美國上訴法院推翻FCC對廣電節目猥褻言論之認定
美國紐約第二巡迴法院上訴法院於2007年6月5日做出判決，認定FCC對於廣電節目是否違反猥褻言論規範之判斷標準為恣意專斷(arbitrary and capricious)的決定。此一案件起因於福斯電視台轉播2002年及2003年音樂告示排行榜頒獎典禮(Billboard Music Awards)時，歌手Cher及名人Nicole Richie分別在典禮中說出不雅言詞，事後FCC認定福斯電視台之轉播違反廣電節目之猥褻言論相關規範。福斯電視台對於FCC之認定不服，因而向法院提起訴訟。
依照過去FCC對猥褻言論之認定標準來看，「瞬間之咒罵言詞」(fleeting expletives)並不屬於猥褻言論，廣電節目中播出相關內容並不違反猥褻言論之管制規範。但自2003年起，FCC改變認定標準，認為所有不雅言詞均不可避免地帶有性暗示之內涵，因此廣電節目中凡涉及不雅言論之內容都是猥褻言論。
根據紐約第二巡迴法院上訴法院之判決指出，FCC的決定毫無疑問地改變了對於廣電節目是否違反猥褻言論規範之認定標準，且FCC對於改變認定標準一事所提出的理由並不具有說服力；FCC於訴訟過程中亦承認，即便在決定改變認定標準前，也沒有證據顯示廣播電視台曾密集播送充滿咒罵言論之內容。因此，紐約第二巡迴法院上訴法院認為，FCC改變認定標準一事乃是恣意專斷的決定，從而撤銷FCC對於福斯節目之認定。對於法院之判決，FCC主席Kevin Martin表示遺憾以及難以置信，將會委請律師研議是否繼續上訴最高法院。
2017年6月28日日本經濟產業省發佈「第四次產業革命競爭政策研究會報告書-以實現產業整合（Connected Industries）為目標-」。日本政府為能持續推動該國經濟，以建立創新附加價值的產業社會為目標，以實現產業整合並促進創新與競爭環境，於本年度一月至六月召開七次「第四次產業革命競爭政策研究會」，進行日本競爭政策檢討，並於28日發佈第一階段報告書。 本報告中提出四種大數據應用的商業模式，分別為：單獨成長型、附隨應用型、他面活用型與多面展開型四種。單獨成長型著重於產品或服務本身透過資料蒐集應用來改善品質。附隨應用型則除了透過資料搜集以進行產品與服務品質改善以外，亦擴散經驗運用到其他使用者的服務內容改善。他面活用型則透過產品或服務的資料蒐集，運用到其他的領域（例如駕駛資料的蒐集運用到保險費率的計算）。多面展開型則將多種不同的產品與服務的資料取得後綜整分析以能相互提升品質，或應用到新發展的領域。 報告中並提出資料運用對競爭環境影響的三個關鍵步驟。首先是資料本身的影響力，包括資料本身的必要性、資料品質、蒐集成本等。其次為資料蒐集的可能性，因其他競爭者也可能取得相同資料，故應確保資料的稀少性與蒐集能力的差異（與競爭者能區別）。第三是資料運用可能性，應注意資料應用上是否有資金、人才在競爭上的其他限制。
Google, Yahoo質疑猶他州的商標法立法者在高科技經營者會議後表示，「美國猶他州的法律設置商標註冊規定，將針對網路廣告競爭者可能不強制限制，而這項規定在星期一就會生效。 Google、eBay、Yahoo、微軟等公司的負責人與立法者在星期三會面，並正式對此提出抗議。 執行長克拉克說到：「我希望我們在兩個月前就能和產業互動，這對我們來說情況較佳。」 法律允許任何公司去創造一個電子商標並阻止競爭者用這些商標，去避免利用這些關鍵字商標在搜尋引擎和其他網站上出現。 星期二立法機關一致通過此項保護商標法律，儘管州律師提出警告，他們將會在法院上推翻這項法律。 Google和其他網站允許競爭者有權利去投標商標或產品的名稱。廣告競爭者會因競標而顯現在搜尋結果的網頁上。 陳情者羅傑說到，在與立法者談判後，訴訟是最不可能的方式。我們所投入的是幫助政策制定者去察覺到立法機構需要被修正並且也許需要被廢除。 羅傑說當談判破裂，這兩位發言人問我們，假使我們有意願去看到可以達到他們的意願並且不會產生可能發生有害影響的方法。 克拉克不確定是否會推翻這項法律，但他說我們必須為此做些事。 伊適特曼說，「立法者正設法去阻止公司免於被偷竊商標，或阻止戲弄消費者使他們在買產品時產生混淆的情況。」
經濟合作與發展組織發布《促進AI可歸責性：在生命週期中治理與管理風險以實現可信賴的AI》經濟合作與發展組織（Organisation for Economic Co-operation and Development, OECD）於2023年2月23日發布《促進AI可歸責性：在生命週期中治理與管理風險以實現可信賴的AI》（Advancing accountability in AI: Governing and managing risks throughout the lifecycle for trustworthy AI）。本報告整合ISO 31000：2018風險管理框架（risk-management framework）、美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）人工智慧風險管理框架（Artificial Intelligence Risk Management Framework, AI RMF）與OECD負責任商業行為之盡職調查指南（OECD Due Diligence Guidance for Responsible Business Conduct）等文件，將AI風險管理分為「界定、評估、處理、治理」四個階段： 1.界定：範圍、背景、參與者和風險準則（Define: Scope, context, actors and criteria）。AI風險會因不同使用情境及環境而有差異，第一步應先界定AI系統生命週期中每個階段涉及之範圍、參與者與利害關係人，並就各角色適用適當的風險評估準則。 2.評估：識別並量測AI風險（Assess: Identify and measure AI risks）。透過識別與分析個人、整體及社會層面的問題，評估潛在風險與發生程度，並根據各項基本價值原則及評估標準進行風險量測。 3.處理：預防、減輕或停止AI風險（Treat: Prevent, mitigate, or cease AI risks）。風險處理考慮每個潛在風險的影響，並大致分為與流程相關（Process-related）及技術（Technical）之兩大處理策略。前者要求AI參與者建立系統設計開發之相關管理程序，後者則與系統技術規格相關，處理此類風險可能需重新訓練或重新評估AI模型。 4.治理：監控、紀錄、溝通、諮詢與融入（Govern: Monitor, document, communicate, consult and embed）。透過在組織中導入培養風險管理的文化，並持續監控、審查管理流程、溝通與諮詢，以及保存相關紀錄，以進行治理。治理之重要性在於能為AI風險管理流程進行外在監督，並能夠更廣泛地在不同類型的組織中建立相應機制。