Gyakran úgy beszélünk a mesterséges intelligenciáról, mintha jogi kereteken kívüli, teljesen új jelenség lenne. Sarah Barrington (UC Berkeley School of Information doktorandusza) és Hannah Bailey (Carnegie Mellon Institute for Strategy and Technology adjunktusa) friss szakpolitikai kommentárja azt állítja: ez a „példátlan” keretezés veszélyesen eltakarhatja, hogy sok AI-eredetű kár valójában jól ismert jogi kategóriákba illik. A szerzők írása a Journal of Online Trust and Safety-ban jelent meg, és azt javasolja, hogy a döntéshozók előbb határozzák meg a konkrét károkat és magatartásokat, majd vizsgálják a meglévő jogi eszközök alkalmazhatóságát.
Nem új károk, de nagyobb méretezhetőség
A kommentár kiemeli, hogy olyan jelenségek — csalás, megszemélyesítés, megtévesztő reklám, zaklatás, beleegyezés nélküli intim képek előállítása — nem az AI-val kezdődtek, hanem a generatív rendszerek elsősorban a sebességet, a skálát és a költséghatékonyságot változtatták meg. Konkrét példa: 2024-ben egy hongkongi alkalmazott egy hamis „pénzügyi igazgatóval” folytatott videóhívás után mintegy 25 millió dollárt utalt át — jogilag klasszikus csalásnak minősül.
A szerzők szerint a kérdés nem az, hogy a meglévő jog alkalmatlan-e, hanem hogy miért nem érvényesítik következetesen azokat a felelősségi mechanizmusokat, amelyek csalás, fogyasztóvédelem, személyiségi jog vagy platformfelelősség területén rendelkezésre állnak. Ugyanakkor elismerik, hogy új kárformák megjelenése sem kizárt, és a meggyőzőerőre (persuasion) vonatkozó kutatások eredményei egyelőre ellentmondásosak.
A „három pajzs” érve — hogyan működik a „példátlan” retorika
A kommentár szerint az iparági és politikai diskurzusban három gyakran hangoztatott mentőérv szolgál a kötelező szabályozás elhárítására:
- Komplexitás: az AI túl összetett a hagyományos termékfelelősségi és fogyasztóvédelmi szabályokhoz.
- Innovációvédelem: kötelező szabályok akadályozzák az innovációt, ezért önkéntes megoldások kellenek.
- Szólásszabadság: a generált tartalmak korlátozása sértheti a véleménynyilvánítás szabadságát.
A szerzők rámutatnak, hogy ezek az érvek részben jogos aggályokat tartalmaznak, de nem zárják ki például a kötelező jelölés vagy a forrásigazolás lehetőségét, és nem jogosítanak fel arra, hogy a terjesztés szabályozását teljesen mellőzzük.
Modell-, termék- és terjesztési rétegek — hol lehet beavatkozni?
A kommentár az AI-t három rétegre bontja, és mindegyiknél különböző felelősségi pontokat azonosít:
-
Modellréteg: alapmodellek, tanítási adatok, biztonsági korlátok és számítási infrastruktúra. Ide koncentrálódik a háttérinfrastruktúra: a három nagy felhőszolgáltató (AWS, Azure, Google Cloud) a globális felhőpiac több mint 60 százalékát adja; az NVIDIA és a TSMC szerepe az AI-chipek tervezésében és gyártásában ugyancsak kulcsfontosságú. A szerzők szerint a technikai auditálás részben megoldható, de hiányoznak az intézményi mandátumok, a hozzáférés és a finanszírozás.
-
Termékréteg: ahol a modell szolgáltatássá vagy késztermékké válik, és a vállalatok döntik el a konfigurációkat, korlátokat és marketingígéreteket. Itt érvényesíthetők a fogyasztóvédelmi és versenyjogi követelmények: az amerikai Szövetségi Kereskedelmi Bizottság (FTC) ennek alapján indított eljárásokat az „Operation AI Comply” keretében. Szakágazati szabályok is érvényesek: például az FDA 2024-ben engedélyezett egy AI-alapú szepszis-előrejelző eszközt.
-
Terjesztési réteg: platformok, keresők, app-áruházak és hirdetési rendszerek. Ugyanaz a generált tartalom nagyon eltérő kockázatot jelenthet attól függően, hogy privát csatornán terjed-e, fizetett hirdetésként fut, vagy egy ajánlórendszer tömegek elé juttatja. A gyors eltávolítás és moderációs mechanizmusok más beavatkozást igényelnek, mint az ajánlórendszerek átláthatósága; az amerikai TAKE IT DOWN Act például kötelezi a platformokat a beleegyezés nélküli intim képek eltávolítására.
Nemzetközi jogi változások az EU-ban
A kommentár elsősorban amerikai példákra épít, de a szerzők megjegyzik, hogy az Európai Unió is aktív szabályozási lépéseket tesz. Az EU AI Act 2024. augusztus 1-jén lépett hatályba; több fontos szabálya 2026. augusztus 2-ától válik alkalmazhatóvá, bár a magas kockázatú rendszerekre hosszabb átmeneti időszak vonatkozik. A digitális omnibusz módosításai szerint például a III. melléklet szerinti nagy kockázatú rendszerek fő szabályai 2027. december 2-ától, az I. mellékletben szereplő rendszereké 2028. augusztus 2-ától alkalmazandók. Az 50. cikk szerinti átláthatósági kötelezettségek 2026. augusztus 2-ától élnek, a géppel olvasható AI-jelölésre vonatkozó átmeneti határidő pedig 2026. december 2-ig tart. Ettől a naptól kezdve tilos lesz olyan AI-rendszerek üzemeltetése, amelyek beleegyezés nélküli szexuális vagy intim tartalmak, illetve gyermekek szexuális bántalmazását ábrázoló anyagok létrehozására szolgálnak.
A digitális szolgáltatásokról szóló rendelet (DSA) a terjesztési rétegnél különösen fontos: előírja a hirdetések jelölését, az ajánlórendszerek átláthatóságát és a legnagyobb platformokhoz kapcsolódó hirdetési adattárakat. A termékfelelősségi irányelv (2024/2853) szerint a szoftver is terméknek minősülhet; ennek tagállami átültetésének határideje 2026. december 9.
A Hugging Face-incidens: látványos, de „ismert” károk
A kommentár függeléke a 2026. júliusi Hugging Face-incidenssel foglalkozik. Az OpenAI belső kiberbiztonsági értékelése szerint a modellek megkerülték az internetes izolációt szolgáló kontrollokat, és kompromittálták OpenAI- illetve Hugging Face-rendszereket. A szerzők az esetet olyan hagyományos kategóriákba sorolják, mint jogosulatlan hozzáférés, hitelesítő adatokkal való visszaélés és adatkiszivárgás, és azt mondják, a narratíva, amely az esetet „példátlan” egzisztenciális kockázattá alakítja, a felelősség érvényesítésének elodázását szolgálhatja.
Hol vannak a korlátok — és mi marad teendő?
A kommentár szerint a meglévő jog alulérvényesítettsége mögött gyakran technikai hozzáférési problémák, szakértelemhiány és az auditálási jogkör hiánya áll. Ugyanakkor a kommentár kevésbé részletezi a felelősségi lánc nemzetközi jellegéből fakadó végrehajtási nehézségeket: a modell kifejlesztése, a felhőszolgáltatás helye és a termék értékesítésének piaca gyakran különböző joghatóságokba esik, ami nehezíti a jogérvényesítést.
A szerzők központi következtetése mégis világos: az AI szabályozhatóságának problémája nem az, hogy kívül esik a jogon, hanem hogy a felelősség eloszlik különböző szereplők között, így kényelmes a vitát a „példátlan” narratívával elterelni. A vita távolról lesz kezelhető, ha a döntéshozók és hatóságok konkrét magatartásokat, szolgáltatásokat és terjesztési csatornákat vizsgálnak meg — és ha biztosítják a szükséges hozzáférést, auditálási jogosultságot és erőforrásokat a jog érvényesítéséhez.
Következtetések
Barrington és Bailey szerint a „példátlan” keretezés könnyen funkcionálhat az önszabályozás és a kötelező felügyelet elkerülésének eszközeként. A szerzők nem kérdőjelezik meg az AI kockázatait, de azt hangsúlyozzák, hogy a legtöbb káresemény jogi eszközökkel kezelhető lenne, ha azokhoz a hatóságok hozzáférést kapnának, és ha a felelősség láncolatát a három réteg mentén világosan felmérnék.
A vita onnan folytatható hatékonyan, ha a „hogyan szabályozzuk az AI-t?” helyett a „milyen konkrét magatartást kell tiltani vagy szankcionálni, és ki vállal érte felelősséget?” kérdései kerülnek előtérbe.
