Generowanie obrazów przez sztuczną inteligencję (dalej. „SI”) weszło w etap dojrzałości rynkowej. Dziś nie jest to już wyłącznie eksperymentalna technologia dla projektantów i entuzjastów nowych mediów, lecz narzędzie realnie wykorzystywane w marketingu, projektowaniu produktów, e-commerce, komunikacji wizualnej, redakcji treści i branżach kreatywnych[1].

Wraz z tym wzrostem znaczenia zmienił się także punkt ciężkości debaty. Po pierwszej fali zainteresowania samą zdolnością modeli do tworzenia atrakcyjnych wizualnie obrazów coraz większe znaczenie mają dziś pytania o zarządzanie procesem, ryzyko prawne, obowiązki przejrzystości i odpowiedzialność organizacji za sposób używania takich narzędzi[2].

Kontynuując wcześniejsze rozważania o prawie autorskim, trzeba postawić kolejny krok: nie wystarczy pytać, kto jest autorem obrazu wygenerowanego przez SI. Równie ważne staje się to, jak organizacja projektuje pełny cykl życia treści, od briefu i promptu, przez wybór modelu, aż po publikację, oznaczenie, archiwizację i reagowanie na potencjalne roszczenia[3].

Od narzędzia do systemu pracy

Największym błędem popełnianym przez wiele organizacji jest traktowanie generatora obrazów jak prostego automatu do produkcji gotowych grafik. W praktyce profesjonalne użycie SI działa inaczej: narzędzie nie powinno być postrzegane jako samodzielny „twórca”, lecz jako element szerszego systemu pracy kreatywnej i operacyjnej.

Oznacza to, że realną wartość tworzy nie sam prompt, ale dobrze zaprojektowany proces. Na ten proces składają się: zdefiniowanie celu biznesowego, ustalenie ograniczeń prawnych i wizerunkowych, wybór modelu dopuszczonego do użycia, wygenerowanie wielu wersji, ocena podobieństw do istniejących treści, edycja przez człowieka, decyzja publikacyjna oraz ewentualne zastosowanie oznaczeń wynikających z regulacji lub polityki wewnętrznej.

W tym ujęciu generowanie obrazu nie kończy procesu twórczego, lecz go rozpoczyna. Dla biznesu kreatywnego ma to duże znaczenie, ponieważ przesuwa akcent z samego „wytworzenia pliku” na jakość kontroli nad jego powstaniem i użyciem[4].

Jak zmienia się rola człowieka

W klasycznym modelu pracy kreatywnej człowiek był bezpośrednim wykonawcą niemal każdego elementu kompozycji. W modelu generatywnym człowiek coraz częściej pełni rolę projektanta intencji, kuratora wariantów, redaktora estetyki i decydenta odpowiedzialnego za końcowy rezultat[5].

Ta zmiana nie osłabia znaczenia człowieka, ale przesuwa je na wyższy poziom abstrakcji. To człowiek ustala założenia dzieła, definiuje styl i kontekst użycia, odrzuca błędne wyniki, poprawia kompozycję, dobiera końcową wersję oraz ocenia, czy materiał może zostać komercyjnie wykorzystany bez naruszenia cudzych praw albo bez ryzyka wprowadzenia odbiorcy w błąd.

Z punktu widzenia prawa autorskiego takie rozumienie procesu ma znaczenie praktyczne. Parlament Europejski (dalej „PE”), odnosząc się do generatywnej SI, podkreśla utrzymanie zasady ‚human authorship”, czyli oparcie ochrony prawa autorskiego na ludzkim autorstwie, a nie na autonomicznym działaniu systemu.

Obraz SI jako materiał pośredni

W wielu zastosowaniach biznesowych obraz wygenerowany przez SI nie powinien być traktowany jako ostateczny utwór gotowy do automatycznej publikacji. Znacznie bezpieczniejszy i dojrzalszy operacyjnie model polega na używaniu takich obrazów jako materiału pośredniego: szkicu kreatywnego, propozycji estetycznej, wizualizacji koncepcyjnej lub bazy do dalszej obróbki przez człowieka[6].

Takie podejście przynosi kilka korzyści jednocześnie. Po pierwsze, wzmacnia ludzki wkład twórczy. Po drugie, pozwala ograniczyć ryzyko przypadkowego podobieństwa do istniejących dzieł lub komercyjnie rozpoznawalnych kampanii. Po trzecie, ułatwia wdrożenie kontroli jakości i zgodności przed wypuszczeniem materiału na zewnątrz.

W praktyce wiele najbardziej wartościowych zastosowań SI w obszarze obrazu polega właśnie na przyspieszeniu pierwszej fazy pracy, a nie na pełnej automatyzacji całego procesu. To szczególnie istotne w środowiskach, w których końcowy materiał wpływa na wizerunek marki, sprzedaż, relacje z odbiorcami albo bezpieczeństwo prawne kampanii.

Transparentność jako obowiązek i standard rynkowy

Jednym z najważniejszych kierunków rozwoju regulacyjnego w UE jest przejrzystość treści generowanych przez SI. Komisja Europejska (dalej „KE’) rozwija kodeks praktyk dotyczący znakowania i oznaczania treści generowanych przez SI właśnie po to, by wspierać zgodność z art. 50 Aktu w sprawie sztucznej inteligencji i przygotować rynek na stosowanie obowiązków transparentności od 2 sierpnia 2026 r.

FAQ Komisji wskazuje, że kodeks ma być dobrowolnym narzędziem wspierającym zgodność dostawców i podmiotów wdrażających systemów generatywnej SI z obowiązkami wynikającymi z art. 50 ust. 2 i 4 powyższego aktu. Oznacza to, że rynek nie będzie opierał się wyłącznie na literalnym brzmieniu przepisu, ale także na praktycznych wytycznych dotyczących sposobów znakowania, wykrywalności i ujawniania pochodzenia treści.

Z perspektywy organizacji korzystających z generatorów obrazów jest to sygnał bardzo istotny. Transparentność przestaje być jedynie dobrą praktyką komunikacyjną i staje się elementem architektury zgodności, który trzeba uwzględnić już na etapie projektowania procesu twórczego i publikacyjnego.

Co dokładnie wynika z art. 50 Aktu w sprawie sztucznej inteligencji

Artykuł 50 ww. aktu nakłada obowiązki zarówno na dostawców, jak i na podmioty wykorzystujące systemy SI w praktyce zawodowej. W odniesieniu do treści syntetycznych szczególne znaczenie mają reguły dotyczące znakowania treści generowanych lub modyfikowanych przez SI oraz ujawnieniu w przypadku deepfake’ów.

Z dostępnych materiałów interpretacyjnych wynika, że dostawcy systemów powinni wdrażać techniczne rozwiązania pozwalające oznaczać treści generowane lub zmanipulowane przez SI w sposób możliwy do maszynowego odczytu, wykrywalny i możliwie odporny na utratę jakości treści. Z kolei wdrożeniowcy, czyli podmioty używające takich systemów zawodowo, w określonych przypadkach muszą ujawniać odbiorcom, że dana treść została sztucznie wygenerowana albo zmanipulowana.

Warto podkreślić, że nie chodzi tu wyłącznie o tekst. Obrazy, wideo i dźwięk są centralnym obszarem zainteresowania art. 50, zwłaszcza gdy syntetyczny materiał może zostać odebrany jako autentyczny zapis rzeczywistości[7].

Gdzie zaczyna się deepfake

W praktyce rynkowej pojęcie deepfake bywa nadużywane i używane wobec każdej treści stworzonej przez SI. To nie jest precyzyjne podejście. Z materiałów Komisji i analiz dotyczących art. 50 www. aktu wynika, że deepfake odnosi się do obrazu, audio lub wideo wygenerowanego albo zmanipulowanego przez SI w sposób imitujący realne osoby, obiekty, miejsca, podmioty lub zdarzenia tak, by odbiorca mógł uznać taki materiał za autentyczny.

To rozróżnienie ma bardzo konkretne skutki. Fantastyczna ilustracja, abstrakcyjna kompozycja albo estetyczna wizualizacja produktu co do zasady nie niesie takiego samego ryzyka jak obraz przedstawiający pozornie prawdziwą scenę z udziałem istniejącej osoby, marki albo zdarzenia. Im wyższe ryzyko pomylenia syntetycznego obrazu z dokumentacją rzeczywistości, tym większe znaczenie zyskuje ujawnienie i kontrola przed publikacją.

Jednocześnie Akt w sprawie sztucznej inteligencji przewiduje złagodzenie dla treści o charakterze ewidentnie artystycznym, kreatywnym, satyrycznym lub fikcyjnym. Nie oznacza to jednak pełnego zwolnienia z obowiązków, lecz raczej wymóg ujawnienia ingerencji SI w sposób odpowiedni, który nie zakłóca odbioru dzieła.

Prawo autorskie to tylko część układanki

W pierwszym artykule centralne miejsce zajmowało pytanie o status prawnoautorski obrazu generowanego przez SI. Druga część wymaga spojrzenia szerszego: w praktyce wiele ryzyk związanych z obrazami SI wykracza poza klasyczne pytanie o to, czy dany wynik jest „utworem” i komu przysługują do niego prawa.

Równie ważne są ryzyka dotyczące wizerunku, znaków towarowych, renomy przedsiębiorstwa, wprowadzającej w błąd komunikacji handlowej oraz wykorzystywania wizualnych motywów zbyt silnie kojarzonych z konkretnym twórcą, marką lub kampanią. Organizacja może więc ponosić ryzyko nawet wtedy, gdy spór stricte autorski nie jest oczywisty.

W praktyce oznacza to konieczność prowadzenia oceny wielowarstwowej. Materiał może być akceptowalny z jednego punktu widzenia, a jednocześnie ryzykowny z innego, na przykład bezpieczny autorsko, ale problematyczny ze względu na pozorne sugerowanie autentycznego zdjęcia prawdziwej osoby albo imitację opakowania rozpoznawalnej marki.

Znaczenie danych treningowych i rynku licencji

PE w marcu 2026 r. przyjął rezolucję dotyczącą prawa autorskiego i generatywnej SI, w której mocno akcentuje potrzebę większej przejrzystości danych treningowych, budowy mechanizmów licencjonowania treści wykorzystywanych do trenowania modeli oraz zapewnienia sprawiedliwego wynagradzania uprawnionych. Rezolucja podkreśla też utrzymanie zasady ludzkiego autorstwa i wzmacnia presję na dostawców systemów generatywnych, by lepiej dokumentowali źródła danych oraz współpracowali z twórcami i posiadaczami praw.

Ten kierunek jest ważny również dla użytkowników końcowych, nawet jeżeli nie budują oni własnych modeli. Wybór dostawcy narzędzia do generowania obrazów coraz bardziej będzie oceniany także przez pryzmat tego, czy dostawca przedstawia spójną politykę dotyczącą danych treningowych, respektowania mechanizmów wyłączenia, transparentności i licencjonowania.

W praktyce oznacza to, że strategia „używajmy czegokolwiek, dopóki ktoś nas nie pozwie” staje się coraz bardziej ryzykowna. Kierunek unijny zmierza do większej rozliczalności, a nie do pozostawienia obszaru generatywnej SI w strefie pełnej dowolności[8].

Governance dla organizacji korzystających z SI obrazowej

Każda organizacja, która chce używać SI do tworzenia obrazów w sposób powtarzalny i bezpieczny, powinna zbudować własny model governance. Nie musi to oznaczać skomplikowanej struktury korporacyjnej, ale powinno oznaczać jasne role, polityki, etapy akceptacji i zasady dokumentowania decyzji.

Najprostszy skuteczny model można oprzeć na trzech liniach odpowiedzialności.

Pierwsza dotyczy zespołu kreatywnego lub marketingowego, który inicjuje potrzebę stworzenia obrazu i odpowiada za sens biznesowy oraz jakość materiału.

Druga dotyczy funkcji prawnej, compliance lub osoby wyznaczonej do oceny ryzyk związanych z użyciem SI.

Trzecia dotyczy właściciela procesu biznesowego, który odpowiada za zatwierdzenie publikacji oraz ewentualne usunięcie treści w razie sporu.

Bezpieczny workflow od briefu do publikacji

Najbardziej użyteczne podejście praktyczne polega na zaprojektowaniu workflow, który porządkuje działania zespołu i zmniejsza liczbę błędów. Taki workflow nie musi być ciężki proceduralnie, ale powinien być przewidywalny, audytowalny i dostosowany do poziomu ryzyka danej treści.

Przykładowy model może wyglądać następująco:

– brief zawiera cel biznesowy, grupę odbiorców, zakres użycia i listę wykluczeń, na przykład zakaz używania wizerunku konkretnych osób lub odniesień do istniejących marek;

– wybór narzędzia odbywa się wyłącznie z listy rozwiązań dopuszczonych przez organizację;

– prompty nie mogą nakazywać tworzenia obrazów „w stylu” konkretnego żyjącego artysty ani kopiować rozpoznawalnych kampanii;

– zespół generuje kilka wariantów i porównuje ich ryzyka, zamiast automatycznie wybierać pierwszy technicznie udany wynik;

– końcowy materiał przechodzi kontrolę jakości i compliance, obejmującą ocenę podobieństwa, ryzyka wprowadzenia w błąd oraz wymogu oznaczenia;

– wersja opublikowana jest archiwizowana razem z podstawowymi danymi o jej pochodzeniu i osobie zatwierdzającej.

Dokumentacja jako dowód należytej staranności

W sporach dotyczących generatywnej SI coraz większe znaczenie będzie mieć nie tylko sam rezultat, lecz także możliwość odtworzenia procesu jego powstania. Dlatego jednym z kluczowych elementów dojrzałego compliance jest dokumentowanie użycia systemów generatywnych.

Praktyczny rejestr użycia obrazu SI może obejmować: nazwę narzędzia, datę wygenerowania, autora briefu, osobę publikującą, główne prompty, informację o późniejszej edycji, cel użycia, ocenę ryzyka, decyzję co do oznaczenia oraz miejsce publikacji. Taki rejestr nie musi być przesadnie rozbudowany, ale powinien pozwalać wykazać, że organizacja działała świadomie i z należytą starannością.

Dokumentacja pełni też funkcję strategiczną. Ułatwia obronę przed zarzutami, wspiera wewnętrzne audyty, porządkuje odpowiedzialność w zespole i pozwala analizować, które zastosowania SI rzeczywiście przynoszą wartość, a które generują zbyt wysokie ryzyko operacyjne lub reputacyjne.

Praktyczne rekomendacje compliance

1. Przyjmij formalną politykę używania generatorów obrazów

Polityka powinna określać, kto może korzystać z narzędzi, do jakich zastosowań, na jakich warunkach oraz w jakich przypadkach wymagana jest dodatkowa akceptacja prawna lub compliance. Szczególnie istotne jest rozróżnienie użyć wewnętrznych od publicznych oraz kreatywnych od informacyjnych.

2. Ogranicz katalog narzędzi do rozwiązań zatwierdzonych

Nie każdy model lub aplikacja oferuje taki sam poziom przejrzystości, warunków licencyjnych i kontroli danych. Organizacja powinna korzystać tylko z tych narzędzi, które przeszły podstawowe due diligence i mają akceptowalne warunki użycia.

3. Wprowadź zasady redagowania promptów

Prompty powinny unikać odwołań do realnych osób, znaków towarowych, konkretnych żyjących artystów i materiałów mogących prowadzić do imitacji cudzych dzieł lub kampanii. Warto tworzyć katalog promptów dozwolonych, neutralnych i zakazanych.

4. Ustanów obowiązkowy human review

Żaden obraz przeznaczony do publikacji zewnętrznej nie powinien trafiać do obiegu bez oceny człowieka. Taka ocena powinna obejmować nie tylko estetykę, ale też ryzyko prawne, możliwość wprowadzenia odbiorcy w błąd i zgodność z zasadami marki.

5. Stosuj oznaczenia tam, gdzie wymaga tego prawo lub ryzyko

Jeżeli materiał może być uznany za deepfake albo w inny sposób sugerować autentyczność zdarzenia, osoby lub sytuacji, należy wdrożyć właściwy disclosure. W wielu organizacjach warto przyjąć także szerszą politykę transparentności niż minimum prawne, aby ograniczyć ryzyko reputacyjne.

6. Dokumentuj ludzki wkład twórczy

Warto zachowywać informacje o selekcji wariantów, retuszu, kompozycji i zmianach dokonanych po wygenerowaniu obrazu. Taka praktyka może pomóc zarówno w wykazywaniu oryginalnego wkładu człowieka, jak i w porządkowaniu praw do materiału między członkami zespołu, klientem i wykonawcami.

7. Ureguluj zasady kontraktowe

Umowy z pracownikami, agencjami i freelancerami powinny precyzować, czy wolno używać generatywnej SI, kto odpowiada za zgodność materiałów i jak wygląda podział ryzyk oraz uprawnień do końcowych rezultatów. W przeciwnym razie organizacja może mieć trudność z dochodzeniem roszczeń lub obroną przed nimi.

8. Przygotuj procedurę reagowania na zgłoszenia

Jeżeli pojawi się zarzut naruszenia praw autorskich, wizerunku lub oznaczeń transparentności, organizacja powinna mieć gotowy proces przyjmowania zgłoszeń, czasowego wstrzymania użycia materiału, oceny sprawy i podjęcia decyzji o korekcie, usunięciu albo obronie publikacji.

9. Monitoruj rozwój wytycznych UE

Do 2 sierpnia 2026 r. i po tej dacie znaczenie będą miały nie tylko przepisy Aktu w sprawie sztucznej inteligencji, ale również praktyczne kodeksy, drafty i interpretacje rozwijane przez Komisję oraz rynek. Regularny monitoring powinien stać się częścią systemu compliance każdej organizacji używającej SI do treści wizualnych.

Co to oznacza dla biznesu kreatywnego

Dla firm i zespołów kreatywnych najważniejszy wniosek jest prosty: przewagę zyskają nie te podmioty, które generują najwięcej obrazów, lecz te, które potrafią robić to w sposób uporządkowany, udokumentowany i zgodny z rosnącymi oczekiwaniami regulacyjnymi. SI przestaje być przewagą samą w sobie; przewagą staje się dopiero umiejętność bezpiecznego osadzenia tej technologii w realnym procesie biznesowym.

Dojrzałe wykorzystanie generatorów obrazów wymaga połączenia kreatywności, prawa, operacji i odpowiedzialności komunikacyjnej. Właśnie dlatego przyszłość tego obszaru będzie zależała nie tylko od jakości modeli, lecz także od tego, jak dobrze organizacje nauczą się łączyć innowację z transparentnością, szybkość z kontrolą ryzyka, a skalę działania z poszanowaniem praw twórców i odbiorców[9].

r.pr. dr Wiktor Czeszejko-Sochacki

[1] https://digital-strategy.ec.europa.eu/en/policies/code-practice-ai-generated-content I https://digital-strategy.ec.europa.eu/en/faqs/guidelines-and-code-practice-transparent-ai-systems I https://www.jacobacci-law.com/news-and-publications/european-parliament-adopts-resolution-on-copyright-and-generative-ai-key-implications-for-ai-developers-and-rights-holders-en

[2] https://www.kirkland.com/publications/kirkland-alert/2026/02/illuminating-ai-the-eus-first-draft-code-of-practice-on-transparency-for-ai I https://www.ddg.fr/actualite/copyright-and-generative-artificial-intelligence-the-european-parliament-resolution-of-10-march-2026

[3] https://artificialintelligenceact.eu/article/50/

[4] https://www.europarl.europa.eu/thinktank/en/document/EPRS_ATA(2026)782674

[5] https://trafficwatchdog.pl/pl/blog/hwwk9tbje204okjcza596h7q/prawa-autorskie-do-obrazow-generowanych-przez-ai-stan-na-rok-2025

[6] https://marszalstudio.pl/ai-act-fotografia-produktowa-2026/

[7] https://digital-strategy.ec.europa.eu/en/library/commission-publishes-second-draft-code-practice-marking-and-labelling-ai-generated-content I https://www.aiacto.eu/en/blog/article-50-ai-act-transparence-deepfakes-contenu-ia

[8] https://www.nomosparis.com/en/european-parliament-resolution-meps-want-to-strengthen-copyright-protection-to-meet-the-challenges-of-generative-artificial-intelligence/

[9] https://www.linkedin.com/pulse/code-practice-ai-commission-seeks-balance-between-mathieu-gitton-uoiue I https://digital-strategy.ec.europa.eu/en/policies/ai-code-practice I https://thelegalwire.ai/european-parliament-adopts-resolution-on-copyright-and-generative-ai/ I https://www.jonesday.com/en/insights/2026/01/european-commission-publishes-draft-code-of-practice-on-ai-labelling-and-transparency I https://www.linkedin.com/pulse/proposal-code-practice-transparency-ai-generated-content-key-6omse I https://artificialintelligenceact.eu

Wprowadzenie

Generowanie obrazów przez modele sztucznej inteligencji (dalej „SI”) stało się jednym z najważniejszych zastosowań generatywnej SI w sektorze kreatywnym, marketingowym, mediowym i projektowym. Systemy tego rodzaju potrafią tworzyć ilustracje, wizualizacje produktowe, grafiki koncepcyjne, materiały reklamowe i stylizowane kompozycje na podstawie poleceń tekstowych, obrazów referencyjnych albo kombinacji obu tych elementów[1].

Rozwój tych technologii wywołuje jednak równoległe pytania o status prawny wygenerowanych obrazów, legalność wykorzystywania danych treningowych oraz zakres odpowiedzialności podmiotów wdrażających takie rozwiązania. W UE problem ten nie jest już wyłącznie zagadnieniem doktrynalnym, ponieważ łączy przepisy prawa autorskiego, wyjątki dotyczące text and data mining, obowiązki przejrzystości wynikające z Aktu w sprawie sztucznej inteligencji oraz rosnące oczekiwania dotyczące dokumentowania źródeł treści używanych do trenowania modeli[2].

Jak działa generowanie obrazów

W praktyce generowanie obrazów przez SI polega na przetwarzaniu poleceń użytkownika i syntezie nowej treści wizualnej na podstawie wzorców wyuczonych na bardzo dużych zbiorach danych. Parlament Europejski (dalej „PE”) opisuje generatywną SI jako systemy tworzące nowe treści, takie jak tekst, obrazy, muzyka, wideo i kod, w oparciu o trening na bardzo dużych zbiorach danych, z których modele uczą się struktur i zależności.

Z perspektywy użytkownika proces ten często wygląda prosto: wystarczy prompt, wybór stylu, formatu i parametrów technicznych. Z perspektywy prawnej znaczenie ma jednak nie tylko sam wynik, lecz także to, czy obraz powstał przy istotnym twórczym wkładzie człowieka, z jakich danych korzystał model oraz czy materiał końcowy został odpowiednio oznaczony jako wygenerowany lub zmanipulowany przez SI[3].

Czy obraz wygenerowany przez SI jest utworem

W polskim i unijnym prawie autorskim punktem wyjścia pozostaje ludzki charakter twórczości. Zgodnie z przywoływanym w polskiej praktyce art. 1 Ustawy z dnia 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych utworem jest przejaw działalności twórczej o indywidualnym charakterze, a autorem może być wyłącznie osoba fizyczna, nie zaś system, algorytm czy model SI[4].

PE w rezolucji z 10 marca 2026 r. również podkreśla, że unijne prawo autorskie pozostaje oparte na zasadzie „human authorship”, a pojęcie „utworu” według utrwalonego orzecznictwa Trybunału Sprawiedliwości UE wymaga oryginalności stanowiącej własną intelektualną twórczość autora oraz wyrażenia tej twórczości w sposób możliwy do zidentyfikowania z dostateczną precyzją i obiektywnością.

W praktyce oznacza to trzy główne scenariusze. Po pierwsze, obraz wygenerowany całkowicie automatycznie, bez realnego twórczego wkładu człowieka, może nie korzystać z pełnej ochrony prawa autorskiego. Po drugie, jeśli człowiek kształtuje rezultat przez złożony dobór promptów, iteracje, selekcję, retusz, kompozycję i dalszą obróbkę, wzrasta argument za uznaniem wyniku za utwór człowieka wspomaganego narzędziem SI. Po trzecie, niezależnie od ochrony samego wyniku, nadal mogą powstawać roszczenia związane z naruszeniem cudzych praw na etapie treningu lub wygenerowania treści zbyt bliskiej chronionym materiałom źródłowym.

Dane treningowe i wyjątek TDM (en. Text and Data Mining)

Kluczowe znaczenie dla zgodności prawnej modeli generujących obrazy ma kwestia danych treningowych. Dyrektywa Parlamentu Europejskiego i Rady (UE) 2019/790 z dnia 17 kwietnia 2019 r. w sprawie prawa autorskiego i praw pokrewnych na jednolitym rynku cyfrowym oraz zmiany dyrektyw 96/9/WE i 2001/29/WE wprowadziła wyjątki dotyczące text and data mining, a w praktyce europejskiej przeważa stanowisko, że mają one znaczenie także dla trenowania modeli SI, choć granice tego zastosowania i jego wdrożenie krajowe pozostają przedmiotem sporów interpretacyjnych[5].

Szczególnie ważny jest mechanizm opt-out dla uprawnionych. W odniesieniu do TDM prowadzonego do celów innych niż badania naukowe uprawnieni mogą zastrzec brak zgody na wykorzystanie utworów, przy czym w przypadku treści dostępnych online zastrzeżenie powinno być wyrażone w odpowiedni sposób, w tym maszynowo odczytywalny.

Znaczenie tego mechanizmu rośnie w praktyce komercyjnej. PE zwrócił uwagę, że obecne systemy zastrzegania praw są często niepraktyczne, nie obejmują wszystkich relewantnych działań związanych z TDM i nie zapewniają wystarczającej przejrzystości dla skutecznego egzekwowania praw, a jednocześnie wskazał potrzebę stworzenia sprawnie działających narzędzi wyłączenia oraz licencjonowania treści do trenowania GenAI.

Akt w sprawie sztucznej inteligencji i obowiązki przejrzystości

Równolegle do prawa autorskiego obowiązują ramy wynikające z Aktu w sprawie sztucznej inteligencji. Jego art. 50 nakłada obowiązki przejrzystości na dostawców systemów generujących syntetyczne obrazy, tekst, dźwięk lub wideo, wymagając, aby takie treści były oznaczane w formacie możliwym do maszynowego odczytu i wykrywalnym jako sztucznie wygenerowane lub zmanipulowane, o ile jest to technicznie wykonalne.

Ten sam przepis wymaga również, aby podmioty używające systemów SI do generowania lub manipulowania obrazem, dźwiękiem lub wideo stanowiącym deepfake ujawniały, że treść została sztucznie wygenerowana lub zmanipulowana. W przypadku utworów artystycznych, kreatywnych, satyrycznych albo fikcyjnych obowiązek ten jest złagodzony, ale nadal wymaga ujawnienia istnienia takiej ingerencji w sposób, który nie utrudnia odbioru dzieła.

Dla podmiotów działających komercyjnie oznacza to, że samo legalne wygenerowanie obrazu nie wyczerpuje obowiązków prawnych. Konieczne może być jednoczesne wdrożenie oznaczeń technicznych, komunikatów dla użytkowników, zasad publikacji i procedur oceny, czy dana treść stanowi zwykły materiał kreatywny, czy też kwalifikuje się jako manipulacja wymagająca dodatkowego ujawnienia[6].

Najnowszy kierunek regulacyjny UE

W marcu 2026 r. PE przyjął rezolucję dotyczącą prawa autorskiego i generatywnej SI, wskazując, że obecne prawo autorskie jest niewystarczające do rozwiązania problemu licencjonowania materiałów chronionych wykorzystywanych przez GenAI. Rezolucja wzywa Komisję do doprecyzowania zasad licencjonowania, zapewnienia współpracy dostawców GenAI z twórcami i innymi uprawnionymi oraz budowy efektywnego rynku licencji.

PE opowiedział się także za szeroką przejrzystością i dokumentowaniem źródeł treści chronionych prawem autorskim użytych do treningu, a także za rozwiązaniami umożliwiającymi skuteczne wyłączanie utworów z treningu w ograniczonej liczbie ustandaryzowanych, maszynowo odczytywalnych formatów. Jako potencjalnego zaufanego pośrednika wskazano EUIPO, które mogłoby wspierać zarówno system wyłączeń, jak i relacje licencyjne między dostawcami AI a uprawnionymi.

To nie oznacza jeszcze pełnej reformy prawa autorskiego, ale pokazuje wyraźny kierunek regulacyjny: większą przejrzystość, większą rozliczalność dostawców SI oraz silniejszą pozycję negocjacyjną twórców i posiadaczy praw. Dla organizacji wdrażających narzędzia do generowania obrazów oznacza to potrzebę budowania zgodności nie tylko według litery obecnego prawa, ale także w zgodzie z przewidywanym kierunkiem egzekwowania i zmian legislacyjnych[7].

Główne ryzyka prawne

Podmiot korzystający z SI do generowania obrazów powinien brać pod uwagę kilka odrębnych ryzyk prawnych i operacyjnych.

Ryzyko naruszenia praw do danych treningowych, jeżeli model był trenowany na materiałach chronionych bez licencji albo bez poszanowania skutecznego opt-out.

Ryzyko wygenerowania treści nadmiernie zbliżonej do istniejących dzieł, znaków towarowych, stylów komercyjnie identyfikowalnych lub wizerunku konkretnych osób.

Ryzyko błędnego przypisania autorstwa lub nieuprawnionego deklarowania wyłącznych praw do materiału, który nie spełnia przesłanek ochrony jako utwór.

Ryzyko naruszenia obowiązków przejrzystości przez brak oznaczeń AI-generated, brak ujawnienia deepfake albo brak właściwych komunikatów dla odbiorców.

Ryzyko kontraktowe, gdy dostawca narzędzia nie daje jasnych gwarancji co do pochodzenia danych, zakresu licencji lub zasad wykorzystywania promptów i tzw. outputów użytkownika.

Kto odpowiada w praktyce

W praktyce odpowiedzialność prawna rozkłada się między kilka kategorii podmiotów. Dostawca modelu odpowiada przede wszystkim za architekturę zgodności dotyczącą modelu, politykę copyright compliance, respektowanie opt-out, dokumentowanie danych treningowych i realizację obowiązków wynikających z Aktu w sprawie sztucznej inteligencji właściwych dla jego roli.

Podmiot wdrażający lub publikujący obrazy odpowiada natomiast za sposób użycia narzędzia, treść końcową, oznaczenia, zgodność publikacji z prawem autorskim, prawem do wizerunku, ochroną konsumenta i zasadami komunikacji rynkowej. Rezolucja Parlamentu Europejskiego akcentuje, że prawo UE dotyczące praw autorskich i pokrewnych powinno być stosowane do wszystkich dostawców i usług funkcjonujących na rynku unijnym, niezależnie od miejsca siedziby czy miejsca, w którym odbywały się czynności istotne dla treningu modelu.

Użytkownik końcowy nie może więc zakładać, że odpowiedzialność zawsze spoczywa wyłącznie na producencie modelu. Jeżeli organizacja publikuje obraz wygenerowany przez AI jako własny materiał marketingowy, produktowy lub redakcyjny, musi samodzielnie ocenić legalność i ryzyko użycia tego materiału.

Praktyczne rekomendacje compliance

1. Stwórz politykę używania generatywnej SI

Organizacja powinna przyjąć wewnętrzną politykę określającą, do jakich celów można używać generatorów obrazów, jakie treści są zakazane i kto zatwierdza publikację materiałów wysokiego ryzyka. Polityka powinna obejmować co najmniej marketing, social media, projekty produktowe, treści redakcyjne oraz materiały wymagające użycia wizerunku lub odniesień do istniejących marek i dzieł.

2. Weryfikuj dostawcę modelu

Przed wdrożeniem rozwiązania warto przeprowadzić due diligence dostawcy. Należy sprawdzić, czy dostawca opisuje źródła danych, politykę copyright compliance, mechanizmy respektowania opt-out, zasady korzystania z promptów oraz warunki licencyjne dotyczące outputów.

3. Ogranicz prompty wysokiego ryzyka

W praktyce warto zakazać promptów nakazujących tworzenie obrazów „w stylu konkretnego żyjącego artysty”, używania rozpoznawalnych postaci, logotypów, opakowań czy imitowania cudzych kampanii reklamowych. Takie ograniczenia zmniejszają ryzyko wygenerowania materiałów naruszających cudze prawa autorskie, prawa do znaków towarowych lub dobra osobiste.

4. Dokumentuj proces twórczy człowieka

Jeżeli organizacja chce wzmacniać argument, że końcowy materiał ma element ludzkiej twórczości, warto archiwizować iteracje promptów, selekcję wariantów, zakres retuszu, kompozycji i dalszej obróbki. Taka dokumentacja może być istotna zarówno dla wykazania wkładu człowieka, jak i dla obrony przed zarzutem, że materiał został bezrefleksyjnie wygenerowany i opublikowany.

5. Wdrażaj oznaczenia AI-generated

Jeżeli obraz jest publikowany w środowisku objętym obowiązkami przejrzystości albo może zostać uznany za deepfake czy materiał zmanipulowany, należy zapewnić odpowiednie oznaczenia i disclosure. Akt w sprawie sztucznej inteligencji wymaga rozwiązań technicznych umożliwiających wykrywanie treści sztucznie wygenerowanych lub zmanipulowanych, a w określonych przypadkach także jasnego informowania odbiorców o takim charakterze materiału.

6. Wprowadź kontrolę przed publikacją

Dla materiałów zewnętrznych warto wdrożyć checklistę publikacyjną obejmującą pytania: czy obraz przypomina istniejące dzieło, czy zawiera oznaczenia lub cechy marki, czy przedstawia realną osobę, czy wymaga ujawnienia oraz czy zachowano dowody pochodzenia i procesu twórczego. Taka kontrola powinna być obowiązkowa zwłaszcza dla kampanii reklamowych, materiałów prasowych i materiałów sprzedażowych.

7. Ureguluj prawa w umowach

Umowy z pracownikami, agencjami, freelancerami i klientami powinny wyraźnie określać, czy i na jakich zasadach można korzystać z narzędzi generatywnej SI, kto odpowiada za zgodność materiałów, kto ponosi ryzyko roszczeń osób trzecich oraz jaki jest zakres przeniesienia lub licencji do końcowych materiałów. Bez takiej regulacji łatwo o spór, zwłaszcza gdy końcowy materiał powstał z udziałem wielu osób i narzędzi.

8. Przygotuj procedurę „notice-and-response”

Organizacja publikująca treści AI powinna posiadać prostą procedurę obsługi zgłoszeń dotyczących naruszeń praw autorskich, dóbr osobistych lub oznaczeń deepfake. W praktyce powinna ona obejmować szybkie przyjęcie zgłoszenia, czasową blokadę spornego materiału, ocenę prawną, decyzję o korekcie albo usunięciu oraz archiwizację całego incydentu.

9. Śledź zmiany regulacyjne w UE

Obszar ten zmienia się szybko. Rezolucja PE z marca 2026 r. pokazuje, że Komisja jest pod presją doprecyzowania zasad licencjonowania, transparentności i ochrony twórców, dlatego organizacje korzystające z generatorów obrazów powinny prowadzić stały monitoring zmian w prawie, standardach i praktyce egzekwowania.

Model operacyjny zgodności

Dobrą praktyką jest przyjęcie trójwarstwowego modelu zgodności. Pierwsza warstwa dotyczy wyboru narzędzia i oceny dostawcy, druga obejmuje proces tworzenia i zatwierdzania materiałów, a trzecia odnosi się do publikacji, oznaczeń, archiwizacji i reagowania na roszczenia.

W organizacjach tworzących większą liczbę materiałów wizualnych warto połączyć ten model z rejestrem użyć SI. Rejestr może zawierać informacje o narzędziu, dacie wygenerowania, celu użycia, osobie odpowiedzialnej, podstawie publikacji, ocenie ryzyka i zastosowanych oznaczeniach, co ułatwia wykazanie należytej staranności oraz audyt zgodności.

Wnioski dla biznesu kreatywnego

Generowanie obrazów przez SI nie jest już wyłącznie zagadnieniem technologicznym, lecz elementem zarządzania ryzykiem prawnym i reputacyjnym. W aktualnym stanie prawnym najbezpieczniejsze podejście polega na traktowaniu SI jako narzędzia wspierającego człowieka, a nie źródła automatycznie „czystych” praw do każdego wygenerowanego rezultatu.

Dla firm i zespołów kreatywnych oznacza to konieczność łączenia innowacji z dokumentowaniem pochodzenia treści, kontrolą publikacji, ostrożnym formułowaniem roszczeń do praw wyłącznych i bieżącym wdrażaniem obowiązków przejrzystości. Właśnie takie podejście najlepiej odpowiada obecnemu kierunkowi prawa UE, które zmierza do połączenia rozwoju generatywnej AI z ochroną twórców, przejrzystością rynku i możliwością skutecznego egzekwowania praw autorskich[8].

r.pr. dr Wiktor Czeszejko-Sochacki, LL.M.

[1] https://www.hsfkramer.com/notes/ip/2026-03/transparency-obligations-for-ai-generated-content-under-the-eu-ai-act-from-principle-to-practice I https://www.europarl.europa.eu/doceo/document/A-10-2026-0019_EN.html

[2] https://www.europarl.europa.eu/doceo/document/TA-10-2026-0066_EN.html I https://artificialintelligenceact.eu/article/50/

[3] https://poradnikprzedsiebiorcy.pl/-chatgpt-a-prawa-autorskie-kto-jest-tworca-tresci-wygenerowanej-przez-ai i https://mkzpartnerzy.pl/prawo-autorskie-a-sztuczna-inteligencja-kto-jest-autorem-dziela-stworzonego-przez-ai/

[4] https://www.currenda.pl/prawa-autorskie-w-odniesieniu-do-utworow-tworzonych-przez-sztuczna-inteligencje-ai/

[5] https://www.traple.pl/en/trenowanie-ai-i-mechanizmy-opt-out-dla-uprawnionych-z-tytulu-praw-autorskich-w-ue-wciaz-wiecej-pytan-niz-odpowiedzi/ i https://cyberprawo.org/tdm-i-sztuczna-inteligencja i https://sodapl.com/stanowisko-soda-zmiana-ustawy-o-prawie-autorskim-i-prawach-pokrewnych/

[6] https://www.twobirds.com/en/insights/2026/taking-the-eu-ai-act-to-practice-understanding-the-draft-transparency-code-of-practice

[7] https://www.rpclegal.com/snapshots/technology-digital/spring-2026/eu-proposals-to-ensure-transparency-and-fair-remuneration-for-use-of-copyrighted-work-by-genai/ i https://www.rpclegal.com/snapshots/technology-digital/spring-2026/eu-proposals-to-ensure-transparency-and-fair-remuneration-for-use-of-copyrighted-work-by-genai

[8] https://scalevise.com/resources/eu-ai-act-2026-changes/ I https://www.globalpolicywatch.com/2026/02/european-parliament-proposes-changes-to-copyright-protection-in-the-age-of-generative-ai/ I https://silesialegalhouse.pl/text-and-data-mining-tdm-zasady-dozwolonego-uzytku/