> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-qi-bu-fen-he-gui-zhi-li-pian/38-zhi-shi-chan-quan-yu-suan-fa-ze-ren.md).

# 第 38 章 · 知识产权与算法责任

用 AI 做东西，迟早会撞上两类法律问题：生成出来的东西，版权归谁、有没有侵权；以及，AI 做的决定、说的话出了事，谁来负责。这两类的边界都还在形成中，但已经有几条足够稳的判断，可以据以行事。

先看知识产权。这里有三个纠缠的问题。一是归属：纯粹由 AI 生成的内容，在不少地方被认为不受版权保护——也就是说，可能谁都不真正拥有它。二是侵权：模型是在海量作品上训练出来的，它生成的东西，有可能无意中撞上了他人受版权保护的表达，带来侵权风险。三是自有内容的权属：企业把自己的数据和内容喂进外部工具之后，这些东西的权利边界如何，要看合同怎么写（第 13 章）。这三条合起来的稳妥做法是：重要的产出，既别想当然地假设它受版权保护，也别想当然地假设它绝无侵权风险——两头都要核。

再看算法责任，这一条更硬，也更清楚。AI 替企业做的决定、说的话，出了事，责任在用它的企业，而不在 AI。第 18 章的 Air Canada 案已经把这条钉成了判例：航司想辩称聊天机器人该为自己负责，被裁判庭驳回，企业要为自己系统给出的信息负责。这背后是第 5 章那条更根本的边界——担责交不出去。所以别指望"这是 AI 说的/做的"能成为免责的挡箭牌，它不能。

据此，有几条稳的判断可以落地。对外用 AI 生成的内容、建议、承诺，默认企业担责，要按这个前提去设护栏。高风险的决策——信贷、招聘、医疗这类直接影响人的——要做到可解释、可追溯、有人在环（第 5、28 章），不能是一个说不清凭什么的黑箱。重要的产出，版权和侵权两头都要有人核。

最后是姿态。法律在这件事上明显滞后于技术，很多边界要靠一个个判例慢慢厘清，短期内不会一下子清楚。企业该做的，不是赌"法律暂时管不到"，而是取保守稳健加可追溯的策略——把该留的记录留好、该有的人把关到位。等边界清晰时，稳健者只需微调，而赌徒可能已经踩了雷。当然也别被"版权不清"吓到完全不用：多数低风险场景足够用，真正需要格外当心的，是那些高风险、要担责的地方。

## 要点速查

* 知识产权三问：纯 AI 生成的内容多地不受版权保护（可能无人拥有）、可能无意侵权、自有内容喂入后的权属看合同。稳妥：重要产出别假设有版权保护、也别假设无侵权风险，两头都核。
* 算法责任：AI 对外的话/决定出事，企业担责（Air Canada 判例，接第18章）；"是 AI 说的"不能免责（R4：担责交不出去）。
* 稳的落地：对外生成默认企业担责；高风险决策（信贷/招聘/医疗）要可解释、可追溯、有人在环。
* 姿态（M7）：法律滞后，靠判例厘清；取保守稳健+可追溯，别赌"法律管不到"；但也别因版权不清而完全不用。

## 给管理者的三步

* 现在：盘出对外会做出承诺/建议的 AI 触点和高风险决策场景，这些是责任风险最高处。
* 三个月：给高风险决策补上可解释、可追溯、有人在环；给重要产出加版权与侵权的核查关。
* 一年：形成"对外 AI 默认企业担责"的制度共识，并保持记录可追溯，以应对仍在厘清的法律边界。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-qi-bu-fen-he-gui-zhi-li-pian/38-zhi-shi-chan-quan-yu-suan-fa-ze-ren.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.