著作権法30条の4とは、著作物に表現された思想や感情を味わうこと(享受)を目的としない利用を、必要と認められる限度で、著作権者の許可なく認める規定のことです。AI の学習のための情報解析が典型例ですが、著作権者の利益を不当に害する場合は対象から外れます。

著作権法30条の4は、2019年1月1日に施行された柔軟な権利制限規定の1つ

著作権法30条の4は、2018年の著作権法改正(平成30年法律第30号)で新しく設けられ、2019年1月1日に施行された規定です。

改正前の著作権法にも、技術の開発や実用化のための試験(旧30条の4)や、情報解析のための複製(旧47条の7)を許す規定はあったものの、要件が具体的に決められていたため、権利者の対価回収の機会を実質的に損なわない利用でも、形式上どの規定にも合わなければ著作権侵害になりうると指摘されていました(文化庁著作権課「デジタル化・ネットワーク化の進展に対応した柔軟な権利制限規定に関する基本的な考え方」2019年10月24日)。

そこで改正では、権利者に及ぶ不利益の度合いに応じて利用の類型を3つの層に分け、それぞれに柔軟さを持たせた規定を整えています。このうち、著作物の本来の使い方ではなく、権利者の利益を通常害さない類型(第1層)に対応する規定の1つが30条の4です。不利益が軽微な類型(第2層)に対応するのが、後で触れる47条の5です(文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」2024年3月15日)。

条文は、許す範囲を示す柱書、例外を示すただし書、典型例を示す3つの号からできています。

部分 条文(抜粋) 平易に言うと
柱書 当該著作物に表現された思想又は感情を自ら享受し又は他人に享受させることを目的としない場合には、その必要と認められる限度において、いずれの方法によるかを問わず、利用することができる 作品を味わう目的でない利用なら、必要な範囲で、複製に限らずどんな方法でも許可なく使える
ただし書 当該著作物の種類及び用途並びに当該利用の態様に照らし著作権者の利益を不当に害することとなる場合は、この限りでない 作品の種類・用途と使い方から見て、著作権者の利益を不当に害するときは使えない
1号 著作物の録音、録画その他の利用に係る技術の開発又は実用化のための試験の用に供する場合 録音・録画などの技術を開発・試験するための利用
2号 情報解析(多数の著作物その他の大量の情報から、当該情報を構成する言語、音、影像その他の要素に係る情報を抽出し、比較、分類その他の解析を行うことをいう。…)の用に供する場合 AI の学習を含む、大量のデータの解析のための利用
3号 著作物の表現についての人の知覚による認識を伴うことなく当該著作物を電子計算機による情報処理の過程における利用その他の利用…に供する場合 人が作品を見聞きしないまま、コンピューターの処理の中で使う場合

3つの号は、柱書の「次に掲げる場合その他の」に続く例示です。号に挙がっていない利用でも、享受を目的としなければ対象になりえます。

社内規程や説明資料に条文を引くときは、改正の有無を e-Gov 法令検索の現行条文で確かめてから写すと安全でしょう。

享受を目的としない利用とは、作品を見聞きして楽しむためではない利用のこと

「享受」を目的とするかどうかは、著作物を視聴するなどして、知的・精神的な欲求を満たすという効用を得ることに向けた行為かどうか、という観点で判断されます。

たとえば、美術品の複製に向いたカメラやプリンターを開発するために美術品を試験的に複製する行為は、作品を鑑賞して楽しむための行為ではないので、享受を目的としない行為として30条の4の対象になると考えられています。

判断の材料は、行う人が「学習のためです」と主張することだけではなく、利用の態様や利用に至った経緯といった客観的・外形的な状況も含めた総合的な考慮です。社内では、何のためにどのデータを使ったかを記録に残しておくと、後で目的を説明する材料になります。

もう1つの要点は、目的が混ざる場合です。主な目的が享受でなくても、同時に享受の目的もあれば、30条の4は適用されません。享受の目的がある場合でも、47条の5(コンピューターによる情報処理とその結果の提供に付随する軽微な利用)が適用される場合はあるとされています。

なお、享受の目的が問われるのは、学習データとして複製される「その著作物」についてです。AI を学習させる人が、出来上がった AI の生成物を観賞して楽しむつもりでいても、それだけで学習時の30条の4の適用が否定されるわけではない、という整理です(文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」2024年3月15日)。

AI の学習で30条の4の対象になる場面と、対象にならない場面

AI の学習のための情報解析は30条の4の「享受を目的としない場合」に該当しますが、学習データの創作的表現を出力させる目的が混ざると対象から外れる、というのが文化審議会の整理です。

生成 AI にかかわる著作物の利用は、大きく「開発・学習段階」と「生成・利用段階」に分かれます。開発・学習段階の主な場面を並べると、次のとおりです。

場面 30条の4 理由
学習用データセットを作るためのデータの収集・加工、基盤モデルの事前学習 対象になりうる 情報解析の用に供する場合に該当すると考えられる
既存の学習済みモデルへの追加的な学習で、学習データの創作的表現の全部または一部を、意図的に出力させることを目的とするもの(例: 過学習を意図的に行う) 対象にならない 享受の目的が併存すると評価される
少量の学習データで、その創作的表現の影響を強く受けた生成物が出る追加的な学習 事案による 創作的表現を直接感じ取れる生成物を出すことが目的と評価されれば、享受の目的が併存する
検索拡張生成(RAG)用のデータベース作成で、回答の生成時に元の著作物の創作的表現を出力することを目的としないもの 対象になりうる 享受を目的としない利用と評価できる
RAG 用のデータベース作成で、回答の生成時に元の著作物の創作的表現の全部または一部を出力することを目的とするもの 対象にならない 享受を目的としない利用とはいえない

表の「理由」の列は、文化審議会の整理を要約したものです(文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」2024年3月15日)。

特定のクリエイターの作品だけを少量集めて追加的な学習をする場合については、懸念の声も上がっていました。作風そのものはアイデアにとどまり、作風が同じというだけでは侵害になりません。それでも作品群が創作的表現まで同じくしている場合に、その表現を出力させる目的で複製すれば享受の目的が併存する、という整理です。

学習の時点の目的は、その時点でどう評価されるかの問題です。生成・利用段階で、学習した著作物と創作的表現の重なる生成物が出たという事実だけでは、学習時の享受の目的までは推認できないとされています。ただし、そうした生成物が著しく頻繁に出るといった事情は、推認の一要素になりうる、というのが文化審議会の見方です。

社内の文書検索に RAG を組む企業にとっては、表の下の2行が実務に直結します。30条の4が適用されない場合でも、回答の生成に既存の著作物を使うことには47条の5第1項の適用が考えられるものの、認められるのは利用する部分の割合・量・表示の精度などに照らして軽微な利用に限られます。軽微な範囲を超えて元の著作物を出力する設計なら、原則として著作権者の許諾が必要、という整理です。

ただし書の「著作権者の利益を不当に害することとなる場合」は、市場と衝突するかで判断される

ただし書に該当するかは、著作権者の著作物の利用市場と衝突するか、将来における著作物の潜在的な販路を阻害するか、という観点から、技術の進展や利用の態様の変化といった諸般の事情を総合的に考慮して検討するとされています。

文化審議会の整理で挙がっている例は、次のとおりです。

状況 考え方の整理
大量の情報を情報解析に使いやすい形で整理したデータベースの著作物が販売されているのに、そのデータベースを情報解析の目的で複製する ただし書に該当する例として、2019年の「基本的な考え方」から示されている
Web サイトが閲覧用の記事とは別に、整理したデータを取れる API を有償で提供しているのに、API を使わず閲覧用の記事からデータベースの創作的表現を含む情報のまとまりを複製する ただし書に該当し、30条の4の対象にならない場合がありうる
robots.txt や ID・パスワードによる認証で AI 学習用のクローラを制限しており、データベースの将来の販売が推認されるのに、その措置を回避して収集・複製する ただし書に該当し、30条の4の対象にならないことが考えられる
著作権者が AI の学習に反対の意思を示している 意思表示があることだけでは、ただし書に該当するとは考えられない
作風や画風などのアイデアが似ているだけの生成物が大量に作られる ただし書には該当しないと考えられる(該当しうるとする意見も一定数あった)

表の右の列は、各例についての結論を短くまとめたものです(文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」2024年3月15日)。

海賊版などの権利侵害複製物の扱いも示されていて、海賊版を載せていると知りながらそのサイトから学習データを集める行為は、厳に慎むべきものとされました。そうした収集の事実は、生成 AI で侵害が生じたときに、開発した事業者が侵害の責任を問われる可能性を高める一要素です。

30条の4が適用されず、ほかの権利制限規定にも該当しなければ、許諾を得ない限り AI の学習のための複製は著作権侵害になります。その場合に受けうる措置は、損害賠償請求(民法709条)、差止請求(著作権法112条)、刑事罰(著作権法119条)です。損害賠償には故意または過失が、刑事罰には故意が必要とされています。

学習が30条の4の対象でも、生成物を使うときの著作権侵害は別に判断される

30条の4が主に扱うのは学習やデータベース作成の時点の利用で、AI が出した生成物を使う時点の侵害は、人が AI を使わずに作った場合と同じく、既存の著作物との類似性と依拠性で判断されます。

類似性は、既存の著作物の表現上の本質的な特徴を生成物から直接感じ取れるかどうかで判断し、作風やアイデアが似ているだけでは認められません。

依拠性(既存の著作物をもとに作ったか)の整理は、AI を使う場面に合わせて次のとおりです。

状況 依拠性
利用者が既存の著作物を知っていて、生成 AI でその創作的表現を持つものを作らせた(例: 既存の画像そのものを入力する、作品の題号などの固有名詞を入力する) 認められ、利用者による侵害が成立すると考えられる
利用者は知らなかったが、その AI の学習データに既存の著作物が含まれていた 通常、依拠性があったと推認される
上の場合でも、学習した著作物の創作的表現が出力されない状態が技術的に担保されている 依拠性がないと判断される場合もありうる

表は、AI の利用者の認識と学習データの中身で場合を分けた整理です(文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」2024年3月15日)。

学習データに含まれていた著作物と似たものが出たとき、利用者だけでなく、その AI を開発した事業者が侵害の主体として責任を負う場合もあるとされています。

業務に置き換えると、学習が30条の4の対象かどうかと、生成物を社外に出してよいかどうかは、別々に確かめる問いです。利用している生成 AI の学習が適法に行われていても、出力した文章や画像が既存の著作物に似ていれば、使った側が侵害の責任を問われえます。

企業が30条の4にかかわる AI を業務に入れるときに決めること

最初に決めるのは、使い方の区分、データの出所、出力の設計、生成物の確認、法律の相談先の5つです。

決めること 中身
使い方の区分 自社で追加的な学習をするのか、RAG のデータベースに入れるのか、既製の生成 AI の出力を使うだけなのか。30条の4がかかわるのは前の2つで、3つ目は生成物の類似性と依拠性の問題になる
データの出所 社外の記事・書籍・画像を入れるなら、入手した経路を記録する。有償の API やデータベースが用意されていないか、robots.txt などで収集が制限されていないかを確かめ、海賊版を載せたサイトは対象から外す
出力の設計 RAG の回答に元の文章をどこまで出すか。要約や参照先の提示で足りる設計にするのか、原文をそのまま返すのかで、30条の4と47条の5の適用の見通しが変わる
生成物の確認 社外に出す前に、既存の著作物と似ていないかを誰が確かめるか。既存作品の題号や作者名を入力に使ってよいかのルールもここで決める
法律の相談先 判断が分かれる案件を、どの時点で弁護士に相談するか。学習データの選定や、外部へ提供するサービスの設計は相談の対象にする

文化庁著作権課の「AIと著作権に関するチェックリスト&ガイダンス」(2024年7月31日)は、生成 AI を含むシステムを開発・提供する人と、業務で使う人に向けて、リスクを下げる方策をチェックリストにまとめています。自社の手順を作るときに、項目の抜けを確かめる材料として使える資料です。

一方で、文化審議会の「AIと著作権に関する考え方について」は、それ自体が法的な拘束力を持つものではなく、特定の生成 AI について確定的な法的評価を行うものでもない、と冒頭で断っています。著作権法の解釈は、本来は個別の事案に応じた司法判断によるものです。この記事の整理も一般的な考え方の紹介にとどまるため、個別の案件は弁護士に確認してください。

従業員が生成 AI を使うときの社内ルールの作り方は、生成 AI を業務で使うときの著作権の考え方と社内ルール にまとめています。著作権に限らず、AI の利用方針と責任者を決める全体の進め方は AI ガバナンスの進め方、個人情報や不正競争防止法も含めた法律の全体像は 生成 AI にかかわる法律 の記事が参考になります。

RAG や追加的な学習で問題になりやすいのは、どのデータを入れ、回答にどこまで元の文章を出すかが、作り始めた後に決まってしまうことです。データの出所の記録や出力の範囲は、設計の時点で決めておくほど手戻りが少なく済みます。

株式会社overflow の Offers AX は、コンサルティング・AI エージェント開発・内製化支援の3つを、戦略立案と実装を業務の現場に近い距離で一体で進める FDE 型で支援するサービスです。要件定義書ではなく動くものを見ながら合意し、AI の処理基盤はお客様の環境(GCP・Azure・AWS)に構築して、当社の環境には顧客データを保持しません。AI の出力は下書き・参考情報として扱い、事実認定・合否・処遇は人が判断する前提で設計します。著作権の法的な判断は弁護士の領域で、Offers AX が受け持つのは、その判断を実装に落とすデータの扱いと仕組みの設計です。

支援の進め方は Offers AX のサービスページ をご覧ください。社内データを使う AI の設計と、どの業務から着手するかをあわせて相談したい場合は、無料相談を申し込む からお申し込みいただけます。

著作権法30条の4と一緒に使われる用語

著作権法30条の4の話題では、次の用語がよく並びます(文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」2024年3月15日)。

  • 享受: 著作物を視聴するなどして、知的・精神的な欲求を満たす効用を得ること。30条の4は享受を目的としない利用を対象にする
  • 情報解析: 多数の著作物などの大量の情報から、言語・音・影像などの要素の情報を抜き出し、比較・分類などの解析を行うこと(30条の4第2号)
  • 著作権法47条の5: コンピューターによる情報処理とその結果の提供に付随する軽微な利用を許す規定。2018年の改正で30条の4と同時に設けられた
  • 類似性・依拠性: 生成物を使うときの著作権侵害を判断する2つの要件。既存の著作物の表現上の本質的な特徴を感じ取れるかと、既存の著作物をもとにしたか
  • 検索拡張生成(RAG): 生成 AI が著作物を含むデータを検索し、その結果の要約などをもとに回答を作る手法
  • 過学習(overfitting): 追加的な学習の例として文化審議会が挙げる語。AI の開発事業者やサービス提供事業者が意図的に行う場合は、享受の目的が併存すると評価される
  • AI事業者ガイドライン: AI を開発・提供・利用する事業者向けに総務省と経済産業省がまとめた指針。詳しくは AI事業者ガイドライン
  • AI ガバナンス: AI のリスクを管理しながら便益を大きくする取り組みの全体。詳しくは AI ガバナンス

全社の AI 導入で著作権とあわせて考える論点は、AX 戦略のカテゴリ の記事にまとめています。