Insight 2026.06.13

生成AIと著作権・学習データのチェックポイント｜開発者・利用者別の実務論点

この記事を書いた人 朝戸統覚 Legal Agent法律事務所代表弁護士 / Founder & CEO

企業法務、M&A、スタートアップ法務、契約レビュー、生成AIを活用した法務体制づくりを支援しています。

こんにちは。LegalAgent 代表弁護士の朝戸です。

「日本の著作権法にはAI学習を認める規定が置かれているため、学習に使うのであればどのようなデータでも自由に扱える」。生成AIと著作権に関する相談を受けていると、このような認識に出会うことがあります。確かに日本の著作権法には、情報解析などを目的とした利用を認める権利制限規定が設けられており、一定の条件下で著作物の利用が許容される余地があります。しかし、そこから短絡的に「AI学習であれば何でも自由」と捉えるのは早計です。学習段階、モデル提供段階、出力生成段階、出力利用段階のそれぞれにおいて、検討すべき法的論点や契約上の制約が異なるからです。

実際に寄せられる相談も、利用の段階に応じて分かれます。「インターネット上の文章や画像を自社モデルの学習に使ってよいか」は学習段階の検討事項ですし、「AIが作成したイラストや文章を商品パッケージや広告に使ってよいか」「他社の制作物に酷似した成果物が出た場合、誰が責任を負うのか」は出力の利用段階の検討事項です。同じ生成AIの活用であっても、参照すべき法令の条文も、チェックすべき契約書の条項も別個のものとなります。

検討すべき法領域も著作権法だけに留まりません。データ元の利用規約、秘密保持契約、個人情報保護法、さらには肖像権やパブリシティ権の保護も絡み合います。公的見解や裁判例によって判断に必要な情報が変わり得るため、企業は実際にAIを活用する時点で、最新の公的見解や実務慣行に照らして判断を進めることが基本となります。

学習段階と出力利用段階の違い

生成AIを巡る著作権の問題は、大きく分けると「学習データの利用」と「生成された出力結果の利用」の二つに区分されます。

学習データの利用とは、文章、画像、プログラムコードなどの素材を、AIモデルの事前学習やファインチューニング、モデルの評価、プロンプトの調整などに利用する行為を指します。日本の著作権法第30条の4では、著作物に表現された思想又は感情を自ら享受し、又は他人に享受させる目的がない場合について、必要と認められる限度での利用を認めています。ただし、利用目的や利用態様がその要件を満たしているか、また「著作権者の利益を不当に害することとなる場合」というただし書に該当しないかについて、個別具体的な判断が行われます。享受を目的とする意図が併存している場合には適用されないこともあり、RAG（検索拡張生成）やプロンプトへの入力だからといって自動的に適法と評価されるわけではありません。

一方、出力結果の利用とは、AIが生成したテキスト、画像、コードなどを自社の業務や対外的な公表物に採用することです。この段階では、出力物が既存の著作物における創作的な表現と類似しているか、そして既存の著作物に依拠して作成されたかが問われます。特定の作家名やキャラクター名をプロンプトに入力したことだけで自動的に権利侵害と決まるわけではなく、作風やアイデアが似通っているだけで直ちに侵害となるわけでもありません。利用者がどのような指示や素材を与え、どのような過程で出力を得たのかという具体的な経緯を踏まえて検討されます。

さらに実務では、法律上の可否だけでなく、各サービスの利用規約という契約の枠組みが加わります。入力データがベンダー側の学習に転用されるのか、学習拒否（オプトアウト）の設定が可能なのか、生成物の権利は誰に帰属するのか、第三者から権利侵害の警告を受けた際に補償を受けられるのかは、サービスごとに定めが分かれます。「法律上許されるか」「契約上認められているか」「取引先や顧客に説明できるか」「事業上のリスクとして許容できるか」はそれぞれ別の問いであり、切り分けて確認することが欠かせません。

手元にあるデータと使ってよいデータの区別

AI活用の成否がデータの質と量に左右されるからこそ、権利関係の摩擦が生じやすくなります。

過去の社内ナレッジや契約書、開発資料をAIに読み込ませれば、業務の生産性を上げられる場合があります。しかし、そのデータの中に第三者の著作物や取引先から開示された秘密情報が含まれている場合、学習や再利用に権利や契約上の制限が及ぶ場合があります。インターネット上で一般に閲覧できる情報であっても、サイトの利用規約や技術的制限を無視してよい理屈にはなりませんし、顧客から預かった資料を手元にあるからといって自社のAI学習に回せば、契約上の目的外利用や秘密保持義務違反に該当する恐れがあります。手元に存在するデータと、AIに投入してよいデータは別物です。

出力の側にも同様の配慮が必要です。AIツールは、既存の作品に極めて近い表現を出力することがあります。生成物の商用利用がツール側で許諾されているからといって、既存の第三者著作権を侵害しないことが保証されているわけではありません。また、AIが生成した成果物のすべてに当然に著作権が発生するわけでもありません。

リスクを恐れて全面禁止にすれば、現場が個人のアカウントで秘密裏に使い始め、かえって社内の利用実態が見えなくなる事態を招くおそれがあります。反対に現場の裁量に委ねれば、権利処理の不確かなデータが公表物に使用されてしまう恐れがあります。学習データ、入力データ、出力結果の各段階に応じた明確なルール設計が必要となる背景には、こうした両極端な失敗を避ける狙いがあります。

データの分類から社内確認までの手順

実務における確認は、まず利用するデータの分類から着手します。自社が作成したデータ、顧客から受領したデータ、公開ウェブ上のデータ、外部から購入したデータセットといった区分に整理します。一括りに「データ」として扱うと、権利上の制約が異なる素材が混在し、適切な確認が行えなくなります。

次に、データの取得経路と利用条件を確認します。どのような経路で入手したのか、利用規約やライセンス条項に商用利用の制限はないかを確かめます。

続いて、データの利用目的を特定します。基盤モデル自体の学習に使うのか、社内検索用のRAGに組み込むのか、特定の文書を要約するためなのか、プロンプト内で一時的に参照させるだけなのかによって、生じるリスクの性質は変化します。顧客情報や機密資料を外部のAIサービスに送る場合には、プロバイダ側でのデータ保存やモデル改善への利用の有無を確かめます。

権利侵害の主張を受けた事後への備えもあらかじめ講じておきます。利用規約における補償条項の有無と適用条件、問題のある出力を迅速に利用停止・削除する手順、そしてプロンプトや生成経緯の記録方針を定めます。記録が一切残っていないと、社内外に対して作成の経緯を説明する際に苦慮することになります。

あわせて、従業員への教育と公表前の確認体制を整えます。著名なキャラクターや他社の商標、既存のブランドコピー、第三者のソースコードに酷似した表現を安易に使用しないよう、具体的な事例を用いて周知します。特に広告、ロゴマーク、キャッチコピー、製品組み込みコードなど、対外的な影響が大きい成果物については、法務、知財、広報、事業部門が事前に確認する工程を設けることが実効性を高めます。

取引上の立場に応じたリスクの違い

AI開発者の立場では、学習用データセットの取得元やライセンス条件、評価データの権利関係を的確に把握しておくことが中心的な確認点です。投資家や提携先から適法性の根拠を問われた際に、データごとの取得条件や判断理由を具体的に示せるように整えておきます。

AI提供者の立場では、サービスの利用規約において、入力データの学習利用やオプトアウトの可否、入力データやログの保存期間、生成物の権利帰属、第三者からの権利侵害主張に対する補償の範囲を明確に定めておくことが欠かせません。ここが曖昧なままサービスを提供すると、営業時の説明と利用規約が矛盾し、利用企業との間で責任の所在を巡る二次的なトラブルに発展しかねません。

AI利用者の立場では、社内規程に加え、顧客資料や外部ライターの原稿に関する契約の利用目的、秘密保持義務を確認し、出力結果を広告や製品UI、顧客向け資料に利用する際に他社の既存著作物と類似していないかを確認する手順を徹底します。

外部への業務委託が絡む取引でも細やかな取り決めが必要です。制作会社やライターが成果物の作成にAIを用いる場合、発注者側としてはAI利用の可否、生成物の権利帰属、権利侵害時の責任分担を契約で押さえておきたいと考えます。受注者側にとっても、過度な禁止によって制作業務が滞らないよう、許容される利用範囲や確認手順をあらかじめ契約書で明確にしておく実益があります。