EU AI Act: what your organisation needs to know in 2026

Τι σχεδιάζεται να κάνει ο Κανονισμός Τεχνητής Νοημοσύνης της ΕΕ

Ο Κανονισμός της ΕΕ για την ΤΝ εισάγει μια προσέγγιση βασισμένη στον κίνδυνο για τη ρύθμιση της τεχνητής νοημοσύνης. Όσο μεγαλύτερος είναι ο πιθανός αντίκτυπος ενός συστήματος ΤΝ στα δικαιώματα, την ασφάλεια ή τις ευκαιρίες των ανθρώπων, τόσο αυστηρότερες είναι οι υποχρεώσεις που του επιβάλλονται. Στον πυρήνα του, ο Κανονισμός διαχωρίζει τη χρήση της ΤΝ σε κατηγορίες — από απαγορευμένες πρακτικές έως συστήματα υψηλού κινδύνου και χαμηλότερου κινδύνου χρήσεις με απαιτήσεις διαφάνειας. Εισάγει επίσης υποχρεώσεις για μοντέλα ΤΝ γενικής χρήσης, αντανακλώντας το πόσο ευρέως χρησιμοποιούνται αυτές οι τεχνολογίες πλέον σε διάφορους κλάδους.

Στην πράξη, ο κανονισμός κάνει τέσσερα πράγματα:

• απαγορεύει ένα περιορισμένο σύνολο πρακτικών ΤΝ,
• επιβάλλει αυστηρές απαιτήσεις σε συστήματα υψηλού κινδύνου,
• εισάγει υποχρεώσεις διαφάνειας για ορισμένες χρήσεις,
• και δημιουργεί κανόνες για μοντέλα AI γενικής χρήσης.

Αυτή η δομή σημαίνει ότι ο Νόμος εφαρμόζεται πολύ πέρα από τους παρόχους τεχνολογίας. Επηρεάζει οργανισμούς που αναπτύσσουν, εφαρμόζουν, ενσωματώνουν, προμηθεύονται ή βασίζονται σε συστήματα τεχνητής νοημοσύνης στην ΕΕ — συχνά με τρόπους που αρχικά δεν αναγνωρίζουν ως ρυθμιζόμενους.

Γιατί πολλές οργανώσεις είναι ήδη εντός του πεδίου εφαρμογής

Μια κοινή υπόθεση είναι ότι ο Κανονισμός της ΕΕ για την ΤΝ επηρεάζει κυρίως μεγάλες τεχνολογικές εταιρείες. Στην πραγματικότητα, η έκθεση προέρχεται συχνά από τον τρόπο που χρησιμοποιείται η ΤΝ και όχι από το ποιος την κατασκευάζει. Η ΤΝ είναι πλέον ενσωματωμένη στις καθημερινές επιχειρησιακές διαδικασίες. Εμφανίζεται σε εργαλεία πρόσληψης προσωπικού, αποφάσεις πιστοληπτικής ικανότητας, ιατρικά υποστηρικτικά συστήματα, αλληλεπιδράσεις με πελάτες και εσωτερικές ροές εργασίας. Σε πολλές περιπτώσεις, οι οργανισμοί χρησιμοποιούν ήδη την ΤΝ με τρόπους που εμπίπτουν στο πεδίο εφαρμογής του Κανονισμού χωρίς να το έχουν αναγνωρίσει επίσημα.

Αυτό είναι ιδιαίτερα σχετικό σε τομείς όπως η πρόσληψη και η διαχείριση προσωπικού, η λήψη οικονομικών αποφάσεων συμπεριλαμβανομένης της πιστωτικής ή ασφαλιστικής κάλυψης, η υγειονομική περίθαλψη και η διάγνωση, η εκπαίδευση και η αξιολόγηση, οι δημόσιες υπηρεσίες ή το υποδομή, και τα εργαλεία που απευθύνονται στους πελάτες και βασίζονται στην γεννητική τεχνητή νοημοσύνη.

Ένας χρήσιμος τρόπος να επαναπροσδιορίσουμε το ζήτημα είναι να ρωτήσουμε: Πού επηρεάζουν ήδη οι αποφάσεις που υποστηρίζονται από τεχνητή νοημοσύνη τα αποτελέσματα για τα άτομα; Εκεί συνήθως ξεκινά η ρυθμιστική έκθεση.

Γιατί έχει σημασία το 2026

Ο Κανονισμός για την ΤΝ εφαρμόζεται σταδιακά, αλλά μέχρι τον Αύγουστο του 2026 οι περισσότερες διατάξεις θα είναι πλήρως εφαρμόσιμες. Μέχρι τότε, αναμένεται οι οργανισμοί να έχουν σαφή κατανόηση του τοπίου της ΤΝ τους και του τρόπου με τον οποίο αυτό ρυθμίζεται. Αυτό δεν σημαίνει ότι κάθε διαδικασία πρέπει να είναι τέλεια. Αλλά σημαίνει ότι οι οργανισμοί θα πρέπει να μπορούν να επιδεικνύουν:

• διαφάνεια σχετικά με τα συστήματα τεχνητής νοημοσύνης που χρησιμοποιούνται,
• μια συνεπής προσέγγιση στην ταξινόμηση,
• ορισμένη λογοδοσία,
• τεκμηριωμένοι έλεγχοι,
• και η ικανότητα να παράγει στοιχεία εάν απαιτείται.

Η αναμονή έως ότου η επιβολή γίνει ορατή είναι μια επικίνδυνη προσέγγιση. Μέχρι να τεθούν ερωτήσεις, η προσδοκία είναι ότι υπάρχουν ήδη δομημένες απαντήσεις.

Τι σημαίνει στην πράξη «τεχνητή νοημοσύνη υψηλού κινδύνου»

Για πολλές οργανώσεις, εδώ αρχίζει η αβεβαιότητα. Το αν ένα σύστημα τεχνητής νοημοσύνης θεωρείται υψηλού κινδύνου εξαρτάται λιγότερο από την ίδια την τεχνολογία και περισσότερο από τον τρόπο που χρησιμοποιείται. Τα συστήματα εντάσσονται σε αυτή την κατηγορία όταν επηρεάζουν αποφάσεις που μπορούν να επηρεάσουν ουσιαστικά τη ζωή των ανθρώπων — την απασχόλησή τους, τη χρηματοοικονομική πρόσβαση, την υγειονομική περίθαλψη, την εκπαίδευση, την ασφάλεια ή τη νομική τους θέση.

Στην πράξη, αυτό συχνά περιλαμβάνει τεχνητή νοημοσύνη που χρησιμοποιείται σε διαδικασίες όπως η επιλογή ή η κατάταξη υποψηφίων για εργασία, η αξιολόγηση της πιστοληπτικής ικανότητας ή του ασφαλιστικού κινδύνου, η υποστήριξη κλινικών ή ιατρικών αποφάσεων, η αξιολόγηση μαθητών ή των αποτελεσμάτων εκπαίδευσης, ή η προτεραιοποίηση της πρόσβασης σε βασικές υπηρεσίες. Αυτές δεν είναι εξειδικευμένες ακραίες περιπτώσεις, αλλά βασικές λειτουργικές διαδικασίες σε πολλές οργανώσεις. Ταυτόχρονα, όχι κάθε εφαρμογή τεχνητής νοημοσύνης έχει το ίδιο βάρος. Ένα chatbot που απαντά σε γενικές ερωτήσεις είναι πολύ διαφορετικό από ένα σύστημα που επηρεάζει αποφάσεις για προσλήψεις ή δανεισμό. Η διάκριση βρίσκεται στον αντίκτυπο.

Αυτό που συχνά υποτιμούν οι οργανισμοί είναι το πόσο γρήγορα η «χρήσιμη αυτοματοποίηση» μετατρέπεται σε «ρυθμισμένη υποστήριξη αποφάσεων» μόλις αρχίσει να διαμορφώνει πραγματικά αποτελέσματα. Γι' αυτό η ταξινόμηση πρέπει να είναι συνεπής, τεκμηριωμένη και ελέγξιμη — όχι μια άτυπη κρίση που γίνεται μια φορά και μένει αμφισβητήσιμη.

Από τα συστήματα τεχνητής νοημοσύνης στα συστήματα διακυβέρνησης

Όταν εμπλέκεται τεχνητή νοημοσύνη υψηλού κινδύνου, το επίκεντρο της νομοθεσίας αλλάζει. Δεν αφορά πλέον μόνο το ίδιο το μοντέλο. Αφορά το σύστημα διακυβέρνησης γύρω από αυτό. Οι ρυθμιστικές αρχές ενδιαφέρονται αν οι οργανισμοί μπορούν να αποδείξουν τον έλεγχο. Αυτό περιλαμβάνει το πώς εντοπίζονται οι κίνδυνοι, πώς τεκμηριώνονται οι αποφάσεις, πώς διατηρείται η εποπτεία και πώς θα αντιμετωπίζονταν τα ζητήματα αν κάτι πήγαινε στραβά.

Αυτό συνήθως απαιτεί από τους οργανισμούς να αντιμετωπίσουν τομείς όπως:

• διαχείριση κινδύνων και λογοδοσία,
• διακυβέρνηση και τεκμηρίωση δεδομένων,
• διαφάνεια και ιχνηλασιμότητα,
• ανθρώπινη επίβλεψη,
• παρακολούθηση και διαχείριση περιστατικών.

Συνολικά, αυτές δεν είναι απομονωμένες απαιτήσεις. Σχηματίζουν μια δομή διακυβέρνησης.

Η συμμόρφωση, στην πράξη, αφορά λιγότερο στο να αποδειχθεί ότι ένα μοντέλο λειτουργεί και περισσότερο στο να δείξει ότι ο οργανισμός γύρω του έχει τον έλεγχο.

Απαγορευμένες πρακτικές και τεχνητή νοημοσύνη γενικού σκοπού

Ο Νόμος ορίζει επίσης ένα περιορισμένο σύνολο απαγορευμένων πρακτικών τεχνητής νοημοσύνης. Παρά το ότι είναι περιορισμένες σε εύρος, φέρουν τις πιο σημαντικές ποινές. Οι οργανισμοί θα πρέπει να μπορούν να αποδείξουν ότι αυτές έχουν εξεταστεί και αποκλειστεί ως μέρος της διαδικασίας διακυβέρνησής τους.

Ταυτόχρονα, η γενικής χρήσης ΤΝ εισάγει ένα ακόμη επίπεδο ευθύνης. Πολλοί οργανισμοί βασίζονται στις δυνατότητες ΤΝ που είναι ενσωματωμένες σε εργαλεία τρίτων, αντί να δημιουργούν τα δικά τους μοντέλα.

Αυτό εγείρει πρακτικά ερωτήματα σχετικά με την εποπτεία των προμηθευτών, τη διαφάνεια, την τεκμηρίωση και τον τρόπο με τον οποίο οι κίνδυνοι στην ανώτερη αλυσίδα διαχειρίζονται στα κατώτερα επίπεδα. Στην πράξη, η διακυβέρνηση δεν μπορεί να σταματά στην προμήθεια. Πρέπει να επεκταθεί στον τρόπο με τον οποίο η τεχνητή νοημοσύνη χρησιμοποιείται πραγματικά στις καθημερινές λειτουργίες.

Τα ερωτήματα που αντιμετωπίζουν τώρα οι οργανισμοί

Σε διάφορους κλάδους, η συζήτηση γύρω από την τεχνητή νοημοσύνη έχει αλλάξει. Δεν καθοδηγείται πλέον μόνο από την καινοτομία. Διαμορφώνεται όλο και περισσότερο από την λογοδοσία. Οι ομάδες ηγεσίας κάνουν ερωτήσεις όπως:

• Πού ακριβώς χρησιμοποιούμε την τεχνητή νοημοσύνη;
• Ποια από αυτές τις χρήσεις θα μπορούσαν να είναι υψηλού κινδύνου;
• Ποιος έχει την ευθύνη για τους σχετικούς κινδύνους;
• Τι τεκμηρίωση υπάρχει;
• Μπορούμε να εξηγήσουμε τους ελέγχους μας σε έναν ρυθμιστή ή ελεγκτή;

Αυτά δεν είναι καθαρά νομικά ζητήματα. Είναι ζητήματα διακυβέρνησης. Οι οργανισμοί που ήδη λειτουργούν με δομημένα συστήματα διοίκησης συχνά έχουν ένα πλεονέκτημα. Έχουν συνηθίσει να ορίζουν αρμοδιότητες, να διατηρούν τεκμηρίωση και να επιδεικνύουν έλεγχο. Η πρόκληση είναι να επεκτείνουν την ίδια πειθαρχία στην τεχνητή νοημοσύνη.

Πώς τα πλαίσια διακυβέρνησης υποστηρίζουν τη συμμόρφωση

Ο Κανονισμός της ΕΕ για την Τεχνητή Νοημοσύνη καθορίζει τι αναμένεται να αντιμετωπίσουν οι οργανισμοί, αλλά δεν καθορίζει πώς πρέπει να δομηθεί η διακυβέρνηση εσωτερικά.

Εδώ είναι που οι προσεγγίσεις συστημάτων διαχείρισης γίνονται πολύτιμες. Παρέχουν έναν τρόπο να συνενωθούν οι ευθύνες, οι διαδικασίες και οι έλεγχοι σε κάτι συνεκτικό και επαναλαμβανόμενο.

Στην πράξη, μια δομημένη προσέγγιση διακυβέρνησης της ΤΝ συνδέει σαφώς ορισμένους ρόλους και ευθύνες, έναν πλήρη κατάλογο συστημάτων ΤΝ και περιπτώσεων χρήσης, και μια συνεπή μέθοδο για ταξινόμηση και αξιολόγηση κινδύνου. Περιλαμβάνει επίσης ελέγχους του κύκλου ζωής που υποστηρίζονται από τεκμηριωμένες πολιτικές, μαζί με μηχανισμούς παρακολούθησης, κλιμάκωσης και συνεχούς βελτίωσης.

Για πολλές οργανώσεις, το ISO/IEC 42001 εμφανίζεται ως ένα πρακτικό πλαίσιο σε αυτόν τον τομέα. Παρέχει μια δομημένη, ελεγχόμενη προσέγγιση στη διαχείριση συστημάτων AI. Είναι σημαντικό να διατηρείται σαφής η διάκριση:

• ο νόμος της ΕΕ για την τεχνητή νοημοσύνη θέτει νομικές απαιτήσεις,
• Τα πλαίσια διακυβέρνησης βοηθούν στην υλοποίησή τους,
• Η ανεξάρτητη αξιολόγηση ενισχύει την εμπιστοσύνη στον τρόπο με τον οποίο εφαρμόζονται.

Από πού να ξεκινήσω

Για τις περισσότερες οργανώσεις, το σημείο εκκίνησης δεν είναι μια βαθιά τεχνική ανασκόπηση κάθε μοντέλου. Είναι η σαφήνεια. Μια πρακτική προσέγγιση συχνά ακολουθεί μια απλή πορεία.

• Πρώτα, δημιουργήστε ορατότητα. Χαρτογραφήστε πού χρησιμοποιείται ήδη η τεχνητή νοημοσύνη σε όλη την οργάνωση — συμπεριλαμβανομένων των εσωτερικών συστημάτων, εργαλείων τρίτων και ενσωματωμένων λειτουργιών που ενδέχεται να μην είναι αμέσως εμφανείς.
• Στη συνέχεια, καθορίστε την ιδιοκτησία. Ορίστε ποιος είναι υπεύθυνος για την επίβλεψη, την αξιολόγηση κινδύνου και την τεκμηρίωση. Χωρίς σαφή λογοδοσία, η διακυβέρνηση τείνει να παραμένει άτυπη.
• Στη συνέχεια, αξιολογήστε την έκθεση. Εντοπίστε πού μπορεί να προκύψουν ερωτήσεις υψηλού κινδύνου ή για απαγορευμένη χρήση. Αυτό σπάνια αποτελεί μια καθαρά τεχνική άσκηση — απαιτεί εισροές από τις νομικές, συμμόρφωσης, διαχείρισης κινδύνου και επιχειρησιακές ομάδες.
• Τέλος, ξεκινήστε να τυποποιείτε τη διακυβέρνηση. Ευθυγραμμίστε πολιτικές, ελέγχους και διαδικασίες σε ένα μοντέλο που είναι συνεπές και επαναλαμβανόμενο.

Ο στόχος δεν είναι η τελειότητα από την αρχή. Είναι η δυνατότητα υπεράσπισης — η ικανότητα να δείχνουμε ότι τα συστήματα τεχνητής νοημοσύνης κατανοούνται, οι κίνδυνοι αξιολογούνται και η διακυβέρνηση εφαρμόζεται με δομημένο τρόπο.

Τι σημαίνει αυτό στην πράξη

Ο Κανονισμός της ΕΕ για την Τεχνητή Νοημοσύνη δεν είναι μόνο μια ρυθμιστική εξέλιξη. Είναι ένα τεστ οργανωσιακής ωριμότητας. Οι οργανισμοί που θα είναι καλύτερα προετοιμασμένοι για το 2026 δεν θα είναι απαραίτητα αυτοί με τις πιο προηγμένες δυνατότητες τεχνητής νοημοσύνης. Θα είναι εκείνοι που μπορούν να δείξουν σαφώς πώς αυτές οι δυνατότητες διοικούνται.

Θα μπορούν να εξηγήσουν:

• τι χρησιμοποιούν,
• ποιους κινδύνους δημιουργεί,
• πώς διαχειρίζονται αυτοί οι κίνδυνοι,
• και ποιος είναι υπεύθυνος.

Για πολλούς, το ερώτημα δεν είναι πλέον αν η διακυβέρνηση της τεχνητής νοημοσύνης χρειάζεται να θεσπιστεί, αλλά αν μπορεί να αποδειχθεί με βεβαιότητα. Αντί να ξεκινούν από το μηδέν, η προσοχή επικεντρώνεται όλο και περισσότερο στην επέκταση των υφιστάμενων συστημάτων διαχείρισης ώστε να αντικατοπτρίζουν τον τρόπο που χρησιμοποιείται η τεχνητή νοημοσύνη σήμερα — με έναν τρόπο δομημένο, διαφανή και που μπορεί να τεκμηριωθεί σαφώς όταν έχει σημασία.