قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) از دوم اوت ۲۰۲۶ وارد فاز اجرای عمومی شد، هرچند بخشی از مهلت‌های الزامات پرریسک با توافق تازه اتحادیه اروپا موسوم به Digital Omnibus تا سال‌های ۲۰۲۷ و ۲۰۲۸ به تعویق افتاده است.
دوم اوت ۲۰۲۶ تاریخ اجرای عمومی (general application) قانون هوش مصنوعی اتحادیه اروپا بود. از همین تاریخ، الزامات شفافیت ماده ۵۰ (مانند برچسب‌گذاری محتوای تولیدشده با هوش مصنوعی)، اختیارات جریمه کمیسیون اروپا برای مدل‌های هوش مصنوعی هدف‌عام (GPAI)، و اختیار کامل نهادهای نظارت بازار ملی، رسماً فعال شدند.
با این حال، در هفتم مه ۲۰۲۶ نهادهای اتحادیه اروپا به توافقی موقت به نام «Digital Omnibus on AI» رسیدند که بخشی از زمان‌بندی اجرای قانون را بازنویسی کرد. بر اساس این توافق، مهلت الزامات سامانه‌های پرریسک مستقل (پیوست سوم — شامل کاربردهایی مانند تصمیم‌گیری استخدام، امتیازدهی اعتباری و شناسایی بیومتریک) شانزده ماه به تعویق افتاد و به دوم دسامبر ۲۰۲۷ رسید.
مهلت سامانه‌های پرریسک تعبیه‌شده در محصولات (پیوست اول) نیز به دوم اوت ۲۰۲۸ منتقل شد. در همین حال، دوره گذار الزامات ماده ۵۰(۲) برای سامانه‌های مولد عرضه‌شده پیش از دوم اوت ۲۰۲۶، تا دوم دسامبر همان سال ادامه دارد.
از نظر جریمه، تخلف در زمینه کاربردهای ممنوعه هوش مصنوعی می‌تواند تا سقف ۳۵ میلیون یورو یا هفت درصد گردش مالی جهانی شرکت جریمه داشته باشد؛ سایر تخلفات اپراتورها نیز تا سقف ۱۵ میلیون یورو یا سه درصد گردش مالی جهانی جریمه در پی دارد.
نکته عملی برای کسب‌وکارهایی که خارج از اتحادیه اروپا فعالیت می‌کنند اما محصول یا خدمتی به کاربران اروپایی ارائه می‌دهند: الزامات شفافیت از هم‌اکنون فعال هستند و نباید نادیده گرفته شوند؛ اما فرصت بیشتری (تا ۲۰۲۷ و ۲۰۲۸) برای انطباق کامل سامانه‌های پرریسک وجود دارد — فرصتی که باید برای برنامه‌ریزی و ارزیابی ریسک استفاده شود، نه برای تأخیر بی‌دلیل.
این یادداشت خلاصه و بازنویسی‌شده بر پایه گزارش زیر است؛ برای مطالعه گزارش کامل به منبع اصلی مراجعه کنید.
Latham & Watkinsگزارش ۲۰۲۶ مرکز مالی جایگزین کمبریج (CCAF) با مشارکت BIS، IMF، WEF و نهادهای دیگر نشان می‌دهد ۸۱٪ شرکت‌های مالی هوش مصنوعی را به‌کار گرفته‌اند و مهندسی نرم‌افزار بالغ‌ترین کاربرد است؛ اما نگرانی از از‌دست‌رفتن نظارت انسانی و ضعف توضیح‌پذیری جدی است.
بر اساس گزارش SiliconANGLE در ۱۸ سپتامبر ۲۰۲۶، هفته‌ای که همزمان شاهد سرمایه‌گذاری‌های میلیاردی در زیرساخت هوش مصنوعی و عرضهٔ ابزارهای ایمنی برای مهار عامل‌های سرکش بود — پارادوکس صنعت عامل‌های هوشمند.
پژوهشی از مدرانو، ورما و چابرا نشان می‌دهد در یک سامانهٔ RAG شبیه محیط تولید، تکنیک RAG Fusion هرچند recall را بالا می‌برد، اما پس از re-ranking و برش زمینه بخش بزرگی از سود از بین می‌رود و دقت حتی اندکی افت می‌کند.
