歐盟針對RFID的重要議題召開辯論
歐盟在 2006 年 3 月 10 日也舉辦了一場公開意見徵詢，主要徵詢意見的議題有跨國 RFID 系統互通、相容，以及在應用上可能因洩漏位址、身份及歷程而導致的隱私及安全問題。資訊社會及媒體委員會主席 Vivien Reding 表示，隨著晶片技術進步，晶片會變得越來越聰明， RFID 全面應用後可能引發的問題可能在未來會越來越嚴重。透過多網路的連結，必然會促進經濟的繁榮及生活品質的提升，但是隱私保護的問題若不解決，將可能會影響這項科技的應用。因此，對於 RFID 未來的應用應該達成一種社會共識（ society-wide consensus ）並預先建立可信賴的保護機制。
為此，執委會將公開徵求諮詢，預計在下半年會公布意見資料，後續並可能在進行 2002 年電子通訊及隱私保護指令的修正工作及檢討 RFID 頻率的指配。
日亞化學與前員工、現任美國加州大學教授中村修二(Shuji Maka mura)達成和解，日亞化學要支付中村修二本人8億4400萬日圓的費用，以補償其在日亞化學任內發明藍光LED晶粒技術，並帶給日亞化學日後龐大收入的功勞。 中村修二去年1月因不甘其在日亞化學工作期間，開發相關藍光LED晶粒技術，為公司帶進3300億餘日圓的收益，但日亞化學卻將專利獨佔，並未支付中村修二合理的費用。中村修二遂向日本地院提出告訴，日本地方法院一審判日亞化學敗訴，需支付200億日圓作為中村修二的補償金。日亞化學不服再向高院上訴，近日傳出雙方已達成和解，以8億4400萬日圓達成和解，其中6億850萬日圓係中村修二在日亞化學工作時開發出藍光LED晶粒後，為公司帶進約3300餘億日圓中屬中村修二的貢獻所得。 相較於一審判決日亞化學要賠200億日圓來看，此次只需支付8億4000餘萬日圓，替日亞化學省下了一大筆錢，且可早日解決此紛爭，日亞化學在此次官司中不能算輸，還可確立日亞化學日後擁有藍光LED晶粒的所有技術專利，有利日亞化學未來拓展白光LED及藍光晶粒市場。一般認為，日亞化學急於與中村修二達成和解之因，主要是藍光L ED晶粒市場仍在大幅成長中，預估今年全球LED市場需求可達到50億美元，其中白光及藍光LED也佔到一半以上，未來更是以倍數成長。日亞化學如未能快速解決與中村修二的官司，恐影響日亞化學在藍光及白光LED市場上的領先地位。
墨西哥聯邦資料保護法生效墨西哥的聯邦資料保護法在二０一０年四月經墨西哥國會通過後，已於同年七月六日生效。這個新法旨在保護個人的隱私權並強化個人對自身資訊的掌控。與我國新近通過的個人資料保護法相同，墨西哥的這個新法所規範的範圍也包括了私部門對個人資料的蒐集、處理與利用。 在新法通過之後，原本的聯邦公共資訊近用機構（Federal Institute for Access to Public Information），亦擴張執掌並更名為聯邦公共資料近用及資料保護機構（Federal Institute of Access to Information and Data Protection）。在新制下，該機構將在原有負責事務外，另肩負起監督私部門就個人資料保護的相關事務。 此外，該法設計了一個雙重的監督機制：當資料的蒐集、處理或利用人，也就是所謂的資料控制者（Data Controller）出現可能違反聯邦資料保護法的狀況，將先由各相關部門的主管機關，例如主管經濟事務的機關或主管交通事務的機關來介入處理，而非由聯邦公共資料近用及資料保護機構立刻介入。
理財顧問主張前公司競業禁止條款違法，聲請法院中止仲裁程序於2025年，Parallel Advisors的理財顧問Nicole Amore（下稱Nicole）向其前雇主Falcon Wealth（下稱Falcon）提起訴訟，請求法院停止Falcon提起的仲裁程序。 本案源自於2025年2月，Nicole自Falcon離職後隨即加入Parallel Advisors，而同年4月，Falcon向仲裁機構申請仲裁，主張Nicole違反合約中關於離職後禁止招攬公司現有或者潛在客戶的規定，指稱Nicole除了下載或截圖公司客戶資訊至其個人設備外，更在尚未離職時即與客戶聯繫，通知客戶其即將轉任新公司之事。 對此，Nicole則援引《加州商業與職業法》第16600條和第16600.5條規定，主張該等競業禁止及限制招攬的條款為違法。 此類因為顧問移轉任職所引發之客戶資訊移轉爭議，在顧問產業中時有所聞，惟目前法院尚未對本案作出裁定，後續發展值得持續關注。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
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。