著者：David、深潮 TechFlow
本を燃やしてAIを育てる――それがいま、世界をまたにかけるビジネスになりつつある。
Fortune の最近の報道によると、今年に入り、オランダ、ドイツ、スイス、スペインの複数の古書業者が、相次いで異様な大口注文を受けているという。買い手は一度に数千冊の学術書を求め、しかも分野はバラバラで、通常の購入とはとうてい思えない。
たとえば、オランダ・ハールレムの古書店 de Vries には先日、ありえないメールが届いた。
送り主は 2077AI というシンガポール企業で、「多言語書籍収集プロジェクトを進めている」と名乗り、メールには Excel ファイルが添付されていた。そこにはさまざまな分野にわたる三千冊超の購入リストが並び、一冊ごとに出版番号が記され、見積もり後に中国へ発送するよう求められていた。
de Vries はあまりに荒唐無稽に思い、そのまま無視した。
数週間後、オランダ人記者が店を訪ねてきて、はじめて気づいた。この「詐欺メール」の背後には、AI業界全体の学習データへの飢えが横たわっているのだ。
誰が何のモデルを訓練するためにこのデータを使っているのか。Fortune によれば、この本を買っている企業は回答を拒否したという。
これだけではない。カナダの別の企業 Zoom Books は、毎日午前3時から5時のあいだに欧州の書店のオンラインショップで大量発注をかけている。買うのはどれもマイナーな学術書で、互いに関連性はまったくない。
ある書店主はメディアに対し「送料のほうが本より高いが、買い手はまったく気にしていないようだ」と語った。
もちろん、読むために買っているわけではない。
AI企業が欲しがるのは2022年より前に出版された紙の本だ。これらのテキストにはAI生成コンテンツが混ざっていないことが保証されており、大規模言語モデルを訓練するうえで最もクリーンなコーパスになる。
そして本を入手したあとの業界の常套手段は「破壊的スキャン」だ。本の背を断裁し、全ページを高速スキャンしたのち、紙の原本は廃棄される。
海外では、AI大規模モデル業界のトッププレイヤーたちが、より「アグレッシブ」な手法でこの工程一式をすでに走らせている。
海賊版を買い、AIを育てる
この一件の全容が最も克明に記録されているのは、アメリカで起きた著作権訴訟だ。
2024年8月、米国の作家 Andrea Bartz ら3名が、Claude の親会社 Anthropic を相手取り、自分たちの著作物を無断でAIモデルの訓練に使ったとして提訴した。訴訟が2026年初頭まで進むなか、4000ページを超える Anthropic の内部文書が法廷で開示され、『ワシントン・ポスト』がその詳細を報じた。
それらの文書が示す実態は、想像以上に乱暴なものだった。
2021年から2022年にかけて、Anthropic は BitTorrent を通じて、LibGen と Pirate Library Mirror という二つの海賊版電子書籍サイトから700万冊以上の本をダウンロードし、社内サーバーに保存していた。内部文書には、経営陣が「一冊ずつ出版社とライセンス交渉するのはあまりに煩雑だ」と判断したとはっきり書かれている。
図：公開裁判資料の一部
提訴した作家3人は、その先陣にすぎなかった。案件はまもなく、約50万作品を対象とする集団訴訟へと拡大した。2025年6月、Alsup 判事は判断を二つに分ける裁定を下した。
本をAIの訓練に使うこと自体はフェアユースにあたる。しかし、海賊版サイトからダウンロードして永続的に保存することは認められない。つまり、AIを訓練するという行為は違法ではないが、その手段は問題があるというわけだ。
Anthropic に科せられる賠償額の上限は1冊あたり15万ドル。50万作品なら、理論上の上限は天文学的な数字になる。最終的に両者は15億ドルで和解した。平均すると1冊あたり約3000ドルの賠償となる。
今年7月20日に裁判所が最終承認し、これは米国著作権史上最高額の集団訴訟和解となった。
まず盗み、その後燃やす
ここで話が終われば、ただの「盗んで捕まって賠償した」という単純な筋書きで済んだ。
ところが『ワシントン・ポスト』の2026年1月の報道によれば、訴訟係属中に4000ページ超の Anthropic 内部文書が開示され、そこにはもう一つの計画が記されていた。
Anthropic は2024年初頭、社内コード「プロジェクト・パナマ」という作戦を始動させ、Google Books 時代の元責任者をわざわざ招へい。古書プラットフォームから紙の本を大量購入し、6カ月で50万冊から200万冊を処理する計画だ。
買ってきて、背を断裁し、スキャンし、原本を廃棄する。
内部文書はこのプロジェクトを「世界中の本を破壊的にスキャンする」と位置づけ、同時に**「この件を外部に知られることは望まない」**と特記していた。
以前のように海賊版サイトから直接ダウンロードするのと比べて違うのは、今回は本を購入している点だ。
判事はのちに、このやり方を合法と判断した。一冊の本を購入し、紙の版は廃棄してデジタル版だけを残すなら、つねにコピーは一部であり、追加の複製行為にはあたらず、著作権法に適合するというわけだ。
つまり Anthropic のこの判例は、実務上、古書をAI訓練に使ううえでの法的リスク回避ルートを業界全体に切り拓いたことになる。
海賊版サイトから本を盗めば訴えられるなら、ルールの抜け穴を突いて正規品を買って燃やしてしまえば問題ない。
隠された産業チェーン
Anthropic が切り拓いたこの道には、すでに付随するインフラが整っている。
Decrypt によると、米連邦判事は OpenAI と Meta が関わる別の著作権訴訟でも同様のフェアユース判断を示したという。「本を燃やしてAIを訓練する」行為は、もはや一社限りの例外的ケースではなく、判例体系を通じて次第に「合法化」されつつある業界の常套手段なのだ。
需要があれば、供給が生まれる。
404 Media によれば、1億1000万冊超の書籍データを保有する書籍データベース企業 ISBNdb は以前、自社ウェブサイトにAI企業向けのマーケティングページを掲載していた。そのタイトルは**「あなたのAI大規模モデルに紙の書籍コーパス調達サービスを」**。報道では、一度に1000冊から100万冊までの大量購入を提供し、買い手の身元を守る厳格な秘密保持契約を約束していたという。
記事が出ると、ISBNdb は批判の矢面に立たされ、すぐさまこのページを撤去。公式サイトでは「当該サービスは実際に提供されたことは一切なく、あのページは市場の関心を探るためのものだった」との声明を発表した。
図：「サービスは提供したが、みんなに叩かれたので下げました」
この説明を信じるかどうかはさておき、「探って」みたところ、市場の関心はたしかにきわめて旺盛だった。
404 Media の同じ記事が引用する匿名の書店主の話では、今年4月以降、彼の週間販売数は約20冊から数百冊へと急増した。買い手はISBN番号でピンポイントに発注し、互いにまったく無関係なマイナー本ばかりを買っていく。唯一の共通項は、いずれも2022年より前に出版されていることだった。
なぜ2022年か。
ISBNdb の削除されたマーケティングページにあったセールストークが、その理由を自ら露呈していた。2022年より前に出版された紙の本にはAI生成コンテンツが一切含まれておらず、最もクリーンな訓練用コーパスだから、わざわざそうした本を選んで売ります――というわけだ。
この産業チェーンの川上から川下までを整理してみよう。
- データベース事業者が選書リストと匿名購入チャネルを提供し、
- 世界中の古書業者が本を供給し、
- スキャン事業者が本の背の切断と高速デジタル化を担い、
- 廃棄処理会社が紙の残骸を処理し、最終的にクリーンなデジタルコーパスがAI企業の訓練パイプラインへ流れ込む。
こうした手法に対しては、当然ながら大きな反発と非難の声が上がっている。マスク氏は7月27日、Xに投稿し、この「現代の焚書」ともいうべき工業的流れ作業のあり方に反対と皮肉を表明した。
「私はSpaceXAIチームに対し、処理した希少本はすべて図書館に保管し、書背を断裁するのではなく『原始的な方法』（非破壊方式）でスキャンするよう要請した。」
しかし、もし裁判所の判例文書が公開されなければ、買い手の名前は一連の工程のどこにもおそらく最後まで現れず、この隠された、やや野蛮な産業チェーンの存在も誰も知ることはなかっただろう。
廃棄は最適解ではない
本をスキャンして訓練に使うこと自体には理解の余地があるが、その手法はここまで乱暴である必要はない。
かつて Google が Google Books を手がけたとき、4000万冊以上をスキャンしたが、使われたのは特許取得済みの非破壊スキャン技術であり、本はスキャン後に図書館へ返却され、一冊も傷つけられなかった。
今年7月、マスク氏はSNSで公に立場を示し、配下の xAI チームに対し、希少本は非破壊でスキャンし、原本は図書館に保管するよう求めた。
技術的には完全に可能であり、ただ少し遅く、少し高いだけだ。
Anthropic は、速いほうの道を選んだ。現在は削除された ISBNdb ブログのある記事の分析によれば、破壊的スキャンが業界で第一選択になった理由はたった一つ、「コストが安く、速度が速い」からだ。
非破壊スキャンには専用装置とより多くの人手が必要であり、一冊あたりの処理時間は破壊的スキャンの数倍にのぼる。
商業競争において、そのような選択は理解できる。AI業界の軍拡競争は待ったなしで、より多くの高品質なコーパスを先に入手した者が先に進む。法律も確かにそれを阻止しておらず、裁判官の判決がある以上、本を買って燃やすことは合法だ。
しかし、合法であることと合理的であることの間には、ときにかなりの隔たりがある。
一冊の紙の本は転売され、貸し出され、受け継がれ、古書店の片隅に二十年間眠った後、見知らぬ誰かに偶然手に取られることもある。スキャンして焼却された後は、一企業のサーバー上の私的な学習データとなり、二度と誰かに読まれることはない。
知識が公共財から私有資産へと変わる。その変換を成し遂げるのは、複雑な技術的障壁ではなく、ただの冷たい裁断機と一つの裁判所の判決だ。
筆者は毎日、AIを使って原稿を書き、資料を調べ、考えをまとめている。これらのAIプロダクトは確かに使いやすく、多くの人の働き方を変えつつある。
しかし、これらのモデルの背後にある学習データがどのように入手されたのかを調べてみると、多くの華やかな製品の裏には、よく見るとボロが出るものがあることに気づくだろう。
これらのことを一つひとつ取り出して見れば、どれにも商業的なロジックと法的根拠がある。
しかし、まとめて見ると、どこかおかしいと思わずにはいられず、それでもため息をつかずにはいられない。
