Evropský sbor pro ochranu osobních údajů přijal dva úzce související soubory pokynů, které mohou významně ovlivnit způsob, jakým organizace vyvíjejí systémy umělé inteligence a využívají rozsáhlé datové soubory podle GDPR.
První dokument, Pokyny 02/2026, zavádí nový právní a technický rámec pro posuzování, zda byly informace účinně anonymizovány. Druhý dokument, Pokyny 03/2026, se zabývá získáváním osobních údajů z online zdrojů prostřednictvím web scrapingu pro účely vývoje a trénování generativních modelů umělé inteligence.
Oba dokumenty byly přijaty dne 7. července 2026 jako verze určené k veřejné konzultaci. Zainteresované subjekty mohou předkládat připomínky do 30. října 2026. Pokyny proto zatím nelze považovat za konečné stanovisko EDPB, již nyní však poměrně jasně naznačují směr, kterým se evropské dozorové úřady pro ochranu osobních údajů hodlají ubírat.
Anonymizace již není čistě technickou otázkou
Anonymní informace nespadají do věcné působnosti GDPR. EDPB však zdůrazňuje, že informace jsou anonymní pouze tehdy, pokud se nevztahují k identifikované nebo identifikovatelné fyzické osobě.
Posouzení zahrnuje dvě základní otázky:
Vztahuje se daná informace k fyzické osobě?
Lze tuto osobu identifikovat nebo odlišit od ostatních za použití prostředků, u nichž lze rozumně předpokládat, že budou použity?
Informace se může vztahovat k fyzické osobě svým obsahem, účelem nebo účinkem. Není nutné, aby byla souvislost s konkrétním jednotlivcem na první pohled zjevná. Tato souvislost může být odhalena až dalším zpracováním, analýzou nebo propojením s jinými informacemi.
Pojem identifikace je rovněž vykládán široce. Není nutné zjistit jméno konkrétní osoby. Postačuje, pokud lze jednotlivce v určitém kontextu odlišit od ostatních způsobem, který umožňuje s ním zacházet odlišně.
Osoba může být nepřímo identifikovatelná, pokud organizace může získat další informace, využít metody, které má pod kontrolou jiný subjekt, nebo zpřístupnit datový soubor jiné organizaci, která disponuje prostředky nezbytnými k identifikaci. Skutečnost, že jednotlivé části informací drží několik různých subjektů, sama o sobě neznamená, že údaje nejsou osobními údaji.
Údaje mohou být pro jednoho příjemce anonymní a pro jiného osobní
Jedním z nejdůležitějších závěrů pokynů je, že anonymitu je zpravidla nutné posuzovat z pohledu každého relevantního subjektu.
Tentýž datový soubor proto může být anonymní pro příjemce, který nemá reálné prostředky k identifikaci jednotlivců, zatímco pro organizaci, která datový soubor vytvořila a nadále uchovává původní informace nebo klíč umožňující opětovnou identifikaci, zůstává souborem osobních údajů.
Anonymizace nemusí nutně zajistit, aby byly údaje anonymní pro všechny subjekty. Může postačovat, že jsou anonymní pro konkrétní organizaci, která je přijímá nebo používá. Organizace, která si však nadále zachovává možnost jednotlivce identifikovat, musí s informacemi i nadále zacházet jako s osobními údaji a plnit povinnosti podle GDPR.
EDPB zaujímá obezřetný postoj také v případech, kdy lze předpokládat, že určitý subjekt předá údajně anonymní data jinému příjemci. Pokud může příjemce disponovat prostředky umožňujícími identifikaci jednotlivců, může být nutné zacházet s informacemi jako s osobními údaji jak při jejich předání, tak při jejich následném zpracování příjemcem.
Prostředky, u nichž lze rozumně předpokládat, že budou použity
Možnost identifikace se neposuzuje absolutně. Rozhodující je, zda je úspěšná identifikace reálně pravděpodobná s ohledem na objektivní faktory, jako jsou:
dostupné technologie a doplňující informace;
čas, náklady a úsilí potřebné k identifikaci;
hodnota znovu identifikovaných informací;
subjekty, které mohou získat přístup k údajům;
účinnost právních, technických a organizačních překážek;
vývoj technologií v čase.
EDPB varuje před tím, aby se anonymita zakládala pouze na předpokládaném nedostatku motivace jednotlivce identifikovat. Motivace se může změnit, k identifikaci může dojít náhodně nebo může být organizace povinna informace zpřístupnit jiné osobě.
Právní zákazy mohou snižovat pravděpodobnost identifikace, pokud jsou skutečně účinné. Smluvní omezení by však měla zpravidla pouze doplňovat technická opatření. Smluvní závazek, že příjemce nebude jednotlivce znovu identifikovat, sám o sobě nemění osobní údaje na anonymní informace.
Dva přístupy k posuzování anonymity
EDPB navrhuje dva možné přístupy.
Podle kontextového přístupu správce posuzuje skutečné možnosti a okolnosti každého relevantního příjemce nebo jiného subjektu. Tento přístup odpovídá plnému právnímu standardu a umožňuje, aby byly údaje považovány za anonymní pro některé subjekty, zatímco pro jiné nadále zůstávají osobními údaji.
Podle zjednodušeného přístupu správce nerozlišuje mezi možnostmi jednotlivých subjektů. Namísto toho použije konzervativnější test založený na možné existenci metod identifikace. Tento přístup může vést k tomu, že informace budou považovány za osobní údaje i v situaci, kdy by je bylo možné z právního hlediska považovat za anonymní pro konkrétního příjemce. Nabízí však vyšší míru právní jistoty a může být jednodušší na zavedení.
Tři kritéria: izolace, propojení a odvození
1. Nemožnost izolace záznamu
Údaje by neměly obsahovat jedinečnou kombinaci znaků vztahující se k jedinému jednotlivci.
Odstranění jmen není dostatečné, pokud zbývající kombinace charakteristik činí záznam konkrétní osoby jedinečným. Čím podrobnější a vícerozměrnější záznam je, tím vyšší je pravděpodobnost, že jej bude možné izolovat od ostatních záznamů v datovém souboru.
2. Nemožnost propojení
Nemělo by být možné propojit záznamy v datovém souboru s informacemi o témže jednotlivci v jiném datovém souboru nebo kontextu.
Přidání nepřesností nebo takzvaného šumu samo o sobě propojení automaticky nebrání. Sofistikované metody propojování mohou stále nalézt odpovídající záznamy, zejména pokud je k dispozici velké množství externích informací.
Riziko je obzvláště významné u informací, které jsou opakovaně zaznamenávány v různých souvislostech, například u demografických údajů, historie polohy nebo behaviorálních charakteristik.
3. Nemožnost odvození
Z údajů by nemělo být možné učinit konkrétní a významný závěr o identifikované nebo identifikovatelné fyzické osobě.
Toto kritérium se použije jak na individuální údaje, tak na agregovaná data. Například agregovaný datový soubor, syntetická data nebo model umělé inteligence mohou umožnit odvození informací o konkrétní osobě, pokud jsou propojeny s externími údaji nebo dotazovány pomocí vhodně zvolených promptů.
Ne každá předpověď týkající se jednotlivce znamená, že původní datový soubor obsahuje osobní údaje. Odvozená informace musí být spojena s původním datovým souborem, musí být specifická pro konkrétní osobu a dostatečně významná na to, aby mohla ovlivnit její práva nebo zájmy.
Pokud jsou splněna všechna tři kritéria, lze údaje bezpečně považovat za anonymní. Nesplnění jednoho z kritérií automaticky neznamená, že se jedná o osobní údaje, vyžaduje však další posouzení, zda lze jednotlivce skutečně vyčlenit nebo identifikovat.
Samotná anonymizace musí být v souladu s GDPR
Proces vytváření anonymních informací zpravidla začíná zpracováním osobních údajů. Samotná anonymizace je proto zpracováním, na které se vztahuje GDPR.
Správce musí disponovat právním základem podle článku 6 GDPR. Pokud jsou zpracovávány zvláštní kategorie osobních údajů, je rovněž nutné nalézt odpovídající výjimku podle čl. 9 odst. 2 GDPR.
EDPB doporučuje zdokumentovat použitou metodu anonymizace, provedené testy, relevantní příjemce, dostupné externí informace a důvody, proč je opětovná identifikace považována za dostatečně nepravděpodobnou. Tato dokumentace by měla být uchována i po dokončení anonymizačního procesu.
Správci by se rovněž měli vyvarovat označování údajů jako „anonymních“, „deidentifikovaných“ nebo „zbavených osobních znaků“, pokud jednotlivci zůstávají identifikovatelní.
Datový soubor obsahující jak anonymní záznamy, tak osobní údaje musí být zpravidla jako celek považován za soubor obsahující osobní údaje, pokud nejsou obě části zpracovávány odděleně. Anonymizace musí být navíc účinná ve vztahu ke každému jednotlivci obsaženému v souboru, než lze datový soubor jako celek považovat za anonymní.
Anonymita nemusí být trvalá. Nové technologie, nově dostupné datové soubory nebo bezpečnostní incident mohou zvýšit pravděpodobnost opětovné identifikace. EDPB proto doporučuje anonymizované datové soubory pravidelně znovu posuzovat. Pokud již pravděpodobnost identifikace není zanedbatelná, musí být s informacemi opět zacházeno jako s osobními údaji.
Web scraping pro generativní AI nadále podléhá GDPR
Druhý soubor pokynů se vztahuje na soukromé organizace, které získávají data z externích internetových zdrojů pro účely trénování nebo dolaďování generativních modelů umělé inteligence. Vztahuje se na organizace, které web scraping provádějí samy, zadávají jej externímu dodavateli nebo získávají již vytvořený datový soubor obsahující data získaná scrapingem.
GDPR se použije vždy, když web scraping zahrnuje osobní údaje. Mezi relevantní operace zpracování patří extrakce, čištění, strukturování a ukládání informací. Skutečnost, že jsou informace veřejně dostupné, je nevyjímá z působnosti GDPR.
Postavení jednotlivých stran je nutné posuzovat podle jejich skutečného vlivu na účely a podstatné prostředky zpracování.
Pokud vývojář AI poskytne subjektu provádějícímu scraping podrobné pokyny týkající se zdrojů a kategorií údajů, bude vývojář zpravidla správcem a poskytovatel scrapingu může vystupovat jako jeho zpracovatel. Pokud poskytovatel nezávisle vytvoří datový soubor a jiná organizace jej následně využije, mohou být oba subjekty samostatnými správci pro své vlastní operace zpracování. Společné správcovství může vzniknout, pokud účely a prostředky zpracování určují společně.
Veřejně dostupné údaje nelze volně znovu používat
EDPB výslovně odmítá předpoklad, že zveřejnění osobních údajů představuje souhlas s jejich použitím pro trénování AI.
Souhlas pravděpodobně nebude prakticky použitelným právním základem pro rozsáhlý web scraping, protože správce zpravidla nemá přímý vztah se všemi dotčenými osobami a není schopen získat platný souhlas každého jednotlivce.
Ani neexistence omezení v souboru robots.txt nepředstavuje souhlas. Naopak technická opatření, jako jsou robots.txt, ai.txt, CAPTCHA nebo požadavek na přihlášení, mohou naznačovat, že provozovatel webu nesouhlasí s automatizovaným sběrem a že uživatelé nemohou rozumně očekávat, že jejich informace budou získávány pro účely vývoje AI.
Oprávněný zájem vyžaduje skutečné posouzení nezbytnosti
Soukromí vývojáři AI se budou často pokoušet opírat o oprávněný zájem podle čl. 6 odst. 1 písm. f) GDPR. EDPB opakuje, že je nutné splnit tři kumulativní podmínky:
existence zákonného, přesně vymezeného, skutečného a aktuálního oprávněného zájmu;
nezbytnost zpracování osobních údajů pro dosažení tohoto zájmu;
provedení balančního testu, který prokáže, že nad zájmem správce nepřevažují práva a zájmy subjektů údajů.
Obecný obchodní zájem shromáždit co největší množství online obsahu tyto požadavky automaticky nesplňuje. Správce musí zvážit, zda lze účelu dosáhnout méně invazivními prostředky, například užšími kritérii sběru, pseudonymizovanými údaji nebo syntetickými daty.
Balanční test musí zohlednit povahu a objem údajů, počet a charakteristiky dotčených osob, zdroj informací, stáří údajů a možné důsledky fungování systému umělé inteligence.
Rozsáhlý a nerozlišující web scraping může zasahovat do kontroly jednotlivců nad jejich údaji a vyvolávat pocit sledování. EDPB rovněž poukazuje na rizika, jako jsou profilování, identifikace osob, které se snažily komunikovat anonymně, tvorba deepfakes nebo odrazující účinek na svobodu projevu.
Ačkoli mohou jednotlivci obecně chápat, že veřejně dostupné informace mohou být dále používány, nelze předpokládat, že očekávají, že každý typ údajů bude shromažďován jakoukoli organizací pro jakýkoli účel související s umělou inteligencí.
Minimalizace údajů musí začít ještě před scrapingem
EDPB netvrdí, že trénování modelu na rozsáhlém objemu dat je automaticky v rozporu se zásadou minimalizace údajů. Správci však musí být schopni doložit, že neshromažďují osobní údaje, které jsou zbytečné, nerelevantní nebo nepřiměřené.
Ještě před zahájením scrapingu by organizace měly:
vymezit přesná kritéria sběru;
zmapovat zamýšlené kategorie údajů a zdrojů;
posoudit, zda lze použít syntetická data;
odfiltrovat nepotřebné kategorie, jako jsou údaje o poloze nebo finanční údaje;
vyloučit webové stránky používané převážně dětmi nebo zranitelnými osobami;
vyloučit webové stránky, které jednoznačně odmítají automatizovaný scraping.
Během sběru a po jeho dokončení by správci měli používat filtry umožňující odhalit strukturované osobní údaje, odstranit nepotřebné informace a, je-li to možné, nahradit je syntetickými daty nebo použít anonymizaci či pseudonymizaci.
Je rovněž nutné zajistit přesnost údajů. EDPB doporučuje používat spolehlivé a udržované zdroje, zaznamenávat datum získání informací a ověřovat je před jejich použitím k trénování AI. To je důležité zejména proto, že informace dostupné online mohou být zastaralé, nesprávné nebo převzaté z nespolehlivých agregátorů.
Transparentnost nelze nahradit obecnými zásadami ochrany soukromí
Individuální informování podle článku 14 GDPR může být nemožné nebo může vyžadovat nepřiměřené úsilí, pokud jsou dotčeny miliony osob a historické internetové stránky. Tuto výjimku však nelze automaticky použít na každý rozsáhlý web scraping.
Správce musí poměřit úsilí potřebné k informování osob s dopadem, který by absence informací měla na subjekty údajů, a zohlednit přitom počet osob, stáří údajů a zavedená ochranná opatření. Pokud lze jednotlivce rozumně kontaktovat, například v případě nedávno vytvořeného datového souboru týkajícího se uzavřené skupiny identifikovatelných uživatelů, může být správce nadále povinen je individuálně informovat.
I pokud individuální informování není vyžadováno, musí být příslušné informace zveřejněny. Informační sdělení by mělo popisovat kategorie údajů, účely zpracování, právní základ, zdroje údajů a charakteristiky použitého crawleru. Pokud je to možné, měly by organizace zveřejnit vyhledatelné informace o doménách nebo URL adresách, ze kterých byly údaje získány, a o příslušných datech sběru.
Správci, kteří získávají datové soubory od jiného poskytovatele, by rovněž měli vysvětlit, odkud informace pocházejí, a poskytnout kontaktní údaje nebo odkaz na informace zveřejněné původním poskytovatelem scrapingu.
Ochranná opatření mohou rozhodnout o použitelnosti oprávněného zájmu
EDPB uvádí řadu opatření ke zmírnění rizik, která mohou ovlivnit výsledek balančního testu oprávněného zájmu, například:
vyloučení vysoce rizikových zdrojů nebo kategorií údajů;
omezení scrapingu pouze na volně přístupné stránky;
respektování přístupových omezení a technických signálů odmítajících scraping;
omezení sběru na přesně stanovené období;
zveřejnění aktuálního seznamu webových stránek, ze kterých byla data získávána;
zavedení mechanismu pro vznesení námitky nebo předběžné odmítnutí sběru;
rychlé odstranění nebo anonymizace nepotřebných informací;
pseudonymizace přímých identifikátorů;
omezení memorování, reprodukce tréninkových dat a útoků na soukromí modelu.
Tato opatření musí být přizpůsobena konkrétnímu zpracování a nemohou nahrazovat povinnosti, které již z GDPR vyplývají. Pokud zájmy jednotlivců převažují nad zájmem správce a vhodná ochranná opatření nejsou schopna tuto nerovnováhu napravit, nelze čl. 6 odst. 1 písm. f) GDPR použít.
Zvláštní kategorie osobních údajů představují největší problém
Web scraping může neúmyslně zachytit informace o zdravotním stavu, politických názorech, etnickém původu, náboženství, sexuální orientaci nebo jiné zvláštní kategorie osobních údajů.
Úmyslný sběr takových údajů vyžaduje jak právní základ podle článku 6 GDPR, tak použitelnou výjimku podle čl. 9 odst. 2 GDPR. Bez takové výjimky je zpracování zakázáno.
EDPB uznává, že zvláštní kategorie osobních údajů mohou být v některých případech získány pouze náhodně, a to i přes použití filtrů. S odkazem na rozsudek Soudního dvora EU ve věci GC a další naznačuje, že odpovědnost správce může být posuzována s ohledem na jeho skutečné pravomoci a technické možnosti. Takový přístup však vyžaduje individuální posouzení a nelze jej chápat jako obecnou výjimku z článku 9 GDPR.
Správci by měli přinejmenším před zahájením sběru filtrovat citlivé zdroje, citlivé informace ihned po jejich odhalení odstraňovat, bránit jejich získávání z modelu, používat výstupní filtry, testovat odolnost modelu proti útokům na soukromí a průběžně sledovat generované výstupy. Do budoucna může být rovněž nutné zohlednit techniky účinného odstraňování údajů z modelu, takzvaného machine unlearning.
Co oba soubory pokynů znamenají v praxi
Při společném výkladu oba dokumenty vysílají jednoznačné poselství: shromáždění obrovského množství online informací a následné odstranění jmen není dostatečné pro zajištění souladu s GDPR.
Organizace vyvíjející systémy umělé inteligence budou muset zavést zdokumentovaný proces správy dat, který bude zahrnovat:
výběr a vylučování online zdrojů;
účely a právní základy jednotlivých fází zpracování;
postavení vývojářů, poskytovatelů scrapingu a dodavatelů datových souborů;
transparentnost a mechanismy pro vznesení námitky;
filtrování citlivých údajů;
rizika memorování a reprodukce tréninkových dat modelem;
účinnost a trvající platnost anonymizace.
Anonymizace se může stát jedním z nejdůležitějších ochranných opatření při vývoji umělé inteligence. Nový rámec však současně jasně ukazuje, že anonymizaci je nutné prokázat, otestovat s ohledem na dostupné externí informace a opakovaně posuzovat v návaznosti na technologický vývoj. Nelze ji předpokládat pouze proto, že byly odstraněny identifikátory nebo že se příjemce smluvně zavázal, že nebude jednotlivce identifikovat.
Navrhovaný přístup EDPB proto zvyšuje nároky jak na vytváření datových souborů, tak na jejich následné použití v systémech umělé inteligence. Dodržování pravidel bude stále více záviset nejen na vlastnostech výsledného modelu, ale také na rozhodnutích přijatých ještě předtím, než dojde k získání prvních údajů z internetových stránek.
