法國《數位服務稅法》（Digital Services Tax Act）
法國國民議會於2019年7月11日通過《數位服務稅法》（Digital Services Tax Act），並於當月24日由總統簽署，翌日生效。《數位服務稅法》將對境外數位服務業者的數位服務營收（Digital Turnover）課徵3%稅金。所謂「數位服務業者」包含媒介服務業者（Intermediary Services）或在數位介面提供精準行銷服務（Targeted Advertising）者；而「數位服務營收」包含廣告營收、平台佣金、轉售個人資料之所得。
跨境電商影響傳統商業模式並衍生稅收課徵的難題，經濟合作暨發展組織（Organization of Economic Cooperation and Development, OECD）於2015年提出稅基侵蝕及利潤移轉方案（Base Erosion and Profit Shifting, BEPS），行動方案之一即是數位時代的稅徵議題（Tax Challenges Arising from Digitalisation），並於2019年10月9日亦向公眾徵詢數位稅之意見。而歐盟亦從2017年即開始研擬是否對於數位服務課稅，然而尚無共識。
法國率先提出《數位服務稅法》，被外界解讀為抗衡美國科技巨擘Google、Apple、Facebook、Amazon而設，取四巨擘的字首稱之GAFA稅（GAFA Tax）。對此，法國官方澄清，境外數位服務業巨頭比歐洲中小企業少付了14%稅金，對法國造成實質的負面影響。而受《數位服務稅法》影響的團體是在前一個會計年度，全球數位服務營收超過7500萬歐元或在法國數位服務營收超過250萬歐元的公司，受影響者估計超過30間，雖然也會影響Google等美國科技業巨擘，但並非針對性，亦非為對抗美國而設的專法。然而，法國《數位服務稅法》仍引起美國官方的反彈並啟動「301條款調查」（Section 301 Investigation），該調查報告指控法國的數位稅具貿易歧視之虞。美、法雙方代表於2020年1月28日就數位稅進行對話，美國承諾不會對法國進行關稅報復，法國表示對於數位稅的推行不會退讓。
本文為「經濟部產業技術司科技專案成果」
朱翊瑄
法律研究員 編譯整理
日本經濟產業省於2022年2月4日公告修正「大學與研究機關敏感技術出口管理指引」（安全保障貿易に係る機微技術管理ガイダンス（大学・研究機関用））。該指引係依據外匯與外貿法（外国為替及び外国貿易法，下稱外為法）及其行政命令訂定，用以協助大學與研究機關，建立符合出口管制法規之內控制度，防止關鍵技術外流。 經產省於2021年11月18日公告修正外為法第55條之10第1項授權訂定之行政命令「出口人法遵標準省令」（輸出者等遵守基準を定める省令の一部を改正する省令），強化「視同出口」（みなし輸出）行為管制之要件明確性。經上述行政命令修正，日本居民位於外國政府支配下，或其行動係經外國政府與組織指示，而受到外國政府與組織強烈影響之情形，視同非日本居民，向其提供敏感技術需申請出口許可。本次指引修正即以此為基礎配合調整相關內容，重點如下： 針對如何認定是否該當「視同出口」要件，追加說明模擬事例與判斷方式，例如：日本大學教授同時在外國大學兼職，又取得敏感技術時，是否該當「視同出口」要件，應以契約判斷或要求該教授應主動申報。 大學與研究機構之出口管理程序：就教職員與學生是否會在「視同出口」要件下，被認定為非日本居民，建議應由大學或機構內之相關部門於其到職或入學時，掌握必要資訊；技術提供方在提供技術前，需先確認技術取得方是否屬於「視同出口」要件下之非日本居民等。 增訂敏感技術出口人之義務：若需向直接取得敏感技術以外之人，獲取判定「視同出口」要件該當性之必要資訊，應訂定程序依此進行判定；大學或研究機構衍生新創事業若有涉及敏感技術出口之業務，大學或機構方應進行相關指導。 遠距工作與線上會議相關：應留意透過線上會議「提供技術」之可能性；存在僱傭關係但未入境日本，經遠距工作提供勞務者，視為非日本居民；於日本境內線上參加海外研討會時提供受管制技術，視同向境外出口技術而須申請許可。
新加坡金融管理局發布《資料治理與管理實務》資訊文件新加坡金融管理局（Monetary Authority of Singapore，下文簡稱MAS）於2024年5月29日發布《資料治理與管理實務》（Data Governance and Management Practices: Observations and Supervisory Expectations From Thematic Inspections）文件。此文件係根據MAS於2022年至2023年期間針對國內系統性重要銀行（Domestic Systemically Important Banks，下文簡稱D-SIBs）進行「資料治理與管理架構」的主題式檢查結果加以研究與分析而作成，其內容包含MAS對於資料治理的期望、受檢銀行的優良實踐範例及缺失，希望未參與檢查的銀行與金融機構也能根據這份文件進行適當的改善措施。 MAS在《資料治理與管理實務》文件中提出關於五大主題的監管期待，簡要說明如下： 1.董事會和高階管理層的監督： 董事會和高階管理層應加強監督資料治理。例如，定期向董事會報告資料管理領域的重要問題；高階管理層應即時獲得準確且完整的相關資訊，並對資料風險進行分析。 2.設置資料管理單位： 銀行應建立資料管理單位，並為資料管理辦公室提供明確的任務授權，以利其監測資料的品質。 3.資料品質之管理與控制： 銀行應建立資料品質管理架構與流程，以確保資料在整個生命週期中是有品質的。例如，建立有效控制資料流的機制；建立資料品質指標或計分卡；使用終端使用者運算工具（end-user computing tools）處理資料時，應納入風險評估和控制架構來管理。 4.資料品質控制資料之問題識別與升級： 銀行應制定升級標準和行動計畫，以改善資料品質。另外MAS也建議銀行應該要有強大且完整的資料譜系（data lineage）來辨識資料問題並將之改善。 5.BCBS 239原則之擴大適用：BCBS 239原則係巴賽爾銀行監理委員會（the Basel Committee on Banking Supervision）第239號規範：《有效風險資料聚合及風險報告原則》（Principles for effective risk data aggregation and risk reporting），適用於全球的系統性重要銀行（Global Systemically Important Banks），巴賽爾銀行監理委員會同時建議D-SIBs宜遵循此原則，因此MAS亦要求新加坡境內7家D-SIBs須遵守BCBS 239原則的相關規範。此外，MAS仍期待各銀行與金融機構可以擴大BCBS 239原則的適用範圍，例如在範圍內報告（in-scope reports，或稱主要風險報告）中納入反洗錢、稅務管理等面向。由於金融服務是一個由資料驅動的產業，資料已然是金融業重要的戰略資產。MAS期盼這份文件能夠讓所有銀行及金融機構提升其資料治理能力，並針對內部的問題進行改善。
日本經產省發布「新創企業的經濟外溢效果」調查摘要為了解2022年公布《新創企業發展五年計畫》（スタートアップ育成5か年計画）（下稱新創計畫）後之情形，日本經濟產業省（簡稱經產省）針對新創企業造成之影響進行調查，於2024年7月22日發布「新創企業之經濟外溢效果」（スタートアップによる経済波及効果）調查摘要（下稱調查摘要），簡述如下： 1.新創企業之經濟貢獻：新創計畫期望透過新創企業提昇產業競爭力，並提供青年就業機會，故積極進行人才培育與輔導創業。根據調查摘要，自新創計畫執行後日本新創企業所創造之國內生產毛額（Gross Domestic Product, GDP）為10.47兆日元（約新台幣2.1兆元），若包含外溢效果（Spillover Effect）則為19.39兆日元（約新台幣3.88兆元），並創造52萬個就業機會。 2.新創企業改變經濟結構之潛力：根據調查摘要，過去10年間日本新創公司併購案件增長22%，顯示其經濟實力提升；且新創公司中女性主管的比例增加，亦顯示其可改善日本女性職場地位。 3.創投資金注入引發新創企業之外溢效果：新創計畫鼓勵創投公司投資新創企業，由於擁有更多之週轉資金，與未接受創投的企業相比，接受創投的企業在擴大就業和創新方面表現更佳。新創計畫推動後，目前日本創投對新創公司之投資金額增加7.8倍（70%之新創公司獲得創投公司投資），並創造13.94兆日元（約新台幣2.8兆元）之GDP。
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，旨在提升企業數位化與社會責任，並提升消費者權益保護。 德國司法及消費者保護部次長Gerd Billen於會議中指出，無論技術細節和具體應用如何發展，法律和消費者保護政策應確保人工智慧安全性，且不因此受歧視，以及盡可能確保技術利用透明度。而隨著人工智慧的發展，應設法解決使用人工智慧產生的法律問題。 例如，如何在製造商，供應商和消費者之間公平分配責任歸屬問題？在家庭，物流和手術室等領域已有越來越多具備自我學習的機器人被應用，相關權利是否會有所不同？如果機器出現不明原因故障，會發生什麼情況及如何處置？當機器透過在製造時尚未完全預定的環境感官認知做出具體決定時，該自動行為所生效力為何？ 本份指南則提出六項建議： 促進企業內部及外部訂定相關準則 提升產品及服務透明度 使用相關技術應為全體利益著想 決策系統的可靠性仍取決資料的準確性。 重視並解決解決機器偏差問題 在特別需要負責的決策過程，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。