受保護標的

「受保護標的」源於國際著作權法，泛指所有受《伯恩公約》等國際條約及各國著作權法保護的智慧創作。其範疇不僅包含文學、藝術、科學作品等傳統「著作」，也涵蓋表演、錄音、廣播等「鄰接權」保護的客體。在AI治理的風險管理體系中，此概念至關重要，因為AI模型訓練常需處理大量資料，這些資料極可能包含受保護標的。歐盟《數位單一市場著作權指令》（Directive (EU) 2019/790）特別針對文字與資料探勘（TDM）訂定例外條款（第3、4條），即是為了平衡AI發展與創作者權利。此概念與「個人資料」（受《個資法》或GDPR規範）不同，前者保護創作表達，後者保護個人隱私，儘管兩者可能在同一份資料中並存，但其法律基礎與合規要求完全不同，企業在進行資料治理時必須明確區分，以避免雙重法律風險。

企業可透過三步驟將受保護標的的管理整合至AI風險管理框架中。第一步是「資料盤點與分類」，建立AI訓練資料的完整清單，並依據其來源與權利狀態（如：公開領域、已授權、合理使用、權利不明）進行分類，此流程應符合ISO/IEC 38505-1資料治理標準。第二步是「權利清除與風險評估」，針對被標示為受保護的資料，逐一進行法律分析，確定是否需要取得授權。若主張適用如歐盟TDM或台灣《著作權法》第65條的合理使用等例外規定，必須製作詳盡的法律意見書以備查核。第三步是「建立合規監控與應變機制」，導入技術工具自動掃描與標記訓練資料中的潛在版權內容，並建立侵權告警與應變流程。例如，台灣某金融科技公司在開發理財推薦AI時，透過此流程，成功將訓練資料的潛在侵權風險從75%降低至5%以下，並順利通過年度法遵審計。

台灣企業在管理AI訓練資料中的受保護標的時，面臨三大挑戰。首先是「法規模糊性」，台灣《著作權法》不像歐盟有明確的文字與資料探勘（TDM）例外條款，企業對於能否引用第65條「合理使用」進行AI訓練存在高度不確定性。對策是採取風險趨避策略，優先使用已獲明確授權或公眾領域的資料，並針對合理使用主張建立嚴謹的內部評估與文件化流程。其次是「授權的複雜與高昂成本」，為大型語言模型獲取海量資料的逐一授權在實務上幾乎不可行。對策是探索產業資料聯盟、投資高品質的利基市場資料集，或發展合成資料生成技術以降低依賴。最後是「內部專業職能不足」，多數企業缺乏兼具法律與AI技術背景的專業人才。對策是尋求如積穗科研等外部專家協助，在90天內快速建立初步的AI資料治理框架，並同步對內部法務與技術團隊進行賦能訓練，建立可持續的合規營運能力。

積穗科研股份有限公司專注台灣企業protected subject matter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