Om din produkt omfattas av EU AI Act artikel 50 är en maskinläsbar vattenstämpel inte hela arbetet. Leverantörer och användare har olika skyldigheter. Vissa skyldigheter för användare kräver fortfarande en tydlig etikett som en person kan uppfatta utan särskilda verktyg. Regeln gäller från och med 2 augusti 2026. Den begränsade respittiden till 2 december 2026 omfattar endast märkningsskyldigheten enligt artikel 50.2 för system som släppts ut på marknaden före den 2 augusti. Kommissionens officiella FAQ- och vägledningssidor klargör nu detta direkt. European Commission FAQ Guidelines page
Den här artikeln är en teknisk checklista, inte juridisk rådgivning. Målet är mer avgränsat: att omvandla det officiella tillämpningsområdet, datumen, undantagen och granskningsnivåerna till produktkontroller som ni faktiskt kan lansera. Checklistan fokuserar på artikel 50.1, artikel 50.2 och skyldigheterna för generativt innehåll i artikel 50.4. Den omfattar inte de separata skyldigheterna enligt artikel 50.3 för system för känsloigenkänning och biometrisk kategorisering. Bekräfta roll, tillämpningsområde och eventuella undantag med kvalificerad juridisk rådgivare innan ni förlitar er på detta arbetsflöde.
EU AI Act artikel 50: vem måste göra vad?
Kommissionens aktuella vägledning delar upp arbetet efter aktör. Leverantörer hanterar meddelanden om direkt AI-interaktion och maskinläsbar märkning av syntetiska resultat. Användare hanterar deepfake-etiketter och vissa etiketter för texter av allmänintresse. Guidelines page Quick facts
| Aktör | Utlösande situation | Vad den officiella vägledningen säger |
|---|---|---|
| --- | --- | --- |
| Leverantör | Direkt AI-interaktion med en fysisk person | Informera personen från den första interaktionen, såvida det inte är uppenbart att personen interagerar med AI. |
| Leverantör | Syntetiskt text-, bild-, ljud- eller videoutdata | Lägg till en maskinläsbar märkning och möjliggör detektering, med förbehåll för begränsningar i tillämpningsområdet och undantag. |
| Användare | Exponering för deepfake | Ge ett tydligt och uppfattbart meddelande senast vid den första exponeringen. |
| Användare | Text av allmänintresse utan mänsklig granskning eller redaktionell kontroll | Märk tydligt texten som AI-genererad eller AI-manipulerad. |
Den uppdelningen är viktig eftersom den undanröjer en vanlig genväg: en dold märkning från en leverantör uppfyller inte automatiskt användarens skyldighet att lämna ett synligt meddelande. Kommissionen säger att användare inte enbart kan förlita sig på den maskinläsbara märkning som leverantören bäddat in. European Commission FAQ
Datumen som spelar roll
De centrala skyldigheterna enligt artikel 50 gäller från och med 2 augusti 2026. Kommissionens FAQ lägger till en begränsad respittid för märkningsskyldigheten enligt artikel 50.2 till och med 2 december 2026, men endast för generativa AI-system som släppts ut på marknaden före den 2 augusti 2026. Innehåll som genererats före den 2 augusti behöver inte märkas retroaktivt, även om kommissionen uppmuntrar till detta när det är möjligt. European Commission FAQ Quick facts
Lagen anger två relevanta datum. Er lanseringsplan kan lägga till ett tredje internt policydatum:
Vad leverantörer behöver bygga
För leverantörer är regeln om direkt interaktion den enklare. Om systemet innebär en verklig tvåvägsinteraktion med en fysisk person, och interaktionen inte uppenbart sker med AI, måste personen informeras från början av den första interaktionen. Kommissionen säger att undantaget för när det är "uppenbart" bör tolkas snävt. European Commission FAQ
Den svårare delen är märkning av utdata. Leverantörer av system som genererar syntetisk text, bilder, ljud eller video måste tillämpa maskinläsbara märkningar och möjliggöra detektering. Samma FAQ säger också att vissa resultat ligger utanför tillämpningsområdet eller är undantagna, bland annat källkod, vissa maskin-till-maskin-resultat utan exponering för människor samt vissa slutna industriella användningsområden eller användningsområden för produktutveckling. European Commission FAQ
Det är här team vanligtvis förenklar arbetet för mycket. Följande är en implementeringstolkning, inte en ordagrann checklista från kommissionen. En leverantörsskyldighet är inte att "slå på vattenmärkning". Den innebär att:
Om ni redan spårar leverantörer, runtime-miljöer och utdataflöden i en AI bill of materials→, utöka inventeringen med märkningsgrad och verifieringsresultat per utdata. Om ni inte gör det blir artikel 50 mycket svårare att bevisa i efterhand.
Vad användare fortfarande behöver göra
Användare har ett annat problem. Deras skyldigheter är synliga, kontextuella och baserade på exponering. En dold märkning i en fil räcker inte när en person tittar på eller läser resultatet.
För deepfakes säger kommissionen att meddelandet senast måste lämnas vid den första exponeringen och måste vara begripligt utan särskilda verktyg. För text av allmänintresse måste användaren märka innehållet om det inte har genomgått verklig mänsklig granskning eller redaktionell kontroll. Kommissionen är tydlig med att stavningskontroll och grammatisk bearbetning inte räknas. European Commission FAQ
Här är arbetsflödets utformning viktigare än detekteringstekniken:
Frågan för användaren är inte "Var AI inblandad?" Frågan är "Vad exponerade vi för människor, och vilka granskningsbevis har vi för just det materialet?"
*Bildtext: Artikel 50 delar upp leverantörers och användares skyldigheter. Den maskinläsbara märkningen och den synliga etiketten löser olika problem.*
Varför enbart vattenmärkning inte räcker
Aktuell dokumentation från leverantörer visar redan varför en lösning i ett enda lager är svag.
OpenAI säger att C2PA-metadata hjälper innehåll att bära information om ursprung. De säger också att metadata kan tas bort, gå förlorad vid uppladdning och nedladdning eller förstöras av omvandlingar som storleksändring och skärmdumpar. Den 29 juli 2026 beskriver OpenAI:s dokumentation ett andra lager genom SynthID för bilder som stöds samt en offentlig förhandsversion för verifiering. OpenAI provenance OpenAI verify
Googles offentliga dokumentation om SynthID Text visar samma sak från en annan vinkel. Den beskriver hur textvattenmärkning fungerar, men säger också att detekteringssäkerheten kan sjunka kraftigt efter omfattande omskrivning eller översättning. Den begränsningen är viktig för artikel 50 eftersom användares skyldigheter omfattar text av allmänintresse, där redigerad text är normalt snarare än exceptionellt. SynthID Text docs
ElevenLabs positionerar nu SynthID plus C2PA som en del av sin transparenslösning för ljud och säger att de först började rulla ut vattenmärkningen till kostnadsfria text-till-tal-genereringar innan täckningen utökades. Det är användbara implementeringsbevis, men fortfarande leverantörsrapporterad utrullningsstatus och inget bevis på att alla efterföljande plattformar bevarar signalen. ElevenLabs SynthID post
Ny forskning landar på samma slutsats. Artikeln om strukturella luckor i artikel 50 hävdar att efterhandsmärkning inte kan vara hela grunden för efterlevnad. Artikeln om ursprungsramverket hävdar att ursprungsmetadata och vattenmärkning löser olika bevisproblem. Artikeln om facetterad attribution hävdar att grova meddelanden om att "AI användes" missar var, hur och under vilken granskning systemet ingrep. Den praktiska tekniska tolkningen är snävare: Efterlevnad av artikel 50 kräver arbetsflödesbevis såväl som teknisk märkning. Structural gaps paper Provenance framework Faceted attribution paper
En praktisk teknisk checklista
1. Inventera varje offentligt utdataflöde
Lista varje system som kan producera text, bilder, ljud eller video riktad till allmänheten. Stanna inte vid modellnamnet. Ta med ytan som levererar resultatet, aktören som kontrollerar publiceringen och om resultatet når en fysisk person. Kommissionens uppdelning mellan leverantör och användare tillämpas på system- och exponeringsnivå, inte på modellvarumärkesnivå. European Commission FAQ
Minimifält:
2. Separera leverantörens och användarens skyldigheter i koden
Lägg inte en generell flagga som `ai_disclosure=true` på tillgången och kalla arbetet klart. Ni behöver separata kontroller:
Den uppdelningen gör det möjligt att bevisa varför en märkt fil fortfarande behövde en synlig etikett, eller varför en text av allmänintresse var undantagen eftersom en kvalificerad granskare hade godkänt innehållet efter en substantiell granskning.
3. Definiera en verklig tröskel för mänsklig granskning
Kommissionen säger att substantiell granskning kräver relevant kunskap och professionellt omdöme, och att redaktionell kontroll innebär att en ansvarig enhet kan godkänna, ändra eller avvisa textens innehåll. Stavningskontroll är uttryckligen utesluten. European Commission FAQ
Om ert granskningssteg i CMS inte kan besvara:
är bevisningen för att åberopa granskningsundantaget ofullständig.
4. Testa om märkningen överlever omvandlingar, inte bara om genereringen lyckas
För maskinläsbara märkningar är den tekniska frågan inte bara "kan vi bädda in den?" utan "överlever den den faktiska väg som materialet tar?"
Testa åtminstone:
OpenAI, Google och ElevenLabs beskriver alla robusthet, men ingen hävdar en perfekt signal efter varje omvandling. OpenAI provenance SynthID overview ElevenLabs SynthID post
5. Behåll en verifieringsväg som operatörer faktiskt kan använda
C2PA-stacken med öppen källkod är tillräckligt aktiv för att användas i verkliga arbetsflöden redan i dag. C2PA:s konformitetsprogram och förtroendelista är aktiva, `c2patool` kan inspektera eller lägga till manifest och utvecklingen av `c2pa-rs` fortsätter i juli 2026. C2PA conformance c2patool docs c2pa-rs releases
Det ger er en enkel operatörsväg:
6. Behandla undantag som uttrycklig policy, inte som muntlig tradition
Kommissionens vägledning beskriver flera villkorsberoende undantag och uteslutningar. Den nämner källkod, resultat som uteslutande är avsedda för maskin-till-maskin-bearbetning utan exponering för människor samt vissa slutna industriella resultat eller resultat för produktutveckling som utanför tillämpningsområdet under de omständigheter som beskrivs. Den skiljer också mellan stödjande standardredigering, substantiell granskning av text av allmänintresse och vissa uppenbart konstnärliga, kreativa, satiriska, fiktiva eller liknande deepfakes. Detta är inte generella undantag; dokumentera varför ett specifikt utdataflöde uppfyller de relevanta villkoren. European Commission FAQ
Om undantagen bara finns i människors minne kommer de att förändras över tid. Lägg dem i ett beslutsträd, en policytabell eller en lanseringschecklista och koppla varje undantag till den innehållsväg där det är tillåtet.
Var aktuella verktyg redan hjälper
OpenAI, Google och ElevenLabs ger nu team verkliga byggblock, men varje byggblock har begränsningar.
OpenAI
Den 29 juli 2026 uppger OpenAI att de är en C2PA Conforming Generator Product, tillämpar SynthID på bilder som stöds och som genereras genom ChatGPT, Codex och API, samt erbjuder ett verifieringsverktyg i forskningsförhandsversion för bilder genererade av OpenAI. De säger också att ingen detekteringsmetod är ofelbar och att en saknad signal inte bevisar att bilden inte är AI-genererad. OpenAI provenance OpenAI verify
Google positionerar SynthID som ett plattformsöverskridande vattenmärkningssystem för bilder, ljud, text och video. Dokumentationen för text är ovanligt konkret: vattenmärkningen implementeras som en logits-processor, men översättning och omfattande omskrivning kan försvaga detekteringen. Det är användbart eftersom det visar vad ni inte bör lova för mycket om. SynthID overview SynthID Text docs
ElevenLabs
Den 29 juli 2026 uppger ElevenLabs att deras ljuddetektor först söker efter en SynthID-vattenstämpel och därefter faller tillbaka på deras AI Speech Classifier när ingen vattenstämpel hittas. Det är rätt mönster i princip: först en ursprungssignal, därefter en svagare inferenssignal. ElevenLabs Audio Detector documentation
C2PA och verifiering med öppen källkod
C2PA är fortfarande den mest praktiska öppna standarden för ursprungsmetadata. Den officiella specifikationen, konformitetsprogrammet och kommandoradsverktygen räcker för att stödja valideringsgrindar i en produktionspipeline. C2PA home C2PA spec c2patool docs
Vad ni inte ska anta
Anta inte något av följande:
Detta är de felmoder som skapar en falsk känsla av efterlevnad.
Slutsats
En kort teknisk tolkning av EU AI Act artikel 50 är följande: leverantörer måste göra syntetiska resultat detekterbara, och användare kan fortfarande behöva göra dem uppenbara för människor.
Därför är rätt implementering en kedja, inte en etikett:
Om ni bygger på det sättet blir artikel 50 en teknisk kontrollyta. Om ni reducerar den till "vi lade till en vattenstämpel" kan ni missa en separat skyldighet för användaren. Den här arkitekturen kan stödja bevis på efterlevnad, men den avgör inte det juridiska tillämpningsområdet och garanterar inte efterlevnad.
FAQ
Uppfyller en leverantörs maskinläsbara märkning användarens skyldighet att märka en deepfake?
Nej. Kommissionens FAQ säger att användare inte enbart kan förlita sig på leverantörens maskinläsbara märkning. Deepfakes behöver fortfarande ett tydligt och uppfattbart meddelande till den person som exponeras. European Commission FAQ
När undantar mänsklig granskning text av allmänintresse från märkningskravet?
Endast när en fysisk person med relevant kunskap avsiktligt granskar innehållets substans, eller när en redaktionell enhet kan godkänna, ändra eller avvisa texten på substantiella grunder. Formella kontroller som stavning eller grammatisk bearbetning räcker inte. European Commission FAQ
Omfattas källkod och maskin-till-maskin-resultat av artikel 50.2?
Inte alltid. Kommissionens FAQ listar källkod, vissa maskin-till-maskin-resultat utan exponering för människor och vissa slutna industriella användningsområden som utanför tillämpningsområdet eller undantagna, med vissa villkor. European Commission FAQ