KISTEP發布〈強化企業創新活動之研發租稅優惠政策研究〉報告，建議擴大租稅優惠對象
韓國科學技術評估暨規劃研究院（Korea Institute of S&T Evaluation and Planning, KISTEP）於2023年5月3日發布〈強化企業創新活動之研發租稅優惠政策研究：以國家戰略技術研發企業為中心〉（A Study on R&D Tax Support Policy for Enhancing Corporate Innovation Activities：Focusing on National Strategic Technology R&D Firms，下稱本報告），提供政府擴大研發租稅優惠政策之建議，分述如下：
（1）擴大適用稅額抵減之技術領域
為強化競爭力，各國陸續鎖定重要技術產業，擴大研發租稅優惠政策，故本報告建議韓國政府就稅額抵減範圍，從3大領域（半導體、蓄電池與疫苗），擴大至12大國家戰略技術領域，進而增加民間企業之研發補助。
（2）擴大適用研發稅額抵減之對象
由於韓國目前適用研發稅額抵減之對象，不包括負責研發之新創企業負責人及管理階層，故本報告建議韓國應考量稅額抵減制度之效果與制度公平性，擬定一套新方案，擴大可享受稅額抵減優惠的對象。
（3）調高中大型企業之稅額抵減率
本報告指出，激進式創新及專利被引證次數高的創新技術研發，大多由中堅企業及大企業所主導，故建議應研擬一套以中堅企業與大企業為對象，大幅調高可抵減稅額比率之方案。
（4）透過政策組合（Policy mix）以提高政策效益
本報告指出，當企業獲得研發補助時，其研發稅額抵減效果更為顯著，故建議政府研擬以企業為對象，採用研發稅額抵減與補助並行之優惠方式。
（5）集中對技術水準高的企業提供租稅優惠
本報告指出，研發稅額抵減效果侷限於技術水準高的企業。換言之，與將租稅優惠分散給予各企業，不如選定具有技術能力的企業，使其獲得更多的研發稅額抵減優惠。
（6）擴大開放式創新企業之租稅優惠
本報告指出，研發租稅優惠效果對執行開放式創新之企業更為顯著，故建議將執行「產–研」、「產–學」、「產–產」合作的開放式創新企業納入租稅優惠對象。
本文為「經濟部產業技術司科技專案成果」
陳祺潔
副法律研究員 編譯整理
한국과학기술기획평가원（KISTEP）, 기업 혁신활동 제고를 위한 R&D 조세 지원 정책 연구 : 국가전략기술 연구개발 기업을 중심으로 (2023), https://www.kistep.re.kr/board.es?mid=a10306010000&bid=0031&list_no=43311&act=view (last visited July 10, 2023).
游詩喬，〈奈及利亞新創企業條例二讀通過，具體化對新創企業的定義〉，資訊工業策進會科技法律研究所，2022年06月，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=8869&no=64（最後瀏覽日：2023/07/10）。
劉純妤，〈英國財政部公布研發租稅優惠措施公眾諮詢結果報告，說明最新制度調整規劃與統整回饋意見〉，《科技法律透析》，第34卷第05期，頁5（2022），https://stli.iii.org.tw/legal-details.aspx?no=65&d=7341&i=10018（最後瀏覽日：2023/07/10）。
為了減少美國專利訴訟泛濫，及防止專利蟑螂輕易向他人提起專利訴訟，美國最高法院在2014年6月 對兩件專利訴訴訟案進行判決，此決定也對專利權人及專利蟑螂不利。 首先，最高法院針對Limelight Networks v. Akamai Technologies否決聯邦上訴法院的判決。聯邦法院認為Limelight雖然沒有使用Akamai商業方法中每一個過程步驟之專利，但其使用其方法專利之其中方法就算造成間接侵權（induced infringement）。然最高法院認為，聯邦法院的判決對於間接構成侵權有誤解，Limelight所使用的商業方法並沒有引導間接構成侵權。此決定對於現今網路科技盛行之時代有很重要的影響，更防止不實施專利體及專利蟑螂隨意對潛在對象提起專利訴訟。 另一個案件為Nautilus, Inc. v. Biosig Instruments, Inc，最高法院亦駁回聯邦上訴法院之判決，對於專利說明（patent claim）的內容清楚性作出新的說明。聯邦上訴法院在此案中對於專利法第112條中專利說明的要求作出解釋，認為凡是專利說明不會難以解釋且模糊（insolubly ambiguous），專利說明皆可符合專利法規定。但最高法院採不同見解，認為聯邦法院的見解不符合專利法之規定，規定專利說明的內容必須要合理且明確，使可符合專利法的要求。此決定對於專利蟑螂尤其是一大打擊，過往專利蟑螂多以模糊的專利說明來進行專利訴訟，但今後要求明確的專利說明，讓雙方有更清楚的專利說明依據進行專利訴訟。
逐漸式微的「不可避免揭露原則（Inevitable Disclosure Doctrine）」在2023年，多個美國法院判決拒絕採納「不可避免揭露原則（Inevitable Disclosure Doctrine）」，顯示出該原則將不再是原告於營業秘密訴訟中的一大利器，原告亦無法僅透過證明前員工持有營業秘密資訊且處於競爭狀態，便要求法院禁止該名前員工為其競爭對手工作。 在2023年2月，美國伊利諾伊州北區法院於PetroChoice v. Amherdt一案中指出，法院在適用「不可避免揭露原則」時會遏制競爭對手之間的員工流動，故將評估個案事實並嚴格限制其適用。在2023年6月，美國伊利諾伊州北區法院於Aon PLC v. Alliant Ins. Services一案中指出，根據2016年美國國會所通過的「保護營業秘密法案（Defend Trade Secrets Act, DTSA）」，該法案拒絕了「不可避免揭露原則」的適用，並禁止法院僅憑他人所知悉的資訊，阻礙其尋求新的工作，因此駁回了原告的損害賠償主張。在2023年9月，美國密蘇里州東區法院於MiTek Inc. v. McIntosh一案中同樣拒絕了「不可避免揭露原則」的適用，儘管該州的州法並未明確表達採納或拒絕該原則。 除此之外，美國聯邦法院在去年度的每一份報告意見中（Reported Opinion），皆未顯示出根據「不可避免揭露原則」申請禁令或取得救濟是合理的。換言之，大多數的美國法院都拒絕採納「不可避免揭露原則」或嚴格限制其適用。 綜上所述，儘管「不可避免揭露原則」能有效防止來自前員工不當使用其營業秘密的威脅，但其不再是未來營業秘密訴訟中的勝訴關鍵。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
英國上訴法院法官對軟體專利之必要性表示懷疑英國上訴法院智慧財產法專業法官Robin Jacob於2006年1月13日對是否應該核發軟體專利感到懷疑，並對美國專利法所奉行的原則－「任何在陽光下由人類所創造之物，皆可以被賦予專利」－表示不能茍同。該法官認為，從美國軟體專利實務在搜尋既存技術（Prior Art）時之遭遇來看，將專利核發予事實上僅具一般性效能之軟體，為軟體專利不可避免的現象，如此一來，在搜尋既存技術的過程中將產生極大問題。 軟體專利存在的必要性一直受到以「自由資訊基礎建設基金會」（the Foundation for a Free Information Infrastructure，簡稱FFII）為首之社會運動團體之懷疑，但截至目前為止仍極少有針對此一爭議的研究。歐洲委員會為此補助一個「以法律、技術與經濟層面切入探討軟體專利對創新之影響」的研究計畫，惟該計畫需待2007 年方能有所成果。無獨有偶，歐洲議會於2005年7月駁回「軟體專利指令」（全名：the directive on the patentability of computer-implemented inventions，俗稱software patent directive），理由是，該指令之通過將造成歐洲軟體專利與美國一樣過度氾濫的窘境。
英國資訊委員辦公室提出人工智慧（AI）稽核框架人工智慧（Artificial Intelligence, AI）的應用，已逐漸滲透到日常生活各領域中。為提升AI運用之效益，減少AI對個人與社會帶來之負面衝擊，英國資訊委員辦公室（Information Commissioner’s Office, ICO）於2019年3月提出「AI稽核框架」（Auditing Framework for Artificial Intelligence），作為確保AI應用合乎規範要求的方法論，並藉機引導公務機關和企業組織，評估與管理AI應用對資料保護之風險，進而建構一個可信賴的AI應用環境。 AI稽核框架主要由二大面向所構成—「治理與可歸責性」（governance and accountability）以及「AI特定風險領域」（AI-specific risk areas）。「治理與可歸責性」面向，係就公務機關和企業組織，應採取措施以遵循資料保護規範要求的角度切入，提出八項稽核重點，包括：風險偏好（risk appetite）、設計階段納入資料保護及透過預設保護資料（data protection by design and by default）、領導管理與監督（leadership management and oversight）、政策與程序（policies and procedures）、管理與通報架構（management and reporting structures）、文書作業與稽核紀錄（documentation and audit trails）、遵循與確保能力（compliance and assurance capabilities）、教育訓練與意識（training and awareness）。 「AI特定風險領域」面向，則是ICO特別針對AI，盤點下列八項潛在的資料保護風險，作為風險管理之關注重點： 一、 資料側寫之公平性與透明性（fairness and transparency in profiling）； 二、 準確性（accuracy）：包含AI開發過程中資料使用之準確性，以及應用AI所衍生資料之準確性； 三、 完全自動化決策模型（fully automated decision making models）：涉及人類介入AI決策之程度，歐盟一般資料保護規則（General Data Protection Regulation, GDPR）原則上禁止無人為介入的單純自動化決策； 四、 安全性與網路（security and cyber）：包括AI測試、委外處理資料、資料重新識別等風險； 五、 權衡（trade-offs）：不同規範原則之間的取捨，如隱私保護與資料準確性； 六、 資料最少化與目的限制（data minimization and purpose limitation）； 七、 資料當事人之權利行使（exercise of rights）； 八、 對廣泛公共利益和權利之衝擊（impact on broader public interests and rights）。 ICO將持續就前述AI特定風險領域，進行更深入的分析，並開放公眾討論，未來亦將提供相關技術和組織上之控制措施，供公務機關及企業組織進行稽核實務時之參考。