Przypominanie algorytmiczne: jak AI decyduje o Twoim życiu prywatnym
Sztuczna inteligencja nie tylko przetwarza dane — tworzy wnioski. Z fragmentarycznych śladów cyfrowych (lokalizacja GPS, historia płatności, czas reakcji na powiadomienie, ton głosu w asystencie) buduje modele predykcyjne, które decydują o dostępie do usług, cenach i szansach. W 2024 r. Europejski Komitet Ochrony Danych (EDPB) wydał wytyczne do art. 22 RODO, potwierdzając, że profilowanie oparte na AI podlega ścisłym wymogom: prawo do wyjaśnienia, interwencji ludzkiej i sporzenia.
Jak powstaje profil algorytmiczny
Trzy warstwy danych:
- Dane jawne — to, co podajesz w formularzach (imię, PESEL, dochód).
- Dane behawioralne — co robisz: kliknięcia, scrollowanie, czas spędzony na treści, trajektoria ruchu myszki, biometryka ciśnienia (touchscreen).
- Dane wywnioskowane (inferred) — to, co AI domyśla się na Twoim temat: orientacja polityczna, stan zdrowia, preferencje seksualne, ryzyko kredytowe, lojalność pracownicza.
Badanie Article 19 (2023) na próbie 10 tys. użytkowników pokazało, że z 300 cech behawioralnych model gradient boosting (XGBoost) przewiduje orientację polityczną z accuracy 82%, a stan depresji — z AUC 0,87. Użytkownicy nie wyrażali zgody na te wnioski.
Scoring społeczny i komercyjny — nie tylko Chiny
Systemy scoringowe istnieją globalnie:
- USA: FICO Score (kredytowy), ale też Insurance Score (ubieszpieczeniowy), Tenant Score (wynajem), Employee Risk Score (HR). Firmy takie jak LexisNexis, TransUnion, Equifax agregują tysiące źródeł.
- UE: Schufa (Niemcy), CRIF (Włochy), BIK (Polska) — bazy kredytowe rozszerzane o dane alternatywne (płatności za media, subskrypcje, historia zakupów BNPL).
- Polska: BIK w 2023 r. wprowadził scoring behawioralny uwzględniający regularność płacenia rachunków za prąd/gaz jako wskaźnik wiarygodności.
W 2022 r. amerykański CFPB (Consumer Financial Protection Bureau) nakazał firmom scoringowym ujawnienie głównych czynników decyzyjnych. W Polsce art. 327 Ustawy o Bankowości nakazuje bankom informowanie o źródłach danych i logice oceniania — w praktyce formulacje są ogólne („algorytm uwzględnia historię kredytową i inne czynniki”).
Cienie rynku pracy: algorytmiczne zarządzanie pracownikami
Platformy gig economy (Uber, Bolt, Wolt, Glovo) używają AI do:
- Dynamicznego cennika (surge pricing) — algorytm decyduje, kto płaci więcej.
- Przydziału zleceń — ranking kurierów oparty na akceptacji, czasie dostawy, ocenach klientów.
- Dektywacji kont — automatyczne blokady za „niską jakość” bez ludzkiego przeglądu.
W 2023 r. włoski Garante Privacy ograniczył przetwarzanie danych kierowców przez Deliveroo — algorytm oceny wydajności nie spełniał wymogów art. 22 RODO. W Polsce PIP w 2024 r. wszcząć postępowanie wobec platformy kurierskiej za brak transparentności kryteriów blokady kont.
Zdrowie: ubezpieczenia i predykcja chorób
Ubezpieczyciele testują modele predykcyjne na danych z wearable (Apple Watch, Oura, Garmin) — puls, sen, HRV, aktywność. John Hancock (USA) oferuje zniżki za udostępnianie danych fitness. W Polsce PZU i Allianz testują programy „zdrowe nawyków = niższa składowa”.
Ryzyko: dane zdrowotne (kategoria szczególna art. 9 RODO) wchodzą do modelu przez bramkę „dobrowolnego programu”. Odmowa udziału może w przyszłości oznaczać wyższą składkę — de facto presję na zgody.
Prawo do bycia zapomnianym vs pamięć modelu
Model AI „pamięta” dane treningowe w swoich wagach. Usunięcie danych z bazy nie usuwa ich wpływu na model (problem machine unlearning). Badanie Google DeepMind (2023) pokazało, że nawet zaawansowane metody unlearning (neggrad, scrubbing) nie gwarantują pełnego usunięcia wpływu — model nadal generuje informacje o usuniętych osobach przy odpowiednich promptach.
AI Act (art. 17) wprowadza prawo do usunięcia danych z systemów high-risk, ale realizacja techniczna w przypadku modeli głębokich pozostaje nierozwiązana. EDPB w wytycznych 2024 r. wskazuje, że w przypadku niemożności usunięcia z modelu, kontroler musi zastosować inne środki (np. ograniczenie przetwarzania, anonimizacja wyjść).
Narzędzia obrony: co możesz zrobić dzisiaj
- Żądaj dostępu (art. 15 RODO) — listę kategorii danych, celów, odbiorców, logikę automatyzowaną. W Polsce: wniosek do DPO lub PIP (szablon na uodo.gov.pl).
- Wskazuj protest (art. 21 RODO) — przeciwko profilowaniu w celach marketingowych (skuteczne bezwzględnie).
- Używaj izolacji — kontenery przeglądarki (Firefox Multi-Account Containers), oddzielne profile do bankowości, zakupów, mediów społecznościowych.
- Blokuj śledzenie — uBlock Origin, Privacy Badger, DNS-over-HTTPS (NextDNS, Mullvad), wyłącz personalizację reklam w Google/Meta/TikTok.
- Sprawdzaj scoringi — w Polsce: darmowy raport BIK raz na pół roku, monitoring CEIDG/KRD.
- Czytaj polityki prywatności pod kątem „automatycznej decyzji” — jeśli firma nie opisuje logiki, narusza art. 13-14 RODO.
Przyszłość: federalne prawo prywatności w USA, ePrivacy w UE
American Data Privacy and Protection Act (ADPPA) — projekt ustawy federalnej (Stan 2024: zatrzymany w Senacie) — wprowadziłby prawo do opt-out z profilowania, audytów algorytmicznych i minimalizacji danych. W UE regulacja ePrivacy (zastępująca dyrektywę 2002/58) ma uregulować śledzenie w komunikacji elektronicznej, w tym metadane i fingerprinting — negocjacje trwają od 2017 r.
Do czasu jednolitych standardów: Twoje dane są surowcem, a profil algorytmiczny — produktem, którego nie kontrolujesz. Jedyną ochroną jest świadomość i presja na regulatorów.
Oznaczenie treści AI
Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.
