未来を形作るテクノロジーの深掘り記事。

AI生成コードと著作権:よくある5つの誤解を検証

AI生成コードはパブリックドメインなのか?オープンソースライセンスは継承されるのか?著作権の5つの誤解を検証し、今日から使える来歴管理の手順を紹介します。

重さを量る天秤。一方には発光するコードの束、もう一方には万年筆が載っており、背景では古い文書庫が崩れ去りつつある。
著作権法はペンで書く作家のために作られた。誰も正確には書いていないコードを前に、いま軋んでいる。

以前いたチームのある開発者が、半分冗談で「Copilotが今書いてくれた400行は、そもそも会社のものなのか?」と聞いてきたことがありました。誰も明確な答えを持っておらず、結局相談した法務担当者が最悪の答えを返してきました。「不明確です」と。この疑問は今、Hacker Newsのトップページで「AI生成コードはすべてオープンソースであるべきだ」という挑発的な形で再燃しています。そしてそのスレッドを見ると、著作権、学習データ、著作者性に関する私たちの直感が、法律の実際の内容からどれほどずれているかがよくわかります。私は長年、モデルの学習にも関わってきたし、AIと一緒に書いたコードをリリースもしてきました。そこで、もっとも自信満々に繰り返される5つの思い込みを取り上げ、現時点でわかっていることと照らし合わせて検証してみます。

誤解1:「AI生成コードはパブリックドメインだ。以上」

この誤解は法的な裏付けがもっとも多い一方で、半分しか正しくありません。米国著作権局は一貫して、著作権は人間の著作を保護するものであり、純粋に機械が生成したものは登録できないという立場をとっています。この立場の根拠は、モンキーセルフィー事件(Naruto v. Slater)です。第9巡回控訴裁判所は、カニクイザルが撮った写真の著作権をサルは持てないと判断しました。また、Thaler v. Perlmutterでは、AIを単独の著作者とする美術作品の登録を裁判所が認めず、この立場は直接の争いにも耐えました。ここまでは筋が通っています。

ただ、実際にソフトウェアを出荷している現場で、純粋にAIだけで書かれたものはほとんどありません。著作権局自身のガイダンスは、実務上重要な線引きを示しています。AIを補助的なツールとして使ったとしても、作品全体の著作権が失われるわけではなく、人間がAIの出力を選択、配置、修正する行為そのものが、保護される表現になりうるのです。50,000行のアプリケーションで、エージェントが関数の大半を書いたとしても、システムを設計し、境界を決め、出力をレビューして手直ししたのが人間であれば、そのコードベースは全体として著作権で保護される可能性が高いでしょう。個々の生成関数を単独で見れば保護されないかもしれませんが、それでも全体としては話が変わります。「全部パブリックドメインだ」という主張は、人間がプロンプトを貼り付けてコミットする以上のことをした時点で崩れます。

また、米国だけが世界ではありません。英国の1988年著作権・意匠・特許法は、コンピュータが生成した著作物を明示的に保護しており、著作者は創作に必要な手配をした人物とみなされ、保護期間は50年です。他の法域にも似た規定がいくつかあります。つまり同じファイルが、サンフランシスコでは保護されず、ロンドンでは著作権が認められることもあります。「全部パブリックドメインだ」は法的な立場ではなく、ある国の、ある狭いケースに関する解釈をおおまかに指しているだけのスローガンなのです。

誤解2:「オープンソースで学習したなら、出力にもライセンスが引き継がれる」

「すべてオープンソースにせよ」という主張の道徳的な原動力はここにあります。モデルは何十年分ものGPL、MIT、クリエイティブ・コモンズの作品を取り込んできました。Stack Overflowの回答はCC BY-SAで、法的に帰属表示と同一条件での継承が求められます。だから、それを商用の独自コードに変えることはライセンスの洗浄(ライセンス・ロンダリング)だ、という理屈です。この感覚には私も共感します。私自身のAGPLコードも学習データに含まれているはずです。ただ、法的な主張としては、すでに争われており、ほぼ負けています。

Copilotに対する集団訴訟Doe v. GitHubでは、「モデルの出力は学習データの義務を自動的に引き継ぐ」という中核の理論が裁判所によって退けられました。DMCAの著作権管理情報に関する請求はほぼ棄却され、オープンソースライセンスの請求も、原告が自分のコードが出力に再現されたことを示せず、原告適格(スタンディング)の段階でほとんど失敗しました。判事の理屈はリスク評価にとって重要です。ライセンスはコピーに付随します。モデルが自分のコードを一切出力しなければ、コピーも派生物も存在せず、ライセンスが付随する対象がありません。統計的な影響はコピーではありません。Linuxのソースを読んで学んだプログラマーが、その後に書くすべてのコードについてカーネルにライセンス料を払う義務を負わないのと同じです。

多くの人が見落としがちなのですが、例外は実在し、そちらこそ夜眠れなくなるほど重要です。モデルが学習データをほぼそのまま再現する場合があります。初期のモデルは、認識可能なオープンソースファイルを、ときにはコピーライトヘッダーを削除した状態で再現しました。その結果、GPLやAGPLのコードの派生物を、知らないうちに出荷してしまう可能性が十分にあるのです。スレッドの中で、広く使われているAGPLのシステムの作者である一人のコメント投稿者が、まさにこの事例を語っていました。ある企業が彼の表示を削除し、発覚した後、LLMに彼のシステムを「クローン」させたというのです。品質は劣るものの、設計は明らかに彼のものでした。そのクローンが派生著作物にあたるかどうかは、本当に未解決です。こうした問いは、裁判で、ケースごとに、高くつく形で答えが出されるたぐいのものです。「出力は学習元のライセンスを継承する」という一律の規則は誤りです。「ほぼそのままの再現は現実的な法的リスクである」という限定的な規則は正しい。賢いチームは後者を前提に計画を立てます。

ガラスの漏斗に注がれる折り鶴が、ひとつの曖昧な灰色の塊になって出てくる様子。
数百万件のライセンス付き作品が投入されるが、出てくるものはどの単一の作品とも一致しない。ごくまれに、一致する場合を除いて。

誤解3:「プロンプトを書いたのは自分だから、コードは自分のものだ」

最初の誤解を裏返すと、反対派が同じくらい自信を持って口にするこの誤解になります。米国著作権局はその報告書で、この点に直接言及しています。プロンプトだけでは、出力の表現的要素に対する人間の十分な支配を与えず、プロンプトを書いた人を著作者にはしない、という立場です。プロンプトは指示であり、表現上の選択をするのはモデルです。画像生成については、裁判所がしばらく前から同じ論理を適用しており、コードだからといって本質的に違うわけではありません。

ここから先が本当に面白いところで、反復的でエージェント的な作業が関わってきます。議論に参加した何人かの実践者は、エージェントが20分間コードを書き、それに対して数時間から数日の人間によるテスト、実環境でのフィードバック、再設計、再プロンプトが続くループを説明していました。このパターンは法的に重要です。AI支援作業に対して最も強い著作権の理論は、個々の行の著作者性ではなく、作品全体への人間の創造的寄与、つまり選択、調整、配置、修正だからです。何百回もの指示された修正サイクルで形作られたシステムは、モンキーのセルフィーよりも、人間が編集した編集著作物に近いといえます。ただし、そこから導かれることに注意してください。所有権の主張はプロセスに依存しており、文書化できないプロセスは主張もできません。会社がそのコードベースの著作権を行使する必要が出たとき、相手が元社員でも、買収先のデューデリジェンスチームでも、競合他社でも、「人間が関わったから信じてほしい」は証拠になりません。だから、この後に実務的なセクションがあるのです。

あまり話題にならないもう一つの複雑な点として、結局のところ実際の仕事の大部分を担っているのは雇用契約と業務委託契約です。職務著作の法理は、存在するどんな著作権でも、その成果を雇用主に帰属させます。そのため、社内の実務上の所有権の問題は、著作者性についての形而上学的な議論に関係なく、たいてい契約によって決着します。ただし、成果物の一部が誰にも所有できないものだと判明した場合、その契約が実際に何を主張しているのか、という不快な問いは残ります。

誤解4:「AIのコードを強制的にオープンソースにすれば、公平性の問題は解決する」

この提案をしばらく真剣に考えてみると、現実に当たった瞬間に崩れます。理由は三つあり、それぞれが独立しています。第一に、法的な仕組みとして自己矛盾しています。オープンソースライセンスは著作権のライセンスです。権利者が自分の所有するものに対して許可を与えるために存在します。AI生成コードが著作権で保護されないなら、ライセンスを付与する対象がありません。MITもGPLも、対象が存在しないために無効になります。この提案を筋の通った形にするなら、CC0のようなパブリックドメインの宣言しかありません。しかし、強制できない宣言は義務ではなく、ただの願望です。

第二に、適用範囲が現実的ではありません。コードをオープンソースにすることは状態ではなく行為です。誰かがシークレットを取り除き、ビジネスロジックを削除し、READMEを書き、リポジトリを選ぶ必要があります。世界のコードの大半は独自のもので、特定の企業の社内プロセスに強く依存しており、今ではその大半がAI支援で書かれています。それを本人の意思に反して公開するとは、いったい何を意味するのでしょうか。顧客データをダンプから除外する浄化作業の費用は誰が払うのか。この提案をしている人は誰も答えを持っていません。答えがないからです。関連する失敗パターンについては、AI生成アプリが行レベルセキュリティなしで出荷される問題で取り上げました。ツールは、動いたとしてもデータを漏らすコードを喜んで生成します。そのコードの公開を義務づける場面を想像してみてください。

第三に、そもそも掲げた目的を達成できません。不満の根っこは、モデルのベンダーが共有財産を囲い込んだことにあります。モデルの利用者に出力の公開を強制しても、ベンダーが何かを還元するわけではありません。連鎖の中で最も力の弱い当事者から保護を剥ぎ取るだけです。学習データとの取引が不公平だと考えるなら、スクレイピングされたコードを書いた人々に向けた救済策は、狙いを外しています。私が本当に同意できる、最も強い形の主張は、法律論ではなく倫理の議論です。共有財産の上で学習されたツールから大きな恩恵を受けている私たちには、その価値を共有財産に還元する義務があります。ライブラリを公開し、メンテナーに資金を出し、修正をアップストリームに還元する。しかし、それは採用すべき倫理であって、立法府の最初の審議を生き延びる法律ではありません。

誤解5:「うちのライセンススキャナーで対応できている」

そうであればいいのですが。FOSSAやBlack Duckのようなライセンスコンプライアンスのツールは、AIがこっそり崩してしまう来歴の前提の上に成り立っています。これらのツールは「何を含めたか」という問いに、依存関係やベンダリングされたファイルを既知のパッケージと照合することで答えます。人間が書いたコードは、パッケージレジストリ、ヘッダーが残ったままコピーされたファイル、LICENSEの本文が残ったベンダリングディレクトリといったメタデータ付きの経路を通って届くため、これが機能します。一方、AI生成コードはメタデータを一切伴わない経路を通ってきます。モデルは、AGPLのユーティリティ関数をほぼ言い換えただけの30行を、ヘッダーも帰属表示もパッケージもない形で出力できます。すると、スキャナーはそれをオリジナルのコードだと判断します。リスクは依存関係のツリーにあるのではなく、ツールがほとんど見ていないソースファイルの中にあるのです。

これは、私たちが別の場面でもぶつかってきた同じ死角です。LiteLLMのサプライチェーン事件と同じく、失敗はレビューされたコードにあったのではなく、人々が無条件に信頼していた経路にありました。どちらのケースでも対策は、経路を信頼するのをやめ、そこを通ったものを記録し始めることです。それが来歴の追跡であり、どの裁判所がどう判断するかに関係なく、チームが今四半期にやっておくべきことです。なぜなら、考えられるどの法的な未来(AIコードは保護されない、人間が指示したAIコードは保護される、ほぼそのままの再現は侵害である)でも、自分の仕事を示せるチームが報われ、示せないチームが不利になるからです。

印の付いたシュートから届く木材と、印のないシュートから届く木材に、タグを付ける作業員。
来歴管理は習慣です。目印のない投入口から届くものほど、入口で必ずタグを付けましょう。

実際にやること:来歴と衛生管理のプレイブック

これには新しい法律も新しいベンダーも必要ありません。安くて、かつ議論に上がっているどの法的な未来のもとでも擁護できる、四つの習慣です。

  1. コミットメタデータにAI支援を記録する。Gitのトレーラーはこのために作られています。Assisted-By:トレーラーはコストがかからず、どのコードに機械が関与したかを監査可能な記録として残せます。デューデリジェンス、ライセンスレビュー、そして著作権の主張を支える人間の創作プロセスを示すのに役立ちます。
  2. 人間が関わる工程を見えるようにする。「エージェントが生成、再試行ロジックと境界条件は自分で書き直した」といったPRの説明は、良いプラクティスの形をした法的な証拠です。レビューの工程は、ほぼそのままの再現という問題が出荷前に見つかる場所でもあります。同様の議論をAIコードの理解度チェックとテストの比較で扱いました。人間は出力に本当に向き合う必要があり、ゴム印を押すように承認してはいけません。
  3. 依存関係だけでなくコードをスキャンする。オープンソースのコーパスに対してスニペット単位の照合を行うツール(SCAの依存関係スキャンとは別物)は、著作権のあるコードの派生が生じる、ほぼそのままの再現を検出できます。AIの比重が大きいコミットに対して実行し、AIツールの重複抑制機能、たとえばCopilotの「公開コードに一致する提案をブロック」の設定は、厳しめに設定してください。
  4. コピーレフトを境界線として扱う。MIT、BSD、Apacheのような寛容なライセンスは、ほぼそのままの再現という最悪のケースでも、リスクは最小限です。GPL、特にAGPLでは、意図しない派生物が高くつく場合があります。スキャンでコピーレフトのコードとの一致が見つかったら、スニペットからではなく、仕様から書き直してください。

コミットトレーラーの規約は最もレバレッジの高い施策で、設定は5分で済みます。prepare-commit-msgフックでトレーラーの入力を促し、PRに「AI支援」ラベルが付いているときはCIでトレーラーの存在を強制できます:

#!/bin/bash
# scripts/check-provenance.sh — run in CI on pull requests
# Fails if a PR labeled "ai-assisted" has commits without an Assisted-By trailer.
set -euo pipefail
BASE="${1:-origin/main}"
missing=$(git log --format='%H %(trailers:key=Assisted-By,valueonly)' "${BASE}..HEAD" \
| awk '{ if ($2 == "") print $1 }')
if [ -n "$missing" ]; then
echo "These commits lack an 'Assisted-By:' trailer:" >&2
echo "$missing" >&2
echo "Add e.g.:  git commit --trailer 'Assisted-By: claude-code (reviewed)'" >&2
exit 1
fi
echo "Provenance trailers present on all commits."

トレーラーには、ツールと、そして特に人間がその出力をレビューしたことを記録してください。Assisted-By: copilot (reviewed)とAssisted-By: copilotだけでは、将来の監査人に伝わる話がまったく違います。これと併せて、エンジニアリングハンドブックに短いセクションを設け、自社において何が意味のある人間の寄与にあたるかを定義しておきましょう。アーキテクチャの判断、テスト設計、重要な編集などです。これは裁判所に求められたからやるのではありません。法律がどちらに転んでも、「追跡していた」は「まったくわからない」に勝るからやるのです。

結論

法律がAIコードを所有できるかどうかを決着させるのを待つ必要はありません。考えられるどの結果でも、プロセスを文書化したチームが報われ、そうでなかったチームが不利になります。

証拠に照らして検証すると、こうなります。AI生成コードは一律にパブリックドメインではありません。作品全体に対する人間の著作者性はなお認められうるうえ、法域によって判断が分かれるからです。オープンソースで学習したことが出力をオープンソースにするわけではなく、裁判所はその理論をほぼ退けています。ただし、ほぼそのままの再現は実在し、見過ごされがちな法的リスクです。プロンプトを書いただけでは著作者にはなりませんが、持続的で文書化された人間の指示があれば、そうなる可能性が高いでしょう。義務的なオープンソース制度は、法律としては一貫性がなく、政策としては役に立ちません。そして、ライセンススキャナーは、今やコードの大半を生み出している経路そのものに対して盲目です。AIのコードが自由であるべきかという議論は、ビール片手に交わすには良いテーマです。しかし、エンジニアリングの答えはその議論を待ちません。来歴を追跡し、人間が目に見える形で関わり続け、スニペット単位でスキャンし、コピーレフトを警報線として扱いましょう。これは今日においても正しく、裁判所がどう判断しようとも変わりません。