把 AI 產出發布上網之前：歐盟法規下個人創作者的生成式人工智慧適法性與風險控管（四之二）

（續前篇）

副標題：以 AI Act、GDPR 與 DSM 著作權指令為主軸，兼論平台、資安、產品安全及美中法規比較

此文以 2026 年 8 月 19 日可取得的法規、官方指引及權威資料為研究時點，讀者設定為居住於歐盟以外、但其內容可能被歐盟境內人士閱覽，或其使用的模型、平台、資料主體與服務和歐盟存在連結的個人/自然人。此文屬一般性資訊與風險管理考量面，不構成歐盟、美國、中國或任何國家的個案法律意見。
CC BY-NC-ND。非供AI模型訓練。

4.2 AI Act 的風險分級並不等於個人發布者的自動分類

Regulation (EU) 2024/1689，即 Artificial Intelligence Act，採取風險導向架構。第50條為身分3最直接相關之條文。歐盟委員會將 AI 系統說明為禁止風險、高風險、透明度風險及最低或無風險等類別；大多數一般用途應用不會因使用 AI 就自動成為高風險系統。1 

對身分3而言，第一個問題應是：「我是在使用別人提供的模型產出內容，還是已經以自己的名義向公眾提供 AI 系統、模型、API 或數位產品？」如果只是利用離線模型生成一篇文章再發布，通常不等同於 GPAI 模型 provider。若把模型包裝成網站、API、付費服務、可下載產品，或對模型進行重大修改後以自己名義提供，則角色可能改變，不能再以一般使用者視之。

 

發布行為	初步角色判斷	風險重點
私人日記或不公開草稿	可能屬私人活動	仍應避免輸入他人機密及敏感資料。
個人部落格一般文章	通常是內容發布者；是否為 deployer 須依活動與法規定義判斷	透明度、著作權、個資、誹謗、平台規則。
公開發布公共利益事項的 AI 文字	可能涉及 deployer／發布者透明度責任	人工審查、編輯控制及顯著揭露。
以模型提供付費生成服務	可能成為 provider、deployer 或商業經濟業者	AI Act、GDPR、DSA、消費者保護及資安。
將 AI 嵌入產品或機械安全功能	可能觸發產品／機械／資安法規	符合性評估、風險管理、產品文件與漏洞處理。

4.3 Article 50 的實務意義

AI Act Article 50 旨在處理一個很具體的社會問題：人們越來越難分辨自己正在和機器互動，或眼前的內容是否經過 AI 生成與幕後操縱。歐盟委員會 2026 年透明度指引點出重新：提供者應使直接互動的 AI 系統適當告知使用者，並以機器可讀標記協助偵測 AI 生成或操縱內容；部署者在深偽及特定公共利益文字情境下，須告知接觸者其人工生成性質。3 

對個人發布者而言，至少應採取以下做法。第一，在發布頁明確寫出「本文使用生成式 AI 協助起草，已由作者進行資料查核與編輯」或依實際情況調整，不能宣稱不存在的人工作業。第二，若內容是人物影像、聲音或影片，應在內容本身或與內容同等醒目的位置標示「AI 生成／AI 操縱／合成示意」，並避免使用會讓人誤認為真實紀錄的標題。第三，若是涉及公共利益的文字，必須保留人類審查與編輯證據；只靠模型直接發布，不應被包裝成新聞報導或已確認的事實。

原文："Deployers of an AI system that generates or manipulates image, audio or video content constituting a deep fake, shall disclose that the content has been artificially generated or manipulated."（部署者若使用AI系統生成或竄改構成深偽之影像、音訊或影音內容，應揭露該內容係經人工生成或竄改。）

 

身分3之處境值得特別留意者如下述：

其一，「純屬個人非專業活動」（Article 2(10)）之例外並非萬能保護傘。實務指引明確指出，若深偽內容涉及公共人物（例如地方首長）並用於批評公共政策，即便發布者為個人、非營利，該例外仍可能不適用——因為活動已「影響公共論述」。

其二，若身分3僅係使用未經修改之現成開源模型生成內容，其角色通常為「部署者」而非「提供者」；但若對模型進行微調（fine-tuning）或大幅修改後再發布使用，則可能被重新定性為「提供者」，須承擔更高標準之義務。此外，第53條賦與通用型AI模型「提供者」（多數情形下為模型開發公司而非個人使用者）建立著作權合規政策之義務，惟身分3仍應留意其所使用之模型是否具備此類合規聲明，以降低間接風險。

其三：身分3是否考慮到「智慧財產權侵權的舉證責任」與「商業保險/責任分配」的潛在效應? 觀察自2025年到2026 年涉及生成式 AI 產業鏈的變化：許多商業化 AI 平台已提供「侵權補償條款（IP Indemnification）」，而個人使用本地開源 LLM（如 Llama/DeepSeek）則完全沒有這層商業保護。若身分3發布的圖像或文字無意間涉及或衝撞著名智慧財產權 IP，使用開源本地模型的身分3（個人或自然人）必須單獨承擔所有訴訟費用與賠償金額。

例外條款之限縮情況：AI Act 第 2(10)條雖設有「純屬個人或家庭非商業活動」之例外情況，但歐盟實務指引指出，若個人發布的合成內容（如政治人物深偽影片）已實質進入公共領域並影響社會論述，該例外條款將不再適用。

需要特別提醒的是，AI Act 官方服務台所提供的逐條摘要具有解釋法規的協助作用，但不是法律拘束效果的替代品；而且相關頁面已標示 Digital Omnibus 對部分規定可能造成修正。發布者在實務上應以當時有效的正式法規整合版本、歐盟會員國主管機關指引及平台規則共同核對，不能只看一篇舊文章的摘要。2 3 

五、GDPR：公開資料、提示詞與模型輸出都可能涉及個人資料

5.1 「在網路上找得到」不等於「可以任意使用」

GDPR（General Data Protection Regulation (EU) 2016/679，德文：Datenschutz-Grundverordnung）保護自然人的個人資料及其自由流通。9 生成式 AI 的資料問題，經常被誤解成只有模型公司才需要處理。實際上，身分3若把他人姓名、照片、電子郵件、病史、職涯資料、私人對話、社群貼文或可識別敘述放入模型，至少應先問：這些資料是否真的需要？模型提供者是否會保存或用於改善服務？是否涉及特殊類別資料？生成結果是否會使該人重新被識別？

GDPR第2條第2(3)款排除「純屬個人或家庭活動」之資料處理，GDPR的「家庭活動例外」並不保護公開網頁：歐盟法院於2023年的Lindqvist案（Court Ruling on Data Protection Case C-101/01，2003-11-06）已確立，將他人個資（如姓名、聯絡方式）公開發布於網際網路（即便僅發表在個人的部落格），已逸脫家庭活動之範疇，須全面適用GDPR。此一法理至今仍為歐盟資料保護機關（EDPB）所援用。因此，若身分3使用生成式AI撰寫涉及真實在世人物（尤其是非公眾人物）之內容並公開發布，例如：AI生成之人物側寫、評論或帶有個人特徵描述之敘事，即可能構成個人資料之處理與公開揭露，須具備合法處理基礎（如第6條之正當利益或當事人同意），並承擔資料正確性、當事人異議權等義務。AI生成內容尤須留意「幻覺」（Hallucination）風險：若AI捏造某真實人物之不實事蹟並予以公開發布，除涉及個資正確性問題外，亦可能觸及名譽權與民事侵權責任。 

歐盟資料保護機關做成釋文（EDPB Opinion 28/2024） 指出，模型是否匿名必須逐案評估；一個模型若要被視為匿名，至少要使直接或間接識別資料來源個人，以及透過查詢從模型擷取這些個資的可能性都非常低。4 這個觀點對個人使用者有一項重要啟示：不要因模型沒有直接顯示完整姓名，就武斷地認為不存在個人資料。職業、地點、事件、照片、聲音或多項線索合併後，仍可能使人可識別。 

5.2 提示詞本身就是資料處理的一部分

一個常見錯誤：是只檢查最後發布的文章，卻不檢查送進模型的提示詞。提示詞可能包含「請整理這名員工的病假紀錄」、「請根據這段私人對話判斷某人的性格」或「請用這位未同意的真人照片生成廣告」。即使最後輸出被刪掉，輸入資料可能已經被第三方服務儲存、跨境傳輸或用於其他目的。 

歐盟資料保護機關的釋文（EDPB 2026）年關於生成式 AI 網路抓取的指引，雖然第一版釋文當時仍處於公開諮詢性質，但明確提醒：若網路抓取包含個人資料，GDPR 的收集、儲存、組織與檢索要求可能適用；資料控制者應遵守目的限制、透明度、資料最小化與正確性原則。5 指引建議設定精確蒐集條件、排除不必要或敏感資料、對來源進行盤點、在可行時匿名化或假名化，並防止模型記憶及再吐露資料。 

個人發布者不一定具備大型企業的資料治理資源，但可以採取簡單而有效的比例原則：不把不必要的個資送入不明模型；先用代稱取代姓名；刪去聯絡方式與識別號；不要輸入病歷、未公開爭議或未成年者的資料；發布前以搜尋及人工閱讀檢查輸出是否重新曝露某人；若內容不是必要，寧可改寫成完全虛構或使用合成資料。

「純屬個人非專業活動」的例外遠比想像中狹窄：一旦內容涉及公共議題、深偽人物、或於社群平台廣泛傳播，該例外即可能被限縮甚至不適用。 

六、著作權與相關權利：訓練合法不代表輸出當然安全

Directive (EU) 2019/790 是歐盟的 DSM Copyright Directive，6 DSM 指令處理數位單一市場中的著作權及相關權利，並涉及文字與資料探勘、權利人保留權利以及線上內容分享服務等問題。 

6.1 三個不同層次不能混在一起

層次	主要問題	個人發布者應問的問題
訓練資料	模型是否使用受保護作品、資料探勘是否有例外、權利人是否保留權利	模型或資料集的授權、來源與 opt-out 狀態是否可查？
生成過程	輸出是否記憶或近似特定作品、人物、歌詞、角色或畫面	這個輸出是否像是在複製一個已知作品，而非一般概念？
公開發布	重製、改作、公開傳輸、商業使用及平台下架風險	我是否有權發布、是否應標示來源、是否有商業限制？

DSM第3條、第4條之文字暨資料探勘（TDM）例外，是生成式AI合法性論辯之核心。第4條允許任何人為商業或非商業目的進行TDM，前提是著作權人未以適當之機器可讀方式（例如robots.txt協定或後設資料）明示保留權利（Opt-out）。此一「預設允許、明示退出」之制度設計，理論上使開源模型之訓練行為取得法律基礎；惟學說與實務仍存在爭議：阿姆斯特丹地方法院於DPG Media v. Knowledge Exchange（參見相關媒體報導）一案中即認定，著作權人若未以機器可讀方式明確保留權利，不得事後主張TDM例外不適用。

「模型訓練可以使用某些資料」與「我可以公開發布輸出」是兩個法律問題。即使模型提供者在訓練階段主張適用某種例外，使用者仍可能產生輸出階段的重製或公開傳輸問題。相反地，輸出並非只要由 AI 生成就一定沒有任何法律保護；人類選擇、編排、改寫、構圖、剪輯及實質創作貢獻，可能影響會員國著作權法下的保護判斷。

著作權風險是雙向的：一方面，將他人著作用於訓練或提示詞輸入時，須留意DSM指令第4條之保留權利機制；另一方面，純由AI生成而無實質人類創作貢獻之產出物，在美國幾無版權保護，於歐盟亦面臨「原創性」門檻之高度不確定性。

對身分3而言，實務啟示有三項重點：

第一，若在提示詞中大量輸入他人受著作權保護之原文（例如整段引用文章），本身之複製行為未必落入TDM例外之保護範圍，宜謹慎為之。

第二，AI產出物之著作權歸屬存在高度不確定性；歐盟雖無如美國般明確之「人類作者原則」判例（參見相關媒體報導），惟依既有原創性判決準繩（作者個人智識創作，Author's Own Intellectual Creation），純粹由AI自動生成、缺乏人類實質創作選擇之內容，能否取得著作權保護仍屬未決問題。

第三，若身分3之發布行為使用他人已受保護之圖像、文本進行「風格模仿」或「衍生創作」，仍可能構成著作權侵害，此與訓練資料是否合法無涉，屬於輸出端之獨立法律問題。

（見續篇）

把 AI 產出發布上網之前：歐盟法規下個人創作者的生成式人工智慧適法性與風險控管（四之一）

（續前篇）

副標題：以 AI Act、GDPR 與 DSM 著作權指令為主軸，兼論平台、資安、產品安全及美中法規比較

此文以 2026 年 8 月 19 日可取得的法規、官方指引及權威資料為研究時點，讀者設定為居住於歐盟以外、但其內容可能被歐盟境內人士閱覽，或其使用的模型、平台、資料主體與服務和歐盟存在連結的個人/自然人。此文屬一般性資訊與風險管理考量面，不構成歐盟、美國、中國或任何國家的個案法律意見。
CC BY-NC-ND。非供AI模型訓練。

一、概述：真正的問題不是「能不能用 AI」，而是「能不能負責任地發布」

開源的大型語言模型（Open-Weight LLM）日漸普及，生成式人工智慧（Generative AI）係以大型語言模型（LLM）或擴散模型（Diffusion Model）為基礎，透過在龐大語言材料上進行自我監督式訓練，學習語言、影像或音訊之統計結構，進而依提示詞（Prompt）產出新內容。此類開源但有限授權型模型（如Llama系列、Mistral、DeepSeek等）之特點，在於權重公開下載、可於個人電腦部署，從少數研究機構的實驗工具，迅速轉變為未擁有企業資源之個人（自然人），可以自行下載、微調、離線執行或透過網路服務使用的日常工具，使用者因此同時扮演「使用該模型之終端使用者」（即網路影音文檔和數位內容之生成者）與「決定輸出內容是否公開發布之發布者」雙重角色。對一名有兩年使用經驗、熟悉開源型大型語言模型（Large Language Model, LLM）但法律能力有限的個人而言，最容易出現的誤解是：模型是開源的，自己只是給出提示詞，文字和圖片都不是由個人逐字寫出來的，大部分內容依靠LLM的輸出，因此風險應由LLM的模型開發者或平台承擔。 

歐盟自2016年《一般資料保護規則》起，歷經2019年頒布《著作權指令》（確立文字暨資料探勘之保留權利機制）與《資安法》（建立ICT產品認證架構），為日後AI訓練資料與供應鏈安全埋下伏筆；2022年NIS2指令與CER指令進一步強化關鍵基礎設施之韌性要求。2024年的《人工智慧法》，2025年2月，原擬與《產品責任指令》配套之《人工智慧責任指令》草案因會員國無法達成共識而正式撤回，改為修正《產品責任指令》之嚴格責任原則填補部分缺口。乃至2026年陸續生效之（AI法第50條）透明義務及實務準則、暨歐盟執委會之實施指引，已編織出一張細密的規範網。創作者標示 AI 內容不再只是道德倡議，而是直接帶有法律約束力的具體義務。。

開篇所述情況僅以個人推論尚非可靠定論。法律通常不只追問「由哪個LLM模型生成?」或「誰按下生成按鈕?」，還會追問：內容是否夾帶他人的個人資料、侵害著作權、商標、肖像權、聲音或名譽；發布者是否把未經查證的敘述（AI界稱之為《幻覺》）當成客觀事實；是否以商業或專業身分對外宣稱；是否利用深偽冒用他人；是否隱瞞AI生成的事實，使讀者誤以為內容完全由人類製作；以及收到權利人通知後是否迅速更正或移除。收到權利人異議或下架通知時，發布者是否具備即時更正與撤回的能力？純文字或圖像生成之通用型模型，多數情形下屬於「有限風險」，其管制重心並非事前審查內容本身，而是「事後可追溯性」與「事前告知」，亦即標示與揭露義務。 

因此，本文提出一個較穩健的總原則：適法性不是由「AI 生成」或「開源模型」二選一所決定，而是由發布者角色、內容性質、資料與權利來源、公開對象、透明度、人工查核及事後補救能力共同決定。 這個判斷框架比背誦法規名稱更有用，也更接近實際爭議發生時的處理方式。為便於說明，本文以身分3（個人自然人使用者）之實際處境為出發點，由人工智慧技術專業（身分1）與歐盟法律法規專業（身分2）之雙重視角，逐一檢視其在公開發布生成式AI產出物時，真正須留意之法律風險與實務作法。

註：即使號稱開源模型，在法律與開源社群嚴格定義下仍然區分為真正的 OSI 開源授權（如 Apache 2.0, MIT）與商用受限的權重開放授權（Open-Weight with Restrictions），如Meta 的 Llama 授權條款包含使用者人數上限限制（例如 MAU > 7 億需額外授權）與特定商業用途限制，並不符合 OSI 認可的 Open Source 定義，後者應稱為 Open-Weight / Open-Source-Available的模型。 

二、個人發布者應掌握的八項核心結論

第一，EU AI Act（人工智慧法）主要採風險分級與角色分工，不是凡使用 AI 即一律成為高風險系統的提供者。個人創作者通常首先面對的是【透明度】、【內容合法性】、平台規則及一般民事責任，而不是模型供應商的全套 GPAI 合規義務。1 2 

第二，2026 年 8 月 2 日起，AI Act 第50條 的【透明度義務】進入重要適用階段，機器可讀標記之寬限期則延至2026年12月2日。法規及歐盟委員會指引涉及直接互動告知、AI 生成或操縱內容的可偵測標記、深偽揭露，以及在沒有人工審查或編輯控制的情況下發布涉及公共利益事項的 AI 文字。3 個人不應以「只加一行說明」取代必要的人工作業；標示是透明度的一部分，不是著作權或誹謗風險的豁免。違反該等義務最高可處1,500萬歐元或全球營業額3%之罰鍰（後者原則上適用於企業，個人裁罰依會員國轉換法而定，但揭露義務本身仍及於個人部署者）。 

第三，GDPR 的風險從輸入提示詞（prompt）開始。公開網頁上的資料不當然可以無限制地抓取、輸入、再利用或公開。EDPB 已指出，AI 模型是否匿名須逐案判斷，且即使資料可在網路上取得，也要考量資料來源、蒐集脈絡、資料主體合理期待、後續用途及對權利的影響。4 5 

第四，著作權指令DSM Directive (EU) 2019/790（DSM Copyright Directive）的訓練與輸出分離原則，不能一廂情願地簡化成「AI 訓練合法，所以輸出一定合法」，也不能簡化成「AI 產出一定沒有著作權」。訓練資料的文字與資料探勘例外、權利人保留權利，和使用者發布輸出時的重製、改作、公開傳輸，是不同層次的問題。6 

第五，開源權重、開放原始碼、免費、可商用授權及訓練資料合法性是五個不同概念。模型授權文件只解決其中一部分；開源權重絕非「免責授權」；輸出是否侵害第三人權利，仍須依具體內容判斷。 

第六，平台不是法律真空地帶。Digital Services Act（數位服務法，DSA）主要規範數位服務提供者與平台，但個人發布者仍須善於運用DSA第17與20條賦予創作者的救濟權利，須遵守平台內容政策、版權通知程序、廣告揭露、下架及申訴規則。7 

第七，生成內容若涉及高風險領域（如：商品安全、醫療、法律、投資、教育、求職、公共事件或新聞性資訊），應顯著提高創作者人工參與作業的查核強度。美國 FTC 的執法已清楚表明，利用 AI 進行欺騙、假評論、冒稱專業能力或作出沒有證據的收益承諾，不會因為「是 AI 生成」而取得免責。8

第八，最有效的做法不是為每一篇文章找出一條「可以發布」的法規，而是保留可追溯【數位足跡】（Provenance）的證據：使用哪個模型與版本、依據何種授權、提示詞歷史、使用了哪些素材、人工修改了什麼內容、何時完成事實查核、如何揭露 AI 參與，以及收到異議後如何更正、撤下或回應。 

三、專業辭彙術語

英文/中文術語	德文常用對應	中文解釋及本文用法
生成式人工智慧Generative Artificial Intelligence, GenAI	generative Künstliche Intelligenz	依資料模式產生文字、圖片、音訊、影片或其他內容的人工智慧技術。
Large Language Model, LLM	großes Sprachmodell	以大量文字資料訓練、可處理及產生自然語言的大型模型。
通用型人工智慧模型General-Purpose AI, GPAI	KI-Modell mit allgemeinem Verwendungszweck	可執行多種任務、可作為不同 AI 系統基礎的通用型模型。AI Act 對 GPAI 模型供應商設有特別規範。
提供者Provider	Anbieter	在 AI Act 脈絡中，開發 AI 系統或 GPAI 模型並以自己名義投放市場或投入服務者。
使用者/部署者 Deployer	Anwender	使用 AI 系統、通常在其權限或控制下將其投入使用的自然人、法人或公共機構；非專業私人活動可能有例外。
生成式內容 Synthetic content	synthetische Inhalte	由 AI 生成或操縱的合成文字、圖片、音訊或影片內容。
深偽Deepfake	Deepfake / synthetische Fälschung	AI 生成或操縱、足以讓人誤認為真實人物、事件或言論的內容。
機器可讀標記Machine-readable mark	maschinenlesbare Kennzeichnung	可由軟體或系統讀取、偵測 AI 生成或操縱性質的標記。
個人資料Personal data	personenbezogene Daten	與已識別或可識別自然人有關的任何資訊。
處理Processing	Verarbeitung	收集、儲存、組織、分析、使用、公開、刪除等個人資料處理行為。
文字與資料挖掘Text and data mining, TDM	Text- und Data-Mining	以自動化方式分析數位文字與資料，以發掘模式或資訊；DSM 指令對特定情況設有規範。
選擇不參與/保留權利 Opt-out / reservation of rights	Vorbehalt der Rechte	權利人以適當方式保留不允許特定文字與資料探勘使用的意思表示。
人類監督 Human oversight	menschliche Aufsicht	由人類理解、監督、介入或停止 AI 系統及其結果的能力。
來源 Provenance	Herkunftsnachweis	內容來源、生成歷程、編輯歷程及發布紀錄的可追溯性。

這些術語不能混用。例如，「開源模型」不是「開源輸出」；「公開資料」不是「沒有個資」；「透明度」不是「取得著作權」；「人類按下按鈕」也不當然等於「人類完成具有法律意義的創作」。 

四、AI Act：先分辨發布者是誰，再判斷透明度義務

4.1 AI Act及適用法規

依關聯程度排序如下表，供身分3快速掌握資源投入之優先順序：

法規	全稱／編號	情境關聯度 (身分3)	核心重點
歐盟人工智慧法	AI Regulation (EU) 2024/1689	高	第50條透明義務、個人非專業活動例外之限縮、GPAI著作權政策
著作權指令（DSM）	DSM Directive (EU) 2019/790	高	第3、4條文字暨資料探勘例外與保留權利機制
一般資料保護規則	GDPR Regulation (EU) 2016/679	中高	公開發布内容涉及他人個資時，家庭活動例外不適用

（見續篇）