Scoring kredytowy przez AI w Polsce: gdzie leży granica legalności

AI Act zabrania scoringu rycia, ale tylko w określonych przypadkach

Słyszałeś to już pewnie setki razy. Unia Europejska uderza w Algorytmy. Zakazuje oceniania obywateli. Brzmi groźnie. Prawda jest bardziej złożona.

AI Act faktycznie wprowadza zakaz scoringu społecznego. Chodzi o systemy, które kategoryzują ludzi na podstawie ich zachowania, cech osobowości czy wiarygodności. Ale diabeł tkwi w szczegółach. Zakaz dotyczy tylko sytuacji, gdy scoring prowadzi do nieproporcjonalnego traktowania. Gdy algorytm decyduje o twoim życiu bez twojej wiedzy. Gdy konsekwencje są poważne. Na przykład odmowa kredytu, ubezpieczenia, dostępu do edukacji.

Co więc jest dozwolone? Banki mogą nadal używać AI do oceny ryzyka kredytowego. Ale tylko jeśli system jest przejrzysty. Jeśli możesz się odwołać. Jeśli algorytm nie dyskryminuje ze względu na płeć, pochodzenie czy miejsce zamieszkania. To nie czarna magia. To zwykłe regulacje, które powinny istnieć od dawna.

Większość ludzi sądzi, że AI Act zabiera coś firmom. Cóż. Zabiera tylko możliwość bezkarnego krzywdzenia ludzi. I tu zaczyna się problem. Bo czy granica legalności nie powinna być wyższa? Moim zdaniem tak. Uważam, że zakaz powinien obejmować wszystkie przypadki, gdy algorytm podejmuje decyzje bez nadzoru człowieka. Nawet te mniej oczywiste. Bo kropla drąży skałę.

Co jeszcze jest nielegalne w scoringu AI w Polsce w 2026?

Poza dyskryminacją, która jest oczywistym naruszeniem, prawo łapie kilka innych praktyk. Po pierwsze, profilowanie oparte wyłącznie na danych wrażliwych. Rasę, poglądy polityczne, pochodzenie etniczne, algorytm nie ma prawa nawet spojrzeć w tę stronę. Brzmi prosto? Mylne założenie. W praktyce firmy często używają tzw. proxy, czyli danych zastępczych. Kod pocztowy, który koreluje z pochodzeniem. Albo preferencje zakupowe sugerujące wyznanie. Po drugie, brak przejrzystości. To nie jest tylko kwestia dobrej woli. RODO i AI Act mówią jasno: masz prawo wiedzieć, jak działa algorytm, który cię ocenia. Jeśli system jest czarną skrzynką, a bank nie potrafi podać konkretnych wag poszczególnych czynników, to jest nielegalne. Kropka. Po trzecie, automatyczne decyzje bez ludzkiego nadzoru. W scoringu kredytowym w 2026 roku każda negatywna decyzja musi przejść przez ręce człowieka. Nie chodzi o to, żeby konsultant klikał "zatwierdź" bezmyślnie. Chodzi o realną możliwość odwołania się, o wysłuchanie. Moim zdaniem to najsłabsze ogniwo w całym systemie. Firmy udają, że nadzór istnieje, ale w praktyce algorytm decyduje, a człowiek tylko pieczętuje wyrok. I czwarta kwestia. Wykorzystywanie danych z mediów społecznościowych do oceny zdolności kredytowej. To kontrowersyjne, ale w 2026 wciąż się zdarza. Prawo mówi: nie wolno. Ani twoje zdjęcia z wakacji, ani polubienia stron o kotach nie mogą wpływać na to, czy dostaniesz kredyt. A jednak. Diabeł tkwi w szczegółach implementacji tych przepisów.

Jak legalnie wdrożyć AI do oceny zdolności kredytowej?

Wdrożenie sztucznej inteligencji w scoringu to nie zabawa w programistę. To przede wszystkim gra o prawo. Brzmi nudno? Mylne założenie. Jeden błąd i masz pozew zbiorowy na karku.

Po pierwsze: algorytm musi być wytłumaczalny. Klient ma prawo wiedzieć, dlaczego dostał odmowę. Nie wystarczy powiedzieć „bo tak wyszło z modelu”. To działa w drugą stronę. Musisz podać konkretne czynniki. Historia spłat? Wysokość dochodów? Wiek? Bez tego twoje AI jest ślepe.

Po trzecie: zgoda klienta. Zgodnie z RODO nie możesz przetwarzać danych w sposób nieprzewidywalny. Musisz jasno opisać, jak działa scoring. „Analizujemy twoje dane przez AI” to za mało. Chcesz konkretów? Napisz: „System ocenia twoją zdolność na podstawie dochodów, wydatków i historii kredytowej z ostatnich 24 miesięcy”.

I ostatnia rzecz. Moim zdaniem największym błędem firm jest traktowanie AI jak czarnej skrzynki. To nie czarna magia. To narzędzie. Z mojego doświadczenia wynika, że banki, które otwarcie komunikują działanie modelu, zyskują więcej zaufania. Reszta tonie w procesach.

Na co uważać przy scoringu AI, praktyczne ryzyka dla firm

Problem numer jeden: nieprzejrzystość algorytmu. Klient ma prawo wiedzieć, dlaczego dostał odmowę. A ty musisz umieć to wyjaśnić. Nie wystarczy powiedzieć „tak wyszło z modelu”. To nie przejdzie ani przed UOKiK, ani przed GIODO. Musisz mieć dokumentację. Każdą zmienną. Każdą wagę. Każdą decyzję.

Drugie ryzyko to dane wrażliwe. Model może pośrednio wyciągnąć informacje o zdrowiu, pochodzeniu czy poglądach. Nawet jeśli nie zbierasz tych danych wprost. Sztuczna inteligencja jest sprytna. Aż za bardzo. I tu zaczyna się problem.

Trzecia kwestia: monitoring. System, który działał świetnie rok temu, dziś może produkować błędy. Dlaczego? Zmieniły się realia gospodarcze. Albo pojawiły się nowe wzorce zachowań. Musisz testować. Ciągle. Bez przerwy. Każdy miesiąc to nowe wyzwanie.

Moim zdaniem największym błędem firm jest traktowanie scoringu AI jako czarnej skrzynki. „Wrzucamy dane, dostajemy wynik, działamy”. To ślepa uliczka. Bez transparentności i regularnego audytu ryzykujesz więcej niż stratę klienta. Ryzykujesz procesy sądowe i utratę zaufania. A to boli bardziej niż kredytowe straty.

Kiedy lepiej zrezygnować z AI w scoringu i wrócić do człowieka?

To jest właśnie moment. Gdy algorytm nie rozumie kontekstu, gdy twoja baza danych jest zbyt mała albo gdy decyzja dotyczy szczególnych grup społecznych. Wtedy lepiej postawić na człowieka. Moim zdaniem AI świetnie radzi sobie z powtarzalnymi wzorcami, ale przy nietypowych przypadkach potrafi narobić szkód.

Kolejny sygnał ostrzegawczy? Gdy nie potrafisz wytłumaczyć, dlaczego system podjął taką decyzję. Czarna skrzynka w sprawach pieniędzy to proszenie się o kłopoty. Regulatorzy w Polsce coraz częściej pytają o wyjaśnialność modeli. Jeśli nie umiesz odpowiedzieć, wracaj do człowieka. I tu pojawia się szerszy kontekst prawny, który zmusza firmy do większej przejrzystości.

Trudno powiedzieć, żeby AI zawsze było lepsze. Bywa, że stary, dobry analityk z widelcem w ręce i arkuszem kalkulacyjnym zrobi robotę lepiej. Zwłaszcza gdy chodzi o ludzkie sprawy, a nie tylko matematykę.