幾個AI的議題－筆記自己的講義

自己寫的東西也常常忘記，上課前要自己筆記一下。

一、美國「國家」人工智慧倡議法案（https://www.congress.gov/bill/116th-congress/house-bill/6216/text）：

(3) ARTIFICIAL INTELLIGENCE.—The term “artificial intelligence” means a machine-based system that can, for a given set of human-defined objectives, make predictions, recommendations or decisions influencing real or virtual environments. 

Artificial intelligence systems use machine and human-based inputs to— 

(A) perceive real and virtual environments; （感知真實與虛擬環境）

(B) abstract such perceptions into models through analysis in an automated manner; and（透過自動方式分析將上述感知抽象化為模型）

(C) use model inference to formulate options for information or action.（使用模型推理以制定資訊或行動的選項）

二、USPTO的AI分類工具，用以分類AI/非AI發明

文件：https://www.uspto.gov/sites/default/files/documents/OCE-ai-supplementary-materials_1.pdf

三、AI發明的經典案例

- Desjardins - 模型訓練方法可以改善電腦技術嗎？涉及是否具備專利適格性 - Ex parte Desjardins (PTAB Sep. 26, 2025)（https://enpan.blogspot.com/2026/04/ex-parte-desjardins-ptab-sep-26-2025.html）

step 1: 35U.S.C.101法定可專利標的

step 2A prong one: 是否發明僅保括法定例外的抽象概念（數學概念、心智流程、管理人類活動）。

step 2A prong two: 判斷專利範圍是否包括整合法定例外為具體應用的"額外元件"。

step 2B: 判斷專利範圍中是否有特定"非已知、常規或習知"而超越法定例外的限制（非僅附加已知、常規或習知元件而已），如果有，發明就提供了進步概念（inventive concept）。

本案例涉及35U.S.C.101的裁決：

1. 確認其中軟體改善/改良電腦技術，軟體就不是抽象的。

2. 同意系爭申請案發明『通過調整第一值優化用在第一機器學習任務的模型的參數，還保護了模型在第一機器學習任務的效能』已經改良模型的運作，而非僅是數學方程式而已。

3. 系爭申請案Claim 1或許描述抽象概念，但並沒涉及抽象概念（"claim 1 may recite an abstract idea, it is not directed to an abstract idea."），判定發明整體是整合抽象概念為具體應用。

- Alice - 抽象概念若僅以一般目的電腦實現，不可專利 - Alice Corporation Pty. Ltd. v. CLS Bank International (2014)（https://enpan.blogspot.com/2014/06/alice-corporation-pty-ltd-v-cls-bank.html）

當軟體/金融方法（發明關於利用電腦系統減少金融交易中履約風險／結算風險）技術僅關聯於一般電腦系統，就不是能轉換抽象的技術為可專利的發明。

- Mayo - 使用自然律的技術可專利性討論 - Mayo Collaborative Services v. Prometheus Laboratories, Inc. 2012)（https://enpan.blogspot.com/2015/10/mayo-collaborative-services-v.html）

雖自然律、自然現象與抽象概念為非35U.S.C.101規定的可專利標的，但相關結構或程序仍可以受到專利保護，但是，若要轉換不可專利的自然律到可專利標的時，專利應提出超過自然律更多的技術特徵/元件（"must do more than simply state the law of nature while adding the works "apply it""）。

四、現代AI發明的專利適格性議題的起源都可指向判例「Alice Corporation Pty. Ltd. v. CLS Bank International (2014)」

五、抽象的模型訓練方法並不具備技術特點 - 歐洲訴願案T 1998/22（https://enpan.blogspot.com/2025/11/t-199822.html）

發明涉及訓練一個廣泛而深度（wide and deep）的機器學習模型，其中以一個「訓練集」共同訓練「深度機器學習模型】與「廣泛機器學習模型」，基於預測輸出與已知輸出之間的誤差，可以得出調整上述兩個模型的參數值。

其中＂廣／深＂涉及「不明確性」問題。

其中改善數學模型並沒有解決技術問題、其中解決問題的數學模型也已經揭露在引證案中，使得「改善已知模型的數學方法」不能算是解決了技術問題；發明與引證案差異僅在電腦程式指令，沒有技術貢獻。因此，整體上發明缺乏進步特徵（lack an inventive step）。

六、AI系統中運用機器學習演算法、使用模型的流程，即便被判定是抽象概念的數學方法，但如果Claims中包括有「非電腦元件」，證明是將抽象概念整合為具體應用的額外元件（additional elements），才有機會判定是符合專利適格性的發明～

七、AI相關專利適格性案例(解方)分享

案例一：Recentive Analytics, Inc. v. Fox Corp. (CAFC 2025)

僅將機器學習方法/模型應用（“apply it"）在特定領域，並不足以克服不具專利適格性的101審查意見。

根據本案例，在USPTO審查都克服了101核駁意見，也都取得專利，但卻又無法度過法院審查的考驗，因此申請人/發明人要從法院角度來看101議題。

功課一：相關AI的發明，如機器學習演算法，“動詞”的規劃很重要

功課二：OA中，時常暗示/明示審查委員認為可以克服101核駁意見的意見

功課三：善用面詢，本案是經過與審查委員面詢後，審查委員提供克服101核駁意見的方向

功課四：即便審查委員可能在面詢時也沒有說到滿，但申請人仍進一步修正專利範圍，闡述發明（藉著改變專利範圍步驟（動詞：detecting, updating...）更明確地表達發明手段以能達成其目標功效）

功課五：提在機器學習方法普遍被認為是數學方法的情況下，要具有專利適格性，需要在專利範圍中引入「特定、非通常電腦技術的改進，以及描述如何達成」的有意義元件。

功課六：撰寫專利說明書與專利範圍的建議：

• (1)描述具體的先前技術問題。
• (2)呈現出特定解決方案，應跳脫習知機器學習的方法，提出新的機器學習模型架構、特徵擷取的技術、改善的模型訓練方法等。
• (3)描述機器如何不同於人類執行的方法，不能僅說明機器可以更快、更有效率、更準確等效果。
• (4)證明結果與技術上的影響，而且是專利範圍就要反映出達到這個結果與其影響的技術手段。

功課七：如果發明本身確實是機器學習演算法，如果沒有特定用途，或是特定機器執行發明，根據本案例教示，如果發明本質上是數學方法，將此列為營業秘密也是不錯的方式。

案例二：Ex parte Desjardins (PTAB Sep. 26, 2025)

當軟體是改良電腦技術，這樣的軟體就不是抽象的。

案例三：從不具專利適格性的法院意見理解壓縮技術的可專利方向 - REALTIME DATA LLC v. ARRAY NETWORKS INC. (Fed. Cir. 2023)

法院教我們怎麼寫專利：

功課八：專利說明書寫好細節，習知的問題、解決問題的手段（方法步驟、資料結構、訓練技術），與達成的技術效果，避免僅有功能性描述與效果。

八、Google專利申請案提供的101答辯建議

即便發明本身（利用模型搜尋影像資料）很＂電腦程序＂，系統專利範圍包括：處理器、記憶體，經執行其中指令，執行以下步驟：接收prompts、以影像產生模型處理prompts、根據產生的影像判斷一或多個搜尋結果、提供搜尋結果介面。

本案最終獲准理由是：專利範圍經修正後已改善建立模型的技術，其中流程不僅是以電腦為工具執行的步驟。

Ron

USPTO之AI商標分類器與圖形搜尋器

本篇關於美國商標局AI商標分類器 - Class ACT（Trademark Classification Agentic Codification Tool），已經是實施一段時間的措施了，在此僅是補資料。

Class ACT功能是：對商標申請案（特別針對申請人沒有填寫分類的申請案）自動指定國際分類（International Class）、給予圖形檢索代碼（Design Search Codes）與輔助標記（Pseudo Marks）。

其他AI工具：

根據USPTO一些報導，商標局的AI工具還提供外部用戶商標中心（trademark center）產生擬定的商標描述和顏色聲明。（編按，此功能需要認證代理人，並確認申請商標者，我就沒法測試了！）

商標局推出人工智慧圖像搜尋工具，讓客戶上傳圖像並尋找相似商標，網頁：https://tmsearch.uspto.gov/search/search-information

從Trademark Center開始：https://trademarkcenter.uspto.gov/

搜尋功能需要登入USPTO.gov（MyUSPTO），影像搜尋網頁：https://tmsearch.uspto.gov/search/search-information

範例：

USPTO網頁：https://www.uspto.gov/about-us/news-updates/trademark-classification-goes-agentic-usptos-announcement-class-act-assistant

TIPO也有報導：https://www.tipo.gov.tw/tw/tipo1/48-83752.html

Ron

EPO對AI專利適格性的看法

EPO文章：https://www.epo.org/en/about-us/art/50-years-epc-exhibition/catalyst-lab-curated-ars-electronica/epo-statement

其中「The EPO has responded to the emergence of AI by refining its approach to patentability of inventions. AI is considered a branch of computer science, and therefore, inventions involving AI are considered "computer-implemented inventions" (CII). Patents may be granted when AI leaves the abstract realm of mathematical algorithms and computational models and is applied to solve a technical problem in a field of technology.」

這裡提到兩個條件：當 AI發明 (1)超越數學演算法和計算模型的抽象概念時，並(2)應用於解決特定技術領域中的技術問題時，便可獲得專利授權。

EPO審查指南：https://www.epo.org/en/legal/guidelines-epc/2026/g_ii_3_3_1.html

審查指南Part G/Chapter II/3.3.1 Artificial intelligence and machine learning：（以下穿插中文摘要，可以得出EPO對於AI相關發明的看法）

Artificial intelligence and machine learning are based on computational models and algorithms such as artificial neural networks, genetic algorithms, support vector machines, k-means, kernel regression and discriminant analysis. Such computational models and algorithms are per se of an abstract mathematical nature, irrespective of whether they can be "trained" using training data. （計算模型與演算法本身是抽象數學本質，無關於其如何被訓練） However, their use does not by itself render inventions related to artificial intelligence or machine learning non-patentable（然而，他們關於AI應用／user並非不能專利）, and the guidance provided in G‑II, 3.3 generally applies. This means that, if a claim of an invention related to artificial intelligence or machine learning is directed either to a method involving the use of technical means (e.g. a computer) or to a device, its subject-matter has technical character as a whole and is thus not excluded from patentability under Art. 52(2) or (3)（整體上若有技術手段或是裝置等技術特徵，仍是可以專利的標的）. In such cases, the computational models and algorithms themselves contribute to the technical character of the invention if they contribute to a technical solution to a technical problem, for example by being applied in a field of technology and/or by being adapted to a specific technical implementation.（AI、演算法、電腦軟體等，若有技術特徵、解決技術問題，有技術貢獻(相對前案而言)，為可專利標的）

．．．

以下段落都是反映上述的精神，而特別在最後一段，提到「機器學習演算法」實現的技術效果應為顯而易見的，並可通過解釋、數學證明、實驗數據等方式確立其技術效果，但沒有必要提出詳細的證明，但如果「技術效果」取決於所用「訓練資料集」的特定特徵，則必須公開重現所述技術效果所需的特徵。除非本領域技術人員可以知悉，通常並不需要公開所述訓練資料集本身。

＂The technical effect that a machine learning algorithm achieves may be readily apparent or established by explanations, mathematical proof, experimental data or the like. Mere assertions are not enough, but comprehensive proof is not required either. If the technical effect depends on particular characteristics of the training dataset used, the characteristics required to reproduce the technical effect must be disclosed unless the skilled person can determine them without undue burden using common general knowledge. However, in general, there is no need to disclose the specific training dataset itself (see also F‑III, 3 and G‑VII, 5.2).＂

參考自己寫的內容：EPO的AI可專利性討論（https://enpan.blogspot.com/2025/05/epoai.html）提出幾頁講義：

Ron

AI輔助準備訴訟不會簡單被判定放棄律師當事人特權 - Warner v. Gilbarco, Inc . et al (E.D. Mich. 2026)

討論此案例的主要理由是法院判決與前篇「使用商用AI將放棄律師-當事人特權 - United States v. Heppner (S.D.N.Y. Oct. 28, 2025)（https://enpan.blogspot.com/2026/06/ai-united-states-v-heppner-sdny-oct-28.html）」的意見相左，前篇Heppner案被告（刑事案件）在沒有律師建議的情況下使用消費者版本AI（Claude AI）取得法律意見，過程中輸入從律師來的資料，而此AI平台的隱私策略是讓Anthropic使用用戶提供的資料作為訓練AI的用途，法院判決這個行爲破壞當事人與律師之間通訊的保密性（confidentiality），不適用律師工作成果豁免權（work-product doctrine）。反之，本篇討論案例為民事訴訟，當事人原告Warner自為訴訟代理（pro se，沒有聘請律師），Warner使用ChatGPT輔助當事人準備訴訟材料，法院認為這仍是受到保護的工作，法院不認為生成式AI會將其訴訟資料揭露給第三方，因此沒有放棄律師工作成果豁免權（work-product doctrine）的問題。

下這個標題「AI輔助準備訴訟不會簡單被判定放棄律師當事人特權 - Warner v. Gilbarco, Inc . et al (E.D. Mich. 2026)」應該也是頗為危險，因為法院判例還沒有形成，很多判決都是當下情境下的決定，有時無法一體適用，但判決的“意旨”是很好的參考資訊。

本篇判決是來自「United States District Court Eastern District of Michigan Southern Division」（又東又南的法院 - 美國密西根南區東部地方法院），案件資訊：
原告：Sohyon Warner
被告：Gilbarco, Inc. and Vontier Corporation
日期：February 10, 2026

本案原告Warner對GilBarco公司提起民事訴訟，被告在探索程序（discovery）中發現原告證詞使用第三方AI工具，被告請求法院推翻原告的「律師-當事人特權」與其「律師工作成果豁免權」。

本篇判決摘要：

第一，法官認為work-product doctrine保護“另一方或其代表用於準備訴訟的文件與物品”（"documents and tangible things that are prepared in anticipation of litigation or for trial by another party or its representative"），也就是work-product doctrine保護原告準備訴訟的資料，特別是原告自為訴訟代表，有權主張其工作成果豁免權，也包括「AI輔助的材料」，因此仍適用「律師工作成果豁免權」。

（編按，相較之下，前篇Heppner因為聘僱律師並未指使他使用AI，因此放棄了律師工作豁免權，差異在於是否聘請律師，是否使用AI是律師的指示。）

第二，法院認為只有向對手揭露其工作成果才是放棄工作成果豁免權，法院認為ChatGPT僅是個工具，不是人，即便其背後有“管理人”，因此判定使用ChatGPT並沒有放棄律師當事人特權（Attorney-Client Privilege）。

第三，法院同意原告主張使用AI等行為是其內部分析與心智活動（mental impressions/thought process），並非是文件或是證據內容。並且，原告的意見算是“合理地”提出，被告所提出的意見（如果法院同意的話）使現代訴訟都無法避免地失去了律師工作成果豁免權。

還有一個想法是，被告並沒有充分證據表明原告將機密文件提供給AI是違反相關特權，如果僅是懷疑就否決所有權利，以及如果用了AI就失去固有的保護權利，並不成比例。

本案也算不上是任何判決，目前僅是證據揭露階段的爭議，但也就有很多值得參考的功課了。

my two cents:
Heppner與Warner兩個案例答案不同，但其中爲不太一樣的背景與訴訟情節，不見得可以說是"相反"的意見，且使用AI的情況/隱私條款也不盡相同，兩種意見也都頗合理，法院、律師正在與AI拉扯中。

判決資料：https://law.justia.com/cases/federal/district-courts/michigan/miedce/2:2024cv12333/379552/94/ （有訴訟需求的人可以參考這篇，講了不少訴訟雙方的權利義務... 很法律的。）

參考資料：
- Federal Courts Reach Different Outcomes on Whether AI-Generated Materials Warrant Work Product Protection（https://www.paulweiss.com/insights/client-memos/federal-courts-reach-different-outcomes-on-whether-ai-generated-materials-warrant-work-product-protection）
- Michigan Federal Court Protects AI-Assisted Litigation Work Product（https://www.proskauer.com/alert/michigan-federal-court-protects-ai-assisted-litigation-work-product）
- AI in litigation: How courts are analyzing AI privilege in the wake of Heppner（https://www.nortonrosefulbright.com/en/knowledge/publications/97943081/ai-in-litigation-how-courts-are-analyzing-ai-privilege-in-the-wake-of-heppner）

Ron

當客戶不再只聽律師的話時

前幾天分享訴訟過程機密文件交給AI的後果可能會放棄了律師-當事人秘匿的特權的案例，但是現在的當事人並不會乖乖地等律師的意見，無法期待焦慮、面對複雜法律程序以及甚至懷疑律師意見的當事人不會去問AI ... 但在許多不明的情況下，律師怎麼做？

Thomson Reuters Practical Law article ‘Why clients should not put privileged advice into public LLMs’提出法院需要處理目前面臨的問題，大家想問的問題之一是，是否將資料上傳到商業LLM（如ChatGPT、Gemini、Claude... ）就是送資料到公共領域（public domain）？是否傳送給LLM就代表對手可以從中取得機密資料？

律師無法要求當事人不用AI，但可以降低AI帶來的風險，釐清哪些AI工具可以使用、如何驗證AI提供的意見、如何維護法律上該有的權利... 。前篇參考文章（https://lsj.com.au/articles/your-clients-are-using-ai-anyway-and-its-creating-a-privilege-risk-lawyers-cant-control/）中提出一些建議，列舉一些（筆記）。

• 工作前需要指示當事人不能（或是哪些事不能）使用公共領域的AI。
• 律師應用當事人懂的語言與方式工作。
• 建立工作流程，一步步走，讓當事人知道在進度中。
• 律師自己要進步，法律意見也要進步，使用AI也是勢不可擋。
• 無法否定的是AI可協助工作流程快一點，就讓它參與吧。

my two cents:

或許我面對的"底層"工作並沒有那麼複雜，但確實已經受到「邏輯與理智上」的挑戰，當發明人不再僅提出自己的發明，還疊加許多AI資料時，我怎麼辦？如何與AI共存？事實上到目前為止無法處理的是AI講的話我看不懂，AI自以為是的內容還是太多，目前建議發明人自己要先理解AI的內容，到底是不是自己的發明，不能直接輸出AI內容又不曉得裡面的內容，這對我這小小的頭腦而言負擔太沈重。

專業中文資料 - 律師與當事人間之秘匿特權──112年憲判字第9號判決之刑訴視野分析。參考：https://readerspace.com.tw/20230627-1/

Ron

上傳保密文件給AI的可能後果 - UK v. Secretary of State for the Home Department (UTIAC)

筆記

前篇討論「使用商用AI將放棄律師-當事人特權 - United States v. Heppner (S.D.N.Y. Oct. 28, 2025)」，其中涉及的議題是當事人尋求AI提供法律意見，但行為因為不符合Attorney-Client Privilege條件而失去特權保護，使得相關文件需要被揭露。

另有案例 - Glencore International AG v Commissioner of Taxation [2019] HCA 26，關於律師與當事人之間的權利義務關係，律師原本的工作就是維護當事人利益，當中需要雙方花時間充分的溝通、協助法律進程，以及在法庭上爭取權益，而現在的當事人已經沒有時間與律師慢慢磨了，動不動就找AI的幫助，超過律師可以控制的狀況。此案例主要問題是，當事人尋求AI協助法律問題，如果是將需要保密的部分提供給一般可公眾使用的生成式AI，這些保密內容有可能會提供給其他人，而使用者其實並不曉得AI到底會怎麼處理這些內容，甚至不曉得儲存在哪裡。(updated)

本篇參考的文章就提到幾件法院案例，其一為前篇報導的 - United States v. Heppner (S.D.N.Y. Oct. 28, 2025)；本篇特別補充英國有案例 - UK v. Secretary of State for the Home Department (UTIAC)，判決結果是上傳機密文件到開源的AI工具 - 如ChatGPT，將使相關資訊在網路上被公開，也就違法律師與客戶之間保密協定，並放棄了相關法律特權，主要是指律師-當事人特權（Attorney-Client Privilege）。(updated on June 28, 這裡我提出個疑點：此判決通篇說“open-source AI，如ChatGPT”，我覺得應該是指可讓公眾使用的AI（accessible to the general public），或說open AI，且經查不少資料，ChatGPT應不算open source AI。如果"open-source AI"用在地端，應該也不會有洩密的問題。)

UK v. Secretary of State for the Home Department (UTIAC)（UTIAC: Upper Tribunal Immigration and Asylum Chamber：上級法庭移民與庇護庭），摘錄如下：

上傳保密文件到開源AI工具，也就將資訊放在公眾領域，也就違反律師-客戶保密與拋棄法律特權。

這裡提到Microsoft Copilot沒有上述風險（？）。

這段說明AI訓練過程會產生illusion，在法律上的意見並不可靠。

my two cents:

一旦保密資訊成為公眾可存取的資料，法院也就沒有保密義務了。

判決文：https://caselaw.nationalarchives.gov.uk/ukut/iac/2026/81

Ron

使用商用AI將放棄律師-當事人特權 - United States v. Heppner (S.D.N.Y. Oct. 28, 2025)

本篇討論使用“商用AI”將("可能", updated on June 29, 2026)放棄律師-當事人特權 - United States v. Heppner (S.D.N.Y. Oct. 28, 2025)，我覺得用"商用"或是“大眾可觸及”可能比較對，所以改了一下標題 (updated，本篇討論的並非針對被告詐欺指控的判決，而是針對使用AI是否放棄律師-當事人特權的pretrial conference裁決，以及本案並非關於專利或是其他智慧財產權的法院意見，本部落格並沒有太多適當的Labels)。

(updated on June 29, 2026)　可同時參考同時的另一個法院案例：AI輔助準備訴訟不會簡單被判定放棄律師當事人特權 - Warner v. Gilbarco, Inc . et al (E.D. Mich. 2026)（https://enpan.blogspot.com/2026/06/ai-warner-v-gilbarco-inc-et-al-ed-mich.html）

案件資訊：

原告：United States of America

被告：Bradley Heppner

在2025年10月28日，紐約南區地方法院大陪審團指控Heppner擔任多家公司主管時犯了證券詐欺罪（security fraud）...多項詐欺罪，其中一條是欺騙GWG公司投資人1.5億美元。Heppner在11/4/2025被逮補，調查人員搜索Heppner家，扣留了一些文件與裝置。

在地院審理時，被告全盤否認所有控告，法院設定4/6/2026召開審理庭。

本案例議題是：

當使用者與公開可及的AI平台溝通與犯罪調查有關的內容時，是否這些溝通仍被「律師-當事人特權」或是「律師工作成果豁免權」保護？

接著在2/10/2026先進行審理前會議（pretrial conference），在Heppner律師代表當事人向政府提出的文件中，被發現約三分之一的文件是記錄與AI平台“Claude (Anthropic)”的溝通內容。而律師表示這些溝通是2025年大陪審團作出裁決之後發生（也就是說明Heppner答覆陪審團的內容並沒有參考之後才與AI溝通的內容）。

Heppner透過律師主張：(1)Heppner輸入給Claude的資訊是從律師學到的；(2)Heppner創建AI文件目的是要得到AI的法律意見；(3)Heppner隨後分享這些AI文件給律師。

Heppner律師則表示他並沒有指示Heppner去搜尋Claude，根據「特權協議規範」，美國政府與Heppner委任律師雙方同意將AI文件隔離出來不被調查。

結果到了2/6/2026，美國政府提出動議，認為AI文件不能被attorney-client privilege或是work product doctrine所保護，法院則在審理前會議同意美國政府提出的動議。

Attorney-Client Privilege範圍：(1)客戶與律師之間溝通、(2)保密與(3)提供法律建議。

法院認為AI文件缺乏上述attorney-client privilege條件：

第一，AI文件並非是當事人與律師的溝通，Heppner不可能委託Claude為律師。法院認為所述attorney-client privilege所保障的是受信任的人的關係，也就是涉及有執照專業人士的責任，而人與AI並沒有這個關係。（文中也提到有人評論AI不過就是個網路軟體... 輸入內容給它不算是溝通...等論點）

第二，記載在AI檔案的溝通記錄並非保密。這並非僅指Heppner與第三方AI平台溝通，也因為Claude使用者同意的隱私政策同意Anthropic收集使用者輸入與Claude輸出的資料。這些收集的資料是要訓練Claude，且Anthropic保留揭露這些資料給第三方的權利。

本案法官也提到其他法院案例（OpenAi, Inc. Copyright Infringement Litig. (Jan. 5, 2026）中得出：AI使用者對其與AI的對話並沒有實質隱私，也就是使用者與AI的對話是使用者自願揭露的。

第三，Heppner與Claude並沒有針對提供法律建議進行溝通，因為Heppner律師宣稱Heppner與Claude的溝通只是為了與律師交談的目的（express purpose of talking to counsel）。

這裡提到，如果Claude指示Heppner使用Claude，或許Claude可以作為高度訓練的專業人士，就可能在受到attorney-client privilege保護的範圍中。（編按，這裡法院留個機會給大家討論）不過本案Heppner使用Claude是出於自己的意志，因此並非是Heppner向AI尋求法院意見。

特別的是，美國政府（應該是代表律師）曾經問Claude是否提供法院建議，Claude回答是“我不是律師，不能提供法院意見或是推薦，並建議使用者詢問通過資格的律師，律師會衡量你的環境而給你建議”。

Work Product Doctrine: “shelters the mental processes of the attorney, providing a privileged area within which he can analyze and prepare his client's case.”（用意是保護律師的思考過程，提供一個讓分析與準備客戶案件的特權空間。）

即便本案AI文件是預備用在訴訟上，但並非由律師預備，也不是用在對抗法院的意見。並且，AI文件非應律師要求準備，也不是揭露律師的策略，因此不是律師工作成果豁免權所要保護的範圍。

全體法官裁定使用生成式AI（generative artificial intelligence）的本案被告Heppner在政府調查中並不受到「attorney-client privilege（律師-當事人特權）」或是「work product doctrine（律師工作成果豁免權）」保護。

（編按，Attorney-Client Privilege - 律師-當事人特權：法律保護當事人與律師間法律諮詢或協助所進行的秘密溝通不被揭露。）

判決文（在此說明的是本篇判決並非被告詐欺罪的判決，而是審理前會議針對AI文件是否受到律師-當事人特權保護議題作出的會議決定）：https://storage.courtlistener.com/recap/gov.uscourts.nysd.652138/gov.uscourts.nysd.652138.27.0.pdf

my two cents:

這件案例讓我們看到一些使用AI的風險，算是十分特別的會議決定，或許影響不小，網路上發酵也有一段時間，真正的影響有待觀察，也讓我們更知道怎麼保護發明人/當事人權益，至少在這個AI浪潮的時間上，需要注意。並且，也有別的國家法院有此類型案件，下一篇討論英國的。不過，可能會隨著時間推移，也會有其他法官不同見解。

相關文章：

Harvard Law Review：https://harvardlawreview.org/blog/2026/03/united-states-v-heppner/

AI Privilege Waivers: SDNY Rules Against Privilege Protection for Consumer AI Outputs

https://www.gibsondunn.com/ai-privilege-waivers-sdny-rules-against-privilege-protection-for-consumer-ai-outputs/

AI Is Not Your Lawyer: Federal Court Rules AI-Generated Documents Are Not Privileged

https://www.bakerlaw.com/insights/ai-is-not-your-lawyer-federal-court-rules-ai-generated-documents-are-not-privileged/

Court guidance that use of open-source AI waives confidentiality and legal professional privilege

https://www.nortonrosefulbright.com/en/inside-disputes/blog/202604-court-guidance-that-use-of-open-source-ai-waives-confidentiality-and-legal-professional

Ron