フェアユースとAI混在市場での競争

二党制の法案、人工知能ネットワークの透明性と責任法（TRAIN）は、2026年1月に導入され、コンテンツクリエイターにAI企業から開示を強制するための召喚令の権限を与える。この法案が成立すると、著作権者は、自分の作品がAIのトレーニングに使用されたかどうかを調べるための法的メカニズムをより多く持つことになる。

一見すると、これはAI開発者から支払いを要求する著作権者の権限を拡大する力のように思えるかもしれない。ただし、実際には、自分の作品が許可なく使用されたことを知るだけでは十分ではない。

フェアユースの場合を決定する際、裁判所は4つの重要な要素を考慮する：使用の目的、元の作品の性質、使用された量、およびその使用が作品の市場価値に与える影響。米国の裁判所の最近の判決は、フェアユースがイノベーションの柱であり、簡単に却下できないことを再確認している。スポットライトは特に市場被害要素とその証明に当てられている。

市場被害としての主な戦場

カリフォルニア北部地区のAI著作権判決は、裁判所がフェアユース分析に対して異なるアプローチをとっていることを示している。Kadrey v. Metaでは、Judge Chhabriaは市場被害を「フェアユースの最も重要な要素」と呼んだ。一方、Bartz v. AnthropicのJudge Alsupは、4つの要素をより均等に重視した。ただし、両者の裁判官は、原告が被害を主張するだけでなく、被害が発生したか、または発生する可能性があることを証明する必要があることを同意した。

証拠の要件は、特に資金が不足しているスタートアップのAI開発者にとって重要である。被害が推定されるのではなく証明されなければならない場合、開発者は被害を避けるための設計上の選択を行うことができる。判決は、開発者が法的ソースからデータを取得し、著作権作品とは異なる目的を提供する製品を設計し、テキストの大きな部分の複製を防ぐガードレールを実装することでリスクを軽減できることを示唆している。

BartzとKadreyの両方の裁判所は、AIトレーニングが著作権法における「変換使用」に該当することを認めた。したがって、焦点は次第に4番目のフェアユース要素、つまり市場被害に移行している。最近のAI著作権紛争はこれを示している。主張は、逐語的複製が発行者の市場価値に被害を与えるという考えに基づいている。

これらのケースはまだ決定されていない。重要なのは、出版者が勝つために、2つのことを主張する必要があるということである：AIの出力が元の作品へのアクセスの必要性を実質的に代替すること、およびその結果、著作権者が具体的な経済的被害を被ること。

証拠の要件

BartzとKadreyは、市場被害が示唆されるのではなく証明される必要があることを強調している。Kadreyでは、広範なテストにより、MetaのLlamaは原告の作品から50トークン以上を複製せず、さらに、元の作品を複製するように設計されたコーキングプロンプトの下で、60%の時間だけ複製した。

BartzのJudge Alsupは、AnthropicのClaudeが実際にユーザーに著作権侵害テキストを提供したかどうかを検討した。原告はこれが発生したことを主張しなかった。複製がない場合、元の作品の代替を主張することは困難になる。

この証拠のアプローチは、著作権者が自分の作品がトレーニングに使用されたことを示したとしても、必ずしも侵害の強いケースを持っているわけではないことを示している。AIシステムが市場に損害を与える出力を生成しない場合、単なる使用は法律上ではあまり重要ではない。

市場被害が認められた場合

Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc.では、デラウェア地区裁判所は、ロスインテリジェンスがトムソンロイターのWestlawヘッドノートを使用してAI法律研究ツールをトレーニングし、Westlawと直接競合する場合、ロスのフェアユース防御を却下した。フェアユース分析の第1要素（目的と性質）と第4要素（市場効果）が判決に重要であった。

巡回判事Stephanos Bibasは、ロスの使用は変換的ではなく、直接の市場の代替品を作成したと判断した。ロスは当初、Westlawのコンテンツのライセンスを申し込んだが、トムソンロイターはロスが競合他社であるため拒否した。元の資料の目的とAI製品の目的の整合性も潜在的な被害の主張を支持する。

逆に、AI製品がトレーニングに使用された市場とは異なる市場を対象としている場合、市場の代替を証明することは困難になる。BartzとKadreyでは、汎用言語モデルはトレーニングに使用された個々の本書とは根本的に異なる機能を提供していた。この区別は重要となる可能性がある。AIシステムの目的がトレーニングデータソースから遠ざかるにつれて、市場の代替を示すことはより困難になる。

「ライセンス市場」論証の拒否

両方の裁判所は、AI開発者がトレーニングデータのライセンス市場に損害を与えるという主張を明確に拒否した。Judge Chhabriaは、説明したように、ライセンス料の喪失を損害として扱うことは、フェアユース分析を循環的にし、著作権者に自動的に有利になることを意味する。Judge Alsupは、書籍を特にAIトレーニングのためにライセンスするための市場は「著作権法が著者に利用する権利を与えるものではない」と判断した。

裁判所は、自主的なライセンス契約を法的料金への権利の根拠として扱わないことを決定した。少なくとも使用が十分に変換的である限り、この決定は、著作権者がフェアユースを阻止するために新しく出現したライセンス市場に頼ることはできないことを示している。

戦略的影響

著作権者にとって、最も強いケースは、市場の代替が明確に特定できるものである。彼らは、AIシステムの出力が元の作品と最も近いものに焦点を当てることで、戦略的にアプローチするかもしれない。トレーニング自体への幅広い挑戦ではなく、代替が最も近いAIシステムに挑戦する。

TRAIN法案が法律となる場合、著作権者は自分の作品がどのように使用されているかを調査するための発見ツールを得る。ただし、情報を入手することは最初のステップにすぎない。市場被害を示すことは、侵害の主張の成功にとって中央的なものとなる。

AI開発者にとって、最近の判決は、被害のリスクを軽減するための枠組みを提供する。まず、データの取得を法的に行う。両方のBartzとKadreyは、作品を使用すること（潜在的なフェアユース）と海賊行為によって作品を取得することの違いを強調した。Judge Alsupは、Anthropicが海賊サイトからダウンロードしたことは「本質的に、決して救済できない」侵害行為であると判断したが、後のトレーニングはフェアユースになる可能性がある。

2番目に、トレーニングデータソースとは異なる目的の製品を設計する。AIシステムがユーザーに文書を作成するのを支援する場合、トレーニングデータの小説や記事とは異なる目的を提供する。システムが単にこれらの作品を取得または複製する場合、フェアユースではなくなり、侵害となる。

3番目に、大量の逐語的複製を防ぐための安全対策を実装する。Kadrey裁判所は、Metaのシステムが最小限のコンテンツしか複製せず、フェアユースを支持することを指摘した。大量の著作権作品を複製するシステムを許可する開発者は、法的リスクを大幅に増大させることになる。

結論

TRAIN法案が成立すると、著作権者は自分の作品がAIのトレーニングに使用されたかどうかを調べるためのツールを得ることになる。ただし、最近の判決は、著作権者の発見はこれから始まるにすぎないことを明確にしている。米国の新しい枠組みは、市場被害に焦点を当て、単なるトレーニング使用ではなく、特定の経済的損害の証明を必要とする。

AI開発者は、3つのことを注力する必要がある。まず、データを法的に取得する。2番目に、トレーニング資料とは異なる目的を提供する製品を設計する。3番目に、システムが大量の著作権作品を逐語的複製するのを防ぐ。著作権者は、AI製品が実際に自分の作品を市場で代替することを示すことができる場合に、最も強いケースを持つことになる。