AIと知財の企業実務──生成AIの著作権・特許から、「学習されたくない」と「引用されたい」を両立する攻守の設計まで

「生成AIの商用利用は、著作権的に大丈夫なのか」──法務やAI推進の担当者が、社内で最も多く受ける質問の一つだと思います。この記事はその問いに答えます。ただし、先に指摘しておきたいことがあります。その問いは、AIと知財の問題の半分でしかありません。

結論を先に示します。

企業にとってのAIと知財の問題は、「侵害しない」だけでは半分にすぎない。自社の情報資産ごとに、公開して取る（AIに引用・想起される）か、秘匿して守る（営業秘密・学習拒否）か、権利化して独占する（著作権・特許）かの攻守を決めることが本体であり、その裁定は法務任せではなく経営の意思決定である。

本記事では、前半で「守り」──生成AIと著作権の3つの場面、特許・営業秘密・契約──を実務レベルで整理し、後半で「攻め」──学習されたくないのに引用されたいというパラドックスの解き方と、権利を明記することの本当の効果──を設計します。

結論：AIと知財は「守り半分、攻め半分」

改めて、本記事の結論です。

企業にとってのAIと知財の問題は、「侵害しない」だけでは半分にすぎない。自社の情報資産ごとに、公開して取る（AIに引用・想起される）か、秘匿して守る（営業秘密・学習拒否）か、権利化して独占する（著作権・特許）かの攻守を決めることが本体であり、その裁定は法務任せではなく経営の意思決定である。

なお、本記事は公的資料に基づく一般的な整理であり、法的助言ではありません。個別の判断には必ず弁護士・弁理士に確認してください。

そのまま使える：役員への30秒説明

生成AIの著作権リスクは、「学習」「生成・利用」「生成物の権利」という3つの場面ごとに運用ルールを決めれば、管理可能なリスクです。整備は進めています。むしろ経営判断をいただきたいのは攻めの側で、当社の情報資産のうち、どれをAIに引用させて認知を取り、どれを学習から守り、どれを権利化するか──資産ごとの攻守の方針決定です。

【守りの基礎】生成AIと著作権──3つの場面で整理する

著作権の議論が混乱するのは、性質の違う3つの場面が一緒に語られるからです。分けて整理します。

場面①学習段階：日本は「学習に有利な国」と評されている

日本の著作権法30条の4は、AIの学習を含む情報解析のための著作物利用を、原則として権利者の許諾なく認めています。日本が国際的に「学習に有利な法制」と評されるのはこのためです。ただし無制限ではなく、著作権者の利益を不当に害することとなる場合は対象外で、作品を鑑賞して楽しむといった享受目的が併存する利用にも適用されません。文化庁「AIと著作権に関する考え方」が、この線引きの公式な整理です。企業が自社データでAIを追加学習させる場合も、他者の著作物が混ざるなら、この枠組みでの確認が要ります。

場面②生成・利用段階：類似性×依拠性の二要件

生成物を使う場面のリスクは、従来の著作権侵害と同じ二要件──既存の著作物と表現が似ていること（類似性）と、それに基づいて作られたこと（依拠性）──で判断されます。生成AIの場合、既存作品が学習データに含まれていたことなどを理由に、利用者が原作品を知らなくても依拠性が認められ得る、というのが公的整理の方向です。実務対策は3つ。特定の作品名・作家名をプロンプトに使わない、既存の画像や文章をそのまま入力して似たものを作らせない、公開前に類似チェックの工程を挟む、です。

場面③生成物の権利：AIの自動生成物に著作権は原則ない

AIが自律的に生成しただけの文章や画像は、人間の思想・感情の創作的表現ではないため、原則として著作物になりません。つまり自社が公開したAI生成コンテンツを、他社が使っても止められない可能性がある。一方、人間が構成を設計し、生成物を選別・編集して創作的に関与した場合は、その関与部分に著作権が認められ得ます。ここから導かれる実務が「制作過程の記録」です。プロンプト、選別、編集の履歴は、権利を主張するときの証拠になります。

【守りの各論】AIと特許・営業秘密・利用規約

著作権以外の3領域も、要点は明確です。

特許：AIは発明者になれない。しかしAIを使った発明は守れる

日本の裁判所は、特許法上の発明者は自然人（人間）に限られると判断しています。AIそのものを発明者とする出願は認められません。ただし、AIを道具として使い、人間が着想と具体化に関与した発明は、その人間を発明者として出願できます。境界は「人の関与」なので、ここでも研究・開発プロセスの記録が要になります。なお、コードや製品への特許表示には従来から、善意の侵害主張を封じ、警告として機能する意味があります（米国では損害賠償の範囲にも関わる制度です）。AIコーディングが普及した今、この表示は「読み込んだAIとその利用者への警告掲示」という新しい事実上の機能も帯び始めています。

営業秘密：秘密管理性は、すでに作った基盤で満たせる

公開したくない技術・ノウハウ・データを守る枠組みが、不正競争防止法の営業秘密です。保護には、秘密として管理されている実態（秘密管理性）、有用性、非公知性の3要件が要ります。重要なのは、このシリーズの読者はすでに秘密管理性の基盤を持っているということです。AIゲートウェイ、アクセス制御、ログ──セキュリティとコスト管理のために作った仕組みが、そのまま営業秘密の管理実態として二重に効きます（設計は情報システムのAX戦略で詳述しています）。逆に注意すべきは入力側で、学習利用や共有の制限がない経路へ機密を無造作に入力する運用は、秘密管理性や非公知性を損なうリスクがあります。守りたい情報ほど、経路の統制が知財の要件になります。

契約：利用規約で確認すべき3点

AIサービスの規約では、生成物の権利帰属（ユーザーに帰属するか）、商用利用の条件（プランによる差）、侵害時の補償（事業者がどこまで責任を持つか）の3点を確認します。AIセキュリティ対策の実務のベンダー確認チェックリストに、この知財3点を追加する形で運用してください。

写真は「機械の作品」から始まった

「機械が作ったものに権利はあるのか」という問いは、実は150年前に一度、社会が通過しています。

19世紀、写真という新技術が登場したとき、「カメラという機械が写しただけのものは、人間の創作ではないから著作権に値しない」という議論が起きました。決着をつけた著名な事例が、1884年の米国連邦最高裁判決です。裁判所は、被写体の配置、構図、光の演出といった人間の創作的関与を理由に、写真の著作権保護を認めました。機械が介在しても、人間の創作的判断があれば作品は守られる──この基準は、その後の映画にもコンピュータグラフィックスにも引き継がれ、いま生成AIで同じ問いが再演されています。

歴史のパターンは明確です。新技術の生成物の権利は、最終的に「人間の関与」を基準に落ち着く。だからこそ、法整備の途上にある現在、人間の関与を証明できる状態──制作過程の記録──を残すことが、最も合理的な備えになります。

【攻めの設計】「学習されたくない」と「引用されたい」は両立するか

ここからが本記事の後半、そして多くの解説記事が扱わない領域です。

パラドックスの正体：同じ資産への正反対の要求

いま多くの企業の中に、矛盾する2つの要求が併存しています。マーケティング部門は、顧客がAIで情報を探す時代に対応するため、自社の情報がAIに引用され、想起されることを望みます（AI検索という新チャネルの獲得）。一方、セキュリティ・知財部門は、自社のデータやノウハウがAIに学習されることを警戒します。同じ「自社情報×AI」に対する、正反対の要求。どちらも正しいから、こじれるのです。

なお、ここで扱う「学習されたくない」は、公開済みのコンテンツが外部から収集・学習される場面の話です。社内からAIに入力するデータの学習利用は、ベンダーとの契約で止められます（AIセキュリティ対策の実務で詳述しています）。この2つは対象も手段も別の経路なので、混同しないでください。

解：情報資産の攻守マトリクス──資産を分けて、方針を分ける

答えは、全社一律をやめることです。「AI全面拒否」は新チャネルの放棄であり、「全面公開」は資産の流出です。情報資産を分類し、資産ごとに攻守を割り当てます。

この表は、経営のAX戦略で述べた「情報資産の攻守方針」──第4の配分軸──の実装版です。攻守の裁定そのものは経営の意思決定であり、本記事はその判断材料を提供します。

「権利の明記」はAIへの防衛になるか──効果を4つの経路で仕分ける

「サイトやコードに『AI学習禁止』『権利の範囲』を明記すれば、防衛になるのか」という質問をよく受けます。答えは「経路によって効き方が違う」です。

経路①：日本法の強制力としては、表示単体は弱い。 30条の4は権利者の意思にかかわらず学習を原則適法とする建て付けで、文化庁の整理でも、学習拒否の意思表示があることだけでは適用は否定されません。ただし、技術的措置やライセンス提供と組み合わせた場合の考慮要素、紛争時の立証材料、契約当事者への拘束力という補強機能はあります。

経路②：EUでは、機械可読の権利留保に法的効果がある。 EUの著作権ルールは、商用のデータ解析について、権利者が機械可読な方法で権利留保を表明した場合は例外の対象外とし、EUのAI法は汎用AIの提供者にこの留保を尊重する方針の整備を義務づけています。大手AI事業者はグローバル単一のクロール方針で動くことが多いため、この効果は事実上、日本のコンテンツにも波及します。

経路③：大手事業者の自主遵守。 主要なAIクローラーは、機械可読の拒否シグナルを尊重する方針を公表しています。法的義務ではありませんが、実効性は現状高く、後述の知財プリンシプル・コードは、権利者からの照会に事業者が回答する枠組みを整えつつあります。平時から権利表示と意思表示を整備しておくことは、照会・交渉の起点という実務価値を持ちます。

経路④：推論時の行動誘導──不確実だが、攻めに効く。 AI検索やエージェントが実行時にページを読む場面では、本文に明記された利用条件や出典要請が出力の挙動に影響し得ます。保証はできませんが費用はゼロ。そして興味深いことに、明確なライセンス表明（利用可・出典明記のこと、等）は、AIにとって「安心して引用できるコンテンツ」の目印になり、引用されたい戦略をむしろ促進します。防衛のための明記が、攻めの実装を兼ねるのです。

要するに、効くのは人間向けの警告文ではなく、機械が読める形の意思表示です。

例示：機械可読の意思表示には、クローラー向けの拒否設定（robots.txt等）、ページ単位のメタ設定、AI向けの利用条件記述といった手段があり、新しい慣行も登場し続けています。具体的な設定名と対応状況は変化が速いため、実装時に各AI事業者の公表資料で確認してください。

知財プリンシプル・コードとは──政府の新しい枠組み

日本のAI知財政策にも、新しい部品が加わりつつあります。

AI法とAI基本計画の知財保護方針を受けて、政府（内閣府・知的財産戦略推進事務局）が策定を進めているのが「生成AIの適切な利活用等に向けた知的財産の保護及び透明性に関するプリンシプル・コード」です。生成AI事業者に対して、①使用モデルや学習データに関する事項、権利侵害を防ぐ技術的措置などの透明性を開示すること、②法的手続きを行う・準備する権利者からの照会（自分のコンテンツが学習データに含まれるか等）に回答すること、③生成利用者からの同様の照会に回答すること──という3原則を求める枠組みで、2025年12月に案が公表され、意見公募を経て確定へ向かっています。

企業にとっての意味は2つです。第一に、AIサービス選定の新基準。透明性を開示する事業者かどうかが、比較の物差しに加わります。第二に、権利者としての手段。自社コンテンツの扱いを照会する正式な入口ができます。罰則のないソフトローなので強制力はありませんが、自主的な準拠が事業者の信用条件になっていく──というのは、日本のAI法制に一貫する構図です（この構図の全体像はAXとは？AIトランスフォーメーションの定義とDXとの違いで解説しています）。

公的枠組みの現在地（最終更新：2026年7月）

• 知財プリンシプル・コード：案の公表と意見公募を経て、確定に向けた検討が継続中（参照時は必ず最新の決定状況を確認してください）
• 文化庁「AIと著作権に関する考え方」：守りの基礎の公式整理。改定動向に注意

生成AI利用の知財チェックリスト──入力前・生成時・公開前

日々の運用は、3つのフェーズに分ければ迷いません。

入力前：入力してよいデータか（機密度分類との整合）、経路は学習不使用・アクセス管理された正規ルートか。これはAIセキュリティ対策の実務の経路設計と同一線上にあり、同じ統制が営業秘密の管理実態を兼ねます。

生成時：プロンプト、生成物、人による選別・編集の過程を記録する。権利主張と侵害時の説明、両方の証拠になります。

公開前：既存作品との類似チェック、権利・ライセンス表示、そして攻守マトリクスとの整合（この資産は公開してよい分類か）。

体制は、専任組織より既存の統制への組み込みが現実的です。現場が一次チェック、リスク管理・法務が基準設定と高リスク案件の審査、監査が独立確認──という三線の配置は、AI活用ガイドラインの作り方と見直し方で述べた構造がそのまま使えます。迷う案件は、必ず弁護士・弁理士へエスカレーションする経路を決めておいてください。

本記事の限界と、専門家に相談すべき場面

誠実に、この領域の不確実性を書いておきます。生成AIと知財のルールは、日本でも海外でも形成の途上です。判例は蓄積の初期段階にあり、米国では学習と著作権をめぐる大型訴訟が続き、EUは独自の規制体系を走らせています。国境をまたぐ事業では、日本の整理がそのまま通用しない場面があります。

本記事は公開時点の公的資料に基づく一般的な整理であり、法的助言ではありません。個別の判断、特に訴訟リスクを伴う判断は、必ず弁護士・弁理士に確認してください。そして、資産ごとの攻守の裁定──何を公開し、何を守り、何を権利化するか──は、法務の作業ではなく経営の意思決定です（この配分の枠組みは、経営のAX戦略で扱っています）。

AIと知財に関するよくある質問

Q1. 企業がAIと知財についてまず押さえるべきことは何ですか？

企業にとってのAIと知財の問題は、「侵害しない」だけでは半分にすぎない。自社の情報資産ごとに、公開して取る（AIに引用・想起される）か、秘匿して守る（営業秘密・学習拒否）か、権利化して独占する（著作権・特許）かの攻守を決めることが本体であり、その裁定は法務任せではなく経営の意思決定である。

Q2. AIが作った文章や画像に、著作権はありますか？

AIが自律的に生成しただけのものには、原則としてありません。人間が構成の設計や選別・編集で創作的に関与した場合は、その関与部分に認められ得ます。だからこそ、制作過程の記録が実務の要になります。

Q3. 生成物が既存の作品に似ていたら、どうなりますか？

類似性と依拠性の両方が認められれば、著作権侵害になり得ます。生成AIでは、学習データに含まれていたことを理由に依拠性が認められる可能性があるため、固有名のプロンプトを避け、公開前の類似チェックを工程に組み込んでください。

Q4. 「AI学習禁止」とサイトに書けば、学習されませんか？

表示だけでは、日本の著作権法上、学習を止める効果は限定的です。効果が見込めるのは機械可読な意思表示で、EUのルールでは法的な権利留保として機能し、主要なAI事業者も自主的に尊重しています。人間向けの警告文より、機械が読める形の設定を優先してください。

Q5. 逆に、AIに引用されたい場合はどうすればよいですか？

引用されやすい明確な記述と一次情報、構造化データ、そして「利用可・出典明記」のような明確なライセンス表明が有効です。明確な条件表示は、AIにとって安心して引用できる目印になります。学習拒否と引用獲得は、資産を分ければ両立します。

Q6. AIを使った発明は、特許になりますか？

なり得ます。ただし発明者は自然人に限られるため、AIを道具として使い、人間が着想と具体化に関与したことを示せる形にしてください。研究・開発プロセスの記録が重要です。

Q7. 生成AIに入力した自社の機密情報は、営業秘密でなくなりますか？

経路次第です。学習不使用が契約され、アクセスが管理された経路での利用なら、秘密管理性は維持しやすいと考えられます。逆に、制限のない経路への無造作な入力は、管理実態と非公知性を損なうリスクがあります。

Q8. 社内の知財チェックは、誰が担うべきですか？

専任組織より、既存の統制への組み込みが現実的です。現場が一次チェック、法務・リスク管理が基準設定と高リスク審査、監査が独立確認という三線の配置を基本に、迷う案件は弁護士・弁理士へのエスカレーション経路を決めておいてください。

まとめ：侵害しない会社から、資産で戦う会社へ

守りは3つの場面（学習・生成利用・生成物の権利）の運用ルールで管理できます。そのうえで本体は攻めの設計です。資産を分類し、公開して取るか、秘匿して守るか、権利化して独占するかを資産ごとに裁定する。防衛の明記は機械可読で行い、それは同時に引用されるための目印にもなる。150年前、写真の権利が「人間の関与」を基準に落ち着いたように、AIの時代も記録を残した者が守られます。本記事の攻守マトリクスとチェックリストは、そのまま社内の議論の土台にお使いください。

一次資料・参考文献

• 文化庁「AIと著作権に関する考え方」（文化審議会著作権分科会法制度小委員会）
• 内閣府「生成AIの適切な利活用等に向けた知的財産の保護及び透明性に関するプリンシプル・コード（仮称）」
• 経済産業省「営業秘密管理指針」（不正競争防止法・営業秘密の3要件）
• EU DSM指令（テキスト・データマイニングと権利留保）／EU AI法
• Burrow-Giles Lithographic Co. v. Sarony（米国連邦最高裁・1884年、写真の著作物性）
• 関連記事：AXとは？AIトランスフォーメーションの定義とDXとの違い