Anthropicの15億ドル和解がAI企業に残した課題：データの出所と権利履歴の管理

Pine Patent 特許法律事務所

2026年8月19日

生成AI企業の著作権リスクを評価する基準が変わりつつあります。

2026年7月20日、米国カリフォルニア北部地区連邦地方裁判所は、著者らがAnthropicを相手に提起した著作権集団訴訟 Bartz v. Anthropic PBC で、15億ドルの和解を最終承認しました。Reutersは、既知の米国著作権事件で最大規模の和解と報じました。裁判所は最終承認命令とともに事件を終結させ、和解対象著作物の91%超について請求が提出されました。

金額だけを見ると、結論は単純に見えます。

Anthropicは著作権のある書籍をAIに学習させたため、15億ドルを支払った。

しかし、その理解では企業が注目すべき核心を見失います。

より重要なメッセージは、「AIが何を学習したか」だけでなく、データをどこからどのように取得し、どの法的根拠で保有し、学習後にどう管理したかが、別個の著作権問題となり得るという点です。

Pine Patent 特許法律事務所が本件を特に重視する理由もここにあります。

著作権者とAnthropicの紛争を象徴する人物、VSの文字、Anthropicロゴのイラスト

1. 裁判所は「AI学習」と「海賊版の取得・保有」を1つの行為と見なさなかった

まず理解すべきなのは、裁判所がAnthropicの行為を1つの塊として評価しなかったことです。

William Alsup判事は2025年6月のfair useに関する一部略式判決で、AIモデル学習のための複製、適法に購入した紙の書籍のデジタル化、海賊版サイトから取得した電子書籍を中央ライブラリに保有する行為を区別しました。米国著作権局の事件整理にも同じ区別が明示されています。

Anthropicが特定のLLMを学習させるため著作物を利用した行為について、裁判所はfair useを認めました。

本件の事実関係では、LLM学習の目的は高度に変容的と評価されました。原告がClaudeの出力による著作権侵害を主張していなかったこと、学習目的の達成には著作物全体の利用が必要な側面があったこと、学習用複製が原著作物への需要を直接代替すると認めにくかったことなどが判断に影響しました。

Anthropicが適法に購入した紙の書籍を解体・スキャンし、デジタル形式で保管した行為にも、裁判所は具体的事実に基づきfair useを認めました。デジタルファイルが新たな複製物市場へ流通したのではなく、既に所有する書籍を保存・検索しやすい形式へ変換した点などが考慮されました。

しかし、結果が全く異なったのは、海賊版サイトから数百万冊をダウンロードし、Anthropic内部の「central library」に蓄積した行為です。

2. 700万冊超の海賊版は「後にAI学習へ使った」だけでは正当化されない

裁判記録では、AnthropicがLibGenやPiLiMiなどのpirate libraryを通じ、最大約700万冊を取得したことが問題となりました。後に一部がLLM学習へ使われても、全データを中央ライブラリへ長期間保有した事実が争点となりました。

裁判所が引いた線は明確です。

変容的なAI学習が存在しても、それ以前の違法複製物の取得まで遡って正当化されるわけではありません。

米国著作権局も Bartz を整理する際、海賊版をダウンロードし中央ライブラリへ保有し続けた行為は、後のモデル学習への利用や正規版の購入だけで変容的利用になるものではないと説明しました。海賊版でデジタルライブラリを構築した部分については、4つのfair use要素全体がAnthropicに不利に働きました。

本件を理解する核心は次の違いです。

「AI学習に使ったか」と「学習データを適法に取得したか」は別の質問です。

3. 15億ドルを「AI学習ライセンス価格」と理解してはならない

2026年7月に最終承認された和解金は15億ドルで、約48万件の著作物を対象とし、1著作物当たり約3,000ドルを配分する構造です。

ただし、この数字には注意が必要です。

裁判所が「1冊をAIに学習させる価格は3,000ドル」と定めたわけではありません。

集団訴訟の中心は、海賊版サイトから書籍を取得した行為に関する侵害請求であり、15億ドルは当事者間の和解金です。承認裁判所は連邦民事訴訟規則Rule 23により、和解が集団構成員に公正・合理的・適切かを審査したのであって、すべての生成AI学習に適用される法定ライセンス料率を新設したのではありません。

2025年のAI学習に関するfair use判断も、カリフォルニア北部地区連邦地方裁判所の特定事件と証拠を前提とします。米国のあらゆるAI学習が自動的にfair useとなるわけではありません。

したがって、本件の結論は「AI学習は適法」でも、「著作物をAIへ学習させれば必ず侵害」でもありません。

データの取得・複製・加工・保有の全過程を検討する必要があります。

4. AI著作権リスクの新たな核心、Data Provenance

生成AI産業でdata provenance、すなわちデータの出所と権利関係を追跡する能力は、もはや単なるデータエンジニアリングの問題ではありません。

IPリスク管理の問題です。

学習データについて「インターネットから収集」「外部業者から購入」「オープンデータセット」とだけ把握していては不十分な場合があります。

どの原本に由来するか、誰が提供したか、取得時にどの利用条件が適用されたか、権利者の許可やライセンスが存在したか、その複製を何の目的で作り、後にどのデータセットやモデルへ接続したかを、事後にも立証できる必要があります。

Anthropic事件はその理由を示します。

モデルへ入るデータの内容が同じでも、企業システムに入った経路が異なれば、法的評価も異なり得ます。

AI企業はデータだけでなく、その「権利履歴」も管理しなければなりません。

5. 「公開されている」と「自由に複製できる」は同じではない

AI開発現場では、ウェブで誰でも閲覧できるデータなら学習用に自由に複製できる、という誤解があります。

コンテンツへアクセスできることと、著作権法上の複製・利用権限を持つことは同じではありません。

また、外部業者がデータセットを販売しているだけで、含まれる全著作物についてAI学習ライセンスを適法に確保したと断定することもできません。

第三者から学習データを購入する企業は、価格や量だけを検討してはなりません。

業者がどの根拠でデータを取得し、どの範囲の権利を移転できるか、再許諾権があるか、侵害主張が出た場合に責任と防御費用を誰が負担するかまで確認する必要があります。

契約に「供給者は適法な権利を有する」と1文を置くことと、権利関係を実際に検証し証拠を保存することは、全く異なる水準のリスク管理です。

6. 学習終了後のデータを目的なく保有し続けることは特に危険

もう1つの重要点は、データの保有目的と期間です。

問題となった海賊版は、特定モデルの学習段階で一時的に使われただけでなく、Anthropicの中央ライブラリに汎用資料として保管されていました。裁判所は、この恒久的・汎用的ライブラリ構築を学習の変容的目的と分けて評価しました。

企業は「なぜこのデータがサーバーに存在するのか」に答えられなければなりません。

学習後も原データセットを保有する必要があるか、品質検証や再現性のためいつまで保有するか、目的終了後に実際に削除されているかを定める方針が必要です。

AI学習データ管理は、収集方針だけでなくretention policyとdeletion logまで結び付けなければなりません。

多くのデータを確保すること自体が競争力だった時代を越え、必要なデータだけを適法な根拠で保有し、不要データを統制された方法で除去する能力が競争力となり得ます。

7. 「適法に購入したので何でもできる」という解釈も危険

逆方向の誤解にも注意が必要です。

適法購入した紙の書籍のデジタル化とAI学習にfair useが認められたからといって、著作物を一度購入すればAI企業があらゆる方法で利用できるわけではありません。

所有権と著作権は別です。1冊を購入しても著作権までは取得しません。

Bartz で特定利用がfair useとされたのは、利用目的・性質、著作物の性質、利用量、市場への影響など米国法上の要素を総合した結果です。米国著作権局も本件を多要素分析による「mixed result」と分類しています。

実務上の質問は「代金を払ったか」で終わりません。

どの権利を取得し、それが予定する利用まで含むかを確認すべきです。

8. 本判決は米国で「AI学習 = fair use」とする最終ルールではない

韓国企業は特に注意が必要です。

Bartz v. Anthropic は米国連邦地方裁判所レベルの判断です。fair useは各事件の目的、複製方法、出力、市場影響、具体的証拠により判断されます。

集団訴訟も、AI学習行為全体について全国的クラスを認定したものではなく、海賊版取得に関する請求が中心でした。その請求は15億ドルの和解で公判前に解決したため、和解自体がAI学習著作権問題に関する米国最高裁判所レベルの確定判例でもありません。

「米国裁判所がAI学習は著作権侵害ではないと確定した」と単純化するのは適切ではありません。

正確には次のように表現できます。

米国連邦地方裁判所は本件の具体的事実においてLLM学習のための利用をfair useと判断したが、海賊版を取得して別個の中央ライブラリを構築・保有した行為は、別の著作権問題と見た。

この違いは大きいものです。

9. 韓国のAI企業が今「AIデータ権利台帳」を作るべき理由

Anthropic訴訟は米国企業だけの問題ではありません。

生成AIモデルを開発する韓国企業、RAGサービス、AI検索、コンテンツデータセット販売、海外モデルのファインチューニングを行う企業は、自社システムへ入るデータの権利関係を確認する必要があります。

米国へサービスを提供し、海外投資、M&A、技術移転、ライセンスを準備する企業では、さらに重要です。

技術デューデリジェンスでは、「どのモデルを使うか」と同じほど、「モデルやデータセットに第三者の著作権リスクがないか」が重要になり得ます。

Pine Patent 特許法律事務所は、AI企業のデータ管理体制で、少なくともデータセットごとに次の情報を相互追跡できる構造が望ましいと考えます。

取得元と取得日
権利者または供給者
適用ライセンスと当時のバージョン
許容利用範囲
モデル学習、ファインチューニング、RAGなど実際の利用目的
原本・加工物の保存場所
保有期間と削除記録
そのデータに接続されたモデル

これを単なる表計算リストではなく、IPの観点からData Rights Registryとして管理する必要があります。

問題発生後に「おそらくオープンデータだった」と説明する企業と、数年前に取得したデータの出所とライセンスを直ちに示せる企業の法的立場は同じではありません。

10. AI時代のデューデリジェンスは、モデル性能だけでなくデータの適法性も見る

生成AI競争の初期には、より多くのデータを確保し、より大きなモデルを学習させることが重要でした。

しかし、AIが企業の中核資産となり、モデルの価値が数百億・数千億ウォン規模で評価されれば、質問は変わります。

このモデルを継続利用する法的権利があるか。

モデルが依存するデータが違法に取得されたと問題になれば、著作権訴訟だけでなく、事業価値、投資、M&A、海外進出、ライセンスへ影響します。

data provenanceは、個人情報保護や情報セキュリティと別の付加業務ではありません。

AIモデルという中核資産の権利安定性を証明するIPインフラとすべきです。

Pine Patent 特許法律事務所の見解：AI著作権の問いは「何を学んだか」から「どう取得したか」へ

Anthropicの15億ドル和解を「AI企業が著作権者に敗れた事件」とだけ見れば、本件の半分しか見えません。

逆に、「裁判所がAI学習をfair useとしたから自由に学習できる」と理解することも危険です。

最も重要なのは、裁判所が1つのAI学習パイプライン内でも、各複製行為を分けて評価した事実です。

モデル学習の利用はfair useとなり得ます。しかし、それは海賊版サイトから原本を取得する行為を免責しません。適法に保有するデータでも、すべての後続利用が自動的に許されるわけではありません。

AI企業が管理すべき核心は3つの質問に集約されます。

このデータはどこから来たか。
どの法的根拠で保有しているか。
現在の保有・利用目的までその根拠で説明できるか。

Anthropic事件後、data provenanceとライセンス記録は、技術文書ではなくIPリスク管理文書となりつつあります。

生成AI市場が成熟するほど、記録をどれだけ体系的に備えるかが、AI企業の技術価値と事業価値を左右する要素となるでしょう。

Pine Patent 特許法律事務所は、AI・ソフトウェア企業の技術とビジネスモデルに基づき、著作権・データライセンスリスク、AI学習データ契約、技術移転・ライセンス、IPポートフォリオ戦略を検討します。

参考資料

本資料は、公開された米国裁判所文書と報道に基づく一般情報であり、個別のデータセット、契約、サービスに関する法律意見ではありません。実際の判断は、データ取得経路、ライセンス条件、複製・利用方法、保有目的および適用法により異なり得ます。