在日常业务中使用生成式AI时，人们难免会碰到这样朴素的疑问：“这份输出可以在多大程度上相信？”“做出来的东西权利归谁所有？“这些问题的答案，就明确写在各公司公开的使用条款中。本文并读OpenAI、Anthropic（Claude）、Google（Gemini）的使用条款，结合条款原文的引用，梳理在思考如何与生成式AI相处时值得留意的三个共通特征——不承担责任、被动、依赖使用者的素养。

结论 — 三个特征都收敛于“能否提出好的问题”

先给出结论。这三个特征看似说的是不同的事，实际上却收敛于同一点。

特征各公司条款所规定的内容最终指向
① 不承担责任不保证输出的准确性。权利转让给使用者，但结果的责任也由使用者承担最后作判断的是人
② 被动只要你不主动搭话，它就不会主动开口只要你不抛出问题，一切都不会开始
③ 依赖使用者的素养即便是同样的请求，成果的质量也会因前提和是否核实依据而不同所抛出问题的好坏决定成果

以下，我们结合条款原文逐一来看。

特征1 — 生成式AI“不承担责任”

所谓“不承担责任”，是指无论生成式AI还是提供公司，都不对输出的正确性或结果承担法律上、实务上的责任。即使因错误信息而蒙受损失，也不会有人替你承担。OpenAI、Anthropic、Google的使用条款，都共通地规定了以下三点。

① 不要盲信输出

OpenAI明确指出，输出不能作为唯一的真实依据，也不能替代专业建议。

Output may not always be accurate. You should not rely on Output from our Services as a sole source of truth or factual information, or as a substitute for professional advice.

（输出未必总是准确。不应将本服务的输出作为真实或事实信息的唯一依据，也不应将其作为专业建议的替代。）

Anthropic（Claude）更进一步，提醒道：越是看起来详尽、具体的输出，越可能包含错误。

Outputs may not always be accurate and may contain material inaccuracies even if they appear accurate because of their level of detail or specificity. … You should not rely on any Outputs or Actions without independently confirming their accuracy.

（输出未必总是准确，即便因其详尽或具体而显得准确，也可能包含重大错误。……在未自行确认其准确性之前，不应依赖任何输出或操作。）

Google（Gemini）采取的是禁止依赖医疗、法律、财务等专业建议的框架，其涵盖范围比其他两家公司略窄。

Don’t rely on the services for medical, legal, financial, or other professional advice. Any content regarding those topics is provided for informational purposes only and is not a substitute for advice from a qualified professional.

（请勿在医疗、法律、财务或其他专业建议方面依赖本服务。有关这些主题的任何内容仅供参考，不能替代有资质的专业人士的建议。）

OpenAI和Anthropic连“一般性的准确性”也一并广泛地予以保留，而Google的措辞则限定于“专业建议”。不过，结合下面②③来看，实务上的结论——最终核实是使用者一方的职责——三家公司都是相同的。

② 输出的权利归使用者

OpenAI除规定使用者保留Input的所有权外，还明确使用者也拥有Output，并规定将自身可能持有的一切权利转让给使用者。

you (a) retain your ownership rights in Input and (b) own the Output. We hereby assign to you all our right, title, and interest, if any, in and to Output.

（使用者（a）保留对Input的所有权，（b）拥有Output。本公司在此将本公司对Output所拥有的一切权利、权原及利益（如有）转让给使用者。）

Anthropic采取的框架几乎相同，以遵守条款为条件，将输出的权利转让给使用者。

you retain any right, title, and interest that you have in the Inputs you submit. Subject to your compliance with our Terms, we assign to you all of our right, title, and interest—if any—in Outputs.

（使用者保留其对所提交Inputs所拥有的一切权利、权原及利益。以遵守本条款为条件，本公司将对Outputs所拥有的一切权利、权原及利益（如有）转让给使用者。）

Google采取的不是“转让权利”，而是“不主张所有权”的框架。

Some of our services allow you to generate original content. Google won’t claim ownership over that content.

（部分服务允许使用者生成原创内容。Google不会对该内容主张所有权。）

在法律构成上，“转让（assign）“与”不主张（won’t claim ownership）“有所不同，但在实务上，两者在使用者可自由使用生成物这一点上结论相同。

③ 生成式AI不会替你承担责任

三家公司都明确不保证服务或输出的准确性，但在责任限定的程度上存在差异。OpenAI以“按现状（AS IS）“否认一切保证。

OUR SERVICES ARE PROVIDED “AS IS.” … WE … MAKE NO WARRANTIES … WE DO NOT WARRANT THAT THE SERVICES WILL BE … ACCURATE OR ERROR FREE. … YOU ACCEPT AND AGREE THAT ANY USE OF OUTPUTS FROM OUR SERVICE IS AT YOUR SOLE RISK.

（本服务以"按现状（AS IS）"提供。……本公司不作任何保证，……也不保证服务准确或无误。……使用者同意，对本服务输出的任何使用均由使用者自行承担风险。）

Anthropic同样将服务、输出、操作全部视为“按现状”，并明确否认一切保证。

YOUR USE OF THE SERVICES, MATERIALS, AND ACTIONS IS SOLELY AT YOUR OWN RISK. THE SERVICES, OUTPUTS, AND ACTIONS ARE PROVIDED ON AN “AS IS” AND “AS AVAILABLE” BASIS … WE AND OUR PROVIDERS EXPRESSLY DISCLAIM ANY AND ALL WARRANTIES.

（使用者对本服务、材料及操作的使用，均由使用者自行承担风险。上述内容以"按现状（AS IS）""按可提供的范围"提供，……本公司及提供者明确否认一切保证。）

唯独Google在措辞上有温度上的差异。默认（以美国为基准）的Google使用条款，与其他两家公司一样以“按现状”否认一切保证，但面向包括日本在内的部分地区所显示的条款中，加入了如下的质量保证条款。

We provide our services using reasonable skill and care. … Other than the liabilities described above, Google is liable only for its breaches of these terms or applicable service-specific additional terms, subject to applicable law.

（Google以合理的技能与注意提供服务。……除上述法律责任外，在适用法律的范围内，Google仅对其违反本条款或适用的服务专属附加条款的行为承担法律责任。）

也就是说，Google会因地区而改变条款的框架，对日本的使用者适用了一项比其他两家公司稍进一步的条款——“在承诺一定质量的基础上，仅在违反时承担责任”。不过，输出本身的准确性不在保证范围之内、最终责任在使用者一方这一点并无改变。

三家公司共通的结论是：最终使用输出的判断，以及对其结果的责任，都由使用者（人）承担。

特征2 — 生成式AI是“被动的”

第二个特征是生成式AI具有被动性。只要你不主动搭话，它就不会主动开口。

例如，即便你拜托它“让我成为亿万富翁”，只要传达了条件它就会给出回答，但它并不会持续监控此后的行情变化和成为良机的事件，并自动陪伴你直到成功。所需的信息，必须每次都由你这一方提供。

弥补这种被动性的机制也已经出现。例如，Claude Code中有一个名为 /loop 的命令，可将准备好的提示词按固定间隔自动执行（详情已整理于《Claude Code“循环”设计入门》）。不过，由于 /loop 只在会话中、在手边的PC上运行，若希望在合上PC后仍继续，则需要 /schedule 等另外的机制。无论如何，这些都是“为弥补被动性而由人主动设计”的机制，并不意味着生成式AI本身已成为自发采取行动的主体。

特征3 — 最终质量恐怕会受“使用者素养”的影响

第三点并非条款中明确写出的内容，而是在实际比对输出的过程中浮现出来的论点。值得留意的有三点。

① 输出往往趋于四平八稳、千篇一律

生成式AI的输出，从原理原则上讲，容易趋向“一般、四平八稳的回答”。要获得更进一步的成果，使用者需要理清目的、给出前提条件。

② 是否核实了依据（事实）

使用者往往在未核实AI所参照的依据的情况下就使用输出。若不核实依据便一味交给AI，可能不会朝着预期的方向推进。

③ 即便是同样的请求，最终成果也会因人而异

即便用同样的话向同一个AI提出请求，最终成果的质量也会因是否具备素养而参差不齐。与其寻找“魔法提示词”，不如提高使用者自身的素养、将请求细致拆解后再传达，这在实务上才是捷径。

总结 — 最终归结于“能否提出好的问题”

这三个特征看似说的是不同的事，实际上却收敛于同一点。

  • 不承担责任 → 最后作判断的是人
  • 被动 → 只要你不抛出问题，一切都不会开始
  • 依赖使用者的素养 → 所抛出问题的好坏决定成果

一方面，答案本身已变得几乎唾手可得；另一方面，差距则转移到了“是否拥有好的问题”上。能提出好问题并主动行动的人将越来越能用好生成式AI，而把一切都甩给AI、始终处于被动的人则会被落下——生成式AI所带来的，或许不是能力的“平等化”，而是“差距扩大”的可能。

在核实条款与特征、收集越多信息之后越发清晰的一点是：即便生成式AI已如此普及，人仍需主动行动。人类能够保持“被动”的时代，可以说仍然遥远。

参考资料