Ontleden van de AI-waardeketen
Digitale technologieën blijven zich snel ontwikkelen en het gebruik van Artificial Intelligence (“AI”) is geïntegreerd in allerlei toepassingen en bedrijfstakken. AI is de ruggengraat van zoekmachines, chatbots, aangepaste marketing, zelfrijdende auto’s, slimme apparaten, cyberbeveiliging en nog veel meer toepassingen. AI en data zetten bedrijven aan tot innovatie en soms tot het transformeren van hun bedrijfsmodellen.
Kunstmatige intelligentie kan worden gedefinieerd als de discipline van de computerwetenschappen die gericht is op de ontwikkeling van machines en systemen die in staat zijn taken uit te voeren waarvoor menselijke intelligentie vereist wordt geacht, met beperkte of geen menselijke tussenkomst. Er zijn veel potentiële toepassingen voor AI, waarvan er vele verband houden met menselijke vaardigheden zoals redeneren, leren, plannen en creativiteit.
Vanuit juridisch oogpunt is AI een uitdagend onderwerp omdat het een nieuw fenomeen is waarbij verschillende belanghebbenden betrokken zijn. Veel van de kenmerken en implicaties van AI waren niet voorzien en worden daarom niet gedekt door juridische kaders. Hoewel de EU van de Europese datastrategie en kunstmatige intelligentie een prioriteit heeft gemaakt, met onder meer een voorstel voor een AI-verordening met geharmoniseerde regels voor de EU van 21 april 2021, blijft de toepassing van intellectuele-eigendomsrechten op AI een punt van discussie. In het licht hiervan moeten bedrijven vertrouwen op de juiste contractuele kaders voor het gebruik en de bescherming van gegevens en AI.
In dit artikel zoomen we in op de verschillende waardepunten van de AI-keten en hoe ze op elkaar inwerken. Ter illustratie gebruiken we het voorbeeld van een AI-systeem dat stadsbesturen helpt bij het nemen van beslissingen over bepaalde veiligheidsmaatregelen, op basis van de input van gegevens over verkeersstromen en stadskenmerken.
1. Traditionele vs. AI-instelling
In een traditionele setting zijn het voorwerp van een dienst en het proces om deze uit te voeren identificeerbaar en traceerbaar. De partijen komen een bepaalde verdeling van de rechten overeen, waarbij rekening wordt gehouden met reeds bestaande rechten (background) en nieuw ontwikkelde rechten (foreground). Hoewel deze besprekingen een uitdaging kunnen vormen, hebben de partijen over het algemeen een goed zicht op het voorwerp van hun samenwerking. In een traditionele software-ontwikkelingssetting bijvoorbeeld vraagt een klant of opdrachtgever om een specifieke functionaliteit of uitkomst en ontwikkelt de software-ontwikkelaar een code om die functionaliteit uit te voeren met de gegevens van de opdrachtgever. De partijen maken afspraken over de eigendom van de softwarerechten en kunnen elkaar bepaalde licenties verstrekken om de soepele continuïteit van hun activiteiten te waarborgen.
Een AI-setting is echter vaak complexer omdat er meer belanghebbenden in het proces zijn die elk een bepaalde waarde aan het eindproduct bijdragen. Deze waardeketen bestaat ruwweg uit de volgende componenten: de AI-tool, de opleidingsgegevens, de productiegegevens en de AI-output.
2. Onderdelen van de AI-waardeketen
In dit deel bespreken we de verschillende componenten van de AI-waardeketen, de intellectuele-eigendomsrechten die erop van invloed kunnen zijn en de gevolgen ervan voor de relatie tussen de verschillende belanghebbenden. In het ideale geval zijn de eigendom en het gebruik van elk van deze componenten tussen de betrokken partijen verduidelijkt.
1. AI-tool: Dit is de software die ontwikkeld is om bepaalde – intelligente – functionaliteiten uit te voeren. In ons voorbeeld zou dit de AI-software zijn die in staat is verkeersgegevens te analyseren en voorspellingen te doen over gevaarlijke situaties.
In de meeste gevallen zal de ontwikkelaar van het AI-gereedschap eigenaar zijn van de rechten erop, die octrooien, auteursrechten en softwarerechten kunnen omvatten. Indien een andere entiteit dit AI-tool wenst te gebruiken, kan zij ofwel i) een licentie verkrijgen van de AI-tool-aanbieder, indien zij toegang krijgt tot het AI-tool, of ii) betalen voor de diensten van de AI-tool-aanbieder, indien de AI-tool-aanbieder het AI-tool zelf exploiteert.
1. Trainingsgegevens: In een omgeving met gesuperviseerd leren moet de AI Tool getraind worden om een bepaald niveau van functionaliteit te bereiken door het gebruik van trainingsdata. In ons voorbeeld zullen deze gegevens bestaan uit gelabelde beelden van de verschillende motorvoertuigen, fietsen, voetgangers, gevaarlijke kruispunten, normale verkeersstromen en de overeenkomstige botsingen tussen verkeersdeelnemers, en verkeersinfrastructuur (verkeerslichten, zebrapaden enz.). Bij de training van een AI-tool is het van cruciaal belang dat de gebruikte trainingsgegevens van goede kwaliteit zijn en het vergt dan ook vaak veel inspanning om gegevens van deze kwaliteit te produceren.
De Training Data kunnen beschermd zijn onder het sui generis databankenrecht, auteursrecht of handelsgeheimen, maar dit is niet altijd zeker en zal afhangen van de situatie. In het algemeen zal de verstrekker van de opleidingsgegevens eigenaar zijn van de rechten erop en een licentie verlenen om de gegevens te gebruiken voor specifieke AI-opleidingsdoeleinden. De verstrekker van de opleidingsgegevens kan echter ook geïnteresseerd zijn in het verkrijgen van bepaalde rechten op de AI-output (zie hieronder), om zijn gegevensbestand verder uit te breiden. In het licht hiervan kunnen partijen overwegen elkaar wederzijdse licenties te verlenen.
1. Productiegegevens: Zodra de AI Tool een bepaald niveau van functionaliteit heeft bereikt, is hij klaar voor gebruik. Dit vereist bepaald bronmateriaal of “Productiegegevens” die in de AI-tool zullen worden ingevoerd. In ons voorbeeld zullen de productiegegevens bestaan uit stadsspecifieke verkeersinformatie, zoals beelden van verkeerscamera’s en satellieten, beelden van de stadsinfrastructuur, informatie over het aantal voertuigen en hun rijsnelheid.
De Productiegegevens kunnen beschermd zijn op grond van het sui generis databankenrecht, auteursrecht of handelsgeheimen, maar net als de Trainingsgegevens is dit niet altijd zeker en zal dit afhangen van de situatie. De Productiegegevens worden vaak geproduceerd door en zijn eigendom van weer een andere partij, en het gebruik ervan ten behoeve van de AI-output zal worden geregeld in een afzonderlijke overeenkomst tussen de verstrekker van de Productiegegevens, de verstrekker van het AI-hulpmiddel en de opdrachtgever.
1. AI-output: Deze gegevens zijn de compilatie van het resultaat van het werk dat door de AI-tool is uitgevoerd op basis van de productiegegevens. In ons voorbeeld zou dit een voorspelling zijn van plaatsen waar zich waarschijnlijk ongevallen of verkeersopstoppingen zullen voordoen en waar extra veiligheidsmaatregelen moeten worden overwogen. In sommige gevallen kan de AI-output verder worden gevalideerd, waardoor de waarde van de AI-output nog wordt verhoogd.
De AI-output kan beschermd zijn op grond van het sui generis databankenrecht, het auteursrecht of handelsgeheimen, maar ook dit is niet altijd zeker en zal afhangen van de situatie. Wat de AI-output betreft, zijn er verschillende partijen die er rechten op kunnen doen gelden; i) de eigenaar van de AI-tool aangezien de AI-output door de AI-tool is gegenereerd, ii) de verstrekker van de Productiegegevens aangezien de AI-output gebaseerd was op de Productiegegevens, en iii) de opdrachtgever aangezien de opdrachtgever de AI-output heeft besteld en ervoor heeft betaald. Bovendien kan elk van deze partijen er belang bij hebben de AI-output voor secundaire doeleinden te gebruiken; i) de AI-tool-eigenaar kan geïnteresseerd zijn in het gebruik van de AI-output om zijn AI-tool te verbeteren, ii) de Productiegegevensverstrekker om zijn gegevensbestand uit te breiden, en iii) de opdrachtgever om de AI-output in licentie te geven aan derden – in ons voorbeeld bijvoorbeeld autofabrikanten of exploitanten van parkeerfaciliteiten.
Voor elk van deze gevallen zullen de partijen afspraken moeten maken over eigendoms-, toegangs- en exploitatierechten, en mogelijke conflictpunten moeten oplossen. Indien de AI-output bijvoorbeeld wordt gebruikt om het AI-gereedschap te verbeteren, zal de opdrachtgever er wellicht voor willen zorgen dat het verbeterde AI-gereedschap niet wordt gebruikt ten voordele van een concurrent.
Als het gaat om het te gelde maken van deze verschillende componenten, kunnen de mogelijkheden verschillen afhankelijk van de AI-methode die wordt gebruikt. In de praktijk blijven veel use-cases van unsupervised AI beperkt tot interne doeleinden, zoals de prestaties van machines en klanttevredenheid, zonder verdere monetisatie van de AI-componenten. Daarentegen zijn use-cases van gesuperviseerde AI vaak beter geschikt voor verdere tegeldemaking vanwege hun schaalbaarheid, zoals kankerdiagnostiek op het gebied van de biowetenschappen
Wanneer met AI wordt gewerkt, is het noodzakelijk duidelijke afspraken te maken en deze te formaliseren in een schriftelijke overeenkomst. Op die manier scheppen de belanghebbenden duidelijkheid en worden discussies vermeden. Er moet bijzondere aandacht worden besteed aan de verschillende waardepunten in een AI-setting en er moeten beslissingen worden genomen over kwesties in verband met eigendom en toegangsrechten.
Het GEVERS AI-team zal u graag helpen met eventuele vragen of om een kort overleg op te zetten. Neem contact met ons op via mailbox.contracts@gevers.eu of neem rechtstreeks contact op met een van onze gespecialiseerde advocaten.
Om meer te weten te komen over Kunstmatige Intelligentie (AI), gelieve onze volgende driemaandelijkse nieuwsbrief te raadplegen, die in januari 2022 zal verschijnen en waarin dit interessante onderwerp op IP-niveau zal worden behandeld.
