IT 协议用于阐明与 IT 服务交付和产品交付有关的某些期望。这类协议用于明确问题，从而促进积极有效的业务关系。
那么，AI 协议的条款与传统 IT 协议的条款之间存在哪些区别呢?
Louise Perkin 和 Sophie Harrison 对这个问题进行了深入探索，结果发现答案没有那么简单，因为它在很大程度上取决于具体的 AI 和 IT 工具以及协议谈判的时间点（立法变化、行业偏好等）。
总的来说，AI 协议和 IT 协议十分相似，因为它们要求纳入的许多条款是相同的 – 例如：规范、性能保证、赔偿以及机密信息、个人数据和知识产权 (IP) 保护。
但是当我们去对比这些条款的细节时，AI 协议和 IT 协议之间的差异就显现出来了。由于 AI 的学习和生成特性以及这种学习和生成特性的新颖性（特别是在法律和道德方面），要想让这些条款具备明确性，不仅需要进行更加精细的起草，而且在大多数情况下，还需要采用一种全新的方法来评估和降低法律风险。
虽然每项协议之间的差异将取决于具体的事实和缔约方，但普遍存在以下几点重要差异。
个人数据和机密信息的所有权和保护
大多数 IT 工具可以跟踪数据集，因此可以轻松鉴别这些数据集的所有权并对这些数据集实施有效保护/控制。AI 工具很难做到这些。AI 工具从数据中学习和复制数据的方式使得它很难在从输入到输出的过程中跟踪数据集，并且增加了个人数据或敏感信息被意外披露给第三方的风险。因此，在 AI 协议中，需要就所有权、控制/保护、保证和赔偿制定更加个性化的、更加详细和复杂的条款。例如，一方可以明确要求 AI 应该能够忘却所学。在一些示例中，可能需要作出保证，确保训练数据不会 泄露。
知识产权 (IP)
AI 对协议中的 IP 提出了诸多挑战。
1) 缔约方 IP
对非 AI 软件的输入和开发进行追踪是行之有效的方法，因此就所有权和知识产权达成一致意见通常不是问题。但 AI 具有学习和生成特性，在 AI 中进行上述操作会比较棘手——例如：AI 许可的最终用户可以在日常使用 AI 时输入数据，从而无意中强化 AI 工具，但是鉴别哪些开发特征属于该特定最终用户，哪些开发特征属于另一最终用户/许可方（以及在什么程度上可以与他人共享这些开发）并不是一件容易的事。我们还需要考虑所有权的影响以及各方在其他条款方面的优先权，例如所有权可能对保证的范围/有效性和数据输入权产生的影响。
2) 第三方 IP
IP 法律的制定尚未跟上 AI 发展的步伐。特别是，用于训练 AI 的数据的版权和使用仍是一个 尚未解决的法律领域。AI 协议需要保护各方免受第三方提出的版权侵权索赔，同时还需要具备商业吸引力。AI 协议为实现这一目标而采用的机制（保证、赔偿、审计）有所不同，具体将取决于缔约方的风险偏好、财务状况、许可方现有鉴别和尊重第三方权利流程的效力以及不断变化的法律环境（见下文）。
3) AI 输出的版权归属
版权保护是 IT 协议中的标准条款，但在 AI 协议中，需要考虑和协商的问题更加复杂。虽然在英国，人们普遍认为 AI 输出属于 1988 年《版权、外观设计和专利法》规定的“计算机生成作品”，但确定 AI 输出是否符合版权保护标准，以及如果符合，那么版权归谁所有等问题属于 法律的灰色地带。这对 AI 的开发者和用户存在极大的影响——尤其是对他们使用成果的权利、版税、责任风险和赔偿金。在立法尚未明确的情况下，通过全面、精心起草 AI 协议来确定这些问题是建立富有成效的业务关系的关键。
总体而言，AI 协议中管理 IP 的条款（至少目前）与 IT 协议有以下不同：更复杂、更精细；协议前的风险评估和谈判更详细；对整个协议条款的影响更大。
性能保证
通常来说，IT 协议中的保证与约定的工具规格有关。由于 AI 的学习和生成（有时是不可预测的）特性，精确的规格在 AI 协议中并没有那么可靠。需要根据每个用户的优先事项和需求仔细考虑保证，并确定和商定有效的基准/指标。例如，用户可能希望纳入准确性指标和控制措施，或商定审计，或者只是（像在某些 IT 协议中一样）保证工具可用的期限。
立法不确定性和道德意识
正如上文提到的，IP 法律的制定尚未跟上 AI 发展的步伐，因此目前正处于变革时期。此外，人们越来越意识到需要对在某些情况下使用 AI 进行道德方面的考量，因此根据风险和责任对 AI 进行分类的框架也随之增加。尚不明确的法律和新兴的框架不仅要求仔细起草可能受这些变化影响的条款，而且还要求不断审查协议，以使其适应法律和道德环境的变化。
本文仅供参考，不构成任何专业建议。 如欲寻求这方面或任何其他方面的建议，请联系hlk@hlk-ip.com或您的日常 HLK 顾问。