Wdrożenie systemu sztucznej inteligencji (AI) to proces, który wymaga elastycznego podejścia, zarówno w kontekście zarządzania projektem, jak i formy prawnej współpracy. Z uwagi na nieokreślony charakter modeli uczenia maszynowego (ML), w tym dużych modeli językowych (LLM), często trudno jest precyzyjnie określić parametry jakościowe systemu AI przed rozpoczęciem prac (np. dokładność odpowiedzi chatbota). Dodatkowo, jak to często bywa na styku technologii i biznesu, ostateczny kształt rozwiązania ewoluuje w trakcie projektu.

Dlatego w projektach AI zaleca się stosowanie metodyk zwinnych (agile), które promują iteracyjne podejście: prototypowanie, budowanie MVP (Minimum Viable Product), testowanie, a dopiero potem skalowanie rozwiązania. To właśnie zwinne metodyki determinują najbardziej odpowiednią formę umowy.

Umowy typu Time & Material – idealne dla projektów AI

Najlepszym rozwiązaniem dla projektów wdrożeniowych AI, realizowanych w metodykach zwinnych, jest umowa typu Time & Material. Jest to umowa o świadczenie usług, oparta na przepisach Kodeksu cywilnego dotyczących umowy zlecenia.

Kluczowe cechy umowy Time & Material:

  • określenie zakresu usług i celu – definiujemy ogólny zakres, np. „projektowanie i usługi programistyczne w zakresie systemów AI”, oraz cel, np. „budowa wewnętrznego chatbota HR”;
  • brak precyzyjnych kryteriów oceny celu – nie ustalamy z góry sztywnych mierników sukcesu. Zamiast tego, dostawca zobowiązuje się do działania z należytą starannością w dążeniu do osiągnięcia celu, co jest podstawą jego oceny;
  • płatność za czas pracy – zamawiający płaci za faktycznie poświęcony czas pracy, a nie za z góry określony rezultat.

Alternatywne typy umów dla projektów AI

Alternatywnym rozwiązaniem może być umowa ramowa. Stanowi ona ramy współpracy, określając sposób zlecania zadań i warunki płatności. Pozwala na zawieranie umów wykonawczych dla poszczególnych etapów lub funkcjonalności (np. dodanie nowej funkcji).

Umowa typu Fixed Price (umowa o dzieło) zakłada osiągnięcie z góry określonego rezultatu za ustaloną cenę. W projektach AI, ze względu na wspomnianą niedeterministyczność, jest to rozwiązanie trudniejsze do zastosowania, chyba że zakres jest bardzo precyzyjnie zdefiniowany. Niezbędnym elementem takich umów jest procedura change request, umożliwiająca zmiany w trakcie projektu.

W opisywaniu przedmiotu umowy, szczególnie w kontekście systemów AI, niezwykle pomocny jest Proof of Concept (PoC). PoC to uproszczona, tymczasowa wersja rozwiązania (prototyp lub pilotaż), której celem jest weryfikacja, czy wybrane podejście działa zgodnie z założeniami. Pozwala to na ograniczenie ryzyka i lepsze sprecyzowanie wymagań przed pełnym wdrożeniem.

Kluczowe aspekty w umowach wdrożeniowych systemu AI

Umowy na wdrożenie systemów AI, choć bazują na ogólnych zasadach umów wdrożeniowych, mają kilka specyficznych kwestii, na które należy zwrócić szczególną uwagę.

1Kwestie regulacyjne

W zależności od przeznaczenia wdrażanego systemu AI, zarówno na dostawcy, jak i na korzystającym, mogą spoczywać dodatkowe obowiązki regulacyjne (np. wynikające z AI Act czy DORA dla sektora finansowego).

Kluczowe jest zweryfikowanie, do jakiej kategorii systemów AI zalicza się wdrażany system zgodnie z AI Act (zakazane, wysokiego ryzyka, ograniczonego ryzyka, minimalnego ryzyka). Od tej oceny zależą wymogi prawne. Umowa wdrożeniowa powinna jasno określać, jakie wymogi prawne mają zastosowanie, aby uniknąć nieporozumień. W przypadku zmian w założeniach projektu (np. w umowie Time and Material), konieczna może być ponowna ocena klasyfikacji.

2Dane osobowe a AI

Wdrożenie dedykowanego systemu AI u klienta znacząco różni się od korzystania z narzędzi AI w modelu SaaS (Software as a Service) w kontekście danych.
W przypadku dedykowanych rozwiązań, klient może dostarczać własne dane do trenowania modelu. To rodzi pytanie o odpowiedzialność za pozyskiwanie danych zgodnie z RODO. Umowa musi jasno określać źródła danych do trenowania i testowania modelu oraz ich los prawny po zakończeniu tych procesów.

W modelu SaaS dostawca ponosi większość odpowiedzialności za bezpieczeństwo danych. Przy wdrożeniu na infrastrukturze klienta, to klient odpowiada za bezpieczeństwo infrastruktury, a zakres odpowiedzialności dostawcy za bezpieczeństwo systemu musi być precyzyjnie uzgodniony. Zawsze należy pamiętać o umowie powierzenia przetwarzania danych osobowych i zapewnieniu odpowiednich środków bezpieczeństwa.

3Kwestie związane z modelami AI

Należy precyzyjnie określić, jakie modele AI zostaną wykorzystane w systemie. Umowa wdrożeniowa powinna jasno wskazywać, czy model będzie tworzony od podstaw, czy wykorzystane zostaną gotowe modele.

Jeśli korzystamy z gotowych modeli (np. open source instalowanych na infrastrukturze klienta lub modeli dostępnych poprzez API dostawcy), należy ustalić warunki ich użytkowania, w tym licencje. Musimy również oszacować koszty początkowe i eksploatacyjne, które znacząco różnią się w zależności od przyjętego podejścia.

4Cudze modele – odpowiedzialność i licencje

Korzystanie z zewnętrznych modeli AI wprowadza dodatkowe wyzwania. Jeśli system sztucznej inteligencji opiera się na API zewnętrznego dostawcy modeli, awaria tego API wpływa na działanie wdrożonego systemu. Dostawcy wdrażający system AI powinni dążyć do umownego wyłączenia odpowiedzialności za takie przypadki.

W przypadku wykorzystania cudzych modeli na infrastrukturze klienta, kluczowe jest sprawdzenie licencji. W umowie na wdrożenie systemu AI należy wymagać, aby modele wykorzystywane przez dostawcę były oparte na otwartych licencjach (najlepiej niewirusowych).

Korzystanie z modeli poprzez API wymaga weryfikacji dostawcy modelu pod kątem bezpieczeństwa, zawarcia z nim umowy powierzenia przetwarzania danych i zapewnienia, że dane klienta nie będą wykorzystywane do nauki modeli.

6Dedykowane modele – prawa i koszty

Jeśli budujemy własny model, umowa wdrożeniowa powinna określać:

7Odpowiedzialność dostawcy, ocena jakości i granice odpowiedzialności

Mierzenie wyników działania systemu AI oraz ustalanie przyczyn błędów jest złożone.

Przyczyn nieprawidłowego działania może być wiele (błędy infrastruktury, niedoskonałości modelu, błędne dane). Kluczowe jest zapewnienie transparentności działania systemu i dostarczenie narzędzi do weryfikacji przyczyn problemów. W przypadku systemów wysokiego ryzyka jest to wymóg wynikający z AI Act.

Umowa Time and Material vs Fixed Price

Umowy Time & Material są wygodniejsze dla dostawców, ponieważ unikają sztywnych kryteriów oceny. Klienci mogą jednak oczekiwać większej przewidywalności, którą oferują umowy Fixed Price, pod warunkiem precyzyjnego określenia oczekiwań na wstępie.

Wdrożenie systemów AI wiąże się z unikalnymi wyzwaniami technologicznymi i prawnymi. Kluczowe jest odpowiednie dopasowanie rodzaju umowy do charakteru projektu. Podejście zwinne i umowy typu Time & Material często sprawdzają się najlepiej, oferując elastyczność i możliwość iteracyjnego rozwoju. Umowy Fixed Price są bardziej odpowiednie dla projektów o precyzyjnie określonych wymaganiach, co w kontekście AI jest trudniejsze.
Dobrze przygotowana umowa na wdrożenie systemu AI powinna zawierać postanowienia dotyczące:

Zaleca się korzystanie z Proof of Concept (PoC) i Minimum Viable Product (MVP) jako narzędzi ograniczających ryzyko niedopasowania rozwiązania do oczekiwań. Dzięki temu zwiększamy szanse na powodzenie wdrożenia i minimalizujemy potencjalne spory między stronami.

Kontakt:
Michał Pietrzyk – radca prawny | Senior Associate w Zespole IP / IT i Doradztwa Kontraktowego oraz członek German Desk