中国の最新の著作権計画は、すべてのモデル開発者に向けた完成済みのコンプライアンス表ではありません。それでも、AIを扱う組織にとって重要な運用上の合図です。国家版権局は2026年8月31日付で第15次五カ年の著作権計画を発出し、9月7日に公表しました。著作権サービス、執行、国際協力、新技術を同じ政策課題に置く内容です。AIチームにとって、コンテンツの来歴を把握するという技術的な仕事は、事業上の説明責任の一部になります。
写真提供: Tara Winstead / Pexels。これは特定のAI製品画面や法的結論を示すものではありません。
確認された事実と未解決の論点を分ける
最初に必要なのは、広い政策方針を個別案件の確実な結論に変換しないことです。計画は実在する政策方向であり、国家版権局は以前からAIなど新興分野の制度整備を重視してきました。しかし、この通知だけで、あるデータセットを学習に使えるか、すべての生成物をどう扱うか、契約が紛争をどう左右するかは決まりません。
最高人民法院が9月7日に示したAI紛争に関する説明は、実務上の境界を考える手掛かりになります。権利者は、争われた内容がAIサービスに由来し、保護作品と実質的に類似することをまず裏付ける必要があります。開発者が非侵害を主張する場面では、学習データの出所、学習過程、運用方法が関連する証拠になり得ます。同時に、AI生成物の著作物性と、無許可の著作物を大規模モデルの学習に使う行為の法的性質は、この説明によって決着していません。
そのため、チームは不確実性を記録すべきです。各判断が契約、適用されるルール、記録済みの技術的管理、あるいは未検証の前提のどれに支えられるかを区別します。四つを同じ確度で扱うと、後で説明できないリスクが生まれます。
紛争の前にデータの証拠地図を作る
データ台帳は「どのデータセットを使ったか」だけでは足りません。資産またはデータセット、供給者、取得日、適用条件、地域・製品上の制約、意図した技術用途を記録します。さらに、フィルタリング、アノテーション、重複排除、合成データによる補強、アクセス制御、利用したモデルまたは評価までの変換過程を残します。後のスナップショットでは、実際に学習した時点の状態を再現できないことがあるため、版管理も必要です。
権利に関する申し立ては、多くの場合「この画像、文書、音声、コード断片はどこから来たのか」という狭い問いから始まります。出所記録、承認経路、保持判断を示せる仕組みなら、調査を早く始められます。ラベルのない巨大な保管庫しかない組織は、圧力の下で自らの履歴を復元しなければなりません。公開アクセス可能な資料、提携先提供資料、ライセンス済みデータ、社内作成物は同じではありません。条件や来歴が曖昧な資料を「利用可能」と勝手に格上げせず、制限、代替、または記録されたリスク判断を選べる状態にします。
ベンダーに運用できる答えを求める
モデルAPIや第三者ツールを購入しても、利用企業の責任が消えるわけではありません。裁判所の説明が注意を向けるのは、各当事者の統制、生成における役割、学習データ、危害低減策です。これは訴訟時だけでなく、調達時に確認すべき事項です。
具体的には、利用規約がどの用途・コンテンツ類型を対象にするか、学習または検索データの由来とガバナンスについて何を説明できるか、権利侵害の申し立てをどう受け付けて対応するか、顧客が得られるログ、アップロード資料・微調整・検索インデックス・出力への管理策を確認します。「責任あるAI」という抽象的な表現だけでは、対応手順の代わりになりません。秘密情報を守る必要があっても、連絡先、エスカレーション時間、通知、契約上の約束、責任分担は明確にできます。回答を調達判断と一緒に残せば、後任が同じ確認をやり直さずに済みます。
出力管理と苦情処理を製品機能にする
著作権上のリスクは学習時点で終わりません。利用者が疑わしい複製をどう報告するか、何を提出するか、報告をどう分類し、いつ危害のある出力を制限するかを製品として決めます。消費者向けなら、分かりやすい報告窓口、事案番号、悪用を繰り返すプロンプトへの対策が考えられます。企業向けなら、ワークスペース監査ログ、管理者設定、保持設定、文書化されたエスカレーションも重要です。
卓上演習で手順を試してください。生成画像または検索された文章に関する仮想的な申し立てを選び、関連アカウント、ログ、モデル版、出所記録、可能な対応を見つけるまでの時間を測ります。データ、法務、サポート、エンジニアリングで識別子や保存期間が食い違うことは珍しくありません。実際の申し立ての前に見つけることが演習の価値です。証拠を保存する際も、顧客の私的な情報を必要以上に公開しない設計が必要です。
AI支援の社内作業を検証可能にする
裁判所の説明は、訴訟資料の作成にAIを使う人にも、正確性を確認し、必要なら利用を説明する責任が残ると述べています。この考え方は法廷外の重要な文書にも当てはまります。流暢なAI出力は、それだけで根拠にはなりません。
方針要約、製品説明、権利分析、顧客向け連絡のような重要文書では、起案者が事実主張を特定し、一次情報を残し、必要に応じて使ったモデルやツールを記録し、修正または却下する権限を持つ人が確認するルールを設けます。AIの補助的な草案と、人が確認した記述を分けることで、AIを禁止せずに誤った確信を避けられます。
定期的な準備度レビューを行う
月次または四半期ごとの確認は、この枠組みを日常運用にできます。新しいデータ源、重要なベンダー変更、未解決の申し立て、インシデントの知見、ログの範囲、未解決の法的前提を見直します。条件が記録された稼働データセットの比率、申し立て記録をそろえる時間、エスカレーション窓口を持つ高リスクベンダーの比率、未解決の来歴ギャップの年齢といった、証拠中心の指標を使うとよいでしょう。
この記録で、法律が未確定な領域について「完全に適法」と主張するべきではありません。より控えめで有用な目的は、現在の慣行を説明できるか、分かっている弱点を修正できるか、次の判断をより良い情報で行えるかを示すことです。中国の政策方向と裁判所の説明は、学習と権利帰属の難問を解消してはいません。しかし、顧客、創作者、規制当局、裁判所から仕組みの構築と統制を問われたとき、何も答えられない状態を許しにくくしています。
一次情報、製品ドキュメント、実際の利用シーンをもとに、あなたのワークフローに合うツールかどうかを判断しやすくする記事を作成しています。