Skrapowanie prywatnych wiadomości przez systemy AI: granica zgody

Prywatne rozmowy jako surowiec

Językowe modele o dużej skali wymagają ogromnych korpusów tekstów. Po wyczerpaniu otwartego internetu operatorzy coraz częściej zaglądają do miejsc, które do tej pory były uważane za prywatne: forów wsparcia psychologicznego, zamkniętych grup pacjentów, wewnętrznych komunikatorów korporacyjnych oraz publicznych, ale tematycznie zamkniętych subreddytów. W 2026 roku debata o tym, czy skrapowanie takich treści jest dozwolone, stała się jedną z głównych osi sporu o prywatność w erze AI.

Mechanizm jest znany: crawler zbiera tekst, klasyfikuje go według przydatności i dołącza do zbioru treningowego. Różnica polega na tym, że dziś crawlerzy docierają do treści, które użytkownicy publikowali przy założeniu ograniczonej, specyficznej widoczności. Granica między „publicznie dostępnym” a „publicznie indeksowanym” zaciera się.

Legalność i precedensy

Orzecznictwo w tej dziedzinie jest mieszane. W Stanach Zjednoczonych dominuje doktryna, że treści publicznie dostępne w sieci mogą być pobierane i przetwarzane, jeśli nie narusza to warunków usługi lub praw autorskich. W Unii Europejskiej sytuacja jest bardziej skomplikowana: RODO wymaga podstawy prawnej dla przetwarzania danych osobowych, a że skrapowanie w celach szkolenia modelu rzadko jest podstawą, na której użytkownik zgodził się świadomie.

W 2025 i 2026 roku zapadło kilka znaczących wyroków:

• Austriacki sąd potwierdził, że agregacja publicznych postów z zamkniętych forów w celach komercyjnej analizy wymaga informowania osób, których dane dotyczą.
• We Włoszech Garante nałożył sankcje za naruszenie RODO w związku z niewystarczającą transparentnością skrapowania.
• We Francji CNIL wydała zaktualizowane wytyczne definiujące, kiedy treść publicznie dostępna jest traktowana jako „dane osobowe” w rozumieniu RODO.

Mimo to egzekwowanie jest trudne. Trening dużych modeli odbywa się często w jurysdykcjach poza UE, a same dane pochodzą z układanych archiwów (Shadowarchive), które nie odpowiadają na prośby o usunięcie.

Rola warunków usługi

Warunki korzystania z platform determinują, czy skrapowanie jest dozwolone. Główne platformy społecznościowe aktualizowały regulaminy w latach 2024–2026, aby zakazać automatycznemu zbieraniu danych przez osoby trzecie bez zgody. Część z nich zawiera umowy licencyjne z operatorami modeli językowych, sprzedając dane treningowe inteligentnie i selektywnie. Inne blokują skrapowanie na poziomie technicznym (wymuszając captcha, ograniczając dostęp do treści niezalogowanym użytkownikom).

Konflikt powstaje, gdy użytkownik udostępni treść w zamkniętej grupie, a moderator grupy lub platforma sprzeda archiwum do treningu modelu. Użytkownik nie godził się na przetwarzanie przez AI, ale nie ma skutecznego mechanizmu żądania usunięcia danych już włączonych do modelu. Problem ten jest często określany jako right to be forgotten versus trained model.

Skutki dla rozmów wsparcia i porad

Najbardziej przerażające przypadki dotyczą forów wsparcia psychologicznego i grup pacjentów. Osoby dzielące się tam doświadczeniami często robią to przy założeniu, że ich wypowiedzi będą widoczne tylko dla podobnie postawionych użytkowników. Kiedy te wypowiedzi stają się korpus treningowy, naruszone jest fundamentalne zaufanie.

W 2026 roku grupa badaczy wykazała, że jeden z modeli open-source można wywołać do recytowania treści z zamkniętego forum wsparcia, wśród których znalazły się opisy samookaleczeń. Model nie tylko zachował treść, ale potrafił ją odtworzyć niemal dosłownie, co stawia poważne pytania o retencyję danych treningowych w sieciach neuronowych.

Techniczne mechanizmy obrony

Użytkownicy i platformy stosują kilka strategii:

• Blokada crawlerów — listy robots.txt i filtrowanie przez user-agent.
• Tokenizacja warunkowa — niektóre platformy udostępniają treści tylko po interaktywnej autoryzacji, uniemożliwiając skrapowanie masowe.
• Wodne znaki — niewidoczne modyfikacje tekstu pozwalające wykryć, czy treść trafiła do korpusu treningowego.
• Lista objęte treningiem korekcyjnym — możliwość żądania usunięcia danych z modelu podlega ograniczeniom technicznym, ponieważ usunięcie wymaga czasem retrainingu.

Perspektywa ekonomiczna

Dane są dziś najcenniejszym zasobem w branży AI. Operatorzy platform doszli do wniosku, że mogą sprzedawać dostęp do zaangażowanych rozmów użytkowników po cenach, które przewyższają przychody z reklam. W ten sposób prywatność staje się transakcyjna: jeśli użytkownik nie zwraca uwagi na warunki, jego dysocjacyjne, konsultacyjne rozmowy mogą stać się komercyjnym surowcem.

Środowisko obrońców prywatności proponuje zupełnie inne podejście: ujęcie skrapowania prywatnych wiadomości jako działania przetwarzającego dane osobowe default objęte RODO, niezaakceptowana zgoda, wymagającą konkretnego, wyraźnego opt-in dla szkolenia modeli.

Regulacje 2026–2027

Unijny Akt o AI zobowiązuje dostawców modeli o ogólnej przeznaczeniu do publikowania wystarczająco szczegółowego podsumowania danych treningowych. Tom jednak nie jest STANDARD; obejmuje wyłącznie podsumowanie, nie wyjawienie poszczególnych treści. Użytkownik, który podejrzewa, że jego prywatna rozmowa trafiła do modelu, nie ma łatwego mechanizmu weryfikacji.

W 2027 roku dyskutowane jest wprowadzenie obowiązku udostępniania protokołów skrapowania dla modeli ryzyka systemowego oraz rozszerzenie prawa do usunięcia danych z korpusu treningowego. Jeśli te regulacje przyjmą taką formę,-operatorzy modeli będą musieli zbudować infrastrukturę retencji wersjonowanej, co potężnie podniesie koszty zgodności.

Co obywatel może zrobić

Praktyczne środki obrony są ograniczone, ale istotne:

• Korzystać z platform komunikacyjnych z szyfrowaniem end-to-end, w których serwer nie ma dostępu do treści wiadomości.
• W publicznych grupach wsparcia zastanawiać się nad stopniem szczegółowości osobistych opisów.
• Zachować profil prywatny na platformach społecznościowych i nie zgodzić się na rozszerzone licencje danych bez czytania.
• Angażować się wewnątrz platform, które oferują prawdziwą kontrolę nad danymi — w tym prawo do eksportu i trwałego usunięcia.

Skrapowanie prywatnych wiadomości testuje granice RODO i zaufania platform. Jeśli toczyć rozmowę z determinantami modeli językowych, należy pamiętać: bez uważnej zgody diaspor rozmów, które sami prowadzimy, podstawy prawne AI są trudne.