[AI 法律 15] AI 開發者責任鏈:工具供應、平台中介、終端使用者
AI 出問題時,責任怎麼分?

AI 責任鏈的四階模型
AI 出問題時,責任通常不會只落在一個人身上,而是沿著「基礎模型、應用整合、平台中介、終端使用」這條鏈分配。原則是:每一階段對自己能控制的決策負責。
AI 責任鏈的四個階段
| 階段 | 角色 | 主要責任 |
|---|---|---|
| 一、基礎模型開發者 | 訓練大型基礎模型,以 API 或開源方式提供給下游,例如 OpenAI、Anthropic、Google DeepMind、Meta | 訓練資料合法、安全測試、透明揭露、修補已知瑕疵 |
| 二、應用層整合者 | 把基礎模型做成特定產品,例如 AI 寫作工具、AI 客服軟體 | 選對模型、做好輸出過濾與驗證、如實說明能力與限制 |
| 三、平台中介者 | SaaS 平台、雲端 AI 服務、企業內部部署服務,把應用提供給客戶 | 審查接入的應用、標示 AI 內容、申訴與下架機制、資料安全 |
| 四、終端使用者 | 直接使用 AI 服務的個人或企業 | 了解工具限制、審視輸出、遵守使用條款、為自己的決策負責 |
實務上,損害常是多個階段共同造成的:基礎模型本身有偏差,加上應用層整合不當,再加上使用端疏忽。把責任切分清楚,是當代 AI 法律最核心的課題。
我國 115 年 1 月 14 日公布施行的人工智慧基本法,也把這件事列為政府的任務:第 17 條要求政府就高風險 AI 應用明確責任歸屬及歸責條件,並建立救濟、補償或保險機制;第 16 條要求數位發展部推動風險分類框架,由各目的事業主管機關據以訂定管理規範;第 18 條要求各機關在施行後二年內完成相關法規檢討。具體的責任規則仍在形成中,目前個案仍依民法、消費者保護法、個資法等既有法律處理。
上游:基礎模型開發者的責任範圍
基礎模型開發者主要對「模型本身」負責:安全、沒有重大瑕疵、訓練過程合法。
具體包括四個面向。第一,訓練資料合法性:避免使用侵權資料,並處理權利人的退出請求。第二,安全測試:對有害輸出與安全漏洞充分測試;歐盟人工智慧法(AI Act)對通用目的 AI 模型另有具體義務。第三,透明度:揭露訓練資料摘要、技術文件與安全評估結果。第四,持續監控與更新:發現瑕疵與漏洞時及時修補。
免責空間:基礎模型開發者通常不直接面對終端使用者,對下游的具體使用情境沒有控制力,因此一般不直接為終端使用造成的損害負責。但如果模型本身有重大瑕疵卻未及時修補,或明知會被用於侵權仍然提供,仍可能負共同侵權責任。
實務上,開發者會用使用條款限制使用範圍、建立濫用處理機制(通報、終止 API 權限),並保留持續更新的責任。台灣企業使用國外基礎模型時,應仔細閱讀 API 使用條款,弄清楚上游願意承擔到哪裡。
中游:應用整合者與平台中介者的責任
中游是責任最複雜、也最容易被低估的一段,因為它把通用 AI 放進特定情境,直接塑造使用者體驗。
應用整合者要做到四件事:第一,合理選擇基礎模型,例如用通用語言模型做醫療診斷工具,本身就可能是不合理的選擇;第二,設計適當的整合層,對輸出做後處理、過濾與驗證;第三,清楚說明使用範圍,讓下游知道工具的能力與限制;第四,建立回饋與改善機制。
平台中介者則要:第一,對接入的 AI 應用做盡職調查;第二,對使用者告知與保護,包括 AI 內容標示、申訴機制與消費者權益;第三,偵測並下架違規內容;第四,建立跨應用的資料安全機制。
中游離終端使用者最近,又有誇大能力、淡化風險的行銷誘因,因此常是責任的主要承擔點。許多使用者爭議,問題其實出在中游的設計或宣稱,而不是基礎模型本身。
下游:終端使用者的責任與權利
使用 AI 工具,不會免除使用者對自己決策的責任。終端使用者的注意義務有四項:充分了解工具的能力與限制、合理審視 AI 輸出(尤其是重大決策)、遵守使用條款、對自己的決策負責。
使用者也應受到保障:AI 介入決策時應被告知;對重大決策可要求說明(本系列第 9 篇);對結果不滿可以申訴並要求人工複核;受到損害時可以循民事、行政或刑事途徑救濟。
企業使用者有雙重角色:對上游 AI 廠商,它是使用者,可以要求合理的服務與責任;對自己的客戶或員工,它是服務提供者,要承擔相應責任。因此需要一條完整的契約鏈,讓上下游的責任能夠銜接。
多方契約的責任分配條款設計
多方合作的 AI 服務,最好的風險管理工具是事前把責任寫進契約。重要的 AI 服務契約不宜直接簽廠商的標準版本,因為標準條款常對廠商過度有利。下面十項可以逐一檢視。
AI 服務契約十項核心條款
- 角色與責任界定:各方在 AI 服務中的具體角色與責任。
- 瑕疵擔保:對功能、性能與合規性擔保到什麼程度。
- 智慧財產權:訓練資料的權利、生成內容的歸屬、上游侵權時如何處理。
- 個資保護:處理目的、跨境傳輸、當事人權利的處理流程。
- 損害賠償與上限:賠償範圍、責任上限與保險義務。
- 不可抗力:模型失控、平台關閉、各國法規變動時怎麼辦(本系列第 7 篇)。
- 稽核與透明度:客戶的稽核權與廠商的揭露義務。
- 終止與資料退場:契約結束後資料如何返還或刪除、營業秘密如何保護。
- 爭議解決:準據法、管轄法院或仲裁。
- 定期檢視:AI 法規變化快,約定定期檢視與修約機制。
對中小企業而言,委請律師審閱看似多一筆成本,但和日後爭議的處理成本相比,事前審閱通常划算得多。
責任鏈的實務應用:三個典型情境
把框架放進具體情境,才看得出責任落在哪裡。下面三個情境是常見案型的整理。
三個典型情境的責任分析
| 情境 | 主要責任 | 其他可能責任 | 實務啟示 |
|---|---|---|---|
| AI 生成的廣告文案用了競爭對手的註冊商標 | 使用文案的企業(直接侵權人) | 文案工具業者若明知或應知而未盡審查,可能負共同侵權責任;基礎模型開發者通常不直接負責 | 發布前要有人工審閱,尤其涉及商標與著作權 |
| 醫療 AI 輔助判讀漏看早期病徵 | 醫師對 AI 建議的合理審視義務 | 醫療機構的配置與訓練責任;軟體業者依消保法第 7 條負服務或商品安全責任 | 醫療 AI 屬醫療器材者須經食藥署許可,責任偏重下游 |
| SaaS 平台的 AI 客服洩漏其他客戶個資 | 委託處理個資的企業與受託的 SaaS 平台 | AI 客服廠商的資料隔離設計責任;企業可依契約向上游求償 | 做好資料隔離設計,並在契約中寫明個資保護義務 |
第一個情境中,基礎模型開發者通常不直接負責,原因是它沒有參與具體文案的產出與使用決定;API 條款中的責任限制,只在契約當事人之間有效,不能拿來對抗商標權人。
第二個情境中,消保法第 7 條要求商品或服務符合可合理期待的安全性,企業經營者即使沒有過失也要負責,只能請求法院減輕賠償。
第三個情境要注意,「資料處理者」是歐盟 GDPR 的用語,我國個資法沒有這個概念。依個資法第 4 條,受委託蒐集、處理或利用個資的業者,在個資法適用範圍內「視同委託機關」;因此 SaaS 平台若是受企業委託處理客戶個資,會和委託企業一起承擔個資法責任,委託企業不能以「交給廠商處理」為由卸責。
結語:在鏈式責任中找到自己的位置(15 篇系列總結)
從第 1 篇的 AI 法律總論到本篇的責任鏈分析,15 篇 AI 科技法律系列構成一張當代 AI 法律的整體地圖。這張地圖不是永遠正確的指南,而是需要持續更新的判斷框架。AI 法律變化很快,今年的合規架構明年可能就要調整。
在這樣的環境裡,法律工作者、企業法務與政策推動者真正能依靠的,是系統化的思考方式、持續學習的習慣,以及與專業夥伴的長期合作。
本系列的定位是長期可信:具體條號查證、國際監管動態以官方文本為依據,並定期回頭檢視、更新已過時的段落。和鼎律師事務所(劉博文律師)長期關注 AI 法律議題,協助多家客戶建立 AI 治理與合規架構。如有相關需求,歡迎透過聯絡頁面諮詢。
感謝您讀到這裡。AI 對法律的衝擊才剛開始,願這份 15 篇地圖在您的工作中,提供一些可信任的座標。
常見問題
Q. AI 服務出問題,我應該告誰?
A. 依問題類型判斷:智慧財產權侵害,通常由直接使用的終端使用者負責,應用整合者若未盡審查責任可能一起負責;產品或服務安全問題,中游的平台、整合者與製造商可能依消保法第 7 條負責;個資外洩時,受委託處理個資的業者依個資法第 4 條視同委託機關,與委託企業一起負責。基礎模型開發者通常不直接負責,但模型有重大瑕疵且未及時修補時,可能負共同侵權責任。建議發生爭議時委請律師做責任鏈分析,確認最有利的求償對象。
Q. 我用 OpenAI 的 API 整合了一個服務,客戶用我的服務出了事,我要負責嗎?
A. 要看具體情況。身為應用整合者,你的責任包括:合理選擇基礎模型、適當設計整合層(後處理、過濾、驗證)、清楚說明使用範圍與限制、建立回饋與改善機制。若你已盡這些注意義務,問題出在客戶不當使用或基礎模型本身的重大瑕疵,可以主張減免責任;若你誇大能力或未做合理過濾,就要負相應責任。
Q. 企業簽 AI 服務合約最該爭取什麼條款?
A. 十項核心條款:角色與責任界定、瑕疵擔保、智慧財產權(訓練資料、生成內容、侵權處理)、個資保護(目的限定、跨境傳輸、當事人權利)、損害賠償與上限、不可抗力(含模型失控)、稽核與透明度、終止與資料退場、爭議解決(準據法、管轄、仲裁)、定期檢視。標準合約常對廠商過度有利,建議委請律師逐條檢視。
Q. AI 開發者完全沒辦法免責嗎?
A. 可以減免,但要做到幾件事:第一,在使用條款中明確限制使用範圍;第二,對訓練資料、安全測試與透明度盡到合理義務;第三,建立濫用處理機制(通報、終止 API 權限);第四,持續修補漏洞。歐盟人工智慧法對通用目的 AI 模型開發者訂有具體義務,只說「我只是提供工具」並不足夠;但已盡上述合理義務時,責任通常會集中在實際控制使用情境的下游。
Q. 這 15 篇看完之後,我該怎麼開始建立企業 AI 治理?
A. 建議五個步驟:第一,盤點現有 AI 應用(內部使用、面向客戶、面向員工);第二,評估風險等級(對隱私、智財、消費者與品牌的影響);第三,建立基本治理架構(內部使用政策、廠商盡職調查、申訴機制);第四,委請律師審閱重要的 AI 服務契約;第五,建立持續檢視機制,追蹤人工智慧基本法授權訂定的風險分類框架與各主管機關的管理規範。本所協助多家企業建立 AI 治理架構,如需支援歡迎聯絡。
POLICY REFERENCE
本篇對應之官方政策參考文件
公部門人工智慧應用參考手冊
數位發展部 | 民國 115 年 1 月 28 日 | V1.0 初版
95 頁;含 AI 概念、服務評估、服務導入、營運管理四章;適用各機關 AI 導入
文化藝術應用生成式 AI 指引
文化部(發行)·資策會科法所創意智財中心(執行) | 民國 113 年 | ISBN 978-626-395-220-1 / GPN 4911400033
44 頁;六章+附錄 GAI 應用風險檢查表;含智慧局函釋與最高法院判決多筆引用
AI 開發者責任鏈分析需綜合兩份指引:moda 手冊明確各機關採購 AI 服務時的責任分配、文化部指引明確藝文事業內部 AI 管理應採措施。
AI 科技法律系列 1-15(完整索引)
- [AI 法律 1] AI 法律總論:當代 AI 對法律體系的根本挑戰
- [AI 法律 2] AI 著作權的全光譜:生成內容、訓練資料、共同創作的歸屬
- [AI 法律 3] AI 與個資法:模型訓練、資料蒐集、跨境傳輸
- [AI 法律 4] AI 與商標權:品牌防偽、AI 自動侵權、商標轉化使用
- [AI 法律 5] AI 與專利權:演算法可專利性、AI 發明人爭議
- [AI 法律 6] AI 與營業秘密:模型權重、prompt 工程、員工跳槽風險
- [AI 法律 7] AI 與契約法:智能合約、自動執行、機器決策
- [AI 法律 8] AI 法遵與企業治理:AI 治理框架、董事責任、第三方審查
- [AI 法律 9] AI 與消費者保護:演算法歧視、自動化決策、申訴機制
- [AI 法律 10] 生成式 AI 與名譽權、肖像權、聲音權
- [AI 法律 11] AI 自駕、機器人侵權與產品責任
- [AI 法律 12] AI 醫療、AI 法律、AI 金融的執業界線
- [AI 法律 13] AI 與選舉、政治宣傳、深偽識別
- [AI 法律 14] AI 國際監管比較:EU AI Act、美國行政命令、台灣定位
- [AI 法律 15] AI 開發者責任鏈:工具供應、平台中介、終端使用者(本文)