AIと著作権 / 連邦化が呼び込む「入力」訴訟の時代 / トランプ大統領令とBartz事件を手掛かりに

０　はじめに

　2025年12月、米国は「ENSURING A NATIONAL POLICY FRAMEWORK FOR ARTIFICIAL INTELLIGENCE」と題する大統領令を発出し、州法によるAI規制の「パッチワーク」を問題視しつつ、連邦主導の統一枠組みを志向する姿勢を鮮明にした（注1）。いかにも規制緩和の物語である。だが、規制緩和は、リスクの消滅ではなく、リスクの移動であることが多い。AIをめぐる法的リスクも例外ではない。

　Bloomberg Lawの論考は、この大統領令が州規制の衰退という意味で混乱を抑える一方、連邦裁判所がすでに手にしている強力な道具、すなわち著作権法がAIガバナンスの支配的規律になりうると指摘する（注2）。今回は、この「著作権がAIを規律する」という構図がどのようなメカニズムで成立しうるのか、そして企業実務に何を要求するのかを、近時のBartz v. Anthropic PBC（以下「Bartz事件」という）等を素材に、雑感として整理する。

１　問題の所在　「出力」より「入力」

　生成AIをめぐる訴訟報道は、しばしば「AIが何かを生成してしまった」側に視線が集まる。もっとも、少なくとも米国の直近の訴訟の主戦場は、出力そのものよりも、入力、すなわち訓練データの取得経路にあるように見える（注2）。

　この転回は、著作権法の構造から理解しやすい。著作権法は、表現の無断利用を原則として禁じるが、AIの訓練は、まさに大量の複製を伴う。したがって、侵害論の入口は、モデルが何を出力したかよりも、モデルが何を取り込んだかに置かれやすい。さらに、入力が違法取得であれば、そこから先の議論は驚くほど単純化する。フェアユースのような抗弁は、出発点が適法であることを暗黙の前提とする場面が多いからである（注2）。

　今日に至るまで、米国の裁判所は、AIモデルの出力が単に著作権で保護されたコンテンツでトレーニングされたという事実のみをもって侵害的な二次的著作物になると判断したことはない。AIモデルの出力に実質的な類似性が認められない限り、出力段階での侵害を問うことは困難である、というのが通説的理解であった。

　他方、AIプログラムを用いて特定の著作権要素を複製し、取り込む行為自体は別の問題であり、侵害を構成しうる。ここで裁判所が注目しているのは二つの確立された命題である。第一に、適法に取得された資料に基づくトレーニングはフェアユースとして認められうるという点。第二に、基礎となる資料が不法に取得された場合、フェアユースの抗弁は崩壊するという点である。後者こそ、現在のドクトリンの重心といえる。

２　連邦化という「統一」の二面性

　大統領令の骨格は明快である。司法長官に対し連邦政策と整合しない州のAI法を争うための「AI Litigation Task Force」を設置させ（Sec.3）、商務長官に州AI法の評価・特定を命じ（Sec.4）、特定された「過度に負担の重い」州法を維持する州に対しブロードバンド補助金等の資金配分で圧力をかけ（Sec.5）、FCCに連邦の報告・開示基準（州法の先取りを想定）を検討させ（Sec.6）、FTCに「真実の出力」を歪める州法が不当表示規制と抵触しうることを政策声明として示させる（Sec.7）。そして最終的には連邦統一立法の勧告を準備する（Sec.8）という段取りである（注1）。

　ここで重要なのは、州法の排除それ自体ではない。紛争がどこへ集約されるかである。大統領令が想定する執行の舞台は連邦であり、連邦で戦う以上、争点は連邦法へ吸い寄せられる。連邦法のうち、AIという技術に対してすでに成熟し、かつ強い執行力（差止め、法定損害賠償、クラスアクション）を備える領域が何かといえば、知的財産法、とりわけ著作権法である、というのが（注2）の直観である。

　この大統領令は、一般には規制緩和として描写されることが多い。だが、この評価はその構造的帰結を見落としている。この大統領令は、AIに関連する法的リスクを減少させるのではなく、むしろ再中央集権化させるものである。統一された連邦基準の確立は、今後のAI執行が連邦裁判所に支配されることを意味する。DOJのAI訴訟タスクフォースの創設、商務省に対する州法の抵触確認の指示、そして連邦資金提供を条件とした州のコンプライアンス義務付け等は、将来のAI紛争が排他的に連邦フォーラムへと移行することを確実にしている。州レベルでの実験的な規制や緩和の余地はなくなり、連邦法の一律適用が現実のものとなる。

３　著作権が「規制」になるメカニズム　厳格責任と法定損害賠償

　米国著作権法の特徴は、少なくとも民事責任のレベルでは厳格責任に近い形で侵害が構成される点にある。訓練のための複製が著作権者の許諾なく行われれば、複製権（17 U.S.C. §106(1)）侵害がまず問題となりうる（注3）。また、訓練や生成物が二次的著作物の領域に踏み込むかは別としても、当該権利（同§106(2)）が射程に入る場面も議論される（注3）。

　他方で、北カリフォルニア地区のBartz事件とKadrey v. Meta Platforms, Inc.は、適法に取得された書籍を用いたLLM訓練についてトランスフォーマティブ性を強調し、フェアユースを肯定したと整理されている（注4・注5）。ここで示された方向性は、少なくとも「訓練それ自体」の抽象論よりも、「何をどう入手したか」という入口を主戦場に押し戻す効果を持つ。

　AIモデルは著作権法によって保護されるべき表現そのものを複製したり流用したりするのではない。モデルは学習フェーズにおいて、単語間の統計的な関係性を学習するに過ぎない。著作権法によって保護されるべき表現が摂取されていない以上、そこには侵害はなく、そもそもフェアユースの抗弁を検討するまでもないという論理も背景にある。適法なデータに基づく限り、この統計的学習はイノベーションを促進する変容的利用として保護される。

　だが、基礎となる資料が不法に取得された場合、話は変わる。トレーニングデータに海賊版の書籍、来歴不明のスクレイピングコンテンツ、あるいはライセンスの枠組み外で取得されたコピーが含まれている場合、フェアユースの防御壁は蒸発する。不法な手段で入手したデータを使って利益を得ようとする行為に対し、衡平の原則に基づくフェアユースの法理は適用されない。そこに残るのは、複製権および二次的著作物作成権に対する、単純かつ明白な侵害事実のみである。データセットへの不法なコピーの混入は、フェアユースの入り口議論において開発者を排除し、厳格な著作権侵害の責任追及の場へと引きずり込む。

　そして、侵害が成立すると、法定損害賠償が「桁」を変える。故意侵害であれば一著作物あたり最大15万ドルという水準が制度的に用意されており（17 U.S.C. §504(c)）（注6）、訓練データセットに何十万、何百万という著作物が混入していれば、理論上の暴露額は企業の存立を脅かす規模になりうる。ここに、著作権が規制として機能する力学がある。行政規制のように一般抽象的に命じなくても、違反の期待損失が巨大であれば、企業は自ら行動を変える。

４　Bartz事件　フェアユースの勝利と「海賊版」という敗北

　Bartz事件は、この力学を極端な形で可視化した事件である。報道によれば、Anthropicは、著作権者が作成した書籍を購入等により適法に取得した分と、いわゆるシャドーライブラリ由来の海賊版として取得した分の双方を、中央ライブラリ的に保持していたとされる（注7）。

　2025年6月のAlsup判事の判断は、学習データの性質に応じて判断を厳格に二分した。Anthropicが合法的に購入またはライセンスを受けた著作物を使用して行ったトレーニングについては、これを「極めて変容的」であるとしてフェアユースを支持する判断を下した。適法なデータの利用に関しては、AI開発側の主張が認められた（注4）。

　しかしながら、同社がシャドーライブラリからダウンロードし保持していたとされる700万冊以上の海賊版書籍を使用したトレーニングについては、フェアユースの天秤は開発者側に傾かなかった。不法に取得されたデータについては変容的利用の抗弁が認められず、損害賠償の審理へと進むことになった（注4）。

　この事件の真の重要性は、裁判所がシャドーライブラリからダウンロードされたとされるデータセットに含まれる著作物の権利者、計482,460名からなるクラスを認定した点にある。これにより、当初は控えめに見積もられていた損害額が、一気に実存的脅威へと変貌した。

　著作権法には、故意の侵害に対し、一作品あたり最大15万ドルの法定損害賠償を認めるという懲罰的な特徴がある（注6）。これを数十万件の作品に適用すれば、理論上の賠償額は天文学的な数字となる。Bartz事件においては、最小でも3億6,000万ドル、最大で約720億ドル（現在のレートで約10兆円超）という途方もない潜在的責任が生じる可能性があった。

　結果として、Anthropicは変容的利用（合法データ部分）に関する議論では勝利していたにもかかわらず、著作権訴訟史上最大となる15億ドルでの和解を余儀なくされた（注7）。フェアユースの「勝ち」が残りつつも、海賊版の「負け」が企業を屈服させる、という構図である。

５　「シャドーライブラリ戦略」と入力ガバナンス

　shadow library strategyは、端的にいえば、訓練データを追跡し、違法コピー（海賊版、出所不明のスクレイピング等）を特定し、クラスとして集約し、法定損害賠償を梃子に交渉する、という手順である（注2）。この戦略は、モデルの出力が特定の著作物とどれほど「似ているか」という立証の泥沼を回避しうる。むしろ、データ取得過程のログと、データセットの出自が主戦場になる。

　原告側の法律事務所は、Bartz事件で成功を収めたこの手法を、現在では公然とシャドーライブラリ戦略と呼称している。そのプロセスは極めてシステマチックかつ再現性が高い。訓練データを追跡し、不法コピーを特定し、影響を受けた権利者を大規模なクラスアクションとしてまとめ、侵害の事実に基づき実損害の立証を要しない法定損害賠償を請求する。これを業界全体に対して繰り返す。現行法においてこの戦略を阻止する手立ては存在しない。AIモデルがどれほど高度な出力を生成しようとも、あるいは出力において侵害を回避するガードレールを備えていようとも、その学習の源泉に「毒された井戸」の水が一滴でも混じっていれば、そこを一点突破口として数百億ドル規模の訴訟リスクが生じる構造が完成してしまったのである。

　この局面で企業に求められるのは、技術的な安全性だけではない。法的に言えば、反証の準備である。すなわち、当該訓練データが適法に取得され、必要な場合にライセンスされ、混入が管理され、事後に説明できる状態にあることの立証可能性である。大統領令自体も、FCCによる報告・開示基準の検討（Sec.6）を予定しており（注1）、今後、プロベナンスや開示を巡る連邦の標準化が進むなら、企業は「侵害しない」だけでなく「侵害していないことを示す」必要に迫られる。

６　企業実務への含意　ライセンスは「コスト」ではなく「保険」である

　ここで、実務的含意は三つに圧縮できる。

　第一に、データ調達の統制である。訓練データについて、取得経路、権利状態（著作権の存否、パブリックドメインか、ライセンスの有無）、利用目的（訓練、評価、検証、RAG等）を、粒度を落とさずに把握する必要がある。とりわけ外部ベンダーからデータセットを購入する場合、表明保証、補償、監査権、由来資料の提出義務といった「契約の言語」でプロベナンスを固定することになる。技術チームの「scrapeできるから使う」は、法務の「それは爆弾である」に翻訳される。

　第二に、ログと分離である。Bartz事件が示唆するのは、同じ著作物でも、購入本として取得したルートと、海賊版として取得したルートとで、法的評価が分岐しうるという点である（注4）。混ぜれば負け筋が増える。したがって、データレイクを「巨大な闇鍋」にしない設計、すなわち、由来別の論理分離、アクセス制御、削除可能性の確保が必要となる。モデルの学習済み重みから海賊版の影響を「除去できるか」は依然として難題であるが、少なくとも混入の入口で分離しておくことは、後の説明可能性を決定的に改善する。

　第三に、ライセンスの戦略的意味である。Bloomberg Lawの論考は、ライセンスが複製権侵害の完全な抗弁となり、シャドーライブラリ戦略の前提（違法取得）を崩すと強調する（注2）。もちろん、ライセンス市場の形成には時間がかかり、価格の合理性も、交渉力も、業界によって異なる。だが、法定損害賠償という尾ひれが付く以上、ライセンスは単なるデータコストではなく、いわば訴訟リスクに対する保険として理解される局面がある。皮肉なことに、規制緩和を掲げる政治が、結果としてライセンス取引を促進し、著作権市場を活性化させる可能性がある。

　フェアユースは、不透明あるいは便宜的なデータ取得に対する包括的な免罪符ではない。それはあくまで適法に入手されたコピーから出発した者のみを保護する法理である。海賊版の入力、出所不明のスクレイピングデータセット、シャドーライブラリのコーパス、あるいは来歴分析を拒む混合データセットに対しては、フェアユースは何ら治癒的効果を持たない。

　対照的に、ライセンスはAIトレーニングにおいて最も問題となる複製権に対する完全な抗弁となる。ライセンスされたデータでトレーニングされたモデルは、前述のシャドーライブラリ戦略を根本から封じることができる。ライセンス取得は、不法取得に紐づく法定損害賠償のリスクを排除し、変容的トレーニングに関するフェアユースの主張を保全し（基礎データが適法であるため）、連邦基準の下で浮上するであろう来歴要件を満たし、そして何より前提となる侵害事実を取り除くことでクラスアクションの組成自体を阻止する。もはやライセンス料はイノベーションに対する税金ではない。それはAI産業にとって唯一のスケーラブルな法的盾である。

７　日本法および実務への示唆

　本稿は米国の法状況を論じたものであるが、日本の実務家にとっても対岸の火事ではない。

　第一に、学習データのグローバルな性質と米国管轄権の問題がある。日本の著作権法30条の4は、情報解析目的の利用について権利者の許諾を不要とする世界的に見ても広範な権利制限規定を有している。しかし、日本企業が開発したAIモデルであっても、米国市場で展開し、あるいは米国のサーバーを利用して学習を行う場合、米国の司法管轄に服する可能性がある。その際、学習データの中に米国著作権法上の保護を受ける著作物が含まれており、かつその取得経路がシャドーライブラリ等であった場合、Bartz事件と同様のクラスアクションに巻き込まれるリスクがある。日本の30条の4が米国の法廷で抗弁として機能するかは極めて不透明であり、法の抵触に関する複雑な問題を惹起する。

　第二に、データ・ガバナンスとデュー・デリジェンスの重要性がある。トランプ大統領令後の世界では、データの来歴管理がビジネスの生存要件となる。将来的に日本企業が米国企業と提携し、あるいはM&Aの対象となる場合、学習データのクリアランス状況と来歴の証明が、デュー・デリジェンスにおける最大の争点となるだろう。どこから持ってきたか分からないがとりあえずネットにあったデータで学習したモデルは、法的負債の塊と見なされ、企業価値を著しく毀損することになる。

　第三に、ライセンス市場の形成と「持てる者」の優位性の問題がある。ライセンスが唯一の盾であるならば、今後は良質なデータを大量に保有するメディア企業や出版社と、資金力のある巨大テック企業との間で排他的なライセンス契約が進むことになる。これはスタートアップやアカデミアによるAI研究（特に資金力がなくライセンス料を払えない層）にとっては高い参入障壁となりうる。イノベーションへの税ではないという主張は企業防衛の観点からは正論だが、エコシステム全体としては「豊かな者だけが安全にAIを作れる」という構造を固定化する懸念も残る。だが、Bartz事件の15億ドルの和解は、もはや「知らなかった」では済まされない現実を突きつけている。

８　雑感　「統一」は透明性を要求する

　大統領令は、州法の断片化を敵視し、連邦の統一を志向する（注1）。しかし、統一は企業にとって必ずしも楽ではない。むしろ、連邦の舞台に上がった瞬間、著作権という成熟した武器体系が飛んでくる。そこで問われるのは、倫理綱領やソフトローではなく、データの出自という、地味で、泥臭く、しかし決定的な論点である。

　連邦法による専占は、知的財産権のリスクを増幅させる。州レベルのAI法が一掃されることで、無傷で残りかつ中心的な役割を果たすことになるのが、専ら連邦法の領域にある特許法と著作権法である。トランプ大統領令は、AIの主要な規制者として著作権法が君臨するための場所を空けたのである。

　結局、AIの法的ガバナンスは、「AIらしさ（ブラックボックス、創発、生成）」に固有の新奇論点だけで駆動しているわけではない。既存法が、既存の射程のまま、巨大技術を拘束する。そのとき争点は、往々にして最も古典的なところに落ちる。複製したのか。誰の許諾を得たのか。ログはあるのか。AIの未来は宇宙船のように見えるが、裁判所に持ち込まれるのは、しばしば帳簿と経路である。

　データの来歴を軽視し、「とにかく集めればよい」という時代は終わりを告げた。今後は、法的に潔白なデータをいかに確保し、それを証明できるかが、AI企業の競争力と生存能力を決定づける核心的要素となる。

９　AIと著作権まとめ

（マガジン）「AIと法-雑感」

　※目次は以下を参照

note総則規約3条2項前段
3.2 クリエイターが制作したデジタルコンテンツの著作権は、クリエイターに帰属します。