LLMの著作権侵害と営業秘密リスク：xAI対OpenAI訴訟から学ぶ実務対応

LLMは「記憶」している——近似盗用（メモリゼーション）とは何か

生成AIが著作権を侵害するかどうかという議論は、長らく「理論上の話」として扱われてきた。それが変わった。Ars Technicaが報じた研究によれば、LLMは学習した小説テキストをほぼ原文通りに再生成できる——従来の推定を超える量の訓練データを「記憶」しているという。

「たまたま似た文章が出た」ではない。冒頭の数行をプロンプトに与えると、その続きが原著に極めて近い形で出力される。著作権者から見れば、無断複製に相当する出力が誰でも引き出せる状態だ。

業務への影響は二層ある。一つは、社員がAIツールで生成したコンテンツに、著作権で保護された第三者のテキストが混入するリスク。もう一つは、社内の機密文書や顧客データをプロンプトに投入した場合、そのデータがモデルに記憶され、他のユーザーの出力に混入する可能性だ。後者はベンダーのポリシー次第で現実になり得る。

xAI対OpenAI訴訟の棄却が示す「トレードシークレット訴訟の壁」

2026年2月、イーロン・マスク率いるxAIがOpenAIに対して起こしたトレードシークレット訴訟が棄却された。裁判官の判断は明快だった——「元社員を採用したという事実だけでは、秘密情報が盗まれた証拠にならない」。Ars Technicaによれば、xAI側が提出したテキスト証拠も、都合よく解釈されたものとして退けられた。

この判決は、企業の法務担当者に二つの現実を突きつける。

攻める側としては——競合が自社の元社員を採用し、類似機能のAIを開発したとしても、それだけでは訴訟が成立しない。「採用＝盗用」の論理は通じなかった。立証するには、具体的にどの情報が、どのルートで、いつ移転されたかを示す証拠が必要だ。守る側としては——逆に言えば、競合の元社員を採用する際も、入社前に何を知っていたかを記録に残しておかないと、後で自社が訴えられたとき防御できない。

2つのリスクを並べると、見えてくる構造

この2つのリスクは、一見無関係に見えて根は同じだ。どちらも「情報がどこにあるかを管理できていない」ことから生じる。学習データの扱いを誤れば出力に著作物が混入し、人材の持ち込み情報を管理しなければ訴訟の火種になる。

社内ルールに落とし込む——今週できる4つの対応

①AIツールへの入力データを区別する

まず「何をAIに投入していいか」を類型化する。公開情報・社内一般文書・機密情報（顧客データ、未公開財務情報、特許出願前の技術情報）の3段階に分け、機密情報は外部LLMへの投入を禁止するルールを文書化する。ポリシーがない状態では、社員は善意で機密をプロンプトに貼り付ける。ルールの不在が最大のリスクだ。

②ベンダー契約の「学習利用条項」を確認する

利用中のAIサービスの利用規約に、「投入されたデータをモデル改善に利用する」旨の条項があるかを確認する。エンタープライズプランでは学習利用をオプトアウトできるケースが多い。契約更新前に法務と情報システム部門が連携して確認するタイミングを設けておきたい。

③競合AI企業からの採用時に「情報申告書」を取る

xAI対OpenAI訴訟が教えるのは、立証の難しさだ。守る側にも同じ論理が働く——競合の元社員を採用した際、その人物が前職の秘密情報を「持ち込んでいない」ことをどう証明するか。入社時に「前職で関与した機密情報の範囲」を申告させ、AIプロジェクトへの配置制限を設けることで、後の訴訟リスクを下げられる。

④プロンプト・出力のログを保全する

訴訟になった際、「何をAIに聞き、何が出力されたか」のログは証拠になる。攻守どちらの立場でも、ログがなければ身動きが取れない。社内AIツールの利用ログを一定期間保存する方針を、今のうちに情報システム部門と合意しておく。保存期間の目安は法務部門と確認が必要だが、「ゼロ保存」だけは避ける。

まとめ

LLMの「記憶」問題とトレードシークレット訴訟の棄却——この2つのニュースは、生成AIの知財リスクが法廷で実際に争われる段階に入ったことを示している。まず手をつけるべきは、AIツールへの入力ルールとログ保全ポリシーの文書化だ。ルールがなければ、善意の社員が最大のリスク要因になる。次に目を向けるべきは、日本の著作権法改正の動向と、国内でのAI生成コンテンツをめぐる判例の蓄積——ここ1〜2年で実務上の基準が固まってくる可能性が高い。