日本中小企業廳與特許廳聯合施政，強化中小企業或新創企業智財資源之運用
日本於2021年12月27日公布「促進中小企業或新創企業智財運用之行動計畫」，該行動計畫是考量到面臨COVID-19疫情、數位化轉型、氣候變遷等背景下，中小企業或新創企業必須善用企業嶄新的技術或發想，以應對商業環境的變化，而智財權作為企業競爭力的動力來源，顕示出強化智財的管理及運用是不可欠缺的課題。
為了提升中小企業或新創企業的智財運用，日本中小企業廳與特許廳以提供一站式服務整合智財運用支援作為目標，制定行動計畫。施政主要重點如下：
- 強化與「智財綜合支援窗口」之整合：中小企業廳強化與特許廳聯合INPIT（National Center for Industrial Property Information and Training，獨立行政法人工業所有權情報研修館。主要業務為提供智財資料查詢、諮詢窗口、智財人才培育）共同設立的「智財綜合支援窗口」。促使「智財綜合支援窗口」與既有中小企業廳的商業管理諮詢窗口，共同協助企業以智財運用解決商業管理課題、建構智財戰略，同時也有提供專家派遣協助在地品牌的管理。
- 優化智財交易：除了加強中小企業廳的商業管理諮詢窗口與智財綜合支援窗口的資訊流通之外，INPIT也搭配說明動畫，提供企業智財相關法規、契約書範本、外包法等與智財交易相關知識，以及幫助企業製作用於金融機構評估企業智財價值時之文件。
- 海外發展智財支援：中小企業廳與特許廳針對海外發展的企業發放外國智財權申請之補助金、政策施予優惠措施，並由INPIT提供海外發展時，應留意智財權相關風險等專業建議。
本文同步刊登於TIPS網站（https://www.tips.org.tw）
李佳軒
副法律研究員 編譯整理
〈中小企業・スタートアップの知財活用促進に向けたアクションプランを策定しました〉，日本經濟產業省，https://www.meti.go.jp/press/2021/12/20211227002/20211227002.html（最後瀏覽日：2022/01/18）。
〈中小企業・スタートアップの知財経営を促進します～関係支援機関との協働支援強化に向けたアクションプランを策定～〉，独立行政法人工業所有権情報・研修館，https://www.inpit.go.jp/consul/topic/20211227.html（最後瀏覽日：2022/01/18）。
李佳軒，〈日本內閣所屬智慧財產戰略本部公布《智慧財產推進計畫2021》〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=8728&no=64（最後瀏覽日：2022/01/25）。
科法觀點
英國的1988年智慧財產權法（The Copyright, Designs and Patents Act of 1988）長久以來，對於慈善及非營利團體在公開場合或活動中播放音樂，一直給予合理使用的空間。然當相關團體受惠於此一規定時，創作人跟表演人卻不樂見此情形。因此，英國主管機關針對此一合理使用規範，在2008年對相關團體進行了意見徵詢。 在2008年10底截止的意見徵詢中，對於改變錄音著作與表演人權利的公開演播合理使用空間，提供了下列三個選項： 一、 完全廢除此一合理使用空間 二、 縮小適用的團體範疇 三、 廢除合理使用空間，但權利人只能以對雙方都公平的費率收取權利金 近日，英國政府宣布根據前述的意見徵詢結果，將廢除慈善與非營利團體的合理使用規定，從2010年4月開始這些團體將必須負擔一個固定的年費，才能在活動或公開場合中使用音樂，但截至目前為止，使用的費率為何尚未確定，但主管機關表示，希望一年不超過100英鎊。 主管機關接下來將對費率部分開始徵詢意見，對於1988年智慧財產權法也預期會進行修正，並於2010年4月開始落實相關規範。這樣的改變對於慈善團體而言固然感到失望，相關團體也以未來在活動場合中，不播放音樂或不付權利金來做為要脅，但整體發展仍有待後續觀察。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。
M2M時代下的資料保護權利之進展－歐盟與日本觀察