Nelson Chu、ARCOS Labs創設者兼CEO – インタビューシリーズ

Nelson Chu、ARCOS Labsの創設者兼CEOであり、金融インフラ、投資、デジタルプラットフォームにわたる経歴を持つ連続起業家・テクノロジーエグゼクティブです。ARCOS Labsを設立する前は、Percentの創設者兼CEOとして8年間勤め、プライベートクレジット市場の近代化を目指すテクノロジープラットフォームを構築し、現在は取締役会長を務めています。キャリアの初期には、シニアや障がい者と支援者をつなぐオンラインプラットフォームMySupportを共同設立し、後にRISE Servicesに買収され、戦略アドバイザリー会社Lumenaryを創業しました。また、BlockFiやRecharge Capitalなどの企業に対しアドバイザーや投資家としても活動しており、金融サービス業界ではBlackRock、Bank of America、Merrill Lynchでの勤務経験があります。

ARCOS Labs、Applied Research in Creative Output Synthesis の略称で、生成モデルが著作権で保護された作品やキャラクター、人間の容姿とますます関わる中、AI が責任ある形で動作できるようインフラを開発しています。同社はフォレンジック IP インテリジェンスと権利管理に注力し、AI がクリエイティブ資産をどのように再現・利用しているかを特定・測定し、ライセンスや執行フレームワークを支援する技術を提供します。主力プラットフォームの VN は、クリエイター、スタジオ、タレントエージェンシー、権利者が AI システムによる知的財産の利用をより可視化し、コントロールできるよう設計されており、また ARCOS は AI 訓練モデルの調査を目的としたクラウドソーシングイニシアチブ Lightbar も手掛けています。同社は 2026 年 8 月にステルス状態から公開され、クリエイターと AI システムが大規模に共存できるために必要な信頼と権利インフラの構築を目指しています。

あなたは、断片化されたプライベートクレジット市場に効率性と透明性をもたらすためのインフラを構築するのに8年間を費やしました。そのような金融インフラを構築した経験から、生成AI時代の知的財産と権利管理という全く異なる課題に取り組む際、ARCOS Labsでどのように活かしていますか？

多くはそのまま活かせます。Percent を立ち上げた当時、プライベートクレジットは断片化され不透明でした。取引ごとに記述方法が異なり、比較や価格付けが自信を持ってできませんでした。最初の教訓は、標準化が市場形成に先行しなければならないということです。取引を毎回同じ方法で記述・検証できる基盤整備に何年も取り組み、効率的な取引はその後に実現しました。生成AI時代のIPも同様の課題を抱えています。資産が何で誰が所有しているかという標準的な記録がなく、モデルがそれをどのように利用しているかすら分かりません。その記録ができるまで、下流の執行やライセンス付与はすべて臨時的な対応に留まります。

二つ目の教訓は、信頼は検証に基づくということです。プライベートクレジットの投資家は、発行体の言葉だけで取引のパフォーマンスを信じませんでした。自ら確認できるデータを求めたのです。現在の AI 企業に対しても権利者は同様の立場にあります。ガードレールに関する保証はほとんど重みがありません。独立して再現可能な証拠こそが議論を変える要素です。

三つ目の教訓はインセンティブに関するものです。断片的で「鶏卵」市場は、両側が自分たちに利益があると確信したときに初めて機能します。Percent では、一方の側だけの解決策を試みても持続しませんでした。IP と権利管理においては、現在インセンティブが大きくずれています。モデル企業は成長と顧客への有用なツール提供を優先し、時には侵害コンテンツをマーケティング手段として作り出すこともあります（例：Sora や ByteDance）。一方、権利者は予測できない変化に追随しつつ、コンテンツ制作が格段に容易になった時代に relevance を保たなければなりません。両者が信頼できるインフラは、取引そのものに関与しない第三者が提供するものが通常です。

この流れは他の領域でも見られます。プライベートクレジットは、測定インフラが整備されたことで主流の資産クラスとなりました。IP も同様の転換期の初期段階にあると私は考えています。

生成AIからクリエイティブ作品を守るには、主に著作権法やコンテンツモデレーション方針、ウォーターマーキングの改善ではなく、新たな技術インフラ層が必要だと確信した理由は何ですか？

根本的に、モデル自体が技術的解決策であるため、創造性を守るには同様に技術的手段が必要です。著作権法は依然として曖昧で、Cox や Anthropic の事例、ドイツの GEMA に関する動きからも分かります。フェアユースの概念も未解決で、裁判所の判断は時間がかかります。コンテンツモデレーションはモデル自身に自己規制を求めることになり、観測された限界からほぼ不可能です。ウォーターマーキングは有望なアイデアですが、自己検閲に依存し、簡単に除去されてしまいます。以上を踏まえ、唯一の現実的な解決策は自ら技術で対応し、この重要かつ深刻な問題に答えることだと判断しました。

VN は、AI が生成したコンテンツが保護されたキャラクターやクリエイティブ作品、人間の容姿とどれだけ類似しているかを測定するよう設計されています。技術的には、どのようにして出力が単なる類似から権利者が懸念すべきレベルに達したと判断するのでしょうか？

最終的にはユーザーに判断を委ねます。私たちの役割は、出力が統計的にどれだけ類似しているかを算出し、すべての姿勢と可能性を捕捉した上で、保護対象のキャラクター、作品、または容姿と比較することです。ユーザー側で、一定の閾値以下であれば公開できないと設定することが可能です。大手企業は自社生成物すべてを自社所有としたいため、より厳格な基準を設ける傾向があります。一方、趣味で試すプロシューマーは、より高い閾値を受容し、バリエーションを許容します。

スタジオやタレントエージェンシーなどのクライアントに対してフォレンジックテストを実施する際、以下のようなエクスポージャー分析を提供します：

• どのモデルが最も正確にコンテンツを生成するか
• どのモデルがコンテンツを生成可能か
• どのモデルが問題のある状況にコンテンツを置く可能性があるか

最終的に、私たちの仕事は分析を行い結果を提供することですが、クライアントがそれをどう活用するかは完全にクライアントの判断です。

Seedance 2.5 のテストでは、目立つキャラクターに対する保護は強固でしたが、あまり知られていない知的財産に対する保護は弱いことが分かりました。この格差は、AI 企業が現在どのように著作権保護を構築していることを示しており、なぜロングテール IP の保護が特に難しいのでしょうか？

AI 企業はそれぞれ異なり、問題への関心度も様々です。今年初めにリリースされた Seedance 2.0 では、ByteDance が自社への影響を認識し、すぐに保護策を強化しました。一部の有名で人気のあるモデルは、選択的または見落としにより無関心に見えることがありますが、知的財産を尊重しないことは決して「間違い」とは見なされず、まだ結論に至っていないだけです。

ロングテールの保護が難しいのは、技術的な仕組みが以下のようになっているからです：

プロンプトレベルのチェック：入力プロンプトに侵害コンテンツが含まれていないか検査し、モデルに続行可否を判断させます。残念ながら、プロンプトを検査しても回避手段は多数残ります。表現を少し変える、キャラクター名を出さずに説明する、タイプミスを入れるなどの手法があります。プロンプトは検出器を簡単に回避でき、モデルはユーザーのプロンプトと異なる出力を生成し、侵害キャラクターを含むことがあります。

出力分析チェック：各出力を既知のキャラクターデータベースと照合します。認識しやすいキャラクターは感度が高く設定されますが、ロングテールのキャラクターはデータベースに登録されていないことが多く、見過ごされがちです。そのため、包括的な監視は困難です。

速度も重要です。画像生成モデルの場合、単一画像のチェックは比較的迅速です。しかし動画生成では多数のフレームをスキャンする必要があり、出力が遅くなりユーザー体験に影響します。

これらの課題のバランスは繊細ですが、いくつかのモデルは解決に向けて努力しています。最終的には、モデルが知的財産を尊重する意欲と関心があるかどうかに依存します。

モデルは著作権で保護されたキャラクターの直接生成要求を拒否しても、十分に詳細な説明を与えると再現してしまうことがあります。このような間接的再現を特定するために、AI 安全性テストは単なるプロンプト拒否率を超えてどのように進化すべきでしょうか？

これは明確な問題です。モデルが詳細な、あるいは非常に簡単な説明だけでキャラクターを再現できる場合、そのキャラクターがトレーニングデータに深く埋め込まれていることを示します。これはデータ収集方法に関する別の重要な問題であり、現在裁判で争われています。

安全性テストはプロンプトの検査だけでなく、実際の出力を分析する方向へ進む必要があります。モデルは拡散プロセスで画像を徐々に構築し、結果のビジョンを形成します。このプロセスと学習方法により、著作権で保護されたキャラクターが前景でも背景でも、時には無意識に再現されることがあります。これを確実に検出する唯一の方法は、モデルを直接テストし、実際に何を生成するかを測定することです。

類似性検出は必然的に偽陽性の問題を提起します。正当なクリエイティブな影響、偶然の類似、そしてスタジオや権利者が調査すべき統計的に有意な再現をどのように区別していますか？

この作業は継続的な改善が必要です。人間がすぐに認識できる最も正確な視覚的類似性を出発点とし、現在それが最も実用的です。合成作品やスタイルに関する質問になると、証明も執行もはるかに難しくなります。

例としてスーパーマンを考えてみましょう。モデルがクリストファー・リーヴの目、ヘンリー・カヴィルの顎、別の俳優の頬骨などを組み合わせた一般的なスーパーマンを生成した場合、これらの特徴は元がどこか特定しにくく、逆解析が極めて困難です。

偽陽性を抑えるために二つのポイントがあります。第一に、単一の類似度数値だけに依存しないことです。結果はベンチマーク化され、一般的な類似と実際の再現を分離できるようにしています。また、すべてのテストは再現可能であり、同一条件下の同一入力は同じ数値を示します。第二に、分析は権利者が実際に回答しなければならない法的質問にマッピングされます。キャラクターや作品の場合は「実質的類似性」、ブランドや容姿の場合は「混同の可能性」（一般視聴者が出力を本物と誤認するか）です。私たちの仕事は、これらの質問に対して防御可能で再現可能な数値を提供することです。調査に値するかどうかは常に権利者の判断です。

生成モデルは急速に変化し、アップデート後に大きく挙動が変わることがあります。権利者が何百ものモデルと数千の保護資産を継続的に評価し続けるには、監視プロセスが過度に高コストまたは技術的に管理不能になるのを防ぐにはどうすればよいでしょうか？

ほぼ不可能に近い状況であり、これが IP 保有者が最新の米国・アジアのモデルに追いつけない原因です。

現実的には、彼らの側にペースに合わせて闘ってくれるパートナーが必要です。だから私たちは始めました。スタジオはこれらの生成モデルの速度に匹敵できるテック企業を必要としており、他にその役割を担う者はいませんでした。

もう一つの答えは記録保持です。モデルはアップデート後に大きく挙動が変わるため、時点に紐付かないスコアは価値がありません。私たちが提供するすべての結果は、テストしたモデル、テスト日時、対象とした保護資産、数値を記録します。これにより、監視は常時不可能な問題から管理可能な問題へと変わります。モデルがアップデートした際は、記録と比較しながら再テストすればよく、ゼロからやり直す必要はありません。

検出は問題の一部しか解決しません。システムが AI モデルが保護されたキャラクターや容姿を再現できることを特定した後、次に何が起きるべきか、そして最終的にクリエイターが自分の IP をブロック、ライセンス、特定条件下での利用などを指定できる技術的仕組みはどのようになるでしょうか？

法的側面と技術的側面の両方があります。法的には、IP 保有者が今後の対応を決定します。提供した証拠を訴訟の根拠にしたり、モデル開発者との交渉材料にしたりできます。選択は保有者次第です。

技術的には、権利者が特定のモデルに対して同意・オプトインできる仕組みが必要です。生成物を自由に流通させるのではなく、出力を制御し、事前に設定した条件で各生成に対して収益化できるようにすべきです。これは他業界の慣行と同様で、ここでも適用可能です。

不正な AI 利用を検出するために用いられるインフラが、最終的に正当なライセンス市場を実現し、AI システムが資産の所有者、利用可能な許可、そして報酬の流れを自動的に判断できるようになる可能性はありますか？

インフラが AI 生成物がどの IP に似ているかを判定できれば、ライセンスの整理も同様に行えるはずです。生成物に含まれる IP、権利者、クレジットの有無、そして報酬の流れを特定できます。この技術は本質的に同じです。出力が視聴者に本物と誤認させる閾値を超えた場合、権利者は報酬を受け取る権利があります。

唯一の条件は、その層を運営する者が中立であることです。コンテンツ自体を生成せず、個別取引でどちらかの側に偏らないことが求められます。双方に同一の信頼できる記録を提供し、直接取引できるようにすることが中立性の意義であり、権利者が自らのカタログを登録する動機となります。

AI が生成する動画がプロの制作に必要な品質と一貫性に近づく中、AI 企業とハリウッドの関係は最終的にどのようになると考えますか？権利管理はモデルの外部検証層になるのか、あるいは最終的にモデル自体に組み込まれるべきものになるのか、どちらだと思いますか？

AI 企業がコンテンツ制作コストをかつてないほど低減させたことで、私たちは新たな世界に足を踏み入れています。その結果、質の高いものから低品質なものまで、さまざまなコンテンツが氾濫するでしょう。ハリウッドは従来、嗜好の審査者として人々が愛し恋に落ちる作品を創出してきましたが、AI は今やストーリーテラーにとって最も強力なツールとなっています。

質問の後半については、正直な答えは「両方、段階的に」です。執行チェックは時間とコストの面でモデル内部に組み込まれる方向へ進むでしょう。しかし、参照レイヤー、すなわち何が存在し、誰が所有し、どのような条件で利用できるかという記録は独立したままである必要があり、検証も同様です。モデル企業が自社の出力を評価することはできませんし、権利者が自らのカタログを生成物の派生を作る企業に預けることはありません。これは金融市場に似ており、企業は内部でコンプライアンスを実施しつつも外部監査人に答える必要があります。

権利管理はハリウッドと AI 企業が協力して共存の方法を決めたときに実現します。最終的に両者の目的は同じで、人々が愛する新しいコンテンツを創出することです。ただし、正しい方法で行う必要があります。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は ARCOS Labs をご覧ください。