ニューヨーク・タイムズ（NYT）がOpenAIとMicrosoftを相手取って起こしている著作権訴訟で、新たに開示された非公開文書により、Microsoft幹部が自社のAI学習データ収集を社内で「人類史上最大の労働盗難」と評していたことが判明した。両社のAI開発を支えるデータ収集の実態と、それに対する社内の危機感が明るみに出た形だ。

社内メモが示す危機感

Microsoftの応用科学部門ディレクターを務めるBrent Hecht氏は、2023年1月の社内メモの中で、ペイウォールで保護されたコンテンツを含む大規模なAIスクレイピング行為を「前例のない規模の盗行為」と表現し、さらに「人類史上最大の労働盗難」とまで踏み込んで批判していた。この発言は、Microsoft自身の技術幹部が、自社が関与するデータ収集手法の是非に強い疑問を抱いていたことを示している。

OpenAIの側でも同様の認識があった。ChatGPT責任者のNick Turley氏は、パブリッシャー各社が「実存的な脅威」に直面していることを認めており、自社のAI製品がニュースメディアにとって「大幅に代替的」な存在になっていると述べていた。

Nadella CEOの証言とライセンスの是非

Microsoftのサティア・ナデラCEOも今回開示された文書で証言しており、ペイウォールで保護されたコンテンツについては「ライセンスを取得するべきだった」との見解を示した。さらに、もしOpenAIがライセンスを取得していないことを認識していたら「モデルを再訓練させる権利を行使していた」とも述べており、経営トップが問題の深刻さを事後的に認識していたことがうかがえる。

数字が語る規模感

今回の文書開示では、具体的な数字も明らかになった。OpenAIの訓練データセットには、NYTの記事コピーが9万1692件以上含まれていたという。学習データの収集元として広く使われているCommon Crawlのデータセットには、nytimes.comドメインだけで200万件以上のドキュメントが含まれていたことも判明した。

影響はトラフィック面にも及んでいる。MicrosoftのAIアシスタント「Copilot」の登場により、NYTドメインへのクリック率は最大93%低下したという。検索やAIアシスタント経由でニュースの要約だけが消費され、元記事へのアクセスが大幅に減少している実態を裏付ける数字だ。

訴訟と業界への影響

この訴訟はNYTがOpenAIとMicrosoftを相手に起こしているもので、AI企業による著作物の無断学習利用を巡る一連の法廷闘争の中でも注目度が高い案件のひとつだ。今回の非公開文書開示により、AI企業側の内部でも学習データ収集の正当性について強い懸念が共有されていたことが公になった意味は大きい。

パブリッシャー側にとっては、AI企業の内部文書という一次証拠を得たことで、今後の交渉やライセンス契約の議論において有利な材料となる可能性がある。一方でAI開発企業にとっては、学習データの出所とライセンスの取り扱いについて、より慎重な対応を迫られる局面が続きそうだ。