ΕΣΠΔ: Σε δημόσια διαβούλευση οι νέες κατευθυντήριες γραμμές για το web scraping στην εκπαίδευση παραγωγικής ΤΝ

Σε δημόσια διαβούλευση έθεσε το Ευρωπαϊκό Συμβούλιο Προστασίας Δεδομένων τις νέες Κατευθυντήριες Γραμμές 03/2026 σχετικά με το web scraping στο πλαίσιο της ανάπτυξης παραγωγικής τεχνητής νοημοσύνης. Το έγγραφο επιχειρεί να αποσαφηνίσει τον τρόπο εφαρμογής του Γενικού Κανονισμού Προστασίας Δεδομένων κατά τη μαζική συλλογή δεδομένων από δημόσια προσβάσιμες ιστοσελίδες για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης.

Οι κατευθυντήριες γραμμές επισημαίνουν ότι το web scraping συνιστά επεξεργασία προσωπικών δεδομένων όταν περιλαμβάνει πράξεις όπως η συλλογή, η αποθήκευση, η οργάνωση και η ανάκτησή τους. Παράλληλα, αναγνωρίζουν ότι η πρακτική αυτή ενέχει σημαντικούς κινδύνους για τα δικαιώματα των υποκειμένων, καθώς πραγματοποιείται συνήθως σε μεγάλη κλίμακα και χωρίς τα πρόσωπα να γνωρίζουν ότι τα δεδομένα τους συλλέγονται για την εκπαίδευση συστημάτων τεχνητής νοημοσύνης.

Οι βασικές απαιτήσεις του ΓΚΠΔ

Το ΕΣΠΔ υπενθυμίζει ότι οι υπεύθυνοι επεξεργασίας οφείλουν να συμμορφώνονται με τις θεμελιώδεις αρχές του ΓΚΠΔ, ιδίως με την αρχή του περιορισμού του σκοπού, της διαφάνειας, της ελαχιστοποίησης και της ακρίβειας των δεδομένων. Στο πλαίσιο αυτό, το Συμβούλιο συνιστά πριν από την έναρξη της συλλογής να καθορίζονται σαφή κριτήρια επιλογής των πηγών, να εξετάζεται η χρήση συνθετικών δεδομένων αντί πραγματικών προσωπικών δεδομένων, να εφαρμόζονται φίλτρα αποκλεισμού συγκεκριμένων κατηγοριών πληροφοριών και να εξαιρούνται ιστοσελίδες που αντιτίθενται ρητά στο scraping μέσω τεχνικών μέτρων, όπως robots.txt, ai.txt ή CAPTCHA. Μετά τη συλλογή προτείνονται, όπου είναι εφικτό, η ανωνυμοποίηση ή ψευδωνυμοποίηση των δεδομένων, καθώς και η αντικατάσταση πραγματικών δεδομένων με συνθετικά.

Ως προς την ακρίβεια, οι κατευθυντήριες γραμμές συνιστούν η συλλογή να γίνεται μόνο από αξιόπιστες πηγές, να καταγράφεται ο χρόνος συλλογής κάθε δεδομένου και να προηγείται έλεγχος της ποιότητάς του πριν χρησιμοποιηθεί για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης.

Έννομο συμφέρον και υποχρεώσεις διαφάνειας

Ιδιαίτερη έμφαση δίνεται στη νομική βάση του εννόμου συμφέροντος, η οποία, σύμφωνα με το ΕΣΠΔ, αποτελεί τη συνηθέστερη βάση επεξεργασίας για ιδιωτικούς φορείς που χρησιμοποιούν web scraping για την ανάπτυξη παραγωγικής ΤΝ. Οι κατευθυντήριες γραμμές υπενθυμίζουν ότι η επίκληση του άρθρου 6 παρ. 1 στοιχ. στ ́ ΓΚΠΔ προϋποθέτει τη συνδρομή των τριών σωρευτικών προϋποθέσεων που έχουν διαμορφωθεί στη νομολογία και στις προηγούμενες κατευθυντήριες γραμμές του ΕΣΠΔ: ύπαρξη εννόμου συμφέροντος, αναγκαιότητα της επεξεργασίας και στάθμιση με τα δικαιώματα και τις ελευθερίες των υποκειμένων. Παράλληλα, παρατίθενται παραδείγματα τεχνικών και οργανωτικών μέτρων που μπορούν να ληφθούν ώστε να περιορίζεται ο αντίκτυπος της επεξεργασίας κατά τη στάθμιση αυτή.

Σε σχέση με τη διαφάνεια, το ΕΣΠΔ επισημαίνει ότι, μολονότι η ατομική ενημέρωση όλων των υποκειμένων ενδέχεται να είναι αδύνατη ή να απαιτεί δυσανάλογη προσπάθεια σε περιπτώσεις μαζικού scraping, η εξαίρεση αυτή δεν εφαρμόζεται αυτομάτως. Όταν συντρέχουν οι προϋποθέσεις του άρθρου 14 παρ. 5 στοιχ. β ́ ΓΚΠΔ, ο υπεύθυνος επεξεργασίας οφείλει, μεταξύ άλλων, να δημοσιεύει εύκολα προσβάσιμη ενημέρωση για την επεξεργασία, τις κατηγορίες δεδομένων, τις πηγές συλλογής και τα δικαιώματα των υποκειμένων.

Ειδικές κατηγορίες δεδομένων

Ξεχωριστή ενότητα αφιερώνεται στην επεξεργασία ειδικών κατηγοριών προσωπικών δεδομένων. Το ΕΣΠΔ υπενθυμίζει ότι η επεξεργασία τους εξακολουθεί να απαγορεύεται κατ' αρχήν και απαιτεί τόσο νόμιμη βάση του άρθρου 6 όσο και εξαίρεση του άρθρου 9 παρ. 2 ΓΚΠΔ. Παράλληλα, εξετάζει την εφαρμογή της απόφασης του Δικαστηρίου της Ευρωπαϊκής Ένωσης στην υπόθεση GC & Others (C-136/17) στις περιπτώσεις όπου η συλλογή ευαίσθητων δεδομένων είναι παρεμπίπτουσα. Σύμφωνα με το ΕΣΠΔ, η σχετική νομολογία δεν θεσπίζει γενική εξαίρεση από το άρθρο 9 ΓΚΠΔ, αλλά μπορεί να εφαρμοστεί μόνο κατόπιν εξατομικευμένης αξιολόγησης και εφόσον ο υπεύθυνος επεξεργασίας λαμβάνει κατάλληλα τεχνικά και οργανωτικά μέτρα για την πρόληψη της συλλογής, της διάδοσης και της εξαγωγής τέτοιων δεδομένων από τα μοντέλα τεχνητής νοημοσύνης.

Οι κατευθυντήριες γραμμές τέθηκαν σε δημόσια διαβούλευση έως τις 30 Οκτωβρίου 2026, προκειμένου ενδιαφερόμενοι φορείς και οργανισμοί να υποβάλουν τις παρατηρήσεις τους, πριν από την οριστική υιοθέτησή τους.