AIが生むIP訴訟リスクの全体像

株式会社IPリッチのライセンス担当です。 Secretariatの分析は、2025〜2026年のAI関連訴訟で注目すべきテーマとして、(a) AIがソフトウェア・ハードウェア・データを融合させるため特許侵害と有効性の立証が難しくなること、(b) AI生成物の著作権帰属と人間の関与を巡る論争、(c) 学習データやモデルの不正取得を巡る営業秘密訴訟、(d) AI搭載製品の価値配分や損害額の算定に新しい評価モデルが必要であることを挙げています。企業はこれらのリスクを踏まえた契約・技術・ガバナンス対応を検討する必要があります。本記事では、このAIが生み出す知的財産訴訟リスクの全体像と、企業がこの新しい時代に講じるべき戦略について詳しく解説します。

また、こうしたリスクと隣り合わせの状況であっても、適切な知財戦略を描くことで、特許をはじめとする自社の知的財産を「知財の収益化」へと繋げることが十分に可能です。使われていない特許権や、新たに生み出されたAI関連技術のライセンス供与は、企業にとって重要な新たな収益源となります。特許権の売買やライセンスをご希望される方は、当社の特許売買・ライセンスプラットフォーム「PatentRevenue」にぜひ無料でご登録ください。適切な知財流通の基盤を活用することで、リスク管理と並行して新たなビジネスチャンスと収益源の確保を実現することが可能になります。

AI特許訴訟における侵害立証の困難さと分割侵害リスクの対策

2025年から2026年の特許訴訟において最も顕著な課題の一つは、AI技術の特許性および侵害の立証プロセスが極めて困難になっている点です。これまでのソフトウェア特許とは異なり、現代のAIシステムはソフトウェアのアルゴリズム、学習を実行するハードウェア（GPUやTPU）、膨大な学習データ、そして動的な意思決定プロセスが複雑に融合して構築されています。この技術的境界線の曖昧さが、特許の有効性を証明し、侵害の有無を客観的に判断する上で大きな障壁となっています［１］。

第一に、「自動化」と「真のイノベーション」の境界線を巡る争いが法廷で激化しています。AIを用いた特許請求の範囲が、単に既存の人間によるプロセスを汎用コンピュータ上で自動化しただけのものなのか、それとも技術的な課題に対する真に画期的かつ具体的な解決策を提示しているのかという点が厳しく問われています。侵害分析の過程では、原告と被告の双方が、学習データが果たす役割、特定のニューラルネットワークのアーキテクチャ、そして出力に至るまでの人間の関与の度合いを綿密に調査し、対象となるAIシステムが特許クレームの各構成要件を実際に満たしているかを判断しなければなりません。こうした技術的な複雑さから、法廷ではAIシステムがどのように既存のソフトウェアやハードウェアの概念を再構築し、現実世界で機能しているかを正確に説明できる、高度な専門知識を持つエンジニアリング専門家の証言が不可欠となっています［２］。

第二に、特許実務者と企業の法務部門を大いに悩ませているのが「分割侵害（Divided Infringement）」の問題です。米国特許法などの枠組みにおいては、特許の直接侵害が成立するためには、原則として「単一の当事者」が特許クレームに記載されたすべての段階や要件を実施している必要があります。しかし、AIのビジネスモデルにおいては、この単一主体の原則が容易に崩れてしまいます。例えば、ある企業が巨大な計算資源を用いて基盤モデルの「学習（トレーニング）」を行い、別の企業がそのモデルを自社のアプリケーションに組み込んで「展開（デプロイ）」し、さらにエンドユーザーがプロンプトを入力して「実行」するというように、複数の主体が関与する分業構造が一般的だからです［３］。

もし、あるAI特許のクレームが「モデルを学習させるステップ」と「そのモデルを用いて推論を行うステップ」の両方を含んで作成されていた場合、通常はいずれの単一企業もすべてのステップを実行していないため、直接侵害を問うことが難しくなります。過去の重要な判例であるAkamai v. Limelight Networks事件において、裁判所は、一方が他方の行動を「指示または管理」している場合、あるいは「共同事業」を形成している場合には、例外的に単一の事業者が侵害の責任を負い得ると判断しました。さらに、特許された方法の実行を参加の条件としたり、そこから利益を得たりしつつ、実行の態様や時期をコントロールしている場合に関する新たなテストも示されました。その後のEli Lilly & Company v. Teva Parenteral Medicines事件やTravel Sentry v. Tropp事件においても、この「条件と利益」のテストがどのように適用されるかが明確化されています［４］。しかしながら、実務においてこの基準を満たし、他社のコントロール関係を立証するハードルは依然として高いのが実情です［３］。

この分割侵害のリスクを回避するため、企業は特許明細書の作成において根本的な戦略転換を迫られています。特許クレームは、モデルの学習段階のみ、あるいはモデルの展開段階のみといった「単一の活動拠点」に焦点を当てて作成されるべきです。もし両方の段階を保護する必要がある場合は、それぞれが独立した革新的な価値を持つように複数の独立クレームとして慎重に設計し、競合他社という単一の事業者が侵害主体となり得るように工夫することが推奨されています［４］。事前の特許ドラフティングにおけるこうした戦略的配慮が、2026年以降の特許訴訟の勝敗を分ける決定的な要素となるでしょう。

AI生成物の著作権帰属と学習データの適法性を巡る論争

著作権の領域においては、AIモデルに情報を入力する「学習フェーズ」と、AIがコンテンツを出力する「生成フェーズ」の双方の観点から、世界的かつ根本的な議論が進行しています。2025年は、著作権の基本的な枠組みがAIにどう適用されるかについて、裁判所や規制当局が実質的な境界線を引いた年として位置づけられており、その影響は2026年以降のビジネス慣行に決定的な影響を与えます［５］。

まず、出力（生成フェーズ）の保護可能性について、AIが自律的に生成した文章、画像、音楽、デザインなどの創造物が著作権保護の対象となるか、そして誰がその権利を所有するのかという問題は、依然として訴訟の中心テーマです。日本の文化庁が2024年に設置し、2026年を目標に包括的なガイドラインの策定を進めている「生成AI時代の著作権に関する検討会」の見解によれば、AIが自律的に作り出した表現は、原則として人間の「思想または感情の創作的表現」とは言えないため、著作物に該当しないとされています［６］。米国著作権局も同様のスタンスをとっており、プロンプトの入力のみに依存した生成物は著作権登録を拒否する事例が相次いでいます。つまり、企業が一般的なプロンプトで生成した文章や画像を自社の著作物として独占し、他社の利用を制限することは原則としてできません。

しかし、人間がAIを単なる「創作のための道具」として使用し、表現内容に主体的に関与した場合は例外として著作権が発生し得ます。これを満たすには、人間側に特定のメッセージを伝えようとする「創作意図」があり、かつ多数の出力を比較・選択し、大幅な加筆修正や編集を加えるといった「創作的寄与」が明確に認められる必要があります［６］。この「人間による著作者性の度合い」をどう定量化・証明するかが、今後のクリエイティブ産業における重要な法的争点となります。また、自社に著作権が発生しないことと、他者の著作権を侵害しないことは全く別の問題です。例えば「既存の有名なキャラクターに似た画像を生成して」といった指示を出して生成された出力物をビジネスで利用すれば、既存著作物との類似性や依拠性が認められ、重大な侵害リスクを引き起こします［６］。

一方で、入力（学習フェーズ）に関しては、「データスクレイピング」の適法性が法廷で激しく問われています。競合他社の付加価値の高い独自のコンテンツをスクレイピングし、直接的に競合するAI製品を構築する行為は、非常にリスクの高い戦略と見なされるようになりました［７］。2025年の米国における象徴的な事例であるBartz v. Anthropic事件では、合法的に取得した書籍を学習に用いること自体は「変容的利用（フェアユース）」に該当する可能性が示唆された一方で、海賊版の書籍の中央ライブラリを作成・保持して学習に利用した点については重大な著作権侵害懸念が指摘され、フェアユースの適用が否定される判断が下されました。また、Kadrey v. Meta Platforms, Inc.事件においても、生成AIモデルをトレーニングするための著作物の使用が米国著作権法第107条のフェアユースを構成するかどうかが争点となっています［７］。これらの判例は、データの「出所（プロベナンス）」と「ライセンス状況」が今後の著作権訴訟の行方を決定づけることを意味しています［５］。

こうしたリスクを低減するため、実務においては生成プロセス全般の厳格なログ管理や、類似性チェック機能の活用、さらには利用するAIサービスの設定でのオプトアウト機能の明示が強く求められます。さらに、ブロックチェーン技術やデジタル署名を活用し、作品に著作者情報や利用許諾条件のメタデータを埋め込むことで、AI学習時に自動で利用可否を判別させる「権利表示技術」の導入も進んでおり、無断利用を防ぐ新たな仕組みとして2026年以降のスタンダードになっていくと予想されています［８］。

営業秘密（トレードシークレット）の保護とAIによる不正取得の手口

特許や著作権が「人間による発明・創作」を前提とする中、その要件を持たないAI生成のイノベーションを保護するための「受け皿」として、営業秘密（トレードシークレット）法の重要性がかつてなく高まっています［９］。AIが自律的に発見した新薬の分子構造や、最適化されたアルゴリズム、大規模なデータコンピレーションなどは、特許法や著作権法では直接的に保護することが困難です。しかし、米国の連邦営業秘密保護法（DTSA）や統一営業秘密法（UTSA）をはじめとする多くの営業秘密法制には「人間による創造」という要件が存在しません。合理的な秘密管理措置を講じており、かつ非公知であることによって独立した経済的価値を有していれば、人間が作ったものであろうとAIが生成したものであろうと保護の対象となります［９］。その結果、営業秘密はAI時代における競争力維持のためのデフォルトの知財保護枠組みとしての地位を確立しつつあります。

しかし同時に、AI技術は営業秘密の「窃取」という観点において、企業に前例のない次元の脅威をもたらしています。従来の企業内情報の持ち出しは、従業員が機密ファイルを検索し、ダウンロードし、外部メディア等で持ち出すという「特定・取得・流出」の3ステップで行われていました。従来のデータ損失防止（DLP）システムは、大量のファイルのダウンロードや特定キーワードの外部送信を検知することでこれを防いできました。

今日、AIツールはこのプロセスを「単なるチャットの会話」へと圧縮してしまいます。退職を予定している従業員が、社内のエンタープライズAIに対して「未発表の製品の開発状況と価格戦略を要約して」と指示を出すだけで、AIは瞬時に機密情報を収集・統合します。この過程でファイルが直接開かれることも、移動されることもありません。さらに恐ろしいのは「偽装エクスポート」の問題です。AIによって要約・再構成された回答は、元の機密文書のテキストとは全く異なる表現に変換されているため、従来のセキュリティツールでは情報の流出を検知することが実質的に不可能です。かつては機密コードを手作業でPDFに貼り付けて偽装するといった手法がとられていましたが、AIはこれをシームレスかつ自動的に行います［１０］。

2024年から2025年にかけて発覚し、有罪判決が下された元GoogleエンジニアのLinwei Dingによる経済スパイ事件は、この脅威を象徴しています。同氏はGoogleのスーパーコンピューティングデータセンターを駆動するAIモデルのトレーニング用ハードウェアインフラ（TPUおよびGPUシステム）や独自のオーケストレーションソフトウェアに関する数千ページに及ぶ営業秘密を、個人のクラウド環境に不正にアップロードしました。彼は在職中から中国のテクノロジー企業と関係を持ち、自身のAIスタートアップを設立するために技術を盗み出していたのです。この事件は、AI技術そのものが国家間レベルでのスパイ活動の標的となっている現実を浮き彫りにしました［１１］。

さらに、システムによる検知を逃れるための「複数セッションにまたがるクエリ」という手口も増加しています。一度に大量の情報を引き出すのではなく、複数のチャットセッションに分けて少しずつ断片的な機密情報をAIに質問し、後にそれらをつなぎ合わせて完全な営業秘密を復元するという手法です。また、最新のAIプラットフォームに実装されている「メモリ（記憶）のエクスポート機能」を悪用し、従業員が社内AIとのこれまでの全会話履歴やプロジェクトのコンテキストを、数回の操作で個人の別のアカウントに丸ごと転送してしまうリスクも指摘されています［１０］。

より高度な攻撃手法として、社内システムに対する「間接的プロンプトインジェクション」という手口も法廷で争われ始めています。これは、悪意のある従業員が退職前に社内データベースの文書内に特殊な隠しコマンドを仕込んでおき、退職後に社内の他のユーザーがその文書をAIに処理させた際、AIが自動的に機密情報を外部に送信するように仕向けるというものです［１２］。自律的に動作するAIエージェントが、ユーザーの指示を超えてセキュリティの脆弱性を突き、管理者権限を偽造して制限されたデータにアクセスするといった実験結果も報告されており、AIの自律性による意図せぬ情報漏洩への懸念が高まっています。

また、ウェブ上の公開データであっても、AIボットを用いて人間の手作業では不可能な規模で高速かつ大量にスクレイピングする行為が、不適切な手段による営業秘密の侵害にあたると判断された米国のCompuLife Software v. Newman事件のような判例も存在します。この判決は、スクレイピングを用いたデータ収集に対して強い警鐘を鳴らしました［１０］。これらの動向は、企業に対して、AIツールに対する厳格なアクセス制御（最小権限の原則の徹底）や、AIのプロンプトおよび出力内容の継続的なモニタリング体制の構築を強く迫っています。

AI搭載製品における特許損害賠償額の算定モデルと価値評価

AIに関連する知的財産訴訟が進行し、侵害が認定された場合に次に待ち受けているのが、「損害賠償額の算定」という極めて難解なプロセスです。2025年以降、原告と被告の双方の経済専門家は、AIを中心とする製品やサービスの経済的価値をいかに定量化するかという未曾有の壁に直面しています［１３］。

従来の特許訴訟における損害賠償額の算定は、米国特許法第284条などを根拠とし、主に「逸失利益」や「実施料相当額」といった枠組みで行われてきました。しかし、AI技術は製品そのものの直接的な売上として価値を生むだけでなく、バックエンドでの業務効率化、データ分析精度の劇的な向上、ダウンストリームでの二次的イノベーションの促進といった「間接的な価値」を生み出すことが多いため、従来の評価モデルをそのまま適用することが困難になっています［１３］。

法廷において最も激しい議論の的となっているのが「価値の按分（Apportionment）」の原則です。特許侵害に基づく損害賠償は、原則として「特許発明が貢献した価値の部分」のみに限定されなければなりません。例えば、AIアルプレゴリズムを利用して診断精度を向上させた高度な医療機器があるとします。この医療機器の本来の主目的は医療行為の実行であり、AIアルゴリズムの実行そのものではありません。もし当該AIアルゴリズムに関する特許が侵害された場合、賠償額は数千万円する医療機器全体の販売価格をベースに算定されるべきなのか、それともAIソフトウェア部分がもたらした価値のみに限定されるべきなのでしょうか［１４］。ハードウェアコンポーネント、膨大な学習データ、そして人間の専門家による判断の余地など、複数の要素が複雑に絡み合うAI製品において、AI機能単体がもたらした経済的寄与（競争優位性や市場シェアへの貢献）を正確に切り分けて立証することは至難の業です［１４］。

この按分問題に対し、裁判所は経済専門家に対してより厳格な立証を求めています。専門家は、A/Bテストの結果や製品の比較データなどのベンチマーク証拠を用いて、特許技術であるAI機能が製品全体の需要や利益率にどの程度貢献したかを統計的かつ客観的に説明する責任を負っています。近年のRex v. Intuitive Surgical事件などの判例が示すように、粗雑な価値評価や、合理的な根拠に乏しい全体売上ベースのロイヤリティ計算は、控訴審で容易に覆される傾向が強まっています［１４］。

一方で、興味深いことに、特許の価値評価という課題そのものを解決するために、AIツール自体の活用が急速に進んでいます。2025年の時点で、特許実務者の約68%がAI支援型の特許検索・アナリティクスツールを導入しており、これらのツールは先行技術調査の時間を60%から80%削減するだけでなく、特許クレームと実際の市場製品とのマッピングを自動化し、さらには過去の膨大な判例データを分析して訴訟結果の予測までも行います［１５］。これにより、従来は年に一度のポートフォリオ全体の大まかなスナップショット評価しかできなかった企業が、個別の特許ごとの価値を継続的かつリアルタイムにスコアリングできる環境が整いつつあります。これは、損害賠償交渉において、より精緻でデータドリブンな評価額の提示を可能にする強力な武器となります。また、通信規格における標準必須特許（SEP）の分野で見られるような、技術標準全体の価値を算出し、それを各特許保有者の貢献度に応じて分割する「トップダウンアプローチ」も、巨大なプラットフォーム化が進むAI技術の価値評価において応用される事例が増加しています［１６］。

グローバルなAI規制の進展と企業が講じるべき知財ガバナンス

AI訴訟を取り巻く環境は、各国の法整備や規制の動向と密接に連動しています。2025年から2026年にかけては、世界中の規制当局や立法機関がAIの開発と利用に関する具体的なルールの運用を本格化させており、企業はグローバルな視点での対応を迫られています［１７］。

例えば中国では、新たなデジタルガバナンス体制の一環として、知的財産を単なる保護の問題から「貿易執行ツール」へと引き上げる動きを見せています。データセキュリティ法、サイバーセキュリティ法、個人情報保護法といった既存の法制の下にデジタル貿易を組み込み、「条件付きの開放」モデルを採用しています。これにより、国家安全保障に関わる重要なデータの越境移転や、機微な技術の海外企業による買収に対して、政府の事前審査や介入が強化されており、多国籍企業はデータ管理と知財戦略の抜本的な見直しを余儀なくされています［１７］。

また、ラテンアメリカ諸国でも独自のAIガバナンスが進展しています。ブラジルはAIの開発と利用に関する包括的な一般ルールを定めた法案の審議を進めており、リスクベースのアプローチを採用することで地域の規制の指標となっています。一方、コロンビアは直接的な法的義務を課すのではなく、まずは国家AI政策を採択し、倫理的なガードレールを官民の利用に組み込むための能力構築や政府調達のテンプレート化を進めるという別のアプローチを取っています［１８］。国際機関であるWIPO（世界知的所有権機関）も、AI技術が経済や文化の生産と流通に与える影響の大きさを鑑み、AIに関する課題を知的財産に関連する側面に絞って専門的な議論とガイダンスの提供を続けています［１９］。

こうした世界的な規制強化と、AI技術に起因する訴訟リスクの増大を総括すると、企業は従来の法務・知財部門の枠を超えた、経営層主導の全社的なAIガバナンス体制の構築を急務としています。技術の進化スピードに対して法律の整備は常に遅れを取るため、企業は判例の動向を注視しながら、契約、技術、社内規程の3つの側面から自衛策を講じなければなりません。

第一に、契約による保護の徹底です。AIモデルの共同開発や学習データのライセンス契約においては、将来の成果物（AI生成物や派生モデル）の知的財産権の帰属を極めて明確に定義する必要があります。第三者のデータを利用する際は、利用規約やスクレイピング禁止条項に違反していないかを徹底的にデューデリジェンスし、「クリーンなデータ」のみを学習に用いる証跡を残すことが不可欠です。

第二に、技術的な監査とセキュリティの強化です。社内で利用するエンタープライズAIには「ゼロトラスト」の考え方を導入し、従業員がアクセスできるデータ範囲を厳格に制限する「最小権限の原則」をAIツールにも適用しなければなりません。従業員のプロンプト履歴の監視、AI出力の類似性チェックツールの導入、そしてデータの出所と処理プロセスを追跡できるログ管理システムの構築は、著作権侵害の防波堤となると同時に、営業秘密の不正持ち出しを牽制する強力な手段となります［１０］。

第三に、知財ポートフォリオ戦略の再構築です。AIに関連する発明を特許で保護するか、営業秘密として秘匿化するかの切り分け基準を明確にする必要があります。ブラックボックス化しやすいモデルの内部パラメータや特定の学習データセットは営業秘密として強固に管理し、ユーザーインターフェースや具体的な推論プロセスなど、外部から検知可能でリバースエンジニアリングされやすい部分は特許取得を目指すといったハイブリッドな戦略が求められます。特許出願に際しては、前述した「分割侵害」のリスクを回避するため、単一の事業者が侵害を完結できるようなクレーム設計を心掛けることが極めて重要です［４］。

AIは企業に爆発的な生産性向上をもたらす一方で、その背後には著作権侵害、特許紛争、営業秘密の漏洩、そして膨大な損害賠償といった巨大な法的リスクが潜んでいます。しかし、これらのリスクを正しく理解し、堅牢なガバナンスと知財戦略を敷くことができれば、不確実性の高いAIビジネス市場において、他社を凌駕する強固な競争優位性を築くことが可能になります。

（この記事はAIを用いて作成しています。）