AI学習と著作権の深淵：法解釈の限界とエンジニアが直面する現実

深夜のデプロイ作業中、ふと自分が書いているコードが、過去の誰かのブログやGitHubの断片を学習したAIによって生成されたものだと気づいたとき、背筋が寒くなることはないだろうか。我々エンジニアは、LLMが「魔法のように」コードを生成する裏側で、インターネット上の膨大な著作物が無断で咀嚼されていることを知っている。しかし、それが法的に「窃盗」なのか、それとも「学習」という名の不可避な進化なのかという問いに対し、現在の法体系はあまりにも無力だ。1976年に制定された著作権法が、現代の数兆パラメータを持つモデルの学習プロセスを想定しているはずもない。

TechCrunchの報道によれば、Anthropicが著作権侵害を巡る訴訟で15億ドルという巨額の和解金を支払った事実は、一見するとクリエイター側の勝利に見える。しかし、実態は全く異なる。ウィリアム・アルサップ判事は、AIモデルが著作物を学習すること自体は「読書」に等しい合法的な行為であると判断したのだ。彼らが罰せられたのは、学習の「手法」として違法なシャドウライブラリからデータを吸い上げたという点に過ぎない。これは我々エンジニアにとって極めて重要な示唆を含んでいる。つまり、学習の「目的」が既存作品の模倣や置換ではなく、新たな価値創造に向けられている限り、AI企業は法的な免罪符を得やすいという現実だ。

Cathy Gellis氏が指摘するように、著作権法は「コピー」を禁じているが、「消費」や「学習」を禁じてはいない。この法的なグレーゾーンこそが、現在のAI開発のアクセルとなっている。しかし、2028年に2,000億ドルの売上を見込む企業にとって、15億ドルの和解金は単なる「コスト」に過ぎない。我々が直面しているのは、法が技術の進化に追いつけないというレベルの話ではなく、法そのものが技術の論理に飲み込まれ、再定義されようとしているという、より根源的な構造変化なのである。

「フェアユース（公正な利用）」という概念は、AI時代の著作権論争において、まるでデッドロックに陥ったスレッドを無理やり解放するような、極めて強引な調整弁として機能している。裁判所は、その利用が「変容的（Transformative）」であるかどうかを判断基準にするが、この定義がまた厄介だ。Thomson ReutersがRoss Intelligenceを訴えたケースでは、裁判所は「競合するプラットフォームを作るための学習は変容的ではない」と断じた。つまり、AIが既存の市場を直接的に侵食する場合、法はクリエイターの側に立つ傾向がある。

しかし、この論理を突き詰めると、我々エンジニアは「何のためにモデルを学習させるのか」という極めて倫理的かつ戦略的な問いに直面する。Harveyのようなリーガルテック企業が、法律事務所のワークフローを学習させるためにオープンソースモデルを独自にトレーニングしている現状は、まさにこの「変容的利用」の最前線だ。彼らは単にデータを食わせているのではなく、特定の専門領域における「推論の型」をエンコードしている。これは単なるコピーではなく、知識の再構築であるという主張が通れば、既存の出版業界やコンテンツ産業は、自らの土俵をAIに明け渡すことになる。

以下の表は、現在の法廷闘争における主要な論点と、それがエンジニアの開発スタンスに与える影響を整理したものだ。

我々が明日から取るべき対策は、単に「学習データセットのライセンスを確認する」といった初歩的なレベルを超えている。モデルの出力が既存の著作物とどれほど類似しているか、あるいはその出力が特定の市場を代替していないかを、CI/CDパイプラインの一部として監視するような、新しいガバナンス体制が求められているのだ。法が未整備である以上、自らの開発したモデルが「変容的」であると証明する責任は、開発者自身に課せられていると言っても過言ではない。

結局のところ、我々エンジニアは「AIが生成したものは誰のものか」という問いから逃げられない。Thaler v. Perlmutter判決が示したように、100% AI生成のコンテンツには著作権が認められないという事実は、クリエイティブな現場に混乱をもたらしている。Microsoft Wordでスペルチェックを使うことと、AIにコードの大部分を生成させることの境界線はどこにあるのか。この問いに対する明確な答えは、現時点では存在しない。我々は、法的な定義が定まるのを待つのではなく、自らの手で「人間が介在した証拠」をどう残すかという、極めて泥臭いエンジニアリングの課題に向き合う必要がある。

Harveyのような企業が、法務という極めて厳格な領域でAIを実装している事実は、技術が法を追い越すスピードを象徴している。彼らは既存の法体系に適合するのではなく、法体系そのものをAIのワークフローに適合させようとしている。これは、我々が普段行っている「レガシーシステムのマイグレーション」と何ら変わらない。古い法という名のレガシーコードを、AIという新しいアーキテクチャでどうラップし、あるいはリプレイスしていくか。それが、これからのシニアエンジニアに求められる真のスキルセットではないだろうか。

最後に、読者であるあなたに問いかけたい。あなたが今日書いたコード、あるいは明日学習させるモデルは、誰かの「生計」を脅かすものになっていないか？ そして、そのモデルが法廷で争われたとき、あなたは胸を張って「これは変容的な創造である」と説明できるか？ 法の網の目を潜り抜けることだけがエンジニアの仕事ではない。技術の力で社会のルールを書き換える側に回るのか、それとも法という名の制約に縛られ続けるのか。その選択は、あなたの書くコードの一行一行に刻まれている。明日から、モデルの学習データセットを構築する際、そのデータの「出自」と「影響」をドキュメント化することから始めてみてほしい。それが、混沌としたAI時代を生き抜くための、唯一の防衛策である。