Thomson Reuters対Ross：AIトレーニングとフェアユースに関する初の控訴審判断

3年間、AIモデルを著作権保護された素材でトレーニングできるかどうかを巡る法的争いは、ほとんどが和解するか、連邦地裁レベルで停滞するかのどちらかだった。9月、米国第3巡回控訴裁判所がその状況を変えた。Thomson Reuters対Ross Intelligenceの判断は、競合する商用AIツールをトレーニングするために著作権保護された素材を使用することはフェアユースに当たらないとした、初の連邦控訴審判断である。

Tamika Montgomery-Reeves裁判官は、Ross Intelligenceが競合する法律検索製品をトレーニングする際に、Thomson Reutersの2,243件のヘッドノート（法律上の論点について編集者が書いた短い要約）を侵害したとする、下級審の2025年2月の認定を支持した。控訴審のお墨付きが重要であるのは、それが一人の裁判官の意見にすぎなかった推論を、連邦巡回区を拘束する判例へと引き上げるからであり、これは他の裁判所が今後考慮せざるを得ない種類のものである。

この事件が実際に何を判断したか

この限定的な判断は、特定の種類のシステムに関するものである。Rossは、自らがコンテンツを学習した製品と直接競合することを意図した法律調査ツールを構築した。裁判所は、この利用がフェアユースの基準を満たさないと判断した。主な理由は、その出力が原著作物と同じ市場で競合したことである。

その理由付けは市場代替に依拠している。トレーニングの目的が、情報源を置き換えるものを生み出すことにある場合、フェアユースの第4要素である「原著作物の潜在的市場への影響」は、利用者にとって強く不利に働く。裁判所は、トレーニングに伴う中間複製が、それを乗り越えるほど十分に変容的であるとは認めなかった。

この判断が何を対象とし、何を対象としないかは正確に述べておく価値がある。Rossは、重要な意味では、独自の表現を生み出す生成モデルではなかった。それは、著作権保護された要約を複製し、転用する検索・取得製品だった。裁判所はこの区別を明示的に示し、生成AIが、既存のコンテンツを複製するのではなく新しいコンテンツを生成するという理由で、より広いフェアユース保護を主張する余地を残した。

その除外は表面上は寛大だが、実際にはそれほど心強いものではない。つまり、この控訴審判断は、画像・動画業界が最も答えを知りたがっている問題、すなわち、数十億点の著作権保護された画像や動画で拡散モデルをトレーニングすることがフェアユースに当たるかどうかを解決しない。それは将来の事件に委ねられ、モデルの種類によって答えが異なる可能性がある。

生成AIに関する問題は依然として未解決

生成AI側の並行する争いは異なる裁判所を巡って進んでおり、業界に有利に解決されているわけではない。最も議論されているデータポイントは、2025年6月のBartz対Anthropicの和解で、トレーニングデータに関する集団請求を、報じられているところでは15億ドルで解決した。和解は判決ではないが、その金額の大きさは、被告の弁護士が勝算をどう評価していたかを物語っている。

控訴審判断に加えて、AI画像トレーニングを巡る別の事件がサンフランシスコで陪審裁判にかけられ、和解ではなく陪審に到達した初の事例となった。そこでの評決は、業界にこれまでどの当事者も得たことのないものを与えるだろう。すなわち、アーティストの作品で画像モデルをトレーニングすることが権利侵害に当たるかどうかについて、裁判官ではなく人々によって下される事実認定である。

併せて読むと、Ross判断と進行中の事件は同じ方向を指している。裁判所は、「それでモデルをトレーニングした」という主張を自動的な抗弁として扱うことにますます消極的になっており、結果として生じた製品が情報源とどれほど密接に競合するかによって分析を分けている。システムが学習元のコンテンツをより直接的に代替するほど、フェアユースの主張は弱くなる。

なぜこれはリーガルテックを超えて影響するのか

Rossを「法律調査」という狭いカテゴリーに分類して先に進みたくなる。しかし、AIを使って商用コンテンツを制作する誰にとっても、それは間違いだろう。その理由は市場代替の論理にある。

商品説明を書くAIツールというありふれた事例を考えてみよう。それが小売業者のカタログコピーでトレーニングされ、その後、競合するカタログコピーを生成するために使われた場合、Rossの論理は居心地の悪いほど直接的に当てはまる。同じことは、競合他社がそのブランドを価格で下回るのを助けている、当該ブランドの商品写真でトレーニングされた画像モデルや、出版物の記事を学習し、同じ読者を引きつけるコンテンツを生成するために使われるコピーライティングツールにも当てはまる。

実務上のリスクはモデル開発者に限られない。AIツールを導入する企業は、そのツールがどのように構築されたかというリスクを引き継ぐが、監査証跡はしばしば欠落している。無許諾データでトレーニングされた無料モデルを利用する販売者は最もリスクにさらされる。なぜなら、たとえ望んでも出所を証明できないからである。許諾済みまたは自社所有のデータでトレーニングされたモデルを調達するチームは、その選択を文書化でき、これは紛争において防御可能な立場であり、パートナーやプラットフォームから課される要件になりつつある。

この変化に伴うコンプライアンスコストは現実に存在し、しかも不均等である。大手はライセンス交渉を行い、許諾済みデータセットを構築できるが、小規模事業者にはそれができず、許諾済みツールに金を払うか、オリジナルコンテンツを手作業で制作するか、定量化できないかもしれないリスクを引き受けるかの選択を迫られる。プラットフォームはそのギャップの一部を自ら埋める可能性が高い。すでに偽造品をスキャンしているのと同じように、アップロードされたコンテンツをスキャンして、無許諾のAI生成素材の兆候を探すようになるだろう。

実務上の曖昧さは率直に述べておく価値がある。Ross判断が対象とするのは検索・取得製品であり、拡散モデルではない。したがって、これを画像や動画のトレーニングに関する評決と読むべきではない。しかし、この判断が確立するのは、より広く適用される分析手法である。すなわち、裁判所が、トレーニングされたシステムの出力が学習元の素材とどれほど密接に競合するかを問うのである。この問いは、多くの商用AI製品にとって居心地の悪い答えを持つが、モデルが生成的かどうかには依存しない。

短期的な帰結として、出所が製品の機能になりつつある。トレーニングデータがどこから来たかを示せるツール、または顧客がすでに所有するコンテンツのみで構築されたツールは、リスクが低く、その分を価格に上乗せできる。それができないツールは、尋ねることを知らないか、気にする余裕がない顧客の方へ流れていく。

現在の状況

現在あるのは、確定したルールではなく、一連の指標である。直接競合する商用製品を構築するために著作権保護された素材でトレーニングすることは、少なくとも第3巡回区ではフェアユースではない。生成モデルには主張の余地がより多くあり、その余地は陪審評決によって試されたことはない。和解は、経営会議で注目を集める金額でリスクを値付けしてきた。

AIの上に製品を構築する誰にとっても、賢明な対応は、法が結晶化するのを待つのをやめることである。トレーニングデータがどこから来たかを把握し、その記録を保持し、出所を文書化できるモデルを優先し、モデルの重みの出所を法的な脚注ではなくサプライチェーンの問題として扱うことだ。目的地はともかく、進む方向は明確であり、今日出所の問題に答えられる組織は、後で締め切りに追われて答えるために費やす労力がはるかに少なくて済む。