資金調達・M&Aで止まるAI企業：特許侵害リスクがデューデリで問題になる理由

株式会社IPリッチのライセンス担当です。

AIスタートアップの皆様、あるいは新規事業としてAIサービスを展開する企業の皆様、自社のプロダクトが他社の権利を侵害していないか、投資家に対して合理的に説明できる準備は整っているでしょうか。シード期からシリーズA、そしてそれ以降の資金調達ラウンドへと進むにつれ、あるいはM&A（企業の合併・買収）を目指す際、投資家や買い手企業は「そのAIサービスを継続して商用利用できるのか」という点を慎重に見極めます。もし他社の特許権や著作権を侵害する重大なリスクがあると判断されれば、企業評価額（バリュエーション）の減額や、厳格な表明保証の要求、買収の延期、場合によってはディールブレイク（取引中止）に至る可能性もあります。

本記事では、投資家が重視する知財リスクの実態、AIプロダクトにおけるFTO（侵害予防調査）レポートが信用材料となる理由、そしてM&Aに向けて事前に整理しておくべき特許・契約・開発履歴について、実務的な観点から詳細に解説します。優れたAI技術や独自のアルゴリズムを開発したとしても、権利関係が不明確なままでは事業の安定的な成長に支障が生じ、資金調達のハードルも上がります。逆に、自社の知的財産を適切に保護し、他社に対する技術的優位性を客観的な資料によって説明できれば、特許ライセンスを通じた新たな知財収益化の道が開け、企業価値の向上につなげられる可能性があります。

当社が運営する特許収益化プラットフォーム「PatentRevenue」では、活用されていない自社特許を必要とする企業と適切にマッチングし、ライセンス契約を通じた収益化をサポートしています。初期費用無料でご登録いただけますので、資金調達やM&Aに向けた企業価値向上の戦略として、ぜひご活用をご検討ください。

AI企業の評価を左右する特許侵害リスクとデューデリジェンスの現実

AI企業が資金調達やM&Aを成功させるためには、プロダクトの正式リリース前、あるいはデューデリジェンス（買収監査）の初期段階で「自社の技術が他社の特許を侵害する重大なリスクを抱えていないか」を合理的に説明できる体制と資料を準備することが重要です。投資家や買い手企業が警戒するのは、巨額の資金を投じて株式を取得した後に、第三者から特許侵害による差止請求や損害賠償請求を受けることです。AI分野では多数の特許出願が行われており、特定の機械学習アルゴリズムやデータ処理フロー、ユーザーインターフェースなどが他社の特許権の範囲に含まれる可能性があります。そのため、投資家は対象企業が事業を継続していく上で重大なリスクを抱えていないか、事実と証拠に基づいて検証します。

このとき、自社で事前にFTO調査（Freedom to Operate：侵害予防調査）を実施し、専門家による調査・検討結果を備えておくことは、対象企業のコンプライアンス意識とリスク管理状況を示す有力な信用材料となります。ただし、FTO調査によって将来の非侵害を完全に保証できるわけではありません。未公開の特許出願や検索漏れ、クレーム解釈の相違などの不確実性は残ります。それでも、単なる口頭での「他社の特許は侵害していないはずだ」という主張だけではなく、調査範囲、検索方法、検討過程と判断根拠を説明できる状態にしておくことが重要です。

知財デューデリジェンスとAIを取り巻く権利の基本知識

知財デューデリジェンスとは、M&Aや資金調達の対象となる企業について、ビジネスの継続性や将来の収益性を知的財産の観点から調査・評価するプロセスのことです。法務、財務、ビジネスに関する調査と並び、知的財産が企業価値の重要な源泉となる技術系スタートアップでは、知財の観点からの検証が重要になります。もっとも、知財DDを独立して実施するか、法務DDやビジネスDDの一部として行うか、どの範囲まで調査するかは、取引規模や対象事業、時間、費用に応じて決められます。

調査では、大きく分けて2つの視点から検証が行われます。一つは「自社の権利が法的に保護され、価値の源泉として維持されているか」であり、もう一つは「他社の権利を侵害するなどの潜在的な債務・リスクがないか」です。AI企業の場合、調査対象は複雑多岐にわたります。AIモデルの構造や学習アルゴリズムに関する特許権の有無だけでなく、AIの学習に用いたデータセットの権利処理、プログラムのソースコードに関する権利の帰属、さらにはオープンソースソフトウェア（OSS）のライセンス条件に違反していないかなど、確認すべき項目が多数存在します。

特に、AIと著作権に関する法的整理は基本知識として押さえておく必要があります。日本の著作権法第30条の4では、著作物に表現された思想又は感情の享受を目的としない場合に、必要と認められる限度で著作物を利用できると定められており、情報解析がその例として挙げられています。AI学習のための複製も、学習対象となる著作物の表現を享受する目的がなく、その他の要件を満たす場合には、この規定の対象となり得ます。

しかし、一つの利用行為に情報解析以外の享受目的が併存する場合や、「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、同条が適用されません。文化庁の整理も法的拘束力を有する確定的な判断ではなく、具体的な適法性は、学習目的、データの性質、入手経路、利用方法などに応じて個別に判断されます。デューデリジェンスでは、対象企業のAI学習プロセスがこれらの要件を満たすかを説明できるかが確認されます。ビジネスモデルがデータに強く依存しているほど、学習データの出所や利用条件に関する記録が重要になります。

AI特許審査の事例拡充とイノベーション拠点税制の活用

AIに関連する知的財産をめぐる公的な制度や審査資料の整備も進んでいます。

特許庁は「特許・実用新案審査ハンドブック」において、AI関連技術に関する具体的な審査事例を追加・公開しています。これにより、AI関連発明について、発明該当性、記載要件、進歩性などを判断する際の考え方を具体例から確認しやすくなっています。

ただし、一般的な機械学習手法を用いているか、データ構造や処理手順に独自の工夫があるかという点だけで、特許性が決まるわけではありません。発明の具体的な構成や技術的意義を踏まえ、新規性、進歩性、記載要件などを個別に検討する必要があります。審査事例は出願方針や明細書作成の参考になりますが、個別の発明について特許取得を保証するものではありません。

また、研究開発投資を促進するための国の税制措置も、企業の知財戦略や将来収益の検討に関係します。「イノベーション拠点税制（イノベーションボックス税制）」は、一定の特許権やAI関連のプログラムの著作物から生じるライセンス所得および譲渡所得について、自己創出割合等を踏まえて計算した適格所得の30％を所得控除できる制度です。

対象となる知的財産には、原則として令和6年4月1日以後に取得または製作された特許権やAI関連のプログラムの著作物が含まれ、制度は2025年4月1日から2032年3月31日までに開始する事業年度を対象とします。ただし、すべてのライセンス所得や譲渡所得がそのまま控除対象になるわけではなく、対象取引、国内で行った研究開発との関連性、自己創出割合などの要件を満たす必要があります。

「AI関連のプログラムの著作物」に該当するかどうかについては、一般社団法人ソフトウェア協会による確認を受ける運用が採用されています。こうした税制を正しく理解し、自社で開発したAI技術と研究開発活動の関係を記録しておくことは、将来のキャッシュフローを検討する際の材料となります。

FTO調査の進め方と情報開示の実務プロセス

M&Aや資金調達の実務において、知財リスクを可視化し、管理するための具体的なステップを解説します。

重要な手段の一つが、先述したFTO（侵害予防調査）の実施です。FTO調査は、自社の製品やサービスについて、事業を実施する国で有効な他者の特許権に抵触するリスクがないかを確認するプロセスです。

調査は通常、「対象の特定」「母集団の検索・スクリーニング」「クレーム（請求項）との対比」という手順で進められます。まず、自社サービスのどの機能が事業上重要で、他社特許に抵触した場合の影響が大きいかを定義します。すべての機能を無制限に調査することはコスト面で現実的ではないため、コア機能や代替が難しい機能に焦点を絞ります。次に、特許分類（国際的なIPCや日本独自のFI、Fタームなど）やキーワードを用いて特許文献を抽出し、関連性の高いものに絞り込みます。

抽出された他社特許に対しては、「クレームチャート」と呼ばれる対比表を作成して侵害リスクを検討します。クレームチャートでは、他社特許の「特許請求の範囲（クレーム）」を構成要件ごとに分け、自社のAIプロダクトの仕様が各要件を満たすかを対比します。特許請求項に記載された構成要件のすべてを充足しなければ、原則として文言侵害は成立しません。

しかし、文言上は構成要件を満たさない場合でも、相違部分が実質的に同一と評価される「均等論」の適用が問題になることがあります。日本の均等論には、相違部分が特許発明の本質的部分ではないこと、置換可能性、置換容易性など複数の要件があり、出願経過等も含めた専門的な検討が必要です。

FTO調査を行う有力なタイミングは、「仕様確定時」や「基本設計が固まった段階」です。コーディングや本格的な実装に入る前であれば、リスクの高い特許が見つかった場合に、仕様を一部変更する「回避設計（デザインアラウンド）」を検討しやすいためです。ただし、仕様変更後もクレームとの対比や均等論の可能性を再確認する必要があります。

また、デューデリジェンスが進む段階では、買い手企業や投資家に対して技術仕様書、モデル設計書、学習データの概要といった機密性の高い資料を開示することになります。この際、秘密保持契約（NDA）の締結に加え、情報の開示範囲や閲覧者を適切に制限することが重要です。近年では、アクセス権限の管理、ファイルのダウンロードや印刷の制限、透かしの付与、閲覧期間の限定などが可能なVDR（Virtual Data Room：仮想データルーム）を利用して資料を開示する方法が広く用いられています。

表明保証条項と技術ライセンス契約における法的構造

M&Aの最終契約において、知財リスクの責任分配を決定づけるのが「表明保証条項」です。

表明保証とは、売主が買主に対し、特定の時点において対象企業の財務、法務、事業に関する一定の事項が真実かつ正確であることを表明し、保証する規定です。知財関連では、「自社のAI事業が第三者の特許権や著作権等を侵害していないこと」「重要な知的財産権が有効に存続していること」「知財に関する重大な紛争が存在しないこと」などが表明保証の対象となることがあります。

クロージング（取引実行）後に表明保証違反が判明した場合、契約で定めた要件と範囲に従って、買主が売主に補償等を求める可能性があります。実務上は、売主の責任が過大にならないようにしつつ買主の保護を図るため、「売主の知る限り」「重要な点において」といった限定文言、責任上限、請求期間、免責額などを調整します。また、一定の取引では、表明保証違反による損失を補償対象とする表明保証保険が利用されることもあります。

さらに、対象企業が他社の技術を利用している場合や、自社のAI技術を他社に提供している場合には、ライセンス契約の内容も審査されます。

技術ライセンスには、大きく分けて「専用実施権」と「通常実施権」が存在します。特許法第77条に規定される専用実施権は、設定された範囲内で業として特許発明を独占的に実施できる権利であり、専用実施権者は第三者の侵害に対して差止請求を行うことができます。ただし、専用実施権は特許庁への設定登録によって効力が生じ、設定範囲などの登録事項は特許原簿に記録されます。ライセンス契約書の内容そのものが公開されるわけではありません。

一方で、実務上用いられることがあるのが「独占的通常実施権」という契約形態です。これは法律上の専用実施権とは異なり、契約当事者間の合意によって、特許権者が他の第三者にライセンスを許諾しないことなどを定めるものです。法律上は通常実施権であるため、専用実施権者と同じ法定の差止請求権が当然に認められるわけではありません。デューデリジェンスでは、ライセンスの種類、独占範囲、地域、期間、再許諾の可否、チェンジ・オブ・コントロール条項などを契約書から確認する必要があります。

また、ライセンス契約において売上等に連動するランニング・ロイヤルティ（実施料）が設定されている場合、「監査条項（報告・監査権限）」が設けられることがあります。これは、ライセンシーが支払うロイヤルティの計算が正確かを確認するため、ライセンサーが売上実績を記録した帳簿や計算資料を、契約で定めた方法に従って監査できるようにする条項です。監査条項の有無や、帳簿保管期間、過少申告時の費用負担などは、ライセンス収益の管理状況を確認する上で重要になります。

ディールブレイクの危機と学習済みモデルをめぐる法的リスク

知財デューデリジェンスにおいて、事前に対策されていない重大な特許侵害リスクが発見された場合、対象企業には大きな影響が及びます。

買い手や投資家にとって、特許権者からの差止請求は、対象となるAIサービスの提供停止やアルゴリズムの改修を余儀なくされるおそれのある重大なリスクです。許容できないリスクが発見された場合、買い手が買収価格（評価額）の減額や、エスクロー（売買代金の一部留保）、クロージング前の是正措置を求めることがあります。問題を合理的な期間内に治癒できない場合には、取引の延期や中止につながる可能性もあります。

また、AIの学習データに関するリスクも重要です。著作権法第30条の4の適用要件を満たさない学習行為が含まれていれば、投資判断に影響する可能性があります。例えば、情報解析に利用しやすい形で整理したデータベースが有償で提供されているにもかかわらず、その利用を回避して閲覧用ウェブサイトからデータを収集した場合や、AI学習を制限する技術的措置を回避してデータベースの販売市場や潜在的販路を阻害する態様で複製した場合には、第30条の4ただし書への該当が問題となります。

ただし、robots.txt等によってAI学習を拒否する意思が表示されていることだけで、直ちに同条の適用が否定されるわけではありません。技術的措置の内容、データベースの販売・ライセンス実績、収集の規模や方法などを踏まえた個別判断が必要です。RAG（検索拡張生成）技術についても、他社の情報を参照しているという事実だけで侵害になるわけではなく、データの複製・保存、入力、出力、利用者への提供の各段階で、著作物の利用行為と適用可能な権利制限規定を確認する必要があります。

海賊版サイトから学習データを収集する場合についても、海賊版が含まれているという事実だけで直ちに第30条の4が適用されなくなるとは限りません。しかし、海賊版サイトへのアクセスや収益を助長しないよう十分な配慮が求められ、既知の海賊版サイトを意図的に利用していた事実は、企業のコンプライアンス体制を評価する上で重大な問題となり得ます。

また、特定のクリエイターの「作風」が共通すること自体は、通常、著作権侵害を意味しません。一方で、既存著作物の創作的表現の全部または一部を出力させることを目的として意図的な過学習を行った場合には、開発・学習段階で享受目的が併存すると評価され、第30条の4が適用されない可能性があります。生成物についても、既存著作物との類似性と依拠性が認められるかを個別に判断する必要があります。

仮にAI学習データの収集や生成物の利用について著作権侵害が認定された場合には、損害賠償に加え、著作権法第112条に基づく侵害行為の停止・予防や、侵害の組成物等の廃棄その他の措置が問題となる可能性があります。ただし、違法に収集されたデータを用いて作成されたという理由だけで、学習済みモデル全体の廃棄が当然に認められるわけではありません。学習済みモデルが同条の廃棄対象となるかは、モデルの構造、侵害行為との関係、侵害防止に必要な措置などに応じて判断される未確定の論点です。それでも、学習データの再取得やモデルの再学習が必要になれば、AI企業に大きな負担が生じるため、デューデリジェンスでは学習データの出所、収集ポリシー、学習過程の記録が保存されているかが確認されます。

さらに、開発履歴の不明確さやデータ入力に関するリスクも存在します。自社の機密情報や、取引先から預かっている個人情報を外部の生成AIサービスに入力した場合、入力先の利用規約、保存・学習利用の設定、本人同意や委託契約の内容によっては、個人情報保護上の問題や秘密保持契約（NDA）違反が生じる可能性があります。また、入力や管理の態様によっては、不正競争防止法上の営業秘密に必要な秘密管理性を否定する事情となるおそれもあります。

自社開発を主張していても、第三者が権利を持つプログラムやOSS（オープンソースソフトウェア）を、ライセンス条件に反して組み込んでいる可能性が払拭できなければ、コンプライアンス上の問題とみなされます。そのため、ソースコードの由来、外部委託先からの権利移転、OSSの名称・バージョン・ライセンス条件を確認できる記録を整備しておく必要があります。

リスク管理から知財収益化への転換戦略

これまで述べてきたように、知財リスクの管理は企業を守るための「防御」の側面が強いですが、適切に行うことで「攻め」の収益化戦略へとつなげることも可能です。

FTO調査や競合特許の分析を行う過程では、既存の特許が比較的少ない技術領域や、自社が差別化できる余地を把握できる場合があります。こうした調査結果を踏まえ、自社の技術的特徴について戦略的に特許を出願・取得することで、競合他社の参入を抑制する権利の構築を目指せます。ただし、特許が少ない領域であることだけを理由に特許取得や事業上の優位性が保証されるわけではなく、市場性や代替技術も併せて検討する必要があります。

自社で有効な特許ポートフォリオを構築できれば、他社から特許侵害の警告を受けた場合に、クロスライセンス（互いの特許の実施を許諾し合う契約）を交渉する際の材料となることがあります。さらに、自社では直接事業化しない応用分野について、他社に通常実施権をライセンスアウトすることで、ロイヤルティ収入を得られる可能性もあります。

イノベーション拠点税制の要件を満たす場合には、対象となる適格所得について所得控除を受けられる可能性があります。ただし、単に特許を保有したり、ライセンス収入を得たりするだけで適用される制度ではありません。対象知財、取引相手、国内研究開発との関連性、自己創出割合などの要件を事前に確認する必要があります。

資金調達やM&Aにおいて企業価値を適切に説明するためには、単にリスクがないと主張するのではなく、どのリスクを調査し、どのように管理しているかを示すことが重要です。その上で、IPランドスケープなどを活用し、自社の知的財産を事業成長やライセンス収益に結びつける方針を投資家に提示することが求められます。

自社特許を収益につなげる次の一手

AI企業が資金調達やM&Aという重要な局面を乗り越えるためには、ビジネスモデルの革新性だけでなく、知財デューデリジェンスに対応できる法的・実務的な基盤の構築が必要です。FTO調査による特許侵害リスクの把握と低減、学習データの利用根拠の確認、開発履歴の適正な管理、そして合理的な範囲で表明保証を行える状態への整備は、ディールブレイクの可能性を抑え、企業価値を適切に評価してもらうための重要な条件となります。

そして、その基盤の上に立つ自社の独自技術は、特許権として適切に保護されることで、ライセンスによる継続的な収益を生み出す資産となる可能性があります。知的財産の価値を最大化し、収益へとつなげるための次の一手として、特許収益化プラットフォーム「PatentRevenue」の活用をぜひご検討ください。

（この記事はAIを用いて作成しています。）