[AI 創業] 命運硬幣，兩面極端：從台灣 Lawsnote 到美國 Anthropic，看懂扼殺與扶植創新的法律鴻溝
Code in the Crosshairs: Navigating the Legal Maze from Taiwan's Prison Sentence to Silicon Valley's Green Light.
一則判決，可以決定一個產業的生與死。
在台灣，一位律師背景的創業者，因為使用網路爬蟲抓取公開的法律資料，創辦了比官方更好用的法律搜尋引擎 Lawsnote，結果被判刑四年，賠償一億。
在美國，AI 巨頭 Anthropic 用合法購買的書籍訓練其大型語言模型 Claude，被作者控告，法院卻裁定這是「合理使用」，為 AI 創新開了綠燈。
一個是扼殺，一個是扶植。這兩個看似遙遠的案例，並列在一起時，揭示了台灣與美國在面對新科技時，法律思維上的巨大鴻溝。這道鴻溝，不僅僅是法條的解讀差異，更直接決定了創業者是走向領獎台，還是走向監獄。
台灣的「紅燈」：為何抓取「公開資料」會成為重罪？
新北地方法院的判決，給了這個充滿理想主義的創業故事一個毀滅性的結局。法院的判決邏輯，主要基於兩點，而這兩點都充滿了巨大的爭議：
1. 妨礙電腦使用罪：複製貼上 vs. 駭客入侵
如果 Lawsnote 的行為有罪，那是否意味著未來所有在台灣的爬蟲應用——包含學術研究、商業分析、新聞聚合——都籠罩在刑事責任的陰影下？甚至，我們手動從網頁上複製一段文字，是否也可能落入「無故取得他人電磁紀錄」的範疇？
這個判決，等於是將一個中性的技術工具，直接打上了「犯罪工具」的標籤，這對所有仰賴資料驅動創新的台灣新創，無疑是釜底抽薪。
2. 著作權的無限上綱：公開資料 vs. 編輯著作
Lawsnote 案的判決，幾乎是以最嚴苛、最不利於創新的方式，去解讀法律。它傳達了一個清楚的訊息：在台灣，只要你動了別人的「公開」資料，即便你是為了創造更大的價值，你都可能成為罪犯。
美國的「綠燈」：為何訓練 AI 是「轉化性使用」？
將場景切換到美國，我們看到了截然不同的風景。
這看起來是個比 Lawsnote 案更明確的「侵權」行為——Anthropic 和 Meta 使用的不是「公開資訊」，而是受版權保護的「書籍內容」。
然而，美國聯邦法院的判決，卻走向了完全相反的方向。不論是 Anthropic 案還是 Meta 案，法官的核心見解都圍繞著「轉化性使用」（Transformative Use）。法官認為，雖然 AI 公司使用了版權作品，但其目的是為了訓練一個 AI 模型，而非複製或取代原作來銷售。AI 模型的產出是一個全新的、不同的東西，這個過程本身就具備高度的「轉化性」。
從 Google Books 到 GitHub Copilot，再到這次的 Anthropic 與 Meta 案，我們看到美國司法系統在「技術創新」與「版權保護」的拉鋸中，始終為前者保留了一條通路。他們保護的不是複製的行為本身，而是創新的結果與目的。
然而，這種台美對比只是冰山一角。事實上，在全球範圍內，即使沒有專門的 AI 法規，各國法院也早已被推上第一線，成為 AI 技術的「事實監管者」（de facto regulators）。一篇分析了 39 個國家、超過 500 起 AI 相關訴訟的研究報告《AI on Trial》揭示，法院正在透過個案判決，為新興科技劃定法律邊界。其中三大領域的案件，就佔了近四成 。
這些來自不同國家的真實案例說明，AI 的法律挑戰遠不止於版權。單純將爬蟲視為犯罪，或將 AI 訓練完全歸為合理使用，都過於簡化。現實世界中，風險的高低取決於更細緻的技術與應用情境：
爬蟲的合法性光譜：爬蟲本身是中性工具，其合法性取決於多重因素：抓取的是否為需要登入的私密資料？是否違反網站明確的服務條款（ToS）？抓取的頻率是否高到影響對方伺服器運作？用途是商業還是學術？在歐盟，由於嚴格的 GDPR，即便抓取公開的個人資料，也需要有明確的法律基礎。將所有爬蟲行為都視為妨礙電腦使用，是對技術的誤解。
AI 訓練的風險遞增：並非所有 AI 訓練都一樣。「合理使用」的空間大小，與其對原作品市場的潛在威脅成反比。風險由低至高可大致分為：
預訓練 (Pre-training)：風險最低。此階段使用來自網路的通用、大規模、多樣化的資料集，任何單一作品的佔比都極低，模型學到的是廣泛的語言規律而非特定內容，生成結果高度抽象，幾乎不構成市場替代。
微調 (Fine-tuning)：風險提高。此階段使用更小、更專業的資料集來優化模型在特定領域的能力。由於資料集更集中，單一作品的影響力變大，模型更有可能生成與原作風格或表達方式相似的內容。
檢索增強生成 (RAG, Retrieval-Augmented Generation)：風險最高。RAG 系統在生成答案時，會直接從外部的特定資料庫中檢索資訊。其輸出與被檢索的資料高度相關，若該資料庫受版權保護，其生成結果就極可能直接替代原作品的市場功能，構成侵權的可能性也最大。
台灣的判決，傳遞的訊息是：不要碰數據，除非你獲得了所有權利人的明確授權，即使那是公開數據。 這等於直接判了數據驅動型新創的死刑。
美國的判決，傳遞的訊息是：去創新吧，只要你的用途是轉化性的，並且沒有摧毀原作的市場，法律會保護你。
給 AI 創業家的啟示：從「法律風險」到「信任資產」的策略佈局
這兩個案例，對所有從亞洲出發、放眼全球市場的 AI 創業者，提供了從生存到成功的清晰路徑。法律不該只是風險，更可以透過策略性佈局，轉化為贏得信任的資產。
第一步：活下去 —— 選擇你的「司法安全區」
這是 Lawsnote 案最血淋淋的教訓。在啟動專案前，創辦人最重要的工作，就是找到一個對創新友善的「司法安全區」（Legal Safe Zone）。你必須自問：我的公司註冊在哪裡？我的核心業務（例如資料抓取、模型訓練）在這個國家是否受到像美國「合理使用」原則一樣的保護？
這個選擇，決定了你的創新是走在合法的陽光下，還是隨時可能被判入獄的鋼索上。在 AI 時代，選擇對的司法管轄區，其重要性不亞於選擇對的技術架構。
第二步：走出去 —— 取得全球市場的「法律通行證 (GDPR)」
確保了基本的生存權後，下一步就是走向世界。如果你的目標市場包含歐洲，那麼理解 GDPR 就不是一個選項，而是一張強制性的「法律通行證」。
GDPR (通用資料保護規則) 不是一個「認證」，而是歐盟的法律。只要你處理任何歐盟居民的個人資料，就必須遵守。它的核心是賦予用戶對其資料的控制權。對創業者來說，遵循 GDPR 意味著：
市場准入：合法進入擁有數億高價值用戶的歐洲市場。
風險規避：避免高達全球年營業額 4% 的毀滅性罰款。
這不是法務部門的事，而是商業戰略的核心一環，它強迫你從第一天起就以最高標準來設計你的數據處理流程。
第三步：贏得信任 —— 打造 B2B 業務的「信任徽章 (SOC 2)」
當你合法地進入市場後，如何贏得客戶，尤其是高價值 B2B 客戶的信任？答案可能就是 SOC 2。
SOC 2 (系統與組織控制報告) 是一個源自美國的自願性稽核框架。它不像 GDPR 那樣是強制法律，而更像是一枚向客戶展示你安全可靠的「信任徽章」。當你要將服務賣給對資安有嚴格要求的企業時，一份 SOC 2 報告能極大地加速銷售流程，因為它證明了你的系統在安全性、可用性、隱私性等方面，都通過了獨立第三方的嚴格檢驗。
第四步：向前看 —— 參與並利用在地的政策改革
除了用腳投票，更積極的策略是向前看，參與並利用正在發生的政策轉變。以台灣為例，儘管 Lawsnote 案令人沮喪，但改變的訊號也已出現。
為了解決繁體中文 AI 訓練資料的困境，台灣數位發展部已啟動「台灣主權 AI 訓練語料庫」的建置計畫，目標是透過政府帶頭，以自願授權或使用無版權資料的方式，建立一個可供國內外模型免費使用的「乾淨」資料池。
這對創業者意味著，未來將有機會在台灣本地，以更低的法律風險和成本，取得高品質的訓練資料。關注並參與這類計畫，不僅能幫助自身業務，也能共同形塑一個對創新更友善的環境。
結論：你的選擇，決定你的未來
Lawsnote 和 Anthropic 的故事，以及 GDPR 和 SOC 2 的存在，共同描繪了當代 AI 創業的真實地圖。
它告訴我們，創新不僅僅是技術和商業模式的競賽，更是法律框架、全球視野和信任策略的競賽。一個國家選擇擁抱怎樣的法律精神，就等於選擇了怎樣的科技未來。台灣的制度困境在於，著作權法對合理使用的定義狹隘，缺乏「轉化性」概念，且對文字與資料探勘（TDM）無明確規範，導致法院傾向以過時的出版思維來審視新科技。
然而，改變的契機正在浮現。不論是借鑒歐盟、日本增訂 TDM 例外條款，或是建立公益資料池，都是台灣可以走的路。
而對於創業者，你能做的最重要的事情，就是在充分理解全球法律地貌的前提下，做出最有利的策略選擇。去那個能讓你安心創造、合法擴張、並能有效建立信任的地方。因為在那裡，你的程式碼，才更有可能改變世界，而不是變成呈堂證供。
如果台灣繼續以 20 世紀的出版思維治理 AI 專案，那我們將只能在國際科技浪潮中扮演觀眾，而非參與者。
參考資料
[1] Isadora Valadares Assunção, "Beyond Regulation: What 500 Cases Reveal About the Future of AI in the Courts," Tech Policy Press, May 20, 2025. https://techpolicy.press/beyond-regulation-what-500-cases-reveal-about-the-future-of-ai-in-the-courts
copyright © PrivacyUX consulting ltd. All right reserved.
關於本刊作者
Gainshin Hsiao 是 Agentic UX（代理式使用者體驗）的先驅，在人工智能與使用者體驗設計領域擁有超過 15 年的開創性實踐。他率先提出將用戶隱私保護視為 AI 產品設計的核心理念，於 2022 年創立 Privacyux Consulting Ltd. 並擔任首席顧問，積極推動隱私導向的醫療 AI 產品革新。此前，他亦擔任社交 AI 首席策略官（2022-2024），專注於設計注重隱私的情感識別系統及用戶數據自主權管理機制。
Agentic UX 理論建構與實踐
AI 隱私保護設計準則
負責任 AI 體驗設計
在 Cyphant Group 設計研究院負責人任內（2021-2023），他探索了 AI 系統隱私保護準則，為行業標準做出貢獻。更早於 2015 至 2018 年，帶領阿里巴巴集團數位營銷平台體驗設計團隊（杭州、北京、上海、廣州）、淘寶用戶研究中心並創立設計大學，從零開始負責大學的運營與發展，不僅規劃了全面的課程體系，更確立了創新設計教育理念，旨在為阿里巴巴集團培育具備前瞻視野與實戰能力的設計人才。其課程體系涵蓋使用者中心設計、使用者體驗研究、數據驅動設計、生成設計等多個面向應用。
活躍於國際設計社群，在全球分享 Agentic UX 和 AI 隱私保護的創新理念。他的工作為建立更負責任的 AI 生態系統提供了重要的理論基礎和實踐指導。
學術背景
Mcgill - Infomation study/HCI -Agentic UX, Canada
Aalto Executive MBA-策略品牌與服務設計, Singapore
台灣科技大學：資訊設計碩士- HCI, Taiwan
中原大學：商業設計學士- Media and marketing design, Taiwan