生成AIの学習データ・出力物に関する著作権リスク

生成AIをめぐる著作権問題は、もはや「AI学習はフェアユースか」という抽象的な問いだけでは整理できません。近時の米国判例と政策議論を見ると、実務上重要なのは、データがどこから来たのか、どのように複製・保存されたのか、学習後も原本が残っているのか、AIサービスや出力物が権利者の市場を代替するのかという点です。

Bartz v. Anthropic：学習と違法データ保存は別問題です

Bartz v. Anthropicの意義は、「AI学習は常にフェアユースである」と示したことではありません。重要なのは、裁判所がAI開発過程を一つの行為としてまとめず、学習目的の利用、合法的に取得した紙の本のデジタル化、海賊版コピーの中央ライブラリ構築・保存を分けて判断した点です。

企業実務ではこの区別が重要です。モデルが最終的に原文を出力しないとしても、データ取得段階のリスクは残ります。データが合法的に取得されたか、学習後も保存されたか、他のプロジェクトに再利用可能だったか、社内で誰がアクセスできたかを説明できる必要があります。

Thomson Reuters v. Ross：ライセンス市場と競合すると防御は弱くなります

Thomson Reuters v. Ross Intelligenceでは、Westlawと競合する法律リサーチサービスの開発に著作権のある資料が使われた点が問題になりました。裁判所は、商業的・競争的利用であり、潜在的なライセンス市場や派生市場に影響を与え得ると見ました。

専門データベース、ニュース、法律、教育、画像、音楽など、すでにライセンス市場が存在する高付加価値コンテンツを利用する場合は特に注意が必要です。そのデータを利用して権利者と競合するサービスを作る場合、「AI学習」という理由だけでフェアユースを主張することは難しくなります。

出力物のリスクも同時に確認すべきです

企業がAIで作成した画像、広告文、レポート、キャラクター、コード、音楽、動画を業務に使う場合、二つの問いを確認する必要があります。第一に、その出力物について自社が著作権保護を受けられるか。第二に、その出力物が第三者の著作権を侵害する危険がないかです。

単なるプロンプト入力だけでは、人間の創作的寄与が十分でないと判断される可能性があります。誰が候補を選び、どの部分を修正し、どのように編集・配列したかを記録しておくことが重要です。

企業が整備すべきガバナンス

• 自社データ、ライセンスデータ、パブリックドメイン、オープンライセンス、ウェブクローリング、第三者提供、不明データを区分する
• 学習用複製と保存用複製を分け、削除、アクセス制限、再利用制限を記録する
• 長文再現防止、類似性確認、RAGの出典表示、商用利用前の人によるレビューを導入する
• AIベンダーの利用規約、再学習利用、出力物の権利帰属、補償条項を確認する

Pine IP Firmの見解

AI著作権リスクは、免責文言だけで解決できる問題ではありません。データ収集、モデル開発、サービス提供、出力物レビュー、契約管理まで続くガバナンスの問題です。企業はフェアユースに依拠する前に、データの供給網と人間の創作的寄与を記録すべきです。