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（四之四）

（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。

十、限制與未來趨勢：模型、資料庫及標示技術都不是永久可靠

生成式 AI 系統有三類基本限制。第一是知識限制：模型可能不知道最新法律、事件、產品版本或平台規則。第二是推理限制：模型能生成語氣流暢的句子，卻不代表其引用、因果或法律推論正確。第三是資料限制：模型可能記憶偏誤、重製個資、混淆來源，或將不同文件拼接成看似合理但不存在的敘述。 

資料庫與檢索增強生成（Retrieval-Augmented Generation, RAG）可以改善時效性，但不能自動解決來源授權、個資、錯誤引用或權利衝突。RAG 系統檢索到的文件可能本身過時、未授權或被惡意植入；模型也可能錯誤摘要。未來內容標示會逐漸結合機器可讀標記、內容來源憑證、平台檢測及多媒體來源或出處，但標示被移除、截圖、重新編碼或跨平台傳播後，仍可能失效。因此，人工可讀揭露方式與可追溯紀錄仍不可被技術標記完全取代。 

十一、給身分3的發布前後流程與前瞻措施

發布前先完成一頁式紀錄。記下模型名稱、版本、下載或服務網址、授權條款、生成日期、使用的外部資料、提示詞是否含個資，以及內容是否經過人工改寫。若無法回答「這段材料從哪裡來」，就不宜在高風險情境中直接發布。 

接著進行內容分類。一般虛構創作可採基本檢查；涉及真實人物、公共利益、深偽、醫療、法律、投資、產品安全、兒少或政治事件，應升級為高強度人工審查。查核不只包括文字內容，也包括圖片中的標誌、臉孔、背景、字幕、聲音及元資料。 

第三步是權利檢查。確認素材來源與授權，檢查是否過度接近特定作品，避免未獲授權的真人肖像、聲音與私密資訊，不要使用模型自動生成的虛構引用或評論。若文章要商業化，應另外檢查商標、廣告揭露、消費者保護及平台條款。 

第四步是透明度檢查。根據實際情況揭露 AI 參與程度，例如「由 AI 協助整理初稿，作者查閱官方來源後重寫」或「圖像為 AI 合成，並非真實攝影」。若為公共利益文字、深偽或會影響讀者判斷的合成內容，不應把揭露藏在不易看到的頁尾。 

第五步是建立事後處理方案。發布頁提供聯絡方式，保存原始版本及修改時間；收到個資、版權、肖像或事實錯誤通知時，先暫停擴散並檢查，再依情況更正、加註、下架或回覆。刪除內容不是唯一處理方式，但對可能造成即時傷害的內容，延遲本身可能擴大責任與損害。

前瞻措施

a)      建立「人機協同工作流的數位足跡（Workflow Digital Footprint）」：

2026 年後的版權局與法院在判斷「作品是否具備原創性（Human Authorship）」時，焦點已轉向人類創作控制力。建議創作者利用 Git 或專用筆記軟體，自動記錄提示詞修整歷程、人工編修（Human-in-the-loop）的幅度變化，這不僅能證明著作權歸屬，更是遭遇平台演算法誤判時的最強申訴武器。 

b)      導入「C2PA 標準與靜態/動態雙重標籤」策略：

單純在內文寫「本文由 AI 輔助」已無法滿足最新的技術防偽趨勢。建議創作者發布多媒體內容時，主動選用支援 C2PA（Content Credentials）後設資料嵌入的工具；而在內容顯眼處（如影片前 3 秒、圖片右下角）加上人類可讀的標籤，雙管齊下因應 AI Act 第 50 條的要求。 

c)      區隔風險階層，建構個人「內容發布防火牆」：

l   低風險區（純文學、極致虛構創作）：免去繁瑣查證，但須維護授權相符性。

l   高風險區（涉及真實人物、歷史事件、醫療健康、財經投資、公共議題）：導入雙重查證機制（Cross-Validation），絕對不直接引用 LLM 給出的網頁連結與文獻，一律手動核對原始文獻（Primary Sources）。  

十二、可直接使用的發布檢查表

檢查問題	是／否	不確定時的處理
我是否知道並記錄模型與版本、授權及來源？		暫停發布，先補齊模型資料。
提示詞prompt或輸出是否含可識別自然人的資料？ 是否剔除未經同意之他人個資與私密資訊？		去識別化、刪除或重新改寫。
是否含特殊類別資料、兒少資料、私人對話或機密？		原則上不要公開，必要時尋求專業意見。
是否使用真人臉孔、聲音、姓名或可辨識特徵？（肖像權） 或以之合成影像/音訊？（深偽）		確認取得當事人同意、目的及標示；無法確認就不要發布。 AI合成產出明確標註「AI 合成」
文中引用的法規、數據、判例與歷史事件是否經由原始文獻（Primary Sources）人工確認？		全面人類核查引用及參考文獻
是否可能近似特定作品、歌詞、角色、商標或圖片？		清查智慧財產權、重新創作、取得授權或刪除相關部分。
內容是否涉及公共利益、深偽、醫療、法律、投資或產品安全？		由人類查證並提高揭露與編輯強度。
是否誠實揭露 AI 參與及合成性質？		做成透明度標示，在內容本身或同等醒目位置補充。
是否已核對引用、日期、數字、連結與原始文件？		不以模型列出的來源代替實際閱讀。
是否違反平台關於 AI、廣告、假評論或版權的規則？		先讀平台最新條款及發布政策。
發布後是否能迅速更正、撤下及保存紀錄？		做好救濟準備，先建立聯絡及處理流程再發布。若接獲個資或侵權通知，在 24 小時內暫停發布，並進行處置。

十三、結論：從模型使用者走向負責任的內容發布者

對身分3而言，最重要的能力不只是生成更像人類的文字，而是知道什麼時候不應生成、什麼時候不能直接發布、什麼時候必須交由人類查核，以及發現錯誤後如何承擔並修正。

在 2016 至 2026 年這十年間，歐盟的法律法規架構已從最初的個資保護，逐步擴展至 AI 系統的風險控管與透明度治理。對於個人創作者而言，法規並非要禁止使用 AI，而是要求創作者從單純的技術使用者，蛻變為負責任的內容發布者。 

歐盟的法規架構給出的訊息很清楚：AI Act 關注風險、角色及透明度；GDPR 關注自然人及個人資料的整個處理生命週期；DSM Copyright Directive 關注權利人與數位市場中的利用方式；DSA 關注平台與線上服務環境；GPSR、NIS2、CRA、CER 及 Machinery Regulation 則在特定產品、服務、關鍵實體或安全情境下接續發揮作用。美國的著作權與 FTC 執法提醒我們，人類創作證據與反欺騙原則仍然重要；中國的生成式 AI 管理措施則顯示，跨境內容服務還可能受到服務地區的內容治理與個人資訊規則影響。8 10 12

倘若將整篇文章濃縮成一句話：不要問「AI 產出能不能發布」，要問「我能不能說明它從哪裡來、是否傷害他人、為什麼可以發布、我做了哪些查核，以及出錯時能否迅速修正」。 能夠完整回答這五個問題，意即清晰地說明內容的生成歷程、確保未侵害他人權益、落實透明度標示，並在出錯時具備及時更正的誠意與能力時，才是個人生成式 AI 使用者走向成熟、可持續促進創作自由與知識傳播、且能夠承擔責任的前進道路上的永續推動力。 

免責聲明

本文為一般型自我教育和風險管理文章，依 2026 年 8 月 19 日可取得的歐盟法規、官方指引及法院判例為分析基準資料整理而成，適用對象為居住於歐盟境外，但作品可能於歐盟境內傳播；或使用之模型、平台、個資與歐盟存在連結之個人自然人創作者。不構成律師、資料保護官、著作權顧問、資安顧問或其他專業人士對任何個案的法律意見。歐盟法規須與會員國轉置法、主管機關指引、法院裁判、平台條款及實際事實共同判斷；美國及中國法規亦可能因州、省、服務地區、內容類型及個案事實而不同。讀者若要發布深偽、處理敏感個資、經營 AI 服務、銷售產品、發布專業建議或處理權利人爭議，應在行動前向具相關管轄區資格的專業人士取得個案意見。本文不保證任何內容必然合法，也不保證引用的模型、平台或第三方資料在未來維持相同條款。 

參考文件

[1] European Commission, AI Act

[2] EUR-Lex, Regulation (EU ) 2024/1689, Artificial Intelligence Act

[3] European Commission, Guidelines on transparency obligations for providers and deployers of certain AI systems

[4] European Data Protection Board, Opinion 28/2024 on AI models

[5] European Data Protection Board, Guidelines 03/2026 on web scraping in the context of generative AI

[6] EUR-Lex, Directive (EU ) 2019/790 on copyright and related rights in the Digital Single Market

[7] EUR-Lex, Regulation (EU ) 2022/2065, Digital Services Act

[8] U.S. Federal Trade Commission, Operation AI Comply

[9] EUR-Lex, Regulation (EU ) 2016/679, General Data Protection Regulation

[10] U.S. Copyright Office, Copyright and Artificial Intelligence

[11] European Commission, Cyber Resilience Act

[12] Library of Congress, China: Generative AI Measures Finalized

[13] EUR-Lex, Directive (EU ) 2022/2555, NIS 2 Directive

[14] EUR-Lex, Regulation (EU ) 2023/988, General Product Safety Regulation

[15] EUR-Lex, Regulation (EU ) 2023/1230, Machinery Regulation

[16] U.S. Copyright Office, Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence

[17] EUR-Lex, Regulation (EU ) 2019/881, Cybersecurity Act

[18] EUR-Lex, Directive (EU ) 2022/2557, Critical Entities Resilience Directive

（全文竟）

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（四之三）

 （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。

6.2 開源模型的授權閱讀方法

創作者下載及部署開源模型前，應詳細閱讀模型的 「授權協議License Agreement」 與「模型卡片Model Card」，並應至少確認下列諸事：

其一：程式碼授權和模型權重授權是否相同。

其二：是否允許商業使用（Commercial Use）、再散布、微調及衍生模型、是否設有每月活躍用戶數（MAU）之商業授權門檻（如 Llama 條款）。

其三：授權是否另有禁止用途、歸屬、通知或責任限制。

其四：模型卡片是否說明訓練資料來源、已知限制、偏差、失誤、可記憶或再吐露風險。

其五：未提供侵權補償保護：離線部署開源模型不具備商業 API 提供者之侵權補償條款（IP Indemnification），創作者須對終端產出負擔完全之法律責任。

確認此等事項並收集合規佐證資料，尚非絕對符合法規的保證方式，但在爭議發生時，足以展現使用者並非完全未作合理查核。 

6.3 美國及中國比較：人類創作貢獻的重要性

歐盟的網路安全五法（資安法、NIS2、CRA、CER、MSR）原則上不規範個人創作者本身，但若身分3日後營運自有平台或串接關鍵基礎設施，須重新評估適法情形。美國著作權局已透過著作權與 AI 計畫及相關指引，持續分析 AI 生成作品、數位複製品及訓練資料。2023 年註冊指引要求申請人揭露作品中含有 AI 生成材料；其行政決定也區分人類創作部分與 AI 單獨生成部分。10 16 美國的具體制度不能直接移植到歐盟，但對身分3有一項實務提醒：如果日後想主張自己對作品具有著作權，應保存可辨識的人類創作貢獻，而不是只保存一個提示詞。有鑑於美國著作權局堅持「人類作者原則」，加州更自2026年起要求逾百萬月活躍用戶之生成式AI服務提供內容偵測工具；中國則以《生成式人工智慧服務管理暫行辦法》及2025年《人工智慧生成合成內容標識辦法》建立強制標識制度，三地監理邏輯雖異，但「揭露AI生成事實」已成為全球共同趨勢。 

七、深偽、肖像、聲音與人格權：最容易造成不可逆傷害的輸出

文字錯誤可能透過修正降低影響，但一段冒用真人聲音的影片、偽造政治人物言論、合成未經同意的親密影像或以真人臉孔製作虛假廣告，可能在短時間內被大量轉載。此類內容同時可能觸及 AI Act 透明度、人格權、肖像權、聲音權、名譽、資料保護、刑事規範及平台政策。

發布者不應以「大家知道這是假的」作為安全假設。判斷應包括內容本身是否具有逼真性、標示是否清楚、是否使用真人可識別特徵、是否涉及性或親密內容、是否可能影響投票、健康、財產或名譽，以及是否有明確同意。對未同意的真人臉孔、聲音及私密資料，最安全的實務做法不是加一個免責句，而是不生成、不保存、不發布。

對於一般創作，例如明確虛構的角色或已獲同意的演員，仍應使用清楚揭露、避免冒用真實事件標題、保留同意文件及限制再利用。若內容是諷刺、評論或藝術表達，可能存在法律上的利益衡量，但這不代表平台不會限制內容，也不代表每一個司法管轄區都採取相同標準。 

八、平台、消費者保護與專業內容：AI 不是事實查證機器

DSA Regulation (EU) 2022/2065 是數位服務單一市場規範，主要對象包括中介服務與平台提供者。7 個人發布者需要理解的不是「DSA 會不會直接罰我」，而是平台如何根據條款、版權通知、非法內容通報、推薦系統及風險治理來處理自己的內容。平台可能要求標示合成媒體、限制深偽、禁止假評論，或在收到權利人通知後限制內容曝光。

可預見的情況，參見DSA 第 17 條與第 20 條規定，若是平台（如 YouTube, Meta, X）依據其 AI 內容政策對創作者進行降權（Demotion/Shadowban）、停權或下架時，必須提供「理由說明（Statement of Reasons）」與內部的免費申訴管道（Internal Complaint-Handling System）。身分3作為創作者，不僅要「遵守平台規則」，更需要知道「被演算法誤判為未標示 AI 的違規內容時該如何救濟」。

如果 AI 產出涉及法律、醫療、投資、求職、教育或商品安全，發布者應採取比一般心得文章更高的品質標準。內容中不宜寫成「模型分析顯示你一定有某種疾病」、「依此方法必然獲利」、「這份 AI 法律文件一定有效」或「這項產品已被證明安全」。模型可能產生虛構判例、錯誤數字、過時規定或不存在的研究。真正的專業責任不會因使用模型而消失。

美國 FTC 2024 年 Operation AI Comply 的執法公告指出，假評論、宣稱 AI 服務可以取代律師、以及沒有證據支持的收入承諾，都可能構成欺騙或不公平行為。8 這項比較法資料可轉化成跨境發布的實務規則：不得使用 AI 批量製作虛構顧客體驗、虛假見證、未發生的測試結果、杜撰收益或冒稱專業資格。 

九、GPSR、網路安全、NIS2、CRA、CER 與機械法規：為什麼仍值得個人注意

使用者所列舉的歐盟法律及法規： GPSR、Cybersecurity Act、NIS2、Cyber Resilience Act、CER 及 Machinery Regulation，並非全部直接規範一般個人發表一篇 AI 文章。若逐一列出法規名稱，卻不說明適用角色，反而會使讀者誤以為只要發文就要完成大型企業的符合性評估。

 

法規	主要制度對象	一般個人內容發布的關係
一般產品安全條例 GPSR, Regulation (EU) 2023/988 14	一般消費性產品安全、產品供應鏈與市場監督	若 AI 內容涉及商品安全、產品使用說明、銷售宣稱、安全警示或召回資訊，帶有錯誤的內容可能造成消費者風險，有觸犯GPSR之虞；若僅是一般文章（即純粹之文字、圖像或音訊內容）通常非直接適用。此為關聯度較低但仍值得留意之延伸情境。
網路安全法 Cybersecurity Act, Regulation (EU) 2019/881 17	EU 網路安全認證架構與 ENISA	多為資安認證與制度層次；若個人提供資安產品或服務，才需進一步判斷是否觸及之。
NIS2, Directive (EU) 2022/2555 13	特定重要／關鍵實體的網路風險管理及通報	一般個人部落客通常不屬於直接適用的對象；經營特定數位服務或關鍵產業（法規稱為「關鍵實體」、「關鍵實體」）的運作時才可能觸發此項法規要求。
CER, Directive (EU) 2022/2557 18	關鍵實體韌性	主要適用範圍在關鍵服務與實體組織；AI 內容若嵌入其服務或決策流程，風險才會間接浮現。
網路韌性法CRA, Regulation (EU) 2024/2847 11	具有數位元素的硬體／軟體產品全生命週期資安	若把模型或 AI 應用包裝為產品、提供市場或處理漏洞，可能從使用者轉為經濟業者。主要義務預定 2027-12-11 適用，報告義務自 2026-09-11 起適用。11
機械條例 Machinery Regulation, Regulation (EU) 2023/1230 15	機械及相關安全要求	若 AI 生成內容成為機械安全文件、操作指示、使用說明或安全元件資訊，錯誤的內容可能造成產品責任及安全風險；若僅是一般文章通常並非直接適用之。
產品責任指令（修正版） Product Liability Directive (EU) 2024/2853	軟體與AI系統納入「產品」定義，2026年12月9日前轉換為歐盟成員國的國內法	明確將軟體與AI系統納入「產品」定義，採嚴格責任原則（毋須證明過失，僅須證明產品瑕疵、損害與因果關係），若身分3發布的行為造成第三人損害（例如公開傳播AI生成之錯誤醫療建議、財務建議），仍可能依各國一般侵權行為法承擔過失責任，此一風險並不因人工智慧產品責任指令（AILD）遭到撤回而消失，反而因法規真空狀態而更加地不確定發生此等事件的後果會如何。

內容轉化為產品說明之風險：若創作者發布的 AI 文字係作為實體商品、醫療器材或機械設備之「使用說明/安全指引」，錯誤的 AI 內容若導致使用者損害，創作者可能面臨一般民事侵權與過失責任。

開發衍生服務之角色轉變：若創作者將開源模型封裝為付費「網路應用程序 Web App」 或 API 供大眾使用，其身份將從「個人創作者」轉變為 CRA 規範下的「軟體製造商」，須承擔漏洞通報與安全維護義務。

CRA (EU) 2024/2847尤其能說明「開源」不是無責任。歐盟委員會指出，CRA 要求製造商在產品規劃、設計、開發與維護階段處理網路安全及漏洞；它對自由及開源軟體有特別安排，但是否適用仍取決於產品、商業性、供應方式及角色。(11) 個人若只是下載模型撰寫文章，通常不會因此成為 CRA 製造商；若把模型封裝成付費應用、可供市場使用的數位產品，答案就可能不同。

若日後身分3從事之活動或行為擴張至（例如）自建AI服務平台、對外提供API或涉入關鍵基礎設施相關業務，則應重新評估此等資訊安全法規的適用性。

（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）