Šis įstatymas taikomas sektoriui, kuriame DI buvo diegiama sparčiai, iš esmės be valdymo sistemų, ir aplinkybėmis, susijusiomis su struktūriškai pažeidžiamiausiais vartotojais, kokie tik gali būti bet kurioje teisinėje sistemoje: vaikais. Tai lemia vieną iš operatyviniu požiūriu reikšmingiausių įstatymo taikymo atvejų – ir vieną iš mažiausiai suprantamų.
Švietimas akte aiškiai nurodytas III priede kaip didelės rizikos kategorija, o tai reiškia, kad tam tikras DI naudojimas mokyklose ir universitetuose yra priskiriamas tai pačiai reguliavimo prievolės kategorijai kaip diagnostiniai algoritmai ligoninėse. Tai, kaip įstaigos, tiekėjai ir reguliavimo institucijos susidoros su šia realybe, lems ne tik atitikties išlaidas, bet ir būsimą DI struktūrą Europos mokyklose.
Tiesioginiai draudimai
Prieš imantis didelės rizikos atitikties užtikrinimo veiksmų, įstatyme numatyti kategoriški draudimai – kurie įsigaliojo 2025 m. vasario 2 d. – nustatantys griežtas ribas, taikomas nepriklausomai nuo bet kokio rizikos vertinimo ar atitikties proceso.
Aiškiausias iš jų yra draudimas atpažinti emocijas švietimo aplinkoje. Bet kuri dirbtinio intelekto sistema, bandanti nustatyti mokinių emocinę būseną analizuojant veido išraišką, stebint balsą ar klavišų paspaudimų modelius, klasifikuojama kaip keliančią nepriimtiną riziką ir yra uždrausta. Draudimas taikomas be išimčių; įstatymas vertina emocijų nustatymą klasėse kaip iš esmės nesuderinamą su mokinių orumu ir laisvo mokymosi sąlygomis. Keletas EdTech produktų, kurie pasiekė Europos rinką 2020-ųjų pradžioje – įrankiai, kurie teigė matuojantys mokinių įsitraukimą ar dėmesį analizuodami vaizdo kameros įrašus – pagal šią sistemą yra neteisėti.
Draudimas taikyti socialinį vertinimą taip pat taikomas švietimui. Draudžiama naudoti DI sistemą, kuri vertina mokinius pagal įvairius elgesio aspektus laikui bėgant ir naudoja šiuos balus, kad nustatytų prieigą prie išteklių, galimybių ar elgesio su jais švietimo kontekste ar tarp skirtingų švietimo kontekstų. Įstatymo formuluotė – „fizinių asmenų vertinimas ar klasifikavimas per tam tikrą laikotarpį remiantis jų socialiniu elgesiu ar asmeninėmis savybėmis" – tiksliai apibūdina tokį ilgalaikį studentų profiliavimą, kurį kai kurios mokymosi valdymo sistemos tyliai įdiegė į savo analizės sluoksnius.
DI aktas taip pat draudžia dirbtinio intelekto sistemas, kurios išnaudoja asmenų pažeidžiamumą dėl jų amžiaus, siekdamos aiškiai iškreipti jų elgesį taip, kad tai sukeltų žalą. Vaikai, kaip teisiškai pripažinta pažeidžiama grupė, pagal šią nuostatą yra labiau saugomi. DI pagrįsta mokymosi programa, kurioje naudojama kintančio atlygio sistema, socialinio spaudimo mechanizmai ar personalizavimas, skirti ne mokymosi rezultatams gerinti, o vaiko gerovės sąskaita padidinti platformos naudojimo laiką, patenka į šio draudimo taikymo sritį – ta pati logika taikoma manipuliacinei DI vartotojų kontekste, dar labiau taikoma švietimo srityje.
Didelės rizikos kategorija
III priede išvardyti keturi konkretūs švietimo srities taikymo atvejai, pagal kuriuos DI sistemos priskiriamos didelės rizikos kategorijai; visiems jiems nuo 2026 m. rugpjūčio mėn. taikomi visi atitikties reikalavimai.
Pirmasis – ir pagal taikymo sritį reikšmingiausias – apima DI sistemas, naudojamas siekiant nustatyti galimybę lankyti arba būti priimtam į bet kurio lygio švietimo įstaigas. Tai apima universitetų priėmimo algoritmus, automatizuotą mokyklų priėmimo paraiškų atranką ir bet kokias DI sistemas, kurios daro įtaką tam, ar studentas bus priimtas į studijų programą.
Antrasis atvejis apima DI sistemas, naudojamas mokymosi rezultatams vertinti, įskaitant atvejus, kai šie rezultatai naudojami mokymosi procesui optimizuoti. Tai apima automatizuotas vertinimo sistemas, prisitaikančias mokymosi platformas, kurios koreguoja mokymo programą remiantis vertinimo duomenimis, ir bet kokias sistemas, kurių rezultatai tiesiogiai lemia, ko studentas bus mokomas toliau.
Trečiasis apima DI sistemas, kurios vertina mokymo sudėtingumo lygį, kurį studentas turėtų gauti – įvertinimo testus, sprendimus dėl studentų paskirstymo į grupes, diferencijuotų mokymosi kelių priskyrimą.
Ketvirtasis apima DI sistemas, naudojamas stebėti ir aptikti draudžiamą studentų elgesį egzaminų metu: kitaip tariant, automatizuotą egzaminų priežiūrą.
Kiekvienam iš šių didelės rizikos naudojimo atvejų taikomi tie patys pagrindiniai atitikties reikalavimai: kokybės vadybos sistema, rizikos valdymo dokumentacija, duomenų valdymo sistemos, techninė dokumentacija, įskaitant mokomųjų duomenų specifikacijas, žmogaus priežiūros mechanizmai su dokumentais pagrįstu įgaliojimu pakeisti DI rezultatus, šališkumo ir diskriminacijos stebėsena, pranešimai apie incidentus po diegimo bei registracija ES DI duomenų bazėje. Viešosios švietimo įstaigos, diegiančios šias sistemas, privalo papildomai atlikti pagrindinių teisių poveikio vertinimą pagal Įstatymo 27 straipsnį.
EdTech teikėjai
Įmonėms, kuriančioms dirbtinio intelekto produktus Europos mokykloms ir universitetams, šis įstatymas nustato įpareigojimus, kurie yra tiek konkretesni, tiek ir sunkesni, nei dauguma EdTech tiekėjų tikėjosi įžengdami į rinką.
Išlaidos, reikalingos užtikrinti didelės rizikos kategorijos EdTech produkto atitiktį – DI priėmimo atrankos įrankio, automatizuotos vertinimo platformos, prisitaikančios mokymosi sistemos – pradiniame įgyvendinimo etape siekia nuo 250 000 iki 350 000 eurų, o vėliau kasmet – nuo 80 000 iki 150 000 eurų. Didžiausias atskiras išlaidų veiksnys yra kokybės vadybos sistema, kurioje turi būti dokumentuojama ne tik kaip veikia DI, bet ir kaip ji kuriama, testuojama, atnaujinama ir stebima per visą jos diegimo ciklą. Šališkumo nustatymas ir teisingumo testavimas – o švietimo kontekste tai reiškia įrodymą, kad sistema nesukuria sistemingai skirtingų rezultatų studentams dėl rasės, lyties, socialinio ekonominio statuso ar negalios – atitikties užtikrinimo išlaidas padidina 35 000–50 000 eurų. Tėvų sutikimo mechanizmai, mokinių duomenų apsaugos valdymas (kuris turi atitikti tiek įstatymą, tiek BDAR, su papildomais apribojimais, taikomais nepilnamečiams iki 16 metų) ir paaiškinamumo infrastruktūra sudaro dar 25 000–35 000 eurų.
Tai nėra vienkartinės investicijos. Stebėjimas po pateikimo į rinką – nuolatinis realaus veikimo stebėjimas, siekiant užtikrinti atitiktį atitikties vertinimo metu nustatytiems sąžiningumo, tikslumo ir nešališkumo standartams – kainuoja nuo 40 000 iki 80 000 eurų per metus. Startuoliui, kuriame dirba 30 žmonių ir kuris kuria dirbtiniu intelektu pagrįstą vertinimo įrankį, tai yra struktūrinės išlaidos, kurios nemažėja augant įmonei; jos didėja proporcingai diegimo mastui.
2026 m. kovo mėn. paskelbtame „DIGITALEUROPE" įvertinime nurodyta, kad bendros metinės ES technologijų įmonių išlaidos, susijusios su atitiktimi ES DI aktui, siekia 3,3 mlrd. eurų per metus, o pradinės įgyvendinimo išlaidos – nuo 320 000 iki 600 000 eurų – tenka bet kuriai mažai įmonei, kurios produktas patenka į didelės rizikos III priedo kategoriją. EdTech tiesiogiai patenka į tą intervalą. Įmonė, kurianti priėmimo į mokyklą DI įrankį, negali savarankiškai patvirtinti, kad ji nepriklauso šiai kategorijai; III priedo klasifikacija nustatoma pagal numatytą naudojimo paskirtį, o priskiriant prie didelės rizikos kategorijos, taikomas trečiųjų šalių atitikties vertinimas švietimo srities pakategorėms, susijusioms su studentų profiliavimu.
Universitetai kaip diegėjai
Pagal šį įstatymą universitetams tenka dvejopa funkcija. Kaip institucijos, kuriančios DI įrankius – automatizuotas vertinimo sistemas, pagalbos pokalbių robotus studentams ar mokslinių tyrimų modelius – jie gali būti tiekėjais, kuriems tenka visos tiekėjo pareigos, kai šios sistemos diegiamos realioje aplinkoje. Kaip institucijos, įsigyjančios ir naudojančios komerciškai sukurtus DI įrankius, jie yra diegėjai, kuriems tenka atskiras, tačiau reikšmingas pareigų rinkinys.
Įstatymo 4 straipsnyje numatytas DI raštingumo reikalavimas įsigaliojo 2025 m. vasario 2 d. Jis reikalauja, kad visi DI sistemų teikėjai ir diegėjai užtikrintų, jog jų darbuotojai – visi, kurie valdo, prižiūri ar priima sprendimus remdamiesi DI sistemomis – turėtų pakankamą DI raštingumo lygį, suderintą su jų vaidmeniu ir naudojamų sistemų rizikos lygiu. Universitetui tai reiškia ne tik informuoti darbuotojus apie DI įrankių egzistavimą, bet ir užtikrinti, kad už priėmimą, vertinimą ir studentų paramą atsakingi asmenys turėtų veiklos kompetenciją suprasti diegiamas DI sistemas ir įgaliojimus jas apeiti, kai tai būtina. Ši prievolė yra aktyvi ir nuolatinė; jos negalima įvykdyti vienu mokymo kursu. Nors už atskirą 4 straipsnio pažeidimą nėra numatyta tiesioginė bauda, jo nesilaikymas sukelia civilinę atsakomybę, kai netinkamas DI sistemos naudojimas daro žalą studentams – tai ryšys, kurį reguliavimo institucijos turėtų aiškiai nurodyti vykdymo procedūrose.
Universitetų diegiamoms didelės rizikos DI sistemoms nuo 2026 m. rugpjūčio mėn. taikomi 26 straipsnyje numatyti diegėjo įsipareigojimai. Jie apima: DI sistemų naudojimą tik pagal numatytą paskirtį; žmogiškosios priežiūros pavedimą kvalifikuotiems, apmokytiems darbuotojams, turintiems dokumentais patvirtintus įgaliojimus įsikišti; automatiškai sukurtų sistemos žurnalų saugojimą ne trumpiau kaip šešis mėnesius; naudojimo sustabdymą ir pranešimą tiekėjui, kai nustatoma rizika studentų teisėms; bei naudojimo registravimą ES duomenų bazėje, jei to reikalaujama viešųjų įstaigų diegėjams. Diegėjo pareigos negali būti įvykdytos remiantis tiekėjo atitikties vertinimu. Jei universitetas diegia DI egzaminų priežiūros sistemą nesilaikydamas tiekėjo instrukcijų – pavyzdžiui, naudodamas ją kontekstuose, kuriems ji nebuvo patvirtinta – universitetas, kaip diegėjas, prisiima savarankišką atsakomybę.
Tai puikiai iliustruoja egzaminų priežiūros klausimas. Amsterdamo universiteto ginčas su studentais dėl stebėjimo programinės įrangos „Proctorio" – išspręstas pagal BDAR, kol dar nebuvo pradėtos taikyti įstatymo nuostatos – šiandien būtų vertinamas pagal kitokius, griežtesnius reikalavimus. Pagal įstatymą nuotolinis egzaminų priežiūros vykdymas naudojant biometrinę stebėseną yra didelės rizikos DI sistema. Jos diegimas reikalauja dokumentuoto rizikos vertinimo, žmogaus atliekamo DI signalų peržiūrėjimo prieš taikant bet kokias akademines pasekmes, studentų informavimo prieš naudojimą ir atitikties BDAR sugriežtintiems reikalavimams dėl biometrinių duomenų. Universitetai, kurie diegė egzaminų priežiūros priemones remdamiesi vien tik BDAR atitiktimi, dabar turi laikytis papildomų įsipareigojimų, kuriuos dauguma jų tik pradeda planuoti.
Išimtis moksliniams tyrimams
Universitetai, kuriantys DI sistemas, tam tikromis sąlygomis atleidžiami nuo įstatymo reikalavimų, jeigu kūrimas vyksta mokslinių tyrimų kontekste. 2 straipsnio 8 dalyje numatyta, kad DI sistemos, sukurtos išimtinai moksliniams tyrimams ir plėtrai, prieš pateikiant jas į rinką ar pradedant naudoti, nepatenka į įstatymo taikymo sritį. Šios išimties tikslas – apsaugoti akademinę laisvę ir netrukdyti fundamentaliems moksliniams tyrimams.
Išimties ribos yra aiškesnės, nei galima spręsti iš teksto. Ji reikalauja abiejų elementų vienu metu: DI sistema turi būti kuriama ir diegiama išimtinai mokslinių tyrimų tikslais. Universitetas, kuris savo informatikos katedroje sukuria automatizuotą egzaminų vertinimo sistemą ir vėliau ją naudoja tikruose studentų egzaminuose – net ir universiteto viduje, net ir nesiekdamas komercinimo – peržengia mokslinių tyrimų išimties ribas ir prisiima įstatymo numatytus įsipareigojimus, susijusius su didele rizika. Sistema „pradedama naudoti" tuo momentu, kai ji veikia su tikrais studentais realiame vertinimo kontekste. Bandymo aplinka ir veikimo aplinka nėra vienodos, o įstatymas jų skirtumą laiko teisiškai reikšmingu.
2025 m. birželio mėn. Tübingeno universiteto mokslininkų atliktoje analizėje įspėjama, kad dirbtinio intelekto tyrimų bendruomenė smarkiai nuvertina, kiek įprastų tyrimų praktikų sukelia įstatymo numatytus įsipareigojimus – ypač ten, kur susikerta eksperimentinė DI plėtra ir realus jos diegimas tyrimų aplinkoje, kurioje dalyvauja žmonės. Tyrimų išimtis taip pat netaikoma draudžiamoms praktikoms: netgi mokslinių tyrimų įstaiga negali diegti emocijų nustatymo sistemos studentams prisidengdama moksliniais tyrimais, nes 5 straipsnio draudime nėra numatyta išimtis moksliniams tyrimams.
Bendrosios paskirties DI mokymo procese
Didžiųjų kalbos modelių plitimas švietimo įstaigose – studentai, naudojantys „ChatGPT" rašydami referatus, dėstytojai, besinaudojantys DI rašymo asistentais, universitetai, diegiantys visos įstaigos mastu taikomus DI įrankius – kelia aiškų reguliavimo klausimą, kurį įstatymas sprendžia remdamasis bendrosios paskirties DI (GPAI) sistema, o ne aukštos rizikos klasifikacija.
Studentas ar dėstytojas, naudojantis komerciškai prieinamą GPAI modelį rašymui, tyrimų pagalbai ar dokumentų santraukoms rengti, pagal įstatymą nenaudoja didelės rizikos DI sistemos. Klasifikacija priklauso nuo numatytos paskirties: komercinis LLM yra skirtas bendrosios paskirties tikslams, o ne konkrečiai švietimui. Tačiau įstatymo 50 straipsnio skaidrumo įsipareigojimai nuo 2026 m. rugpjūčio mėn. taikomi visiems generatyvinių DI sistemų diegėjams: bet kuri institucija, diegianti DI pokalbių robotą ar asistentą studentams skirtoms paslaugoms, privalo informuoti vartotojus, kad jie bendrauja su DI sistema. DI sistemų generuojami rezultatai turi būti mašinai skaitomi ir techniškai atpažįstami kaip dirbtinai sugeneruoti.
GPAI klausimas tampa sudėtingesnis, kai universitetas ant bazinio modelio kuria pritaikytą DI įrankį – pavyzdžiui, diegia DI mokymo asistentą, kuris naudoja tiksliai suderintą didįjį kalbos modelį (LLM), kad atsakytų į studentų klausimus apie mokymo programos turinį. Jei tas įrankis diegiamas taip, kad vertina studentus, nukreipia jų mokymosi kelią arba veikia kaip de facto mokymo institucija, tai, ar jis patenka į didelės rizikos sritį, priklauso nuo to, kiek jo rezultatai iš esmės daro įtaką sprendimų priėmimui dėl atskirų studentų. Pokalbių robotas, kuris atsako į faktinius klausimus, nėra tas pats, kaip įsitraukimo stebėjimas ir studentų žymėjimas. Pirmuoju atveju reikalaujama atskleisti informaciją dėl skaidrumo; antruoju atveju gali prireikti visapusiško atitikties vertinimo.
GPAI modelių teikėjams – pvz., „Mistral", „Anthropic" – kurių sistemos naudojamos ES švietimo įstaigose, įstatymo GPAI įsipareigojimai (kurie įsigaliojo 2025 m. rugpjūčio mėn.) reikalauja paskelbti mokymo duomenų santraukas, techninę dokumentaciją ir tolesnes gaires, kad diegėjai, įskaitant universitetus, galėtų suprasti, ką modelis gali ir kur yra jo ribos. Universitetas, kuris kuria švietimo produktą remdamasis GPAI modeliu be tos dokumentacijos, negali įvykdyti savo kaip diegėjo įsipareigojimų – atitikties grandinė reikalauja modelio skaidrumo aukštesniame grandinės etape.
Studentas kaip subjektas
Studentai nėra tik atsitiktiniai šio įstatymo naudos gavėjai – jie yra pagrindinė grupė, kuriai šis įstatymas skirtas apsaugoti švietimo kontekste, o šis reglamentas nustato konkrečias teises, kurios daro įtaką tam, kaip dirbtinis intelektas naudojamas jų aplinkoje.
86 straipsnyje numatyta, kad studentai, kuriems taikomi sprendimai, priimti remiantis didelės rizikos DI sistemomis – įskaitant sprendimus dėl priėmimo, mokymosi programų paskyrimą ir vertinimus, kuriuose DI atliko esminį vaidmenį – turi teisę gauti aiškų ir išsamų paaiškinimą apie DI vaidmenį priimant tą sprendimą. Prieš įsigaliojant įstatymui, studentas, kurį atmetė universitetas, kurio priėmimo algoritmas jį pripažino netinkamu, neturėjo jokio oficialaus teisinio mechanizmo, leidžiančio suprasti kodėl. Tai pasikeis 2026 m. rugpjūčio mėn. įsigaliojus įstatymui. Šia teise galima pasinaudoti, kai sprendimas daro reikšmingą poveikį studento švietimo trajektorijai, o pareiga pateikti paaiškinimą tenka diegėjui, o ne sistemos kūrėjui.
Švietimo praktikoje dar nėra nustatyta, kas laikoma išsamiu paaiškinimu. Techniniu požiūriu tikslus svarbiausių požymių, lėmusių neigiamą sprendimą dėl priėmimo, žemėlapis nėra tas pats, kas paaiškinimas, suprantamas 18-mečiui stojančiajam, neturinčiam techninio išsilavinimo. Įstatyme reikalaujama, kad paaiškinimai būtų „aiškūs ir išsamūs" – tai formuluotė, kuri nustato kokybinį standartą jo neapibrėždama, ir kurią teismai bei nacionalinės kompetentingos institucijos galiausiai aiškins priimdamos sprendimus dėl įstatymo vykdymo. Universitetai, kurie naudoja priėmimo DI ir planuoja įvykdyti šią prievolę vien tik technine dokumentacija, greičiausiai nuspręs, kad toks standartas yra nepakankamas.
Draudimas išnaudoti vaikų pažeidžiamumą sukuria įsipareigojimus, kurie gerokai peržengia klasės ribas ir apima vartotojų EdTech rinką, prie kurios vaikai prisijungia iš namų. DI korepetitorių programa, skirta vaikams, naudojanti personalizavimą, skirtą maksimaliai padidinti įsitraukimą mokymosi kokybės sąskaita, arba renkanti ir pelną gaunanti iš duomenų apie vaikų mokymosi sunkumus, veikiant ES, yra reglamentuojama šio įstatymo – nepriklausomai nuo to, kur įregistruota įmonė. Šio įstatymo ekstrateritorinė taikymo sritis apima teikėjus ir diegėjus, kurių DI rezultatai naudojami ES, o tai apima daugumą komerciškai veikiančių EdTech platformų, nepriklausomai nuo jų būstinės vietos.
Akademinis sąžiningumas
Viena sritis, kurioje įstatymas nustato įstaigoms pareigas, kurias jos tik pradeda įgyvendinti, yra susijusi su dirbtinio intelekto sukurtos akademinės medžiagos aptikimu. Įstatymo 50 straipsnis numato, kad nuo 2026 m. rugpjūčio mėn. dirbtinio intelekto sukurti rezultatai turi būti skaitomi kompiuteriu ir techniškai identifikuojami kaip dirbtinai sukurti. Šio reikalavimo tikslas – užtikrinti informacijos vientisumą visuomeniniu lygmeniu. Praktikoje universitetams tai suteikia tiek priemonę, tiek kelia dilemą.
Šiuo metu turimos DI aptikimo priemonės – „Turnitin" DI aptikimo modulis, „GPTZero", „Copyleaks" – veikia su reikšmingu klaidingų teigiamų rezultatų lygiu, t.y. žmogaus parašytą tekstą identifikuoja kaip sukurtą DI ir atvirkščiai. Europos universitetinis institutas aiškiai atsisakė juos diegti, motyvuodamas tuo, kad dėl nepatikimo aptikimo kyla rizika, jog akademinis sąžiningumas bus neteisingai įvertintas. Jei 50 straipsnio reikalavimai dėl vandenženklių ir techninio aptikimo užtikrins veiksmingus, standartizuotus, mašina skaitomus signalus DI sukurtame tekste, tokia techninė infrastruktūra galėtų žymiai pagerinti aptikimo tikslumą – sumažindama institucijų priklausomybę nuo tikimybinių klasifikatorių ir su jais susijusią klaidingų teigiamų rezultatų naštą. Ar įgyvendinimui reikalingi techniniai standartai bus parengti iki 2026 m. rugpjūčio mėn., lieka neaišku; Europos Komisija 2025 m. pabaigoje paskelbė DI sukurtos medžiagos skaidrumo praktikos kodekso projektą, tačiau 2026 m. balandžio mėn. privalomi suderinti standartai dar nebuvo priimti.
Šiuo atžvilgiu akademinis sąžiningumas yra sritis, kurioje įstatymo ilgalaikis poveikis gali būti transformuojantis, tačiau jo įgyvendinimas trumpalaikiu laikotarpiu yra neišsamus. Universitetai išgyvena pereinamąjį laikotarpį, kai dirbtinio intelekto sukurtas turinys yra visur, jo aptikimas nėra patikimas, artėja teisiniai įsipareigojimai užtikrinti aptikimą, o techniniai standartai, reikalingi šiems įsipareigojimams įvykdyti, dar neegzistuoja.
Struktūrinė įtampa
Švietimo sritis kelia DI įstatymui iššūkį, kuris struktūriškai skiriasi nuo sveikatos priežiūros ar gynybos sričių. Sveikatos priežiūros srityje DI reguliavimas remiasi dešimtmečius galiojančiais medicinos prietaisų įstatymais; yra esami atitikties vertinimo būdai, įdiegta notifikuotųjų įstaigų infrastruktūra ir reguliavimo kultūra, pripratusi prie didelės svarbos atitikties reikalavimams. Gynybos srityje išimtis – nors ir netobula – pašalina didžiąją dalį karinio DI iš tiesioginės įstatymo taikymo srities. Švietimo srityje nė viena iš šių sąlygų netaikoma.
Europos mokyklos ir universitetai raginami laikytis didelės rizikos reguliavimo sistemos, nors jie veikia naudodamiesi viešosiomis lėšomis, neturi specialios atitikties užtikrinimo infrastruktūros, neturi nustatytų gairių, kaip vykdyti tokias prievoles kaip teisė į paaiškinimą ar švietimo DI rizikos vertinimas (FRIA), ir susiduria su augančia komercinių DI produktų ekosistema, kuri vystosi greičiau, nei bet kuri reguliavimo institucija spėja įvertinti. 2026 m. kovo mėn. Komisija paskelbė atnaujintas etines gaires dėl DI švietime, sustiprindama prievoles, susijusias su skaidrumu ir duomenų apsauga. Politikos nuoseklumas nacionaliniu lygmeniu yra nevienodas: Airija 2025 m. pabaigoje paskelbė nacionalinę generatyvinio DI aukštojo mokslo sistemą; Prancūzija skyrė 20 mln. eurų DI priemonėms mokytojams, o 2026 m. numatoma nacionalinė programa; Vokietija per ketverius metus investavo 20 mln. eurų į skaitmeninio švietimo infrastruktūrą. Tai nėra lygiaverčiai pasirengimo lygiai, o įstatymo įgyvendinimas nelauks, kol institucijų pasirengimas susilygins.
Gilesnis klausimas yra toks, kurio joks reglamentas savaime neišsprendžia: kam DI turėtų būti naudojamas švietime, o kam – ne. Įstatymas nagrinėja šio klausimo teisinę struktūrą – kas yra atsakingas, kai DI daro įtaką švietimo sprendimams, kokias teises turi studentai, kas yra draudžiama – tačiau jis negali pakeisti pedagoginio ir institucinio sutarimo dėl DI vaidmens mokyme ir mokymesi, kurį Europos švietimo sistemos dar tik pradeda formuoti.
Šaltiniai
- EU AI Act, Annex III, Point 3: Education and Vocational Training. Official text, August 2024.
- Klarvo — EU AI Act Compliance Platform. "EU AI Act for Education & EdTech: Compliance Guide." January 2025.
- EY Tax Alerts. "AI Act: Prohibited AI Practices Become Applicable." December 2025.
- Higher Education Authority (Ireland). "Generative AI in Higher Education Teaching & Learning Alignment." December 2025.
- FeedbackFruits. "What is the EU AI Act? A Comprehensive Overview." February 2025.
- SwissCyberInstitute. "The EU AI Act: Implications for Ethical AI in Education." February 2026.
- SoftwareSeni. "Budgeting for EU AI Act Compliance: Cost Models for SMB Tech Companies." January 2026.
- The Parliament Magazine / DIGITALEUROPE. "€31bn Cost on Europe's Innovators: Why the AI Act Is Backfiring." March 2026.
- Rockefeller Institute of Government. "The European AI Act and Its Implications for New York State Higher Education." November 2025.
- Harvard University IT. "EU AI Act Prohibited Use Cases." February 2025.
- KPMG Law Germany. "AI Act: This Applies to AI in Universities and Research." March 2025.
- arXiv. Wernick, A., Meding, K. "Beware! The AI Act Can Also Apply to Your AI Research Practices." June 2025.
- Health Management. "EU AI Act Research Exemptions Under Scrutiny." March 2026.
- Academic Journals. Oxford GRURINT. "In Search of the Lost Research Exemption: Reflections on the AI Act." October 2025.
- Global Centre for Human Rights. "How is ChatGPT Regulated by the EU AI Act: Reflections on Higher Education." September 2024.
- AI Act Explorer. Article 50: Transparency Obligations.
- DDG Avocats. "Transparency of AI-Generated Content: In-depth Legal Analysis of the Draft Code of Practice." April 2026.
- EUI (European University Institute). "Guidelines for the Responsible Use of Artificial Intelligence for Research." 2024.
- DAAD Brussels. "Explainable AI in Education: Fostering Human Oversight and Shared Understanding." 2025.
- Humane AI / University of Amsterdam. "UvA Students Against Online Proctoring." 2021–2024.
- EU AI Act, Article 5: Prohibited AI Practices; AI Act Service Desk guidance.
- European Commission. "Guidelines on the Ethical Use of Artificial Intelligence and Data in Teaching and Learning." March 2026.
- LinkedIn / Vlad Petcu. "Higher Education AI Policy Developments Across Europe." February 2026.
- Future Market Insights. "AI in K-12 Education Market Analysis 2025–2035." September 2025.
- Latham & Watkins. "EU AI Act: Ban on Certain AI Practices and Requirements for AI Literacy." January 2025.