從知名社群網路服務平台Twitter商標的更名看「品牌商標管理」
2023年7月知名社群網路服務平台Twitter基於品牌多角化經營考量（意圖進軍線上金融服務領域），Twitter執行長伊隆·馬斯克（Elon Musk）突然宣布全面變更品牌商標，經典「藍色小鳥」的商標標識改為黑白配色的「X」圖案（以下將該案例稱為「Twitter案」）。
實務上，企業可能於多種情況進行品牌商標之變更，例如：諾基亞（Nokia）因為希望向消費者表明其從手機公司轉型為商業科技公司的決心，故更換新商標，可見Twitter案的更名在科技業並不少見。重點在於品牌商標更名後，可能在商標法方面產生的風險。商標為指示品牌商品與服務來源的重要識別標識，在Twitter案中使用單一英文字母「X」作為新商標，在商標法上，一般被認為識別性較低，較難取得商標權，且其保護範圍可能也因此限縮於設計過的「黑白X標識」；其次，X作為一個常用的英文單字，較易產生與他人商標近似之風險，例如：微軟（Microsoft）公司2003年註冊與其遊戲系統Xbox通訊有關的X商標，或Meta公司自2019年起擁有藍白色彩的X字母商標，且註冊商標指定範圍也是社群媒體、軟體等。
為降低前述品牌商標爭議問題，建議企業由品牌標識設計、品牌全球拓展、品牌行銷宣傳三大階段，分別留意以下事項：
一、品牌標識設計階段：設計全新品牌標識或優化既有品牌標識前，事先評估品牌標識在商標法上是否具有識別性、是否與他人商標近似造成消費者混淆誤認等法定無法取得商標等風險，再決定是否維持原設計理念投入設計。如：Twitter案新商標X，除了透過品牌標識設計增加法律上的識別性，同時降低可能的侵權風險。
二、品牌全球拓展階段：如果預見可能侵權風險，則應加強爭議處理機制的建置，以利爭議發生時，及時採取因應措施。
三、品牌行銷宣傳階段：運用行銷手段加強品牌商標的「後天識別性」，如：透過投放廣告加強在消費者心中「黑白X標識」與品牌的連結等。
有關Twitter Inc.（現已併入X Corp.）的X品牌商標保護與布局策略，將會是後續值得關注的議題。
本文同步刊登於TIPS網站（https://www.tips.org.tw）
徐婕伊
專案經理 編譯整理
Jordan Valinsky, Elon Musk rebrands Twitter as X, CNN, https://edition.cnn.com/2023/07/24/tech/twitter-rebrands-x-elon-musk-hnk-intl/index.html (last visited Aug 28, 2023).
Jennifer Korn, Nokia redesigns iconic logo to remind the world it’s not a phone company anymore, CNN, https://edition.cnn.com/2023/02/27/tech/nokia-logo-change/index.html (last visited Aug 28, 2023).
世界智慧財產權組織（World Intellectual Property Organization；後稱WIPO）針對2017年智財活動相關數據於12月3日公布《2018年世界智慧財產權指標報告》，內容分為：(1)專利、(2)商標、(3)工業設計、(4)植物品種、(5)地理標誌、及(6)創意經濟（出版）等六大項目。 其中「創意經濟」為首度納入之項目。WIPO與「國際出版人協會（International Publishers Association, IPA）」共同調查28個國家的出版活動，本次僅完成基本統計且初步納入「貿易」、「教育」、「科技與醫療（scientific, technical and medical, STM）」三個出版議題。法國在「貿易」方面的出版營收佔69%、英國50%；「教育」佔葉門總出版營收68.2%、巴西62%；「科技與醫療」佔比利時46.1%、巴西37.9%。 2017年專利全球申請量達317萬件（相較於2016年成長5.8%）、商標申請量達1,239萬件（成長26.8%）、工業設計申請量超過124萬件（與前一年持平）。以中國大陸為首，專利申請量佔全球43.6%、商標申請量佔46.3%、工業設計申請量佔50.6%。 2017年植物品種申請量計有18,490件、成長率為11.7%，此為15年來最大增長，而以中國大陸、英國、歐盟、越南及烏克蘭為主要成長國家。其中中國大陸接獲4,465件植物品種申請、其次歐盟為3,422件，這也是23年來第一次歐盟未列為首位。 地理標誌之問卷在2016年重新調修，2017年首度完整納入54個地區的數據，計有59,500個受保護的地理標誌。其中，德國有14,073個、奧地利8,749個、中國大陸8,507個。若以類別區分，「酒類」佔57.1%，其次為「農產食品」28.2%、「手工藝品」約2.7%。 本次報告之特別議題為「藉由統計數據掌握專利訴訟活動」，另針對美國與英國之統計數據進行探討。美國在1999至2009年間之專利訴訟案件和緩上升，並在2009至2013年間顯著增加；而英國在2010至2012年間也呈現相同趨勢，原因在於此時正值「全球專利戰」時期。進一步分析訴訟數據，可以發現專利訴訟案量往往與專利申請量、專利實施具正相關性，例如2013年後美國專利申請量及專利實施量呈下降趨勢，同期美國地方法院之專利訴訟案量亦隨之減少。 「本文同步刊登於TIPS網站（https://www.tips.org.tw）」
紡織業大革命 減少石油消耗美國杜邦公司歷經十餘年研究，利用萃取玉米中的葡萄糖為原料，取代以石化製程而研發出紡織用的SORONA生物基聚合物，並取得二十七項專利。以此方法生產的SORONA，除了可降低對石油的依賴，對於全球溫室效應及環境保護將有重大的影響。 位在田納西州首座生化PDO（丙二醇，是生產高分子聚合物的主要原料，可用於製造塑膠、衣物紡織品或其他產品 ）明年三月正式投入生產後，將前進亞洲設置第二座PDO廠，並尋求替代玉米的新再生能源。而正式量產後，將供應台灣遠東紡織及大陸廈門翔鷺紡織等十家大廠使用。
英國公平貿易署公布有三分之一之網路商店未遵守消費者權利保護規範英國公平貿易署(Office of Fair Trading，簡稱OFT)公布於2007年底針對網路商店是否遵守消費者保護相關規範進行調查之結果，該項調查選定超過500家購物網站，就其是否遵守消費者保護法令，例如是否於網站上告知其公司所在地址、是否善盡告知消費者相關權利之義務、以及是否踐行標價透明化之規定等實際運行狀況進行調查統計。結果顯示，近乎有31%的網站並未確實遵守歐洲法律對於遠距交易的全額退費規範；有15%並未告知消費者其享有7天鑑賞期之權利；有14%的網站未告知確切之地址；另有40%的網站並未完全將價錢透明化，尤其並未告知商品於標示價格外必要之附加費用，而係於結帳時方告知，故OFT統計，每年消費者因此繳付的非預期費用總計約達一億英鎊。 於英國，消費者進行網路購物，受到遠距販售與電子商務相關規範之保護，例如2000年通過的消費者保護(遠距販售)規則(The Consumer Protection (Distance Selling)Regulations 2000)即就遠距交易中最重要的消費權利保障事項加以規範，此一法規主要適用於企業對消費者的組織性遠距交易活動，惟並不適用於與不動產買賣、金融服務提供、自動販賣設施、利用公共電話進行之行銷以及拍賣行為。主要規範重點，包括交易完成前必要資訊之提供、猶豫期內隨時解除契約之權限、契約解除權之例外、解約後獲得費用返還之權利、消費者返還貨品之義務、卡片付款受詐欺之解約權利等。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 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）