「AI法」施行後のスタートアップ向け知的財産、データ、営業秘密チェックリスト

AIスタートアップの知財戦略は、もはや「モデルを特許化できるか？」で終わるものではありません。2026年1月22日に「人工知能開発及び信頼できる創造の促進等に関する法律」が施行されることで、AIサービスは技術保護と並行して、データの出所、透明性、安全性、営業秘密管理、外部委託契約まで、すべてを検討しなければならないフェーズに入りました。

特に生成AIや、医療、金融、採用、教育、交通などのセンシティブな分野に適用されるAI、あるいは顧客データを継続的に学習に利用するSaaS型AIサービスでは、最初から知財とコンプライアンスを切り離して考えることはできません。特許は技術を開示して権利を確保する手段である一方、営業秘密は非開示によってその価値を維持します。学習データやモデルの運用方針が、この両者の間で企業のリスクを左右します。

本稿では、AI企業が製品ローンチ前に確認すべき実用的なチェックリストを提供します。

まず区別すべき3つの資産

AI企業は、特性の異なる資産を混在させていることがよくあります。

第一に、開示可能な技術です。これには、特定のモデル構造、データ前処理方法、推論速度向上技術、産業別応用システムなど、特許化が可能な技術が含まれます。この領域では、開示前に特許出願を行うべきかどうかの検討が必要です。

第二に、開示によって価値が減少する技術です。このカテゴリには、モデル学習パイプライン、データラベリング基準、ハイパーパラメータチューニングのノウハウ、プロンプトチェーン、評価セット、顧客固有の最適化ルールなどが含まれます。この領域は、まず営業秘密として管理できる可能性を評価すべきです。

第三に、企業が自由に利用できない外部資産です。これには、クローリングデータ、顧客提供データ、オープンソースコード、外部API、公開データセット、パートナーが作成したモジュール、従業員が個人アカウントで作成した実験コードなどが含まれます。この領域では、所有権と利用条件の初期確認が必要です。

AI紛争は、通常、第三のカテゴリの資産が第一または第二のカテゴリであるかのように扱われた場合に発生します。「私たちが学習させたのだから、私たちのものだ」という主張は、契約、ライセンス、個人情報、著作権、営業秘密に関する問題をクリアして初めて意味を持ちます。

AI基本法後の確認事項

1. 自社サービスが高度影響AIに近いか判断する

AI基本法は、人間の生命、身体の安全、基本的人権に重大な影響を及ぼしうるAIに対して、別途の管理体制を義務付けています。施行令では、エネルギー、飲料水、ヘルスケア、医療機器、原子力、犯罪捜査・逮捕、採用・ローン審査、交通、公共サービス、教育などの適用分野の確認も求めています。

スタートアップが自社サービスを「単なるレコメンデーションサービス」と考えていても、実際の顧客が採用、ローン申請、保険、医療評価、教育評価などに利用する場合、高度影響AIに関する問題が発生しえます。したがって、製品説明や契約書において、AIの許容される利用領域と禁止される利用領域、および顧客の責任範囲を明確に規定することが望ましいです。

チェックリスト質問：

• 顧客はこれらのAI結果を人材採用、ローン申請、診断、安全判断に利用するか？
• AI結果は自動意思決定に近いか、それとも参考資料か？
• 顧客は結果を解釈・検証するためのログや説明資料を持っているか？
• 製品説明は実際の機能を誇張していないか？

2. 学習データの出所表を作成する

AI企業は、技術文書よりもデータ出所表を必要とすることがよくあります。データ出所表は、精巧な文書ではなく、どのようなデータがどこから来て、どのような条件で利用されているかをまとめた表です。

最低限必要な項目は以下の通りです。

この表がないと、投資デューデリジェンス、顧客のセキュリティレビュー、大企業のPoC、公共部門への導入プロセスなどで説明が滞る可能性があります。特に、「公開されているデータ」と「学習に自由に利用できるデータ」は同義ではありません。

3. 生成AI出力物の所有権を契約に含める

生成AIを利用するワークフローでは、出力物の所有権が不明確な場合がよくあります。外部ベンダーがAIで作成したUI、マーケティングコピー、コード、画像、レポートなどを納品する場合、誰がどこまで出力物を利用できるかに関する曖昧さが将来的な問題につながる可能性があります。

契約には以下の条項を含めるべきです。

• AIツールの利用可否
• 顧客の営業秘密や個人情報が入力可能か
• 出力に第三者の権利を侵害する要素が含まれていた場合の責任
• 出力の修正、再利用、派生著作物作成の権利
• 利用したオープンソースソフトウェアや外部モデルのライセンス開示
• 納品物における学習データの再利用禁止の有無

単純にAI利用を禁止する条項を含めるだけでは、実用的ではないかもしれません。より重要なのは、「どのようなデータを含めてはならないか」と「利用した場合にどのような情報を開示しなければならないか」を定義することです。

4. 営業秘密と特許可能な発明を区別する

AI技術の場合、すべてを特許化することが常に最善のアプローチとは限りません。特許は公開を前提に付与される一方、営業秘密は非開示によって成り立ちます。したがって、同じAIサービス内でも区別が必要です。

特許検討の対象：

• モデル構造や学習方法が技術的効果を生む場合
• 特定の産業課題を解決するデータ処理フローがある場合
• ハードウェア、センサー、制御、診断、セキュリティなどの技術的構成と結合する場合
• 競合他社が製品を観察することで、ある程度実装を推測できる場合

営業秘密管理の対象：

• データクレンジング基準
• ラベリングマニュアル
• プロンプトテンプレートと評価セット
• 顧客別チューニングパラメータ
• 障害対応ログと運用ノウハウ
• 価格決定アルゴリズムと内部ベンチマーク

営業秘密として管理するためには、アクセス制限、持ち出し制限、秘密表示、ログ管理、退職者からの回収、パートナーとのNDAなどが効果的に実施されている必要があります。単に「重要だ」と考えているだけでは不十分です。

5. オープンソースと外部APIを別途管理する

AI製品は、オープンソースモデル、ベクトルデータベース、フレームワーク、評価ツール、外部APIなどを迅速に統合して構築されることがよくあります。問題は、PoCフェーズで利用したライブラリが、修正されずに商用製品に組み込まれる場合に発生します。

ローンチ前に、最低限以下のことを確認すべきです。

• 利用中のオープンソースソフトウェアリスト
• 各ライセンスの種類
• 修正の有無
• 製品が配布型かSaaS型か
• 顧客にインストールファイルやコンテナを提供するか
• ソースコード開示、帰属表示、ライセンスコピー提供の義務
• 外部APIの規約が出力の保存、再学習、再販を許可しているか

エンタープライズ顧客にオンプレミスソリューションやSDKを納品する場合、オープンソースソフトウェアの開示とライセンス義務の遵守はさらに重要になります。

社内ローンチ前チェックリスト

• データ出所表はあるか？
• 顧客データが学習に利用されるかについて利用規約は明確か？
• 生成AI出力物の所有権と責任は契約に含まれているか？
• 高影響AIへの該当性は検討されたか？
• 特許出願前に技術データは開示されていないか？
• 営業秘密として管理するデータへのアクセス制御や持ち出し制限はあるか？
• オープンソースライセンスのリストは作成されているか？
• 外部開発者が作成したコードやモデルの権利移転に関する規定はあるか？
• 顧客に提供する説明資料は実際の機能を誇張していないか？
• 障害、エラー、ハルシネーションに対する責任を反映するよう利用規約は更新されているか？

よくあるご質問

AIモデル自体は保護できますか？

モデル自体を保護するのではなく、モデル構造、学習方法、データ処理フロー、特定の業界問題を解決するシステム構成、推論速度や精度を向上させる技術的手段といった側面が保護の対象となり得ます。ただし、開示によって容易に複製可能な側面と、秘密にすべき側面とを区別する必要があります。

顧客データを学習に利用する場合、利用規約だけで十分ですか？

利用規約はあくまで出発点に過ぎません。データの性質によっては、個人情報、営業秘密、著作権、契約上の秘密保持義務に関する問題が生じる可能性があります。B2Bサービスの場合、顧客の内部データを再学習に利用する際は、別途同意や契約を通じて利用を区別することがより安全です。

生成AIの出力物を企業がすぐに商業利用できますか？

これは、使用するAIツールの利用規約、入力データの所有権、出力物の類似性、および外部委託契約における権利帰属に依存します。特に、ロゴ、キャラクター、広告画像、コード、データセットについては、別途検討が必要です。

Pine IP Firmからの実務的提案

製品発売前に、AI企業は特許性、データ利用権、営業秘密管理、オープンソースライセンス、顧客契約を総合的に検討する必要があります。一つの領域にのみ焦点を当てると、実際のリスクを見落とす可能性があります。

Pine IP Firmは、AI技術の特許性だけでなく、データの構造、営業秘密、契約を検討することで、開示すべき技術と秘密にすべき技術を区別する戦略を提供します。

‍