輸入AI主張

Input AI Claims（輸入AI主張）是指原告主張AI開發商在訓練AI模型時，未經著作權人授權，將受保護的文字、圖像、音樂或程式碼等作品輸入至訓練數據集，從而構成直接侵權的法律主張。根據美國著作權法第106條及台灣著作權法第26條，複製受保護作品需取得授權。此類主張的核心在於：AI模型的參數化過程是否構成對原作品的「複製」行為。根據NIST AI RTO（AI可信賴性與風險管理框架）的最新指引，AI系統的數據治理必須涵蓋數據來源的合法性驗證。這與傳統軟體著作權訴訟類似，但因AI模型的黑盒特性，舉證難度更高。企業必須將輸入數據的「合法來源驗證」納入AI風險管理的核心控制措施，以避免因訓練數據瑕疵導致整個AI系統面臨禁令風險。此類主張在2024年後的AI監管浪潮中已成為企業AI治理的頭號風險領域。

企業應採取系統性方法應對Input AI Claims風險，建議導入以下三步驟：第一步，建立「數據來源溯源機制」，依據ISO 42001 AI管理系統標準，對所有訓練數據進行權利狀態標示，記錄來源、授權類型及使用範圍。第二步，實施「數據清洗與去識別化」，在訓練前移除個人識別資訊（符合GDPR第25條設計隱私原則）及無授權的敏感內容。第三步，建立「AI輸出審查機制」，確保模型輸出不會與訓練數據中的原件高度相似，降低衍生作品侵權風險。實務上，某知名圖像AI公司因訓練數據涉嫌侵權面臨集體訴訟，其賠償金額與法律費用高達數千萬美元，導致模型下架。企業導入此機制後，預計可降低AI合規風險事件發生率40%，並提升AI治理審計通過率至90%以上。

台灣企業在應對Input AI Claims時面臨三大挑戰：首先是「台灣著作權法第26條之3（合理使用）」的解釋不確定性，企業難以量化AI訓練是否符合「合理使用」標準；其次是「供應鏈數據責任轉移」，許多台灣企業向海外AI廠商採購服務，卻未在合約中要求數據合法性保證；第三是「技術與法律人才雙重匱乏」。對策上，企業應立即啟動三項行動：1. 建立AI數據使用政策，明確規定訓練數據的合法性審查標準；2. 在AI服務採購合約中加入「著作權侵害賠償條款」，將數據侵權風險轉嫁至供應商；3. 參考EU AI Act（歐盟人工智慧法案）第17條的透明度要求，建立AI系統技術文件，記錄訓練數據的概況。預計在6個月內完成基礎合規架構，12個月內達成國際標準認證。

積穗科研股份有限公司（Winners Consulting Services Co., Ltd.）專注台灣企業Input AI Claims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AI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