AI reguliavimas skyla į dvi trajektorijas: ką verslui reiškia JAV politinis chaosas ir ES balanso paieškos

Dirbtinio intelekto politika 2026 m. juda ne viena kryptimi, o bent dviem skirtingomis trajektorijomis. JAV viešojoje erdvėje matome augantį reguliacinį triukšmą: politines kovas dėl AI įtakos rinkimams, nevienodus saugumo reikalavimus, bylas dėl turinio naudojimo modelių mokymui ir valstijų iniciatyvas atskirose srityse, ypač sveikatos apsaugoje. Tuo metu Europoje stiprėja kita logika: ne emocinis reagavimas į kiekvieną naujienų ciklą, o bandymas sukurti stabilesnę AI reguliavimo architektūrą, kuri mažintų neapibrėžtumą rinkai.

B2B organizacijoms Lietuvoje tai nėra teorinis Briuselio ar Vašingtono klausimas. Nuo to, kaip skirsis JAV ir ES požiūris į AI reguliavimą, priklausys tiekėjų pasirinkimas, sutarčių sąlygos, duomenų saugumo reikalavimai, pirkimų procesai ir tai, kaip greitai įmonės galės diegti AI automatizavimą verslui nepadidindamos teisinės rizikos.

AI reguliavimas JAV: nuo strategijos prie fragmentacijos

Pastarųjų dienų signalai iš JAV rodo ne vien griežtėjimą, o institucinio nuoseklumo stoką. Vienoje pusėje matome politinį spaudimą dėl didesnės AI kontrolės, ką iliustruoja apklausos apie nepakankamą reguliavimą ir vis aktyvesnės rinkimų kovos, kuriose AI sektorius tampa politinės įtakos objektu. Kitoje pusėje – skirtingi interesai tarp technologijų bendrovių, federalinių institucijų, valstijų politikų ir turinio savininkų.

Prie to prisideda ir ieškiniai dėl leidėjų turinio naudojimo modelių mokymui. Tokios bylos nėra vien autorių teisių ginčas. Jos gali nulemti, kaip ateityje bus vertinami AI tiekėjų duomenų šaltiniai, kokių garantijų reikalaus verslo klientai ir kaip greitai gali išaugti modelių naudojimo kaštai. Jei tiekėjas negali aiškiai paaiškinti savo duomenų kilmės, jo komercinė rizika tampa ir kliento rizika.

Verslui svarbiausia išvada paprasta: JAV AI politika šiandien nebėra vien „pro-inovacinė“. Ji tampa selektyvi, reaktyvi ir priklausoma nuo konkretaus sektoriaus, bylos ar politinio ciklo. Tai bloga žinia organizacijoms, kurios planuoja kelių metų AI transformaciją ir tikisi stabilios reguliacinės aplinkos.

ES AI reguliavimas: ne silpnybė, o konkurencinio patikimumo modelis

Europoje diskusija juda kita kryptimi. Bruegel analizė apie būtinybę taisyti, o ne ardyti ES AI sistemą rodo svarbų poslinkį: AI Act vis dažniau vertinamas ne kaip vien inovacijų stabdis, bet kaip mechanizmas rinkos pasitikėjimui kurti. Tai ypač svarbu regionui, kuriame daug B2B ir viešojo sektoriaus pirkimų priklauso ne nuo „greičiausio demo“, o nuo audituojamumo, rizikos paskirstymo ir atitikties.

Europos modelio stiprybė nėra tai, kad jis lengvas. Jo stiprybė yra prognozuojamumas. Jei JAV organizacijos turi sekti, kuri institucija, valstija ar teismas šią savaitę pakeis rizikos profilį, Europos rinkoje didžiausia vertė tampa aiškesnės taisyklės dėl panaudojimo atvejų, atsakomybių ir aukštos rizikos sistemų.

Tai ypač aktualu Lietuvos įmonėms ir viešajam sektoriui, kurie dažnai renkasi ne „frontier“ eksperimentus, o praktinius AI scenarijus: klientų komunikaciją, turinio generavimą, žinių bazių paiešką, el. pašto automatizavimą ir vidinių procesų efektyvinimą. Tokiais atvejais svarbu ne tik modelio galia, bet ir tai, ar sprendimą galima diegti valdomai. Būtent čia padeda aiškus AI diegimo procesas, kuriame nuo pradžių numatomi naudojimo atvejai, prieigos ribos ir atsakomybės.

Duomenų saugumas ir turinio kilmė tampa pirkimų klausimu, ne tik teisininkų tema

Leidėjų ieškiniai OpenAI ir Microsoft bei nuolatinės diskusijos apie modelių mokymo duomenis rodo platesnę tendenciją: AI tiekėjų „back-end“ sprendimai tampa kliento pirkimo klausimu. Anksčiau daug organizacijų vertino AI įrankius pagal funkcionalumą ir kainą. Dabar to nepakanka.

Įmonių valdybos, CISO ir viešojo sektoriaus pirkimų komandos vis dažniau klausia keturių dalykų: iš kur gaunami duomenys, kaip valdomi naudotojų įvesti duomenys, kokios yra tiekėjo atsakomybės ribos ir kaip užtikrinamas auditas. Šie klausimai ypač svarbūs tada, kai AI naudojamas klientų komunikacijai, dokumentų santraukoms, vidinei žinių paieškai ar viešosioms paslaugoms.

Dėl to rinkoje didėja paklausa ne pavieniams „chatbotams“, o platformoms, kurios leidžia AI naudoti konkrečiuose procesuose su aiškesne kontrole. Tokiose situacijose svarbios ne tik modelio savybės, bet ir platesnės AI platformos galimybės: prieigų valdymas, darbo eigų automatizavimas, komunikacijos kanalų integracijos ir galimybė dirbti su organizacijos žinių baze.

AI automatizavimas verslui: kodėl politinis neapibrėžtumas keičia diegimo prioritetus

Didelė dalis vadovų vis dar žiūri į AI politiką kaip į foninę temą, atskirtą nuo kasdienių diegimo sprendimų. Tačiau būtent politinis neapibrėžtumas dabar lemia, kokie AI projektai yra racionalūs.

2024–2025 m. daug organizacijų pirmiausia eksperimentavo su bendros paskirties generatyviniais įrankiais. 2026 m. logika keičiasi. Dėl reguliacinės fragmentacijos laimi ne patys plačiausi ar „garsiausi“ sprendimai, o tie, kuriuos galima apriboti pagal paskirtį, audituoti ir greitai pakeisti, jei keičiasi taisyklės ar tiekėjo rizikos profilis.

• Klientų komunikacijoje verta rinktis aiškiai apibrėžtus automatizavimo scenarijus, o ne nekontroliuojamą laisvo formato AI naudojimą.
• Vidiniuose procesuose prioritetą įgauna žinių bazės, atsakymų ruošiniai, el. pašto ir užklausų klasifikavimas.
• Viešajame sektoriuje didėja poreikis sprendimams, kuriuose nuo pradžių aiškiai aprašyti duomenų srautai ir atsakomybės ribos.
• Tiekėjų vertinime daugėja reikalavimų dėl atitikties, lokalumo ir valdomo diegimo, o ne vien dėl modelio tikslumo demonstracijose.

Kitaip tariant, AI politika ne tik riboja. Ji išgrynina, kokie AI projektai turi didžiausią tikimybę būti patvirtinti, finansuoti ir tęsiami.

Ką tai reiškia Lietuvai: mažesnė rinka gali laimėti per valdomą AI naudojimą

Lietuvos verslas ir institucijos dažnai neturi prabangos eiti „bandykime viską“ keliu. Tačiau dabartiniame etape tai tampa pranašumu. Kai JAV AI politika svyruoja tarp lobizmo, bylų ir skirtingų institucinių signalų, mažesnės Europos rinkos gali laimėti per disciplinuotą diegimą: aiškūs naudojimo atvejai, riboti duomenų srautai, etapinis įdiegimas ir ankstyvas atitikties įvertinimas.

Praktikoje tai reiškia, kad organizacijos turėtų ne laukti galutinio reguliacinio „aiškumo“, o jau dabar susidėlioti AI valdymo minimumą:

• inventorizuoti, kuriose komandose AI jau naudojamas neoficialiai;
• atskirti mažos rizikos produktyvumo scenarijus nuo aukštesnės rizikos sprendimų;
• įtraukti teisinius, IT saugumo ir verslo padalinius į vieną vertinimo procesą;
• numatyti tiekėjo keitimo galimybę, jei pasikeistų teisinė ar komercinė rizika;
• vertinti ne tik modelį, bet ir visą veikimo grandinę: duomenis, prieigas, kanalus, atsakomybes.

Šiame etape laimės ne tie, kurie garsiausiai kalbės apie AI strategiją, o tie, kurie greičiausiai sukurs valdomą, pakartojamą ir audituojamą AI naudojimo modelį.

Kur kryptingai ruoštis toliau

AI politikos skirtumas tarp JAV ir ES artimiausiais mėnesiais tik didės. JAV greičiausiai išliks aukšto triukšmo, didelės įtakos ir fragmentuotų sprendimų rinka. Europa, net jei lėtesnė, gali tapti patikimesne terpe organizacijoms, kurioms svarbu ilgalaikis diegimas, atitiktis ir reputacijos kontrolė.

Vadovams Lietuvoje pagrindinis klausimas turėtų būti ne „kuri šalis geriau reguliuoja AI“, o „ar mūsų AI architektūra išgyvens skirtingų reguliavimo režimų spaudimą“. Jei atsakymas neaiškus, tai signalas peržiūrėti tiekėjus, procesus ir valdymo modelį dabar, o ne po pirmo teisinio ar reputacinio incidento.

Norite pasiruošti AI pokyčiams savo organizacijoje?

Jei ieškote praktiško būdo diegti AI automatizavimą verslui ir viešajam sektoriui su aiškesne kontrole, verta peržiūrėti, kokias galimybes siūlo Clarivex. Tai padeda vertinti AI ne kaip pavienį įrankį, o kaip valdomą darbo aplinkos sluoksnį, pritaikytą Europos organizacijų poreikiams.