Centrala nagrywa rozmowy od lat, zapowiedź to jedno zdanie, pliki stoją w panelu bezterminowo, a dostęp ma każdy, kto zna login. Koszt widać przy pierwszym żądaniu: kopia nagrania kończy się przeszukiwaniem archiwum, bo pliki nie mają indeksu po numerze i dacie, luźnego pliku spoza systemu nie da się usunąć, a wdrożenie utyka na pytaniu prawnika o podstawę i liczbę dni.
To opis decyzji wdrożeniowych, nie opinia prawna — podstawy i klauzule idą do prawnika albo inspektora ochrony danych. Głosowy agent AI, który odbiera telefon po polsku i zostawia po rozmowie rekord w CRM, niczego tu nie psuje; wywołuje pytania, których wcześniej nikt nie zadał.
Czy voicebot może nagrywać rozmowy telefoniczne
Firma może nagrywać rozmowy przychodzące, bo jest ich stroną — to nie podsłuch. Problemem nie jest nagrywanie, tylko podstawa prawna, informacja dla dzwoniącego i okres przechowywania.
Potoczne „nagranie” rozpada się na trzy byty o różnych cyklach życia: plik audio, transkrypcję (tekst z podziałem na wypowiedzi i znacznikami czasu z silnika rozpoznawania mowy) i rekord — numer, imię, temat sprawy słowami rozmówcy, termin, status — czyli kartę klienta w dedykowanym CRM, na której ląduje rekord z rozmowy. Czwarty jest ulotny: strumień lecący do rozpoznawania mowy nie musi lądować na dysku, bo o powstaniu pliku audio decyduje konfiguracja, a nie moment po fakcie. Najczęstszy błąd: klauzula mówi o nagrywaniu rozmów, a w systemie leżą trzy zbiory.
| Co zostaje po rozmowie | Po co to trzymamy | Kto tego naprawdę potrzebuje |
|---|---|---|
| Plik audio | Dowód treści ustalenia, korekta scenariusza | Rozstrzygający spór, wdrożeniowiec |
| Transkrypcja | Uzupełnianie bazy wiedzy o pytania bez odpowiedzi | Osoba prowadząca bazę wiedzy |
| Rekord w CRM | Obsługa sprawy i historia klienta | Cały zespół obsługi zgłoszeń |
Nagranie audio to osobna decyzja od samej rozmowy
Podstawę wybiera się przed uruchomieniem i wpisuje do rejestru czynności przetwarzania, a nie dopisuje po pierwszej skardze. Spisanie zgłoszenia i umówienie terminu mieści się zwykle w art. 6 ust. 1 lit. b RODO — działaniach przed zawarciem umowy — i pliku audio nie wymaga.
Zachowanie nagrania to osobny cel z własną podstawą: prawnie uzasadniony interes z lit. f (dowód treści zgłoszenia, dostrajanie scenariusza) z testem równowagi spisanym przed startem i obsłużonym prawem sprzeciwu albo zgoda z lit. a. Zgoda pod groźbą „bez tego nie załatwimy sprawy” nie jest dobrowolna.
Zgoda pociąga konsekwencję techniczną: scenariusz dostaje osobną ścieżkę na odmowę, zapis do pliku startuje po potwierdzeniu, a nie od pierwszej sekundy, a znacznik odmowy ląduje przy rekordzie numeru, żeby przy kolejnym telefonie agent nie pytał od nowa.
Kiedy zgoda nie wystarczy
Dzwoniący do gabinetu sam powie, na co się umawia — to art. 9 RODO. Odpowiedzią jest mechanizm: scenariusz nie ma pola na opis dolegliwości, agent nie dopytuje o powód wizyty, a to, co rozmówca powie z siebie, ma z góry określone miejsce docelowe.
Co agent mówi w pierwszych kilkunastu sekundach
Powitanie udźwiga dwa niezależne wymogi. Art. 13 RODO każe podać administratora, cel, podstawę, okres i prawa — tego przez telefon nikt nie wysłucha, więc informacja idzie warstwowo: w rozmowie kto odbiera, że to automat i po co nagrywa, a pełna klauzula pod adresem podanym głosem albo w SMS-ie.
Art. 50 rozporządzenia (UE) 2024/1689 dokłada drugą rzecz: rozmówca ma wiedzieć, że rozmawia z systemem AI, chyba że to oczywiste — a przy naturalnie brzmiącej syntezie wyjątek jest ryzykowny, bo głos dobiera się właśnie po to, żeby nie brzmiał jak automat. Obowiązek adresowany jest do dostawcy, ale treść powitania ustawia wdrożeniowiec.
Informacja o automacie pada przed pierwszym pytaniem, nie po spisaniu danych. Im dłuższy komunikat, tym więcej rozłączeń w pierwszych sekundach — to liczba do zmierzenia na własnych połączeniach, nie do przepisania z cudzego bloga.
Wzór do wypełnienia, nie gotowa formułka. Pierwsze zdanie: „Dzień dobry, tu automatyczny asystent [firma]”. Drugie: „Rozmowa jest nagrywana, żeby [cel]”. Trzecie: „Pełna klauzula jest pod [adres]”.
Co zmienia AI Act w rozmowie z voicebotem
Uruchomienie kupionego agenta na własnym numerze czyni firmę podmiotem stosującym, nie dostawcą; role przesuwają się, gdy firma wystawia agenta pod własną marką albo zmienia jego przeznaczenie. Harmonogram stosowania jest etapowy, więc konkretne daty potwierdź u prawnika.
Art. 4 wymaga, żeby ktoś w firmie wiedział, czego agent nie umie i kiedy odebrać mu rozmowę — to część odbioru wdrożenia, nie osobne szkolenie z certyfikatem. Kwalifikacja zależy od zastosowania: załącznik III wymienia między innymi triaż pacjentów i dysponowanie służbami ratunkowymi, więc „agent zapisuje na termin” i „agent ocenia, jak pilny jest objaw” to dwie różne rzeczy.
Dwie funkcje zostają wyłączone domyślnie. Rozpoznawania emocji w miejscu pracy zakazuje art. 5 ust. 1 lit. f, więc pomysł mierzenia nastroju konsultantów odpada na starcie. Odcisk głosowy: zwykłe nagranie to dane osobowe, a biometrią w rozumieniu RODO staje się dopiero wtedy, gdy przetwarza się je technicznie, żeby jednoznacznie zidentyfikować osobę. Do umówienia wizyty wystarczy numer telefonu.
Kiedy potrzebna jest ocena skutków (DPIA)
Przesłanki stoją w art. 35 ust. 3 RODO: szczególne kategorie danych na dużą skalę, systematyczne monitorowanie. Ocenę pisze klient albo jego inspektor ochrony danych, a wykonawca dostarcza materiał: mapę przepływu danych, kategorie w każdym kroku, listę odbiorców, okresy retencji i opis zabezpieczeń.
Trzy zegary retencji i reguła dostępu do nagrań
Każdy z trzech bytów dostaje własny okres, wyprowadzony z celu, nie z pojemności dysku; RODO nie podaje liczby dni, ustala się ją samodzielnie i podaje w klauzuli. Audio żyje najkrócej, bo służy dopracowaniu scenariusza i sporowi o treść ustalenia. Transkrypcja bywa potrzebna dłużej, bo z niej uzupełnia się bazę wiedzy o pytania bez odpowiedzi, więc ciągi wyglądające na PESEL czy numer karty maskuje się przed przeglądem. Rekord zostaje najdłużej, jako część historii klienta.
Technicznie: każdy plik dostaje pole z datą usunięcia liczoną od końca rozmowy, zadanie cykliczne kasuje to, czemu data minęła, a skasowanie ląduje w logu, bo rozliczalność trzeba czymś udowodnić. Spór albo reklamacja blokuje usunięcie do zamknięcia sprawy, inaczej dowód znika w środku sporu.
Dostęp to nie pytanie, kto ma konto, tylko reguła po stronie bazy. Wzorcem są dwa działające systemy: autentykacja invite-only, Supabase RLS i pełny audit trail w obiegu dokumentów RAN-SIGMA oraz pięć ról i Audit Log rejestrujący każdą zmianę z timestampem w CRM Ekohoryzontu. Odsłuchanie nagrania warto logować tak samo jak zmianę statusu.
Sprawdzają to dwa żądania. Usunięcie rozmowy z wtorku: kluczem jest numer telefonu, kasowanie idzie w trzech miejscach naraz, a w logu zostaje ślad. Dostęp do kopii, w której słychać też przełączonego pracownika: rozwiązaniem jest węższy zakres nagrania, nie edycja audio po fakcie.
Gdzie ląduje głos, zanim wróci odpowiedź
Jedno zdanie rozmówcy przechodzi przez operatora lub bramkę SIP, rozpoznawanie mowy, model językowy, syntezę głosu i hosting, a na końcu przez spięcie agenta z CRM i kalendarzem przez API. Każdy przystanek to podmiot przetwarzający z art. 28 RODO, więc z każdym potrzebna jest umowa powierzenia i zgoda na podpowierzenie; przy dostawcach spoza EOG dochodzi rozdział V — standardowe klauzule umowne albo wybór regionu przetwarzania.
Przed podpisaniem umowy powstaje jedna kartka z czterema kolumnami: dostawca, co dostaje (audio, sam tekst, tylko metadane), w jakim regionie przetwarza oraz jak długo trzyma dane i czy idą one na trening modelu, wraz ze sposobem wyłączenia tego. Ta sama kartka zasila potem rejestr czynności z art. 30.
Dostawca, który nie potrafi powiedzieć, gdzie fizycznie leży nagranie i czy trafia na trening modelu, właśnie udzielił odpowiedzi.
Co spisujemy, zanim agent odbierze pierwszy telefon
Tę listę przechodzimy na etapie scenariuszy; każda pozycja ma jedną odpowiedź zapisaną w dokumentacji wdrożenia.
Osiem ustaleń przed startem
- Ustalamy treść powitania i moment, w którym pada informacja o automacie.
- Wskazujemy podstawę prawną osobno dla samego pliku audio.
- Opisujemy zachowanie agenta po odmowie nagrywania.
- Zapisujemy trzy okresy przechowywania: audio, transkrypcja, rekord.
- Nadajemy role i zakres widoczności nagrań.
- Podajemy adres pełnej klauzuli i sposób jej dostarczenia.
- Spisujemy dostawców z umowami powierzenia i miejscem przetwarzania.
- Ustalamy procedurę na żądanie dostępu albo usunięcia.
Bywa, że audio nie służy niczemu konkretnemu — wtedy nie nagrywa się wcale, zostaje transkrypcja albo same pola, i znika połowa pytań z poprzednich sekcji. Bywa też, że po zawężeniu zakresu agent przejmuje garść telefonów i wdrożenie nie ma się z czego zwrócić; mówi się to na pierwszej rozmowie. Te same pytania wracają w kanale tekstowym, bez presji sekundy — pokazujemy, jak rozdzielić zapytania między telefon, czat i e-mail.
Najczęstsze pytania o nagrywanie rozmów przez voicebota
Czy voicebot może nagrywać rozmowy bez zgody dzwoniącego?
To zależy, o którą czynność pytamy. Spisanie zgłoszenia i umówienie terminu opiera się zwykle na art. 6 ust. 1 lit. b RODO, czyli działaniach przed zawarciem umowy, i pliku audio wcale nie wymaga. Zachowanie samego nagrania to osobny cel z własną podstawą: zgoda wyrażona w rozmowie albo prawnie uzasadniony interes z testem równowagi spisanym przed uruchomieniem. Wybór podstawy potwierdź u prawnika lub IOD.
Co agent musi powiedzieć na początku rozmowy?
Że rozmówca ma do czynienia z systemem AI — tego wymaga art. 50 rozporządzenia (UE) 2024/1689. Do tego pierwsza warstwa informacji z art. 13 RODO: kto jest administratorem, po co rozmowa jest nagrywana i gdzie znaleźć pełną klauzulę. Reszta idzie SMS-em albo pod wskazany adres, żeby powitanie zamknęło się w kilkunastu sekundach i nie generowało rozłączeń.
Co się dzieje, gdy dzwoniący nie zgadza się na nagrywanie?
Scenariusz musi mieć na to osobną ścieżkę, ustaloną przed startem, inaczej zgoda jest pozorna. Rozmowa idzie dalej bez zapisu audio i zostaje sam rekord z ustalonymi polami albo połączenie przechodzi do człowieka. Zapis do pliku startuje dopiero po potwierdzeniu, a znacznik odmowy ląduje przy rekordzie tego numeru, żeby przy kolejnym telefonie agent nie pytał od nowa.
Jak długo wolno trzymać nagranie i transkrypcję rozmowy?
RODO nie podaje liczby dni — okres wynika z celu i trzeba go ustalić oraz podać w klauzuli informacyjnej. Plik audio, transkrypcja i rekord w CRM dostają trzy różne zegary, bo służą do czego innego. Kasowaniem zajmuje się zadanie cykliczne, a nie pamięć pracownika, i jego wykonanie ląduje w logu. Wyjątkiem jest spór lub reklamacja, gdzie usunięcie blokuje się do zamknięcia sprawy.
Czy głos rozmówcy to dane biometryczne?
Nie automatycznie. Zwykłe nagranie rozmowy to dane osobowe, a biometrią w rozumieniu RODO staje się dopiero wtedy, gdy przetwarza się je technicznie po to, żeby jednoznacznie zidentyfikować osobę — czyli przy odcisku głosowym. Wtedy wchodzi art. 9 i cięższe wymagania. Dlatego identyfikację po głosie zostawia się wyłączoną: do umówienia wizyty wystarczy rozpoznanie rozmówcy po numerze telefonu.
Czy voicebot to system wysokiego ryzyka według AI Act?
Agent, który umawia wizyty i spisuje zgłoszenia, zwykle nie. Kwalifikacja zmienia się przy zastosowaniach z załącznika III, który wymienia między innymi triaż pacjentów i dysponowanie służbami ratunkowymi — „zapisz mnie na termin” i „oceń, jak pilny jest objaw” to dwie różne rzeczy. Rozpoznawania emocji w miejscu pracy zakazuje art. 5 ust. 1 lit. f. Harmonogram stosowania jest etapowy, więc daty i kwalifikację potwierdź u prawnika.
Aktualizacja: 7 września 2026
Porozmawiajmy o zakresie nagrywania w Twoim scenariuszu
Na konsultacji przechodzimy przez trzy rzeczy: po co nagrywać, co agent mówi w powitaniu i po ilu dniach nagranie ma znikać. Z tych odpowiedzi wychodzi zakres wdrożenia, a z niego wycena.