Wytyczne i zalecenia instytucji publicznych
European Union Agency for Cybersecurity
Unijna agencja ds. cyberbezpieczeństwa z siedzibą w Atenach i Heraklionie, powołana w 2004 r. – wspiera politykę i odporność cybernetyczną Unii, prowadzi analizy zagrożeń, wytyczne techniczne i opinie regulacyjne dla instytucji i państw członkowskich. Od 2020 r. aktywna w obszarze cyberbezpieczeństwa AI: mapuje zagrożenia charakterystyczne dla systemów uczenia maszynowego, publikuje ramy dobrych praktyk i wspiera unijne inicjatywy polityczne (m.in. AI Act, Cybersecurity Act). 7 dokumentów.
On the Role of ENISA in Cybersecurity for AI
Multilayer Framework for Good Cybersecurity Practices for AI
Artificial Intelligence and Cybersecurity Research
Cybersecurity of AI and Standardisation
Securing Machine Learning Algorithms
Artificial Intelligence Cybersecurity Challenges
Organy ochrony danych – EROD i UODO
Europejska Rada Ochrony Danych (EROD) wydaje wytyczne i opinie o stosowaniu RODO, także wobec modeli AI. Prezes Urzędu Ochrony Danych Osobowych (UODO) jest polskim organem nadzorczym – publikuje materiały dla administratorów wdrażających AI w Polsce.
Listy pytań inicjalnych – Ochrona danych osobowych w kontekście systemów sztucznej inteligencji
ZastosowanieListy pytań Prezesa UODO do wstępnej oceny wdrożenia narzędzia AI pod kątem RODO, w czterech wersjach: dla organizacji budujących lub dotrenowujących własne modele, dla MŚP korzystających z gotowych narzędzi, dla sektora publicznego oraz rozszerzona – z sygnałami z AI Act. Materiał wejściowy do analizy ryzyka i oceny skutków dla ochrony danych (DPIA), nie ich zamiennik.
Joint Opinion 1/2026 on the Digital Omnibus on AI
Opinion 28/2024 on data protection aspects of AI models
Wykaz rodzajów operacji przetwarzania danych osobowych wymagających oceny skutków przetwarzania dla ich ochrony (komunikat Prezesa UODO z 17 czerwca 2019 r.)
ZastosowaniePolski wykaz operacji, przy których DPIA jest co do zasady wymagana – uzupełnia i konkretyzuje wytyczne WP 248. Dwanaście kryteriów z przykładami: (1) ewaluacja lub ocena, w tym profilowanie i przewidywanie, z negatywnymi skutkami – także ocena zdolności kredytowej algorytmami AI i optymalizacja składki ubezpieczeniowej; (2) zautomatyzowane decyzje ze skutkami prawnymi, finansowymi lub podobnie istotnymi; (3) systematyczne monitorowanie na dużą skalę miejsc publicznych z rozpoznawaniem cech – oraz monitoring pracowników (poczta, oprogramowanie, karty dostępu) jako monitorowanie osób zależnych; (4) dane szczególnych kategorii i o wyrokach; (5) biometria do identyfikacji lub kontroli dostępu; (6) dane genetyczne; (7) duża skala (liczba osób, zakres, okres przechowywania, zasięg); (8) porównania, ocena i wnioskowanie z danych z różnych źródeł; (9) osoby zależne od podmiotu z uprawnieniami nadzorczymi lub ocennymi (pracownicy, kandydaci, sygnaliści); (10) innowacyjne rozwiązania technologiczne lub organizacyjne; (11) przetwarzanie, które samo uniemożliwia korzystanie z prawa, usługi lub umowy; (12) dane lokalizacyjne. Co do zasady dwa kryteria oznaczają DPIA; administrator może uznać, że wystarczy jedno. Przykłady są ilustracyjne, a wykaz nie zwalnia z oceny ryzyka z art. 35 ust. 1.
NCSC (Wielka Brytania) i CISA (USA)
Krajowe agencje cyberbezpieczeństwa Wielkiej Brytanii i Stanów Zjednoczonych. Publikują, często wspólnie z agencjami innych państw, wytyczne bezpiecznego tworzenia i wdrażania systemów AI.
Key Practices for Incident Readiness and Response in Super Intelligence Training and Evaluation
ZastosowanieDobrowolne praktyki dla twórców najbardziej zaawansowanych modeli na wypadek incydentów, w których agent podczas treningu lub ewaluacji podejmuje istotne, niepolecone działania naruszające zasady operatora. Dziesięć praktyk w pięciu etapach obsługi incydentu: przygotowanie, wykrywanie, reakcja, przywrócenie, raportowanie. Opiera się na NIST SP 800-61r3.
Careful Adoption of Agentic Artificial Intelligence (AI) Services
Guidelines for Secure AI System Development
Rada Stabilności Finansowej (FSB)
Międzynarodowe ciało G20 koordynujące prace organów nadzoru finansowego. Publikuje niewiążące zalecenia i dobre praktyki dla instytucji finansowych i nadzorców, także o wdrażaniu AI.
Sound Practices for Responsible Adoption of Artificial Intelligence (AI): Final report
ZastosowanieDwanaście dobrych praktyk wdrażania AI w instytucjach finansowych, do dostosowania do własnego profilu ryzyka. Ład w całej organizacji: nadzór zarządu i zgodność z apetytem na ryzyko, role i odpowiedzialności, włączenie ryzyk AI do ram zarządzania ryzykiem z dokumentacją użyć, ciągłe uczenie się. Cykl życia AI: ocena istotności i ryzyka przypadku użycia, dobór technologii, ład danych, wyjaśnialność i kontrole kompensujące, ocena działania, nadzór człowieka, ryzyko cyberbezpieczeństwa i ICT, zależności od dostawców zewnętrznych.