著作權期待權

著作權期待權是一種為解決人工智慧（AI）訓練數據權利歸屬困境而提出的新興法律概念。其核心定義為：數據貢獻者（無論其貢獻是否構成獨立作品）因其「數位勞動」投入，應享有一種期待未來AI模型產出成果所生經濟利益的權利。此權利在傳統「全有全無」的著作權框架之外，提供了一種更具彈性的價值分配機制。其法理基礎可追溯至勞動財產理論，並與歐盟《數位單一市場著作權指令》（Directive (EU) 2019/790）中的文字與資料探勘（TDM）例外條款精神相容，該指令允許為科研目的進行內容探勘，但商業應用仍面臨授權難題，期待權正為此提供了解決思路。在風險管理體系中，它被定位於智慧財產權與數據治理的交集，旨在預防性地管理因數據來源不明或授權不清所引發的法律風險，與營業秘密管理中對貢獻度的認定有相似之處，但更側重於未來利益的動態分配。

企業可透過建立一個結合技術、制度與倫理的三階段治理模型來應用著作權期待權，以強化AI數據供應鏈的合規性與韌性。第一步：建立數據溯源與貢獻度追蹤機制。導入區塊鏈或類似的分散式帳本技術（DLT），為每一筆訓練數據創建不可竄改的來源紀錄與使用日誌。此舉符合ISO/IEC 27701（隱私資訊管理系統）對資料處理活動留存紀錄的要求。第二步：設計公平的價值分配模型。採用如夏普值（Shapley Value）等賽局理論模型，量化單一數據或數據集對最終AI模型效能的貢獻度，並將此貢獻度與未來收益分成或授權金掛鉤，將分配規則明確寫入數據授權合約。第三步：整合至現行合規框架。將此套機制納入企業整體的智慧財產權管理與個資保護體系，確保其流程符合《個人資料保護法》的告知同意原則與GDPR的公平處理原則。導入此類機制的企業，可預期在AI相關的智慧財產權訴訟風險上降低約15-20%，並因其透明、公平的治理形象提升合作夥伴信任度，進而提高數據獲取與合作的成功率。

台灣企業導入著作權期待權概念主要面臨三大挑戰。首先是「法規框架闕如」，台灣現行《著作權法》尚未承認此類權利，導致合約設計與執行存在法律不確定性。對策是企業應透過詳盡的數據授權與收益分配合約，以私法自治原則「契約性」地創建此權利，並密切關注未來《人工智慧基本法》草案的進展，預計在1-2年內會有更明確的指導方針。其次是「技術整合門檻高」，導入區塊鏈溯源與夏普值計算等系統需要高度專業的技術人才與龐大前期投資。對策是採取漸進式導入策略，初期可針對最高價值的AI專案進行試點，或與如積穗科研等外部專業顧問合作，利用成熟的解決方案縮短開發週期。第三是「數據治理文化薄弱」，許多企業缺乏精細化的數據來源與權利標示習慣，難以追蹤貢獻。對策是應將數據治理提升至企業戰略層級，由上而下推動數據資產盤點與分類標記，並將其納入內部控制與稽核的重點項目，預計6個月內可建立初步管理框架。

積穗科研股份有限公司專注台灣企業著作權期待權相關議題，擁有豐富實戰輔導經驗，協助企業在90天內建立符合國際標準的管理機制，已服務超過100家台灣企業。申請免費機制診斷：https://winners.com.tw/contact