新國際協定針對未經請求之行銷電話或電子訊息展開聯合行動
加拿大隱私專員於2016年6月14日表示，制定支持全球電信監管機構和消費者保護機構，針對垃圾郵件和行銷騷擾電話之跨境共同合作協議。
倫敦行動計畫（London Action Plan）備忘錄（MOU）之簽署國，現已可針對打擊跨國界或逾各個國家監管部門範圍之犯罪從事者的執法行動，相互分享資訊和情報，以獲取協助。
包括加拿大隱私專員辦公室（OPC）在內，目前既已簽署方分別為：澳大利亞通訊及傳媒管理局;加拿大廣播電視和電信委員會、韓國訊息安全局（KISA）、荷蘭消費者和市場監管局（ACM）、英國資訊委員辦公室及公民諮詢局、紐西蘭內政部、南非國家消費者委員會、美國聯邦貿易委員會和聯邦通訊傳播委員會。其他國家之政府當局亦表示願提交備忘錄，以及將來可能加入之意願。
對於加拿大隱私專員辦公室而言，這項協議將有助於達成加拿大反垃圾郵件法（CASL）關於電子郵件地址蒐集和間諜軟體之調查義務與責任，並與具有相同任務之夥伴機構間，進行偵查技巧及策略之分享。
加拿大隱私專員辦公室致力於和國內及國際夥伴合作，並已與國內之CASL執法合作夥伴及其他許多國家的隱私保護機構簽訂協議。
英國政府於2025年1月31日發布「人工智慧網路資安實務守則」（Code of Practice for the Cyber Security of AI，以下簡稱「實務守則」），目的是提供人工智慧（AI）系統的網路資安指引。該實務守則為英國參考國際上主要標準、規範後所訂定之自願性指引，以期降低人工智慧所面臨的網路資安風險，並促使人工智慧系統開發者與供應商落實基本的資安措施，以確保人工智慧系統的安性和可靠性。 由於人工智慧系統在功能與運作模式上與傳統網路架構及軟體有明顯的不同，因此產生新的資安風險，主要包含以下： 1. 資料投毒（Data Poisoning）：在AI系統的訓練資料中蓄意加入有害或錯誤的資料，影響模型訓練結果，導致人工智慧系統產出錯誤推論或決策。 2. 模型混淆（Model Obfuscation）：攻擊者有意識地隱藏或掩飾AI模型的內部運作特徵與行為，以增加系統漏洞、引發混亂或防礙資安管理，可能導致AI系統的安全性與穩定性受損。 3. 輸入間接指令（Indirect Prompt Injection）：藉由輸入經精心設計的指令，使人工智慧系統的產出未預期、錯誤或是有害的結果。 為了提升實務守則可操作性，實務守則涵蓋了人工智慧生命週期的各階段，並針對相關角色提出指導。角色界定如下： 1. 人工智慧系統開發者（Developers）：負責設計和建立人工智慧系統的個人或組織。 2. 人工智慧系統供應鏈（Supply chain）：涵蓋人工智慧系統開發、部署、營運過程中的的所有相關個人和組織。 實務守則希望上述角色能夠參考以下資安原則，以確保人工智慧系統的安全性與可靠性： 1. 風險評估（Risk Assessment）：識別、分析和減輕人工智慧系統安全性或功能的潛在威脅的過程。 2. 資料管理（Data management）：確保AI系統整個資料生命週期中的資料安全及有效利用，並採取完善管理措施。 3. 模型安全（Model Security）：在模型訓練、部署和使用階段，均應符合當時的技術安全標準。 4. 供應鏈安全（Supply chain security）：確保AI系統供應鏈中所有利益相關方落實適當的安全措施。 「人工智慧網路資安實務守則」藉由清晰且全面的指導方針，期望各角色能有效落實AI系統安全管控，促進人工智慧技術在網路環境中的安全性與穩健發展。
日本內閣官房提出未來投資戰略報告加速機器人實用及活化日本內閣官房日本經濟再生總合事務局（内閣官房日本経済再生総合事務局）在2017年6月9日第10次「未來投資會議」中提出未來投資戰略2017報告（未来投資戦略2017~Society 5.0 の実現に向けた改革~），在成長的戰略成果（5）日本第四次產業革命及新經濟的展開中，分別對於機器人實用、物聯網（IOT）、大數據（BIG DATA）、人工智慧（AI）等提出成果及未來計畫。 機器人加速實用化：首先，機器人廣泛利用在商業設施、機場等日常生活空間，於2016年9月羽田機場設置機器人實驗室「Haneda Robotics Lab」，利用機器人改善服務並補充勞動力。有關打掃清潔、協助移動、查詢服務等17種機器人，將進行實證實驗。而路面協助行走型機器人「RT.1」已經完成，於2015年生活協助型機器人之安全性得到國際認證，其後發展之「RT.2」將使用於長期照顧層面。其次，開發農業使用之自動駕駛拖車，並提供工作實際狀況和土壤狀況之電子管理服務。今年6月開始商業化之自動駕駛顯示器，可以監控自動駕駛耕作機器進行自動耕作等。在物流管理方面，於2018年將於山間部等地區進行無人機的包裹遞送，2020年將在都會區全面無人包裹遞送。預計將與日立等相關公司，進行物流管理系統之開發及活用福島機器人測試場域。
德國慕尼黑第一地方法院判決Google應為Google搜尋AI摘要功能之不實訊息負責德國慕尼黑第一地方法院判決Google應為Google搜尋AI摘要功能之不實訊息負責 資訊工業策進會科技法律研究所 2026年07月08日 2026年5月28日，德國慕尼黑第一地方法院（LG München I）做成判決[1]（Az. 26 O 869/26），認定Google應為其搜尋服務中提供的AI摘要功能產生之不實訊息承擔法律責任。 壹、事件摘要 一、AI摘要的不實指控 本案源自於，在2026年1月，兩家慕尼黑出版社發現，當在Google搜尋中使用該些公司名稱及「詐騙（Betrugsmasche）」或其他相類似單字作為關鍵字進行搜尋時，Google搜尋的AI摘要會出現該些公司與詐騙相連結的陳述，並「引用」了一則文章作為證據。出版社認為，實際上，AI錯誤地將其他公司的可疑行為資訊歸於該些公司了。該些公司並未有相關詐欺行為或與AI摘要中聲稱的其他「共犯」公司有連結。公司發現這件事後，在2月向Google寄送存證信函，要求其停止系爭爭議文本。 在Google受理相關申訴期間，該公司發現雖然同樣的搜尋也會間歇性地出現其他不具爭議的摘要，並明確指出該公司「不應與另一間在相類似情況下會被提及的可疑公司混淆」，但仍然會出現其欲終止的文本。該些企業因而以其企業人格權（Unternehmenspersönlichkeitsrecht）因AI摘要的不實和誹謗性描述遭到持續的侵害，向法院提起訴訟，依請求Google停止Google搜尋的AI摘要繼續出現這類言論。 二、Google的抗辯 Google則抗辯說，該請求沒有說明是涉及哪些具體的搜尋關鍵字和相關的資訊需要禁止，請求太過模糊。 再者，Google認為該些陳述並非Google的「言論」。Google認為該些陳述以搜尋引擎的形式出現，僅是依據搜尋請求自動顯示、由第三方提供的資訊。因此，相關陳述的直接侵權責任不能歸責於Google。 並且，Google也主張，其僅在被明確告知明顯違法情況下才可能承擔間接侵權責任，但在本案中，Google認為該些公司提出的申訴內容，還無法被視為明顯的違法情形，因為該些公司未能提出該些爭議陳述不屬實、公司受到實質損害的足夠證明。Google指出，實際上，網路公開論壇上存在許多不明顯違法的客訴，涉及不合理的催款或追討程序、缺少或延遲的服務，或者與客服的困難問題等。 最後，Google也主張已履行了審查義務，其在接到申訴後，透過機器學習的修正，已讓有爭議的內容無法再被存取。當侵害不存在重複發生的風險，法院就不應發布禁制令。 此外，Google也主張判決的效力應該限定於德國。 貳、重點說明 一、AI摘要不是搜尋結果，而是Google自身提供的內容 法院認為原告的請求已經足夠明確，其已列舉要求停止的言論，且相關搜尋關鍵字（「詐騙手法」）亦可透過Google搜尋欄的自動完成功能（Auto-complete-Funktion）在輸入原告公司名稱後所推薦的關鍵字中選取，列舉搜尋關鍵字並不是確定範圍所必須的。 法院接著指出，數位服務法（DSA）提供的責任豁免條款僅在該法適用範圍內有適用。並且，即便有DSA適用，法院也援引法蘭克福地方高等法院（OLG Frankfurt）2025年的判決（Az. 16 W 10/25）澄清，也並不排除司法機關依法要求服務提供者糾正或防止侵害的可能性。而在本案，法院認為AI摘要屬於Google自身透過提供給使用者的AI服務做出的表述，不能依據DSA、依據搜尋引擎營運者通知下架程序（Notice-and-take-down-Verfahren）享有豁免。這是因為AI摘要在呈現上已非單純的連結或預覽（Verlinkungen oder mit kurzer Vorschau (Snippets)），而是依照自己的架構、文字對問題和搜尋結果進行的獨立的整理與分析，並包含了在搜尋結果中找不到的說法，如AI摘要聲稱「引用」的來源中，根本未提及原告。法院因此認定，被告作為（也落在AI Act定義內的）AI提供者，必須為該AI生成的陳述負起責任。 二、AI摘要不是搜尋引擎、也不只是自動完成功能 法院並澄清，德國聯邦最高法院（BGH）有關搜尋引擎（Suchmaschinen）責任的判決（Az. VI ZR 489/16）並無法在本案中被援用。依據BGH，搜尋引擎是確保網路資訊可用的必要服務，與網路服務提供者（ISP）提供網路服務幾乎同等重要，因此作為間接侵權責任者，搜尋引擎服務與ISP服務一樣僅應承擔有限的責任，並不應使其承擔事先審查或其他可能危及搜尋引擎營運難度的不合理義務。但法院指出，AI摘要不是搜尋引擎。一方面，如上所述，它會發表獨立的、新的陳述，而該些內容是可以被Google檢查的。另一方面，法院也指出AI摘要並不像搜尋引擎那般絕對必要，AI摘要或許對許多人而言是理想的、能簡化搜尋過程，但相較於搜尋引擎，卻不是人為了處理網路資訊的洪流時不可或缺的。 法院也認為自動完成功能的考量無法套用到AI摘要上。BGH曾做出判決（Az. VI ZR 269/12）指出，自動完成功能不僅僅是純技術性、自動化和被動的，也不僅是提供資訊讓第三方存取，而是使用者的查詢資料會被用來程式化地處理、形成概念連結後，由服務提供者所提供的搜尋建議。BGH認為，儘管服務提供者原則上應對「放任」這些建議涉及的侵權負責，但仍需評估服務提供者能否合理地被期待防止損害，以避免過度的責任。考量關鍵字建議會因為其服務提供者無法控制的使用者搜尋模式和歷史改變，且只在某些使用者實際使用了特定關鍵字查詢時才能知悉，BGH認為這減輕了服務提供者的責任。但法院認為，由於AI摘要進行了獨自的整理與分析，也做出了第三方網站所無的陳述，服務提供者也就不再能以其無法控制第三方內容作為限制責任的依據。此外，法院也認為，儘管AI摘要提供「警語」，使用者可以比對AI摘要及第三方網站進行確認，但使用者也並非Google的事實查核員，因此這也不代表損害之發生應完全歸咎於使用者不查證，從而免除服務提供者的責任。 三、AI審查責任與言論自由 就Google主張說，若Google必須為AI摘要內容負責，就不可能在搜尋引擎中使用AI，法院也做出反駁。一方面，法院認為Google沒有提出的證明，另一方面，也可以限制審查義務的時間點在被指出可能的違法情況時緩解。並且，法院也指出，不同於無法或不適合主動去審查的第三方內容，即便在完全不與第三方網頁聯繫的情況下，Google也可以審查AI摘要的內容和資訊來源。因此，Google的責任也沒有理由被限制於明顯違法的內容，否則，對於受言論影響的人來說，在保護一般人格權或公司人格權方面必然會留下漏洞，因為當事人也無法向其他第三方請求撤除其實際上沒有發表的、有爭議的言論。 但是，法院也指出，這不代表原告有權要求Google的AI摘要不得產生任何他們僅僅是不希望出現的描述或評價。例如，法院認為亦必須考量言論自由的保護，不能禁止可能使讀者形成負面評價、但真實的事實陳述。然而，值得注意的是法院對AI生成內容的言論自由的評估，法院認為AI生成內容的觀點並非表達者自身信念的體現，而是演算法的產物，背後主要體現的是Google的商業活動，因此在本案權衡時，法院認為人格權的保護要優先於商業利益。 四、侵害防止請求之效力 綜上所述，法院最後認定原告有權請求Google停止AI摘要產生錯誤且誹謗性的言論，否則將面臨處罰。並且，法院也不採Google主張已經消除風險的主張，認為其雖然調整了AI摘要結果，但仍未做出足夠的安全保障，重複發生的可能性並未消失。此外，法院也依據《歐盟司法管轄權及執行規則》（EuGVVO）之規定，認定其具備原告及被告間跨境爭議的管轄權，被告應在該規則的適用範圍內，承認判決之效力，駁回判決效力應限於德國的主張。本案仍未終局確定。 參、事件評析 本案核心爭議在於AI摘要是否應與傳統搜尋結果在法律上享有同等地位，而慕尼黑第一地方法院明確駁回了這項論點。這項判決降低了使用者或公司對誹謗性人工智慧生成內容採取法律行動的門檻，加大了Google等AI服務提供者的監管壓力。 [1] LG München I, Endurteil v. 28.05.2026 – 26 O 869/26, https://www.gesetze-bayern.de/Content/Document/Y-300-Z-BECKRS-B-2026-N-11860 (last visit Jul. 07, 2026)
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現