AI企業が希少本を裁断してデータ化｜学習データ枯渇問題・著作権と保存の論点・出版業界への影響を解説【2026年9月最新】

AI企業が紙の書籍を大量に買い集め、背表紙を裁断してスキャンしたうえで原本を廃棄している——これは一部について法廷提出文書で裏付けられた事実です。ただし「世界最後の1冊が失われた」「主要AI企業がそろって同じことをしている」といった話は、2026年9月時点で立証されていない、あるいは各社が否定している情報であり、報道されている内容を一律に事実として扱うのは正確ではありません。

このテーマは、確定した事実・報道ベースの情報・未確認の主張が混ざったまま拡散しています。Anthropicの「Project Panama」、Amazonのラスベガス施設を追跡した調査、書籍データベース事業者ISBNdbの撤回、その背景にある学習データの枯渇問題、そして米国のフェアユースと日本の著作権法第30条の4での扱いまで、それぞれの確定度を明示しながら整理します。

著者・出版関係者・古書店の方、AIの学習データ調達の適法性を確認したい法務・企画担当者、そしてこのニュースの真偽を知りたい一般の読者に向けた内容です。

いま何が起きているのか（要点と事実の確定度）

要点は3つです。

1. Anthropicは、購入した紙の書籍を数百万冊規模で裁断・スキャンし、原本を廃棄していた。これは著作権訴訟の開示文書で確認された確定事実です。
2. Amazonのラスベガス施設でも書籍の裁断・スキャンが行われていることが、第三者による追跡調査と従業員証言で報じられました。ただしAmazonは目的について「AI」に一切言及していません。
3. 「稀覯本（きこうぼん）が破壊されている」「最後の1冊が失われた」という主張は、現時点で立証されていません。批判側の申立書自身が、その点を証明できないと認めています。

報道やSNSでの拡散過程で情報が混ざりやすいテーマなので、論点ごとに確定度を示します。

海外のファクトチェック機関Snopesも、AI企業による書籍破壊について「概ね事実だが未確定の要素がある」という趣旨の判定を示しています。「全部デマ」でも「全部その通り」でもない、というのが現時点の正確な理解です。

ここまでの経緯を時系列で整理

この問題は2026年1月の報道で表面化し、8月にかけて段階的に情報が積み上がってきました。

なお、FTCが実際に調査を開始したかどうかは、2026年9月7日時点で確認できていません。

破壊型スキャンとは何か

破壊型スキャン（destructive scanning）とは、書籍の背表紙を裁断機で切り落とし、バラバラになったページを高速シートフィードスキャナに通してデジタル化する手法です。スキャン後の紙はリサイクルまたは廃棄され、原本は復元できません。

対義語が非破壊スキャンです。ブックスキャナで見開きを1ページずつ撮影する方式で、原本はそのまま残ります。国立図書館やInternet Archiveのようなアーカイブ機関が採用してきたのはこちらで、Internet Archiveは2006年以降に2,500万冊超をデジタル化したと公表しています。

技術としての破壊型スキャンは新しいものではなく、企業の文書電子化や個人の「自炊」でも長く使われてきました。今回問題視されているのは手法そのものより、規模・対象・成果物が非公開である点の組み合わせです。

Anthropic「Project Panama」で確定していること

出典: Anthropic公式サイト

Project Panamaは、Anthropicが2024年初頭に開始した破壊型スキャン計画の社内コードネームです。著作権訴訟の開示文書によって、次の点が確認されています。

• 社内計画文書には「Project Panamaは、世界中のすべての本を破壊的にスキャンする取り組みである」という趣旨の記述がある
• 同じ文書に「これに取り組んでいることは知られたくない」という記載がある
• 責任者は、Google Booksのパートナーシップを担当していたTom Turvey氏
• 手順は、油圧式カッターで背表紙を切断 → ページを1枚ずつ裁断 → 業務用スキャナで取り込み → 原本は廃棄・リサイクル
• 中古書店・卸業者（Better World Books、World of Books、Zoom Booksなど）が仕入れ元として名前が挙がっている
• 投じられた費用は数千万ドル規模、購入冊数は数百万冊規模。スキャン受託業者の提案書には「6か月で50万〜200万冊を処理」という記載がある
• 作成されたデータセットは公開されておらず、Claudeの学習に使われた

一方で、Anthropicは「当社のデータ取得プログラムで、稀覯本や古書（antiquarian books）を購入・破棄しているものはない」と明確に否定しています。開示文書から読み取れるのは「less common（あまり一般的でない）書籍を優先した」という内部方針までで、それが古書市場でいう稀覯本を指すのかどうかは確定していません。

Anthropicの著作権訴訟そのものの結論（何が合法で何が違法とされたのか、和解金15億ドルが何に対するものか）は、Anthropicの著作権和解を詳しく解説した記事で整理しています。

Amazonの施設で確認されたこと

出典: About Amazon（Amazon公式）

2026年8月17日、テック系メディア404 Mediaが、古書マーケットプレイスBiblio経由で発注した約1,000冊の古書の荷にAppleのAirTagを仕込んで追跡した調査を公開しました。

追跡結果として報じられた内容は次のとおりです。

• 荷物はカリフォルニア → ミルウォーキー → コロラドスプリングスを経由し、最終的にネバダ州ラスベガスのAmazon施設（拠点コード「LAS8」、チーム名「VGT3」）に到着した
• VGT3チームのロゴは「牙を剥いた恐竜が本を持っている」デザイン
• 従業員の証言として「大量の印刷書籍が届き、速くスキャンするために製本を切り落とすのが仕事のすべて」との内容が報じられた
• 紙の本は工程の中で破壊される

これに対するAmazonの公開回答は、「Amazonは、お客様が利用する製品・サービスの開発と改善に役立てるため、商用チャネルを通じて書籍を購入しています」という1文のみで、AI学習には一切言及していません。

つまり、「Amazonの施設で書籍が裁断・スキャンされている」ことは追跡調査と証言で裏付けられている一方、「Amazonが自社のAIモデル学習のために本を破壊している」と断定できる公開情報は、現時点では存在しません。この区別は重要です。

なお、AmazonはAnthropicの主要出資者でもあり、両社は大規模なクラウド契約で結び付いています（Amazon・Anthropicの投資とAWS契約の記事）。ただし、それをもってVGT3の作業目的を推定することはできません。

ISBNdbの「AI向け書籍調達」ページと撤回

2026年7月21日、書籍メタデータ事業者ISBNdbが「Printed Books Sourcing for Your AI LLMs Dataset Needs（AI・LLMのデータセット需要に応える印刷書籍の調達）」というページを公開していたことが報じられました。ページの内容として報じられたのは次のとおりです。

• LLM学習ニーズに合わせた書籍を、AI開発が求める規模で納品する
• 1回の発注で最大100万冊まで対応
• 図書館・小売・遺品整理からの調達を仲介する
• NDA（秘密保持契約）を「機能」として提供し、買い手であるAI企業の身元を匿名化する
• 顧客に対して、この行為を「デジタル保存（digital preservation）」と呼ぶよう助言する
• 「AI企業が200万冊の本を破壊」という見出しは同情を得られない、という体裁上の問題（optics problem）をページ自身が認めていた

報道の9日後、2026年7月30日にISBNdbはページを削除し、「事実として、ISBNdbは書籍を購入・スキャン・販売したことは一度もない。AI学習のためであれ、他の目的であれ。当該ページは市場関心を測るテストであり、そのようなサービスが立ち上げられたことはない」と否定しました。書籍メタデータAPIの本体事業は継続しています。

ここで注意すべきは、ISBNdbが本を裁断したという事実は確認されていないという点です。確認されているのは「そのような仲介サービスの売り込みページが存在した」ことと、「AI企業の匿名化がセールスポイントとして掲げられていた」ことです。ただし後者は、この市場で買い手の身元が隠される構造になっていることを示す材料として重要です。

なぜAI企業は「紙の本」を欲しがるのか

理由は、学習に使える高品質テキストデータの不足です。日本では「AIの2026年問題」とも呼ばれます。

研究機関Epoch AIは2022年に「高品質なテキストデータは2026年前後に枯渇する」と予測しました。2024年の更新版では、Webデータのフィルタリング精度が向上したこと、同じデータを複数回学習させても性能劣化が想定より小さかったことから、枯渇時期は2026〜2032年へ後ろ倒しされています。それでも、逼迫していること自体は変わりません。

AI企業が「2022年より前に印刷された紙の本」に価値を見出す理由は、主に4つあります。

1. AI生成テキストによる汚染がない — 2025年時点で「新規にネット公開されるコンテンツの半数超がAI生成」という指摘があります。低品質なAI生成テキスト（slop）を学習し続けるとモデル崩壊（model collapse）が懸念されるため、LLM以前の印刷物は「構造的に汚染されていないことが保証されたデータ」として扱われます。
2. 学習妨害の細工が仕込めない — Webページと違い、紙の本にはデータポイズニングを目的とした細工を後から埋め込めません。
3. 編集・校閲を通った密度の高い文章である — 書籍は長文で論理構造が整っており、Web上の断片的なテキストより学習効率が高いとされます。
4. 法的リスクが相対的に低い — 米国のBartz判決で「合法に購入した紙の本を裁断してデジタル化し学習に使う」ことがフェアユースと判断されたため、海賊版データセットを使うより安全な調達手段になりました。

データ調達の選択肢は、紙媒体のデジタル化だけではありません。合成データの活用、報道機関や学術出版社とのライセンス契約、そしてクローラー側の課金・ブロック制度（CloudflareのPay Per Useに関する記事）など、複数の方向で市場が動いています。学習データの中身をすべて公開するK2 Horizonのような完全オープンモデルも出てきており、透明性の方向でも競争が始まっています。

著作権はどうなっているのか（米国と日本）

出典: 文化庁公式サイト

米国では、合法に購入した書籍を裁断してスキャンし学習に使う行為は、2025年6月の連邦地裁判断でフェアユースとされました。日本では著作権法第30条の4により、AI学習目的の複製は原則として広く認められています。つまり現時点で、この行為を直接禁じるルールはどちらの国にもありません。

米国のBartz v. Anthropicでは、Alsup判事が2つを切り分けて判断しました。

• 合法購入した書籍の裁断・スキャン・学習利用 → フェアユース。フォーマット変換であり、原本を廃棄しているため「コピーが増えていない」という論理が採られました
• 海賊版ライブラリからのダウンロード・保持 → フェアユースにあたらず、侵害

この二段判断の結果、「紙の本を正規に買って壊せば、どんな書籍でも合法的に学習データにできる」という経路が事実上開かれた、という批判が出ています。今回の破壊型スキャンの拡大は、この判断の帰結でもあります。

日本の枠組みは異なります。

日本の第30条の4は世界的に見て緩やかとされますが、ただし書きの「著作権者の利益を不当に害することとなる場合」は適用外です。大量の商業書籍を組織的に買い占めて学習用データベース化する行為がこれに該当するかは、確立した判例がなく未確定です。

さらに、日本の書籍が海外で裁断・学習された場合、どの国の法律が適用されるか（準拠法・属地主義）という問題も残ります。専門家の見解が分かれている領域であり、「日本の30条の4があるから問題ない」と単純に整理できるものではありません。

学習データを巡る争いは書籍以外にも広がっており、音楽分野ではソニー・ワーナーによるAnthropic提訴も進行しています。規制側の動きとしてはEU AI規制法の全面適用も、学習データの透明性義務という点で関係します。

「文化の破壊」なのか — 反論と冷静な見方

このテーマは「人類の知が私企業のサーバーに囲い込まれる」という強い言葉で語られがちですが、批判の前提そのものに疑問を呈する議論も存在します。両方を把握しておかないと判断を誤ります。

2026年8月28日のReason誌の反論を整理すると、主な論点は5つです。

1. 書籍の供給は本当に「有限」なのか — 申立て側は書籍を供給が硬直的な有限資源として扱っていますが、出版社は増刷できます。絶版本でも十分な部数が現存するケースは多く、実際に流通量の多い全集類はオンラインで容易に入手できます。
2. 代替データは潤沢にある — パブリックドメイン書籍を公開するProject Gutenbergだけで7万5,000冊超が無償利用できます。合成データ、公開データ、ライセンスデータ、ユーザー生成データも使われており、稀覯本が不可欠というわけではありません。
3. 市場排除の証拠が弱い — FTCへの申立ては競争法（反トラスト）を論拠にしていますが、絶版本市場の価格が全般的に押し上げられたという証拠は示されていません。
4. 壊されているのは「稀覯本」ではない可能性 — ある古書店の証言では、大量発注された本はすべてISBNが付いていました。ISBNは1970年に導入された識別子なので、それ以前の古書は対象外ということになります。真に希少な初期刊本や稀覯本は競売で個別に売買されるもので、バルク発注の対象になりにくいという指摘です。
5. 情報アクセスはむしろ改善する側面がある — 数十年前の本がデジタル化されれば、紙のまま倉庫で眠るより参照可能性は高まります。

日本語の報道では混同されがちですが、「稀覯本（rare book）」は現存数が極めて少ない書籍を指し、「絶版本（out-of-print）」は単に版元が刷るのをやめた本です。絶版本は中古市場に何百冊も存在することが珍しくありません。今回大量に買われている本の多くは後者に近いと見られており、「稀少本が消える」という表現には幅があります。

とはいえ、反論が成立するのは「破壊されているのが交換可能な絶版本である限り」です。買い手が匿名化され、何がどれだけ処理されたかを外部から検証できない現状では、実際の内訳を確認する手段がありません。問題の核心は「本が消えたか」より「検証できない仕組みになっていること」にある、という捉え方が現時点では妥当です。

古書・出版流通に起きている実害

一方で、古書流通の現場では具体的な影響が報告されています。批判の当否とは別に、市場の動きは実際に変わっています。

報じられている内容と業界証言をまとめると、次のようになります。

• 2025年5月頃から兆候があり、2026年4月下旬に大量発注が急増した
• AbeBooksとその系列プラットフォームで、深夜3時に数百点単位の自動注文が入る
• 影響が共有されている地域はドイツ、オーストリア、スイス、スペイン、オランダ、ニュージーランド、オーストラリア
• 内部資料に記載された調達の流れは、BookFinder → AbeBooks → Biblio → Alibris → Amazonの中古マーケットプレイス → 中古在庫がなければ出版社から新品購入、という順のカスケード
• 買い手は値切らず言い値で買っていくため、薄利・低回転で成り立つ古書市場から在庫が抜ける
• 買付パターンが通常の市場需要と相関しないため、需給の読みが立たなくなる

「死に在庫がはけて助かる面もあるが、珍しい本がパルプにされている」という売り手の証言が、この状況をよく表しています。売れて困る業者はいませんが、在庫の内訳と市場の予測可能性が崩れることが問題になっています。

古書店側が取れる手段は限られています。BiblioとAbeBooksは、買い手の素性がわずかに見える数少ない接点であり、実質的なレバーは「怪しいバルク発注を断る」ことくらいしかない、というのが現場の認識です。

出版・メディア業界側でAIをどう使い、どう向き合うかという全体像は、出版・メディア業のAI活用事例や印刷・出版業のAI活用事例でも整理しています。

「保存」を巡るもう一つの動き — Anna's Archiveの呼びかけ

出典: 国立国会図書館公式サイト

2026年8月5日、シャドーライブラリのAnna's Archiveが「AI企業が紙の本を破壊している。手遅れになる前に稀少本をスキャンしよう」というブログを公開し、世界中のボランティアに図書館・アーカイブ資料のスキャンとアップロードを呼びかけました。優先対象として挙げられているのは2000年以前のノンフィクションと、未デジタル化の地方・郷土資料です。

ただし、この呼びかけに日本の読者が安易に応じることは推奨できません。 Anna's Archiveは著作物を権利者の許諾なく収集・公開するシャドーライブラリであり、日本の著作権法では、著作物を無断でスキャンしてアップロードする行為は公衆送信権・複製権の侵害にあたり得ます。保存の理念に共感できるかどうかと、法的に許されるかどうかは別問題です。

保存の目的で合法的に貢献したい場合は、パブリックドメイン作品を扱う青空文庫やProject Gutenberg、国立国会図書館のデジタル化事業、Internet Archiveの非破壊スキャンプログラムなど、権利処理が明確な枠組みを選ぶのが現実的です。

日本への影響と業界の動き

出典: 一般社団法人日本出版インフラセンター（JPO）公式サイト

2026年9月時点で、日本国内の書籍や古書店が同様の大量買付・裁断の対象になったという報道は確認できていません。 ただし、日本の出版業界はルール整備を進めています。

• 日本書籍出版協会（書協） は2026年3月30日に生成AI利用の研究会を設置しました。会員381社のうち約40社が参加し、専門家を交えて議論を進めており、2026年秋をめどに出版社向けガイドラインを策定する予定です。作家との契約書にAI利用条項を明記することも検討されています。
• 2026年4月23日、書協・日本雑誌協会・デジタル出版者連盟が、内閣府知的財産戦略の「生成AIの適切な利活用等に向けた知的財産の保護及び透明性に関するプリンシプル・コード（仮称）」案に意見を提出しました。商用AI開発においては、権利者との事前合意（ライセンス）に基づく学習を求める立場です。

日本政府側のルール整備の内容（プリンシプル・コードの原則、学習データ開示要求の方向性）は、政府の生成AI知財保護ルールを解説した記事にまとめています。権利保護の動きは書籍以外にも及んでおり、法務省の「声の権利」指針も同じ流れの中にあります。

日本の権利者にとって当面重要なのは、次の2点です。

• 日本語書籍の物理的な買い占めより、すでにデジタル化された日本語テキストがどう扱われるかのほうが実務上の影響が大きい
• 秋に出る書協ガイドラインの内容次第で、出版契約書の標準的な書式が変わる可能性がある

特に影響を受ける立場と、いま取れる対応

このニュースが自分に関係するかどうかは、立場によって大きく異なります。

影響が大きく、対応を検討したほうがよい立場

現時点では直接の影響が小さい立場

• 生成AIを日常業務で使っているだけの利用者。今回の件で既存のAIツール利用が違法になるわけではありません
• 電子書籍のみを流通させている版元。紙の買い占めの対象外です（ただしテキストデータの取り扱いという別の論点は残ります）
• 商業流通していない同人・私家版の書き手。市場に紙の在庫が出ていなければ、バルク調達の対象になりにくい状況です

自社のWebコンテンツをAI学習から守る手段としては、robots.txtでのクローラー制御に加え、CDN側でAIクローラーをブロック・課金する仕組みも実用段階に入っています（CloudflareのPay Per Useの解説）。学習データの取得を巡っては他社でも問題が指摘されており、Metaの学習データ無断使用疑惑のような事例も参考になります。

よくある質問

Q. 自分が古書店に売った本も、AIの学習に使われる可能性がありますか？

可能性はゼロではありませんが、確認する手段はほぼありません。報じられている調達ルートは古書マーケットプレイス経由のバルク発注であり、個別の本がどこへ流れたかを売主が追跡することはできません。気になる場合は、売却先の古書店にバルク発注への対応方針を確認するくらいが現実的です。

Q. Anthropicの和解金15億ドルは、この裁断スキャンに対する賠償金ですか？

違います。和解の対象になったのは海賊版ライブラリから書籍データをダウンロード・保持していた部分で、合法に購入した紙の本を裁断してスキャンし学習に使った行為はフェアユースと判断されています。「裁断したから支払った」という理解は事実と逆であり、むしろ判決が裁断スキャンを後押しした構図です。

Q. AI企業は本を裁断せずにスキャンできないのですか？

技術的には可能です。ブックスキャナを使えば原本を傷めずにデジタル化できます。採用されない理由は速度とコストで、数百万冊を短期間で処理する前提では、裁断してシートフィードするほうが桁違いに効率的です。つまりこれは技術の制約ではなく、コストと時間の選択の結果です。

Q. 電子書籍しか出していない出版社には関係ありませんか？

紙の買い占めという意味では対象外です。ただし、電子書籍のテキストが別ルートで学習に使われるリスクは残ります。配信プラットフォームの利用規約でAI学習利用がどう扱われているかを確認しておくと安全です。

Q. Anna's Archiveのスキャン協力に参加してもよいのでしょうか？

日本の著作権法では、保護期間内の著作物を無断でスキャン・アップロードする行為は権利侵害にあたり得ます。保存に貢献したい場合は、パブリックドメイン作品や権利処理済みのデジタル化事業を選ぶことをおすすめします。

Q. 自社の書籍やコンテンツをAI学習から守る方法はありますか？

完全に防ぐ方法は現時点でありません。実務的には、①新規契約にAI学習に関する条項を入れる、②Webコンテンツはrobots.txtやCDNのAIクローラー制御で対応する、③電子配信の許諾範囲を明確にする、という3点の積み重ねになります。紙の中古在庫まで管理することは事実上不可能です。

Q. この問題で、AIモデルの性能そのものに影響はありますか？

学習データの質はモデル性能に直結するため、書籍のような高品質テキストを確保できるかどうかは各社の競争条件に影響します。ただし、合成データやライセンスデータで代替する動きも並行して進んでおり、書籍だけがボトルネックというわけではありません。

まとめ

現時点で押さえておくべき点は次のとおりです。

• Anthropicが購入書籍を数百万冊規模で裁断・スキャンし、原本を廃棄していたことは、訴訟の開示文書で確定した事実です
• Amazonの施設で書籍の裁断・スキャンが行われていることは追跡調査と証言で裏付けられていますが、Amazonは目的をAI学習とは説明していません
• 「世界最後の1冊が失われた」「主要AI企業がそろって同じことをしている」は、現時点で立証されていない、または各社が否定している情報です
• 背景にあるのは学習データの逼迫（AIの2026年問題）で、AI生成テキストに汚染されていない2022年以前の印刷物が価値を持つという事情があります
• 米国ではこの行為がフェアユースと判断され、日本でも著作権法第30条の4により原則として許容される可能性が高く、法的にこれを止めるルールは現状ありません
• 「稀覯本」と「絶版本」は別物で、実際に処理されている本の多くは後者に近いという反論も存在します。ただし買い手が匿名化されているため外部検証ができない点が、問題の核心です
• 日本国内での同種の事例は未確認ですが、書協が2026年秋にガイドラインを策定予定で、出版契約の実務が変わる可能性があります

このテーマは進行中であり、FTCの対応、書協ガイドラインの内容、各社の追加説明によって状況が変わります。断定的な情報が流れてきたときは、その根拠が法廷文書なのか、報道なのか、主張にすぎないのかを確認する姿勢が有効です。