日本は、著作物をAI学習にどう使えるか、AI出力物を誰が所有するかを明確化しようとしており、テキスト・データマイニング例外、オプトアウト権、責任配分に焦点を当てている。具体論の重要性は東京をはるかに超える。すべての法域がいま同じ3つの圧力点へ収れんしており、その結果は世界中の基盤モデル開発のユニットエコノミクスを再設定するからだ。

中核的な緊張は、許容的なデータマイニング規則がAI開発者への静かな補助金だったことにある。日本の広い解析例外は、Sakana AI、Preferred Networks、NTT、Fujitsuのような国内プレイヤーにより安い学習経路を与えた。これは米国のフェアユースの曖昧さがOpenAIとAnthropicを守ってきた一方、EUのAI Actの下でより厳しいオプトアウト制度がコストを引き上げた構図と響き合う。商業規模の学習が例外を失えば、モデル経済は一夜にしてライセンスデータへ傾き、資本と既存のコンテンツ関係を持つ既存勢がスタートアップより有利になる。

コンテンツ保有者がスイングプレイヤーだ。出版社、スタジオ、音楽権利者はすでにスクレイピング拒否を主張しており、New York Times v. OpenAIの争いやRedditとGettyのライセンス契約と同じ流れにある。オプトアウト権が法制化されれば、学習データはメディア企業にとって継続収入になり、モデル開発者にとっては構造的コストになる。二極化が起きると見てよい。資本力のある研究所はShutterstock-OpenAI型の独占データ契約を結び、小規模開発者は締め付けられる。

責任は過小評価されているレバーだ。裁判所や規制当局が、侵害リスクを開発者、プラットフォーム、エンドユーザーの誰が負うかを固定した瞬間、企業調達は変わる。MicrosoftとOpenAIはすでに顧客補償を競争上の武器として提供している。同等のリスク移転スキームを持たないクラウドベンダーは、企業案件を失うだろう。これはもはや法務上の気配りではなく、販売要件である。

経営層への行動は3つある。コンテンツ企業は単に遮断するのではなく収益化するため、AIライセンスの価格モデルを今から構築すべきだ。AIおよびクラウドプロバイダーは規制が固まる前に、データトレーサビリティと補償の枠組みに投資しなければならない。法務チームはEU、US Copyright Office、アジアでのルールメイキングを追跡し、法域ごとの差異を管理すべきである。受け身の企業は、ルールが結晶化した後、すなわちおそらく2026年までに、最も高い切り替えコストに直面する。