz później, podczas gdy przepisy o przejrzystości i modelach ogólnego przeznaczenia podążają obecną ścieżką.

Firmy muszą zatem śledzić obowiązki indywidualnie. Traktowanie „terminu AI Act” jako jednej daty może prowadzić albo do niepotrzebnej pracy, albo do poważnych luk w zgodności.

Kompromis dotyczy również użytkowników. Silniejsza identyfikowalność może ułatwić wykrywanie manipulacji, lecz źle zaprojektowane oznaczenia mogą także budować fałszywe poczucie pewności.

Oznaczenie potwierdza, że system sklasyfikował treść w określony sposób. Nie dowodzi, że nieoznaczony obraz jest autentyczny ani że oznaczone dzieło nie ma uzasadnionej wartości artystycznej.

Najlepsze wdrożenie zachowa to rozróżnienie. Ujawnianie informacji powinno dostarczać dowodów, a nie zastępować krytycznego osądu.

Egzekwowanie przepisów nadal ma luki jurysdykcyjne i techniczne

Komisja ma silniejsze uprawnienia, lecz rozproszona odpowiedzialność i niedoskonałe wykrywanie mogą ograniczać spójność ich stosowania w Europie.

Pierwsza niepewność dotyczy tego, kto egzekwuje poszczególne przepisy. Komisja bezpośrednio nadzoruje obowiązki związane z modelami AI ogólnego przeznaczenia, ale krajowe organy nadzoru rynku zajmują się znaczną częścią art. 50.

Rola AI Office w ramach art. 50 jest węższa, niż sugerują niektóre nagłówki. Może on nadzorować określone systemy oparte na modelach ogólnego przeznaczenia, gdy ta sama organizacja dostarcza oba komponenty.

Jego uprawnienia mogą również obejmować kwalifikujące się systemy zintegrowane z bardzo dużymi platformami internetowymi lub wyszukiwarkami. To czyni szczególnie istotnymi usługi obsługiwane przez duże grupy technologiczne.

Krajowe organy nadal będą podejmować wiele decyzji na pierwszej linii. Dwadzieścia siedem państw członkowskich może różnić się pod względem obsady kadrowej, doświadczenia technicznego, priorytetów i szybkości postępowań.

AI Office może wspierać koordynację, ale koordynacja nie gwarantuje identycznych rezultatów. Firma może spotkać się z różnymi pytaniami dotyczącymi podobnych systemów na kilku rynkach.

Druga luka dotyczy weryfikacji technicznej. Żadna metoda znakowania wodnego nie jest w stanie ustalić uniwersalnej autentyczności we wszystkich formatach i kanałach dystrybucji.

Nieuczciwi aktorzy mają motywację, by usuwać oznaczenia, zacierać pochodzenie lub fałszywie oznaczać autentyczne materiały. Narzędzia do edycji open source ułatwiają wielokrotne przekształcanie treści.

Organy regulacyjne muszą unikać traktowania nieskutecznego wykrywania jako automatycznego dowodu niezgodności. Powinny badać, czy dostawca stosował odpowiednie metody, monitorował ich skuteczność i reagował na znane słabości.

Ta sama ostrożność dotyczy ocen cyberbezpieczeństwa. Model może zachowywać się inaczej po dostrojeniu, integracji narzędzi, zmianach promptów lub uzyskaniu dostępu do prywatnych danych.

Jeden test laboratoryjny nie może reprezentować każdej późniejszej konfiguracji. Dostawcy potrzebują powtarzalnych ocen, a śledczy — wystarczającego dostępu, by testować istotne scenariusze.

Istnieje również ryzyko przesadnego przedstawiania skuteczności regulacji. Oznaczanie deepfake’ów może ograniczać oszustwa, ale nie może zapobiec tworzeniu szkodliwych syntetycznych materiałów.

Obowiązek ujawnienia niewiele zmienia, gdy przestępcy rozpowszechniają treści anonimowo lub poza współpracującymi platformami. Nadal niezbędne są obowiązujące przepisy, egzekwowanie zasad przez platformy, wsparcie ofiar i dochodzenia karne.

Obawy dotyczące wolności wypowiedzi tworzą kolejne wyzwanie. Satyra, parodia, fikcja i twórczość artystyczna mogą wykorzystywać syntetyczne media bez zamiaru wprowadzania w błąd.

AI Act zawiera przepisy zależne od kontekstu, lecz platformy mogą mimo to nadmiernie oznaczać lub usuwać legalne materiały, by ograniczyć postrzegane ryzyko. Automatyczna moderacja może wzmacniać tę tendencję.

Organizacje informacyjne stoją przed pokrewnym problemem. Dziennikarze czasem publikują zmanipulowane materiały, aby udokumentować propagandę, oszustwa lub nadużycia w internecie.

Odpowiedzialny materiał może pokazać deepfake, jednocześnie jasno wyjaśniając jego pochodzenie. Systemy muszą odróżniać takie użycie redakcyjne od zwodniczej prezentacji.

Google News znajduje się na styku tych decyzji. Może szeregowć relację o deepfake’u, sprostowanie wydawcy, pierwotne zwodnicze nagranie oraz podsumowania wygenerowane przez AI dla każdego z tych materiałów.

Proste oznaczenie mogłoby pomylić te kategorie. Bardziej szczegółowy interfejs pochodzenia informacji oferowałby większą wartość, ale wymagałby też spójnych danych od wydawców i platform.

Ostatnia niepewność dotyczy dostępu do dowodów. Skuteczne egzekwowanie zależy od zapisów technicznych, wewnętrznych raportów o incydentach, ocen modeli oraz współpracy firm międzynarodowych.

Organy regulacyjne potrzebują specjalistów, którzy potrafią kwestionować twierdzenia dostawców bez ujawniania poufnych informacji. Firmy potrzebują bezpiecznych procedur udostępniania wrażliwych danych o modelach i cyberbezpieczeństwie.

Rozbudowa kadr Komisji rozwiązuje część tego problemu. Jej sukces będzie zależał od jakości dochodzeń, a nie wyłącznie od liczby pracowników czy formalnych uprawnień.

Pierwsze sprawy powinny ujawnić, jak wielu dowodów wymagają regulatorzy. Pokażą też, czy organy skupiają się na oczywistych naruszeniach obowiązków ujawniania informacji, czy na głębszych słabościach w zarządzaniu modelami.

Do czasu wydania tych decyzji zespoły ds. zgodności będą interpretować szerokie obowiązki przez pryzmat wytycznych, dobrowolnych kodeksów i bezpośrednich rozmów z regulatorami.

Na co użytkownicy Google News powinni zwracać uwagę

Trzy sygnały pokażą, czy nowy europejski nadzór nad AI zmienia rzeczywiste produkty, czy pozostaje głównie ćwiczeniem dokumentacyjnym.

Pierwszym sygnałem będzie pierwsze dochodzenie Komisji dotyczące modelu ogólnego przeznaczenia. Jego cel, żądanie dowodowe i zarzucane naruszenie określą praktyczne znaczenie egzekwowania przepisów.

Sprawa skoncentrowana na brakujących dokumentach zachęciłaby firmy do wzmacniania systemów raportowania. Sprawa dotycząca niebezpiecznych możliwości skłoniłaby twórców do szerszych ocen i działań ograniczających ryzyko.

Różnica ma znaczenie. Zgodność na papierze można zmierzyć szybko, natomiast udowodnienie niewystarczających mechanizmów kontroli ryzyka systemowego wymaga głębszej analizy technicznej.

Czytelnicy powinni obserwować, czy Komisja zażąda wewnętrznych testów modeli, historii incydentów lub dostępu do niezależnej oceny. Takie żądania wskazywałyby na kontrolę wykraczającą poza opublikowane podsumowania bezpieczeństwa.

Drugim sygnałem będzie pojawienie się spójnych oznaczeń syntetycznych treści na głównych platformach. Google News, Search, YouTube, sieci społecznościowe i strony wydawców stanowią użyteczne punkty porównania.

Spójność nie wymaga identycznych ikon. Wymaga ujawnień, które użytkownicy potrafią rozpoznać, a maszyny interpretować w różnych usługach.

Ograniczony okres przejściowy kończy się 2 grudnia w odniesieniu do określonych obowiązków oznaczania dotyczących systemów już obecnych na rynku. Data ta stanowi konkretny test wdrożenia technicznego.

Jeśli oznaczenia będą widoczne tylko w narzędziach generowania należących do ich dostawców, pochodzenie treści pozostanie trudne do ustalenia. Syntetyczne treści często docierają do największej publiczności dopiero po ich wyeksportowaniu i ponownym opublikowaniu gdzie indziej.

Jeżeli platformy zachowają i wyświetlą wiarygodne metadane, unijne podejście do identyfikowalności zyska wiarygodność. Jeśli metadane będą rutynowo znikać, regulatorzy będą potrzebować innych wymogów dowodowych.

Trzecim sygnałem będzie raport o poważnym incydencie związanym z cyberatakami lub szkodliwą manipulacją. Taki raport sprawdzi, czy dostawcy ujawniają problemy, zanim odkryją je dziennikarze lub badacze.

AI Act oczekuje od dostawców modeli stwarzających ryzyko systemowe identyfikowania i ograniczania istotnych zagrożeń. Raportowanie incydentów daje regulatorom sposób na porównanie tych zobowiązań z rzeczywistymi zdarzeniami.

Przejrzysta reakcja wzmocniłaby oparty na współpracy model Komisji. Opóźnione lub niepełne ujawnienie zwiększyłoby presję na formalne dochodzenia i nakazy działań naprawczych.

Firmy powinny także ujawniać wystarczająco dużo informacji, by użytkownicy rozumieli ryzyko, bez publikowania szczegółów operacyjnych, które pomogłyby atakującym. Zachowanie tej równowagi pozostanie trudne.

Dla twórców bezpośrednia lekcja jest taka, by zachowywać zapisy łączące wybór modelu, testowanie, ustawienia wdrożenia i reakcję na incydenty. Deklaracja bezpieczeństwa bez dowodów ją potwierdzających daje niewielką ochronę podczas dochodzenia.

Nabywcy korporacyjni powinni pytać dostawców, kto odpowiada za każdy obowiązek zgodności. Umowy muszą jasno określać odpowiedzialność za aktualizacje modeli, oznaczanie generowanych treści, incydenty bezpieczeństwa i żądania regulatorów.

Wydawcy powinni dokumentować kontrolę człowieka, gdy AI wspiera materiały leżące w interesie publicznym. Kontrola redakcyjna może wpływać na sposób stosowania obowiązków przejrzystości, ale niedokumentowaną kontrolę trudno będzie później wykazać.

Pracownicy wiedzy powinni traktować oznaczenia jako użyteczne sygnały, a nie certyfikaty prawdy. Nieoznaczone nagranie nadal może być syntetyczne, a oznaczone media nadal mogą zawierać dokładne informacje.

Użytkownicy Google News powinni porównywać relacje, sprawdzać oryginalne źródła i szukać sprostowań, gdy syntetyczne media napędzają szybko rozwijającą się historię. Agregacja ułatwia odkrywanie treści, ale nie eliminuje potrzeby weryfikacji.

Nowe uprawnienia Komisji zmieniają bodźce związane z tą weryfikacją. Dostawcy ponoszą teraz konsekwencje, gdy słaba dokumentacja, niebezpieczne modele lub brakujące ujawnienia naruszają obowiązujące obowiązki.

Europa przeszła od formułowania oczekiwań do ich testowania. Decydujące pytanie brzmi, czy śledczy potrafią prześledzić jeden szkodliwy rezultat przez modele, aplikacje, platformy i wydawców.

Warto obserwować pierwsze sprawy egzekwowania przepisów, grudniowy termin oznaczania oraz sposób traktowania poważnych incydentów AI. Łącznie te sygnały pokażą, czy Google News trafia do środowiska informacyjnego, w którym pochodzenie treści można rzeczywiście lepiej śledzić.