Španija: Nove smernice o uporabi UI
Španski nadzorni organ je objavil novo tehnično pojasnilo, ki obravnava razmerje med načelom točnosti iz Splošne uredbe in kakovostjo podatkov pri obdelavi osebnih podatkov z uporabo UI.
Smernice so bile objavljene 21. 7. 2026.
V praksi se načelo točnosti pogosto razume predvsem kot zahteva, da so osebni podatki resnični in posodobljeni. AEPD opozarja, da je takšna razlaga preozka, zlasti pri uporabi umetne inteligence. Po njihovem mnenju je treba načelo točnosti vedno presojati glede na namen obdelave osebnih podatkov.
To pomeni, da za določeno obdelavo ni pomembno zgolj, ali so podatki pravilni, temveč tudi, ali so dovolj natančni, ustrezno podrobni, reprezentativni, brez pomembnih pristranskosti ter primerni za dosego zakonitega namena obdelave. Kakovost podatkov je tako širši pojem od načela točnosti po GDPR, saj zajema tudi neosebne podatke in druge tehnične lastnosti, ki lahko vplivajo na delovanje sistema umetne inteligence.
Dokument namenja poseben poudarek razvoju modelov umetne inteligence. AEPD izpostavlja, da ni dovolj ocenjevati kakovosti posameznih zapisov, temveč je treba presojati kakovost celotnega nabora podatkov. Tudi če so posamezni podatki pravilni, je lahko celoten nabor neustrezen zaradi pristranskosti ali slabe reprezentativnosti, kar lahko vodi do netočnih ali diskriminatornih rezultatov.
Ključna sporočila smernic
AEPD poudarja, da načelo točnosti iz člena 5 GDPR ni absolutna zahteva po popolni resničnosti vseh podatkov v vseh okoliščinah. Zahtevana raven točnosti je odvisna od konkretnega namena obdelave in od vpliva, ki ga ima obdelava na pravice posameznikov. Pri določenih postopkih razvoja umetne inteligence so lahko denimo uporabljeni anonimizirani, sintetični ali statistično prilagojeni podatki, če so ti primerni za dosego predvidenega namena in hkrati ne posegajo nesorazmerno v pravice posameznikov.
Dokument izpostavlja tudi pomen merjenja kakovosti rezultatov, ne zgolj vhodnih podatkov. Upravljavci morajo določiti objektivna merila, s katerimi lahko preverijo, ali sistem umetne inteligence dejansko dosega namen, zaradi katerega je bil uveden, ter ali njegovi rezultati ostajajo ustrezni in točni skozi celoten življenjski cikel sistema. Kakovost podatkov ni enkratna zahteva, temveč neprekinjen proces, ki vključuje spremljanje, preverjanje, dokumentiranje in prilagajanje spremembam v podatkih, okolju in samem delovanju sistema.
Pomemben poudarek je namenjen tudi načelu najmanjšega obsega podatkov. Po mnenju AEPD ni dopustno zbirati več ali bolj podrobnih podatkov zgolj zato, ker bi to lahko izboljšalo model umetne inteligence. Zahteve glede kakovosti podatkov morajo biti določene na podlagi objektivnih meril in ne smejo presegati tistega, kar je dejansko potrebno za dosego namena obdelave.
Skladnost s Splošno uredbo pri uporabi UI ni odvisna zgolj od zakonite pravne podlage ali izbire ustreznega modela, temveč tudi od premišljenega upravljanja kakovosti podatkov in njihove primernosti za konkretni namen obdelave.
Vir in celotne smernice: AEPD, Accuracy, suitability and quality of data in processing personal data with Artificial Intelligence.
Naslovna fotografija: Pexels
