Unia Europejska podjęła próby stworzenia kompleksowego systemu regulacyjnego dotyczącego sztucznej inteligencji, czego przykładem jest „Artificial Intelligence Act”. Przepisy te nakładają obowiązek przeprowadzania oceny zgodności systemów AI, szczególnie tych o wysokim ryzyku, przed dopuszczeniem ich do obrotu na rynku europejskim. Kluczowymi elementami tych ocen są wymagania dotyczące jakości danych, przejrzystości, nadzoru człowieka oraz odporności systemów. Wprowadza się również obowiązek ciągłego monitoringu takich systemów oraz ustanawia się centralną bazę danych rejestrujących autonomiczne systemy AI. Choć ta regulacja spotkała się z krytyką dotyczącą obciążenia podmiotów odpowiedzialnych za wdrażanie systemów AI, stanowi ona ważny krok w kierunku kompleksowej kontroli nad całym cyklem życia sztucznej inteligencji. Podejście to jest niezbędne, by sprostać systemowym i rozproszonym wpływom generatywnych systemów AI, których negatywne skutki mogą być trudne do bezpośredniego wykrycia lub powiązania z konkretnymi szkodami dla konsumentów.

Kluczowym wyzwaniem jest przejście od nieodpowiedzialnej innowacji do innowacji odpowiedzialnej. Governance generatywnej AI opiera się na rozległym rozumieniu odpowiedzialności, które uwzględnia złożoną sieć aktorów i relacji w procesie tworzenia oraz wdrażania systemów AI. Tradycyjne podejście, które skupia się na zgodzie jednostki i kontroli nad jej danymi, okazuje się niewystarczające. Zamiast tego nacisk kładzie się na pozytywne zobowiązania instytucji odpowiedzialnych za rozwój i wdrażanie AI do systematycznej oceny ryzyk i minimalizowania potencjalnych szkód. Wymaga to wdrożenia zasad odpowiedzialności na każdym etapie życia systemu, tak aby technologie AI były rozwijane i użytkowane w sposób minimalizujący negatywne skutki oraz zgodny z wartościami społecznymi i normami.

Transparentność, rozliczalność oraz udział społeczeństwa w procesach decyzyjnych to fundamenty odpowiedzialnej innowacji. Twórcy i użytkownicy systemów AI powinni aktywnie angażować zainteresowane społeczności, ujawniać kluczowe informacje dotyczące działania systemów oraz prowadzić regularne analizy wpływu społecznego. Takie działania sprzyjają budowaniu kultury odpowiedzialności, która nie tylko chroni interes publiczny, ale i wzmacnia zaufanie społeczne do nowych technologii.

W Stanach Zjednoczonych jednak realizacja podobnego modelu zarządzania prywatnością AI napotyka na liczne przeszkody. Brak jest kompleksowego, federalnego prawa dotyczącego prywatności, które ujednoliciłoby regulacje wobec systemów AI w różnych sektorach i jurysdykcjach. Pomimo licznych prób legislacyjnych, kwestie związane z zakresem prawa, preempcją oraz prawami osób prywatnych do występowania z roszczeniami blokują postęp. Istotnym utrudnieniem jest też szeroka ochrona wolności słowa zagwarantowana przez Pierwszą Poprawkę do Konstytucji, która obejmuje także działalność opartą na danych – od zbierania informacji publicznych po tworzenie i dystrybucję mediów syntetycznych. Takie zabezpieczenia ograniczają możliwość nałożenia ograniczeń na treści generowane przez AI, nawet jeśli mogą one wprowadzać w błąd lub naruszać prywatność.

Ponadto amerykański krajobraz polityczny i prawny tradycyjnie sprzyja podejściu laissez-faire i innowacjom napędzanym przez rynek, co przejawia się w preferencji samoregulacji nad regulacjami prewencyjnymi. Liczne przepisy, jak na przykład sekcja 230 Communications Decency Act, zapewniają platformom internetowym i dostawcom technologii szerokie immunitety przed odpowiedzialnością za treści generowane przez użytkowników. Taka postawa komplikuje wdrażanie proaktywnej regulacji AI, ponieważ wymaga od regulatorów wykazania wyraźnej i konkretnej szkody, zanim będą mogli interweniować.

Przezwyciężenie tych barier wymaga głębokiej zmiany kulturowej i ideologicznej w sposobie postrzegania roli technologii w społeczeństwie. Konieczne jest przesunięcie akcentu z indywidualnej odpowiedzialności i sankcji na systemowe i strukturalne rozwiązania, które stworzą kulturę odpowiedzialności, integralności oraz zaufania publicznego w ekosystemie sztucznej inteligencji.

Oprócz regulacji prawnych, ważne jest, by czytelnik rozumiał, że odpowiedzialne zarządzanie AI wymaga uwzględnienia wartości społecznych i etycznych na równi z technicznymi i prawnymi aspektami. Systemy AI nie są jedynie narzędziami, lecz złożonymi mechanizmami wpływającymi na społeczeństwo jako całość. W związku z tym ochrona prywatności i transparentność działania AI są nie tylko kwestiami prawnymi, ale fundamentalnymi elementami budowania demokratycznego społeczeństwa cyfrowego. Przyszłość regulacji AI wymaga więc podejścia holistycznego, które łączy prawo, etykę, technologię i społeczne uczestnictwo w celu tworzenia systemów, które służą dobru wspólnemu i minimalizują ryzyka związane z ich wdrażaniem.

Jak sztuczna inteligencja wpływa na zasady "Business Judgement Rule" w prawie korporacyjnym?

W Stanach Zjednoczonych, Australii oraz innych jurysdykcjach, które uznają tzw. „Business Judgement Rule” (BJR), zasada ta może wymagać aktualizacji w kontekście rosnącego wykorzystania sztucznej inteligencji przez zarządy firm oraz w samych przedsiębiorstwach. BJR jest kluczowym standardem przeglądu sądowego w prawie korporacyjnym, szczególnie w Stanach Zjednoczonych, gdzie często dochodzi do postępowań sądowych. Zasadniczo chroni decyzje zarządu i kierownictwa przed rygorystyczną oceną sprawiedliwości (tzw. „entire fairness”), chyba że dobrze uzasadnione skargi wskazują na naruszenie przez dyrektorów lub menedżerów obowiązków lojalności, bądź jeżeli proces podejmowania decyzji był niewłaściwy lub fundamentalnie niesprawiedliwy, jak w przypadku konfliktu interesów lub braku niezależności w podejmowaniu decyzji.

BJR jest szeroką „przystanią bezpieczeństwa” stosowaną do większości decyzji korporacyjnych, dużych i małych. Z kolei w kontekście australijskim BJR jest wyrażeniem obowiązków opieki, lojalności i staranności, które są odzwierciedleniem przepisów zawartych w orzecznictwie. W przypadku australijskim, dyrektorzy i menedżerowie są zobowiązani do podejmowania decyzji w sposób staranny i rozsądny, uwzględniając specyficzne okoliczności danej spółki, jak również swoje indywidualne obowiązki i odpowiedzialności wynikające z zajmowanego stanowiska. Przyjmuje się, że spełniają oni swoje zobowiązania prawne, jeśli podejmują decyzje w dobrej wierze, w odpowiednich celach, bez osobistego interesu w rozstrzyganej sprawie, posiadają wystarczającą wiedzę na temat decyzji oraz racjonalnie wierzą, że decyzja leży w najlepszym interesie korporacji.

Zastosowanie generatywnej sztucznej inteligencji może wpłynąć na interpretację, czy wymagania te zostały spełnione. Na przykład, w przypadku obowiązku informowania się przed podjęciem decyzji, AI może znacząco zmienić sposób, w jaki dyrektorzy zbierają i analizują informacje. Informowanie się w rozumieniu prawa Delaware wiąże się z obowiązkiem staranności, który nakłada na dyrektorów obowiązek zebrania wszystkich dostępnych faktów materialnych przed podjęciem decyzji. W obliczu rozwoju technologii, szczególnie „Big Data” oraz obliczeniowych możliwości sztucznej inteligencji, oczekiwania dotyczące poziomu informacji, jakie dyrektorzy powinni pozyskać, uległy zmianie. Dziś, w 2025 roku, wykorzystanie zaawansowanych systemów generatywnej sztucznej inteligencji oraz nadchodzące zmiany związane z postępem komputerów kwantowych, prowadzą do wniosku, że oczekiwania dotyczące pozyskiwania informacji przez zarządy są znacznie wyższe. Informacje, które wcześniej były trudne do uzyskania, teraz są dostępne w formie bardziej przejrzystej i wszechstronnej.

Z perspektywy zarządów, oznacza to, że decyzje muszą być podejmowane na podstawie dokładniejszych danych i większej ilości materiałów, które generatywna sztuczna inteligencja może dostarczyć. Na przykład, wykorzystanie AI do analizy rynku kapitałowego, oceny ryzyka ataków cybernetycznych, oceny wartości potencjalnych przejęć czy sprawdzania zobowiązań emerytalnych w firmach międzynarodowych, może wpłynąć na jakość podejmowanych decyzji. Każda z tych kwestii wymaga analizy ogromnej ilości danych, które wcześniej były trudne do przetworzenia przez człowieka, ale teraz dzięki AI mogą stać się bardziej precyzyjne.

Podobnie, generatywna sztuczna inteligencja może wpłynąć na system kontroli i równowagi w firmach, przynajmniej w Stanach Zjednoczonych. W systemach prawnych, takich jak w USA, istnieje bardziej rygorystyczny przegląd sądowy decyzji korporacyjnych w przypadku istnienia rzeczywistych lub potencjalnych konfliktów interesów. Kiedy dyrektorzy lub członkowie zarządu mają osobiste interesy w podejmowanej decyzji lub są pod wpływem kontrolującego udziałowca, decyzja podlega wyższej kontroli sądowej, nazywanej kontrolą „całkowitej sprawiedliwości”. W kontekście tej kontroli, sztuczna inteligencja może mieć istotny wpływ na proces oceny „sprawiedliwości” podejmowanej decyzji. Zastosowanie AI w takich przypadkach może pomóc w identyfikowaniu niejawnych zależności czy konfliktów interesów, które wcześniej mogły być trudne do zauważenia przez ludzi.

Warto również zauważyć, że rozwój technologii nie zmienia fundamentów samej zasady BJR. Zasadniczo, nadal obowiązuje konieczność, by dyrektorzy podejmowali decyzje w dobrej wierze i po dokładnym zapoznaniu się z faktami. Jednak rola sztucznej inteligencji polega na tym, że znacznie poszerza ona zakres dostępnych informacji, czyniąc proces podejmowania decyzji bardziej kompleksowym i opartym na bardziej precyzyjnych danych.

Chociaż AI z pewnością przyczyni się do bardziej świadomych i lepiej uzasadnionych decyzji, nie należy zapominać, że odpowiedzialność za te decyzje nadal spoczywa na ludziach. Zarząd musi być w stanie ocenić, czy pozyskane informacje są odpowiednie i wiarygodne, i jak je wykorzystać w kontekście danej sytuacji firmy. Sztuczna inteligencja nie zwalnia od obowiązku pełnej odpowiedzialności za podjęte decyzje, ale może stać się cennym narzędziem w procesie decyzyjnym, dostarczając nowych perspektyw i analiz.

Jak hegemonia w kontekście populizmu staje się fundamentem politycznym?
Jak przełomowe wynalazki XIX wieku wpłynęły na rozwój technologii i nauki?
Jak efektywnie zarządzać przesyłaniem i pobieraniem plików w aplikacji FastAPI?
Jak rozwijać minimalne API w ASP.NET Core 8?
Jakie są różnice między publicznymi a prywatnymi łańcuchami bloków i jakie mają znaczenie dla inwestora?
Jak mały zespół może kształtować strategię kampanii? Przykłady z Trumpa i Mussoliniego
Jak zachować biel w akwareli? Techniki maskowania i łączenia linii z farbą