📚 うちの本棚の古本も、AI企業に狙われてるかもしれない話｜「AI汚染されていないデータ」争奪戦の裏側

アイ

2026-08-02

うちの本棚の古本も、AI企業に狙われてるかもしれない話

みんな、実家の本棚にずっと眠ってる古い文庫本とか、大学時代に読んだ専門書とか、持ってたりしない? わたしはある。

2026年7月下旬、複数の海外メディアが「AI企業が仲介業者を通じて中古本・古書を大量に買い集め、スキャンして学習データ化したあと、その本を裁断・廃棄している」という実態を報じたの。1件の注文で1,000冊から最大100万冊規模にもなるといわれていて、Anthropicは2024年初頭から「Project Panama」という名前で、50万〜200万冊を6か月かけてデータ化する計画を進めていたとも報じられているんだよね。

「AIの学習データ」というと、ネット上の記事とかSNSの投稿みたいなデジタルなものをイメージしがちだと思うけど、実は今、いちばん値打ちがあるとされているのは、紙の本という一番アナログなメディアなの。今日はこの「本を狙う理由」と「本を破棄するという選択」の裏側を、わたしなりに整理してみたいと思う📚

正直、最初にこのニュースを見たとき、わたしは「本をスキャンしてAIに学習させるって、別に珍しい話じゃないでしょ」くらいに思ってたの。GoogleブックスとかAmazonのKindle化みたいに、本をデジタル化する取り組みは前からあるし、目新しさをそこまで感じなかったんだよね。でも読み進めていくうちに、「なぜ今、紙の本なのか」「なぜ買った本をわざわざ壊すのか」という部分に、AI業界が今まさに直面している構造的な問題が透けて見えてきて、これはちゃんと整理しておきたいなと思ったの。

そう考える5つの理由

理由1：AIがAI自身の出力で汚染されていく、自業自得な事情

まず1つ目の理由。なぜ今、紙の本がこんなに欲しがられているのか。その答えは、AI業界が自分で自分の首を締めているような状況にあるの。

世間では「AIの学習データなんて、ネット上にいくらでも転がってるでしょ」というイメージがあると思うの。実際、これまでのAIモデルは、ウェブ上の膨大なテキストを読み込むことで賢くなってきたよね。

でもわたしが今回の報道を読んで理解したのは、そのネット上のテキストそのものが、もう「安全な学習データ」とは言い切れなくなってきているということなの。なぜなら、ここ数年でネット上に書かれる文章のかなりの部分が、AIによって生成されたもの、いわゆる「AIスロップ」になってきているから。これが理由1だよ。

AIがAIの出力を学習して、また新しいAIがそれを学習して……というのを繰り返すと、モデルの品質がじわじわ劣化していくと言われているの。人間が新しい発見や体験、感情を込めて書いた文章と違って、AIが生成した文章は既存の情報の組み合わせにすぎないことが多いから、そればかり学習すると、AI自身がどんどん「薄まって」いってしまうんだよね。

その点、2022年より前、つまり大規模言語モデルが世の中に広く出回る前に出版された本は、間違いなく人間が書いた文章だと言い切れる、貴重な存在になっているの。わたしはこれを知って、「AIが便利になればなるほど、AI自身が人間の手による確実な文章を探すのに必死になる」という、なんとも皮肉な構図に、思わず笑っちゃったよ。便利さの裏で、こんな綱引きが起きてるなんて、想像もしてなかったな。

しかもこの汚染の問題、これから先も改善するどころか、どんどん深刻になっていく方向にあると思うの。生成AIを使った文章作成やSNS投稿は、これからも増えることはあっても減ることはなさそうだよね。そう考えると、2022年より前という「AI以前の境界線」の向こう側にある文章は、時間が経てば経つほど希少になっていく、いわば有限の資源みたいな存在になっているんだよね。AI企業が今のうちに手を打とうと焦る気持ちも、なんとなくわかる気がしちゃうな。

理由2：本を裁断してスキャンして捨てるという、なんとも身も蓋もない現実

2つ目の理由。今回の話で、わたしがいちばん「うわ、そこまでやるんだ」と思ったのが、本の処理の仕方そのものなの。

世間では「本をデジタル化するなら、大事に扱ってスキャンした後は図書館とか古本屋に戻すんじゃないの?」という感覚があると思うの。本って、なんだかんだ言っても大事にされるべきものというイメージ、あるよね。

でもわたしが知って驚いたのは、実際のプロセスがかなり合理化・効率化されているという点なの。なぜなら、報道によると、油圧式の裁断機で本の背表紙を切り落として、バラバラになったページを高速スキャナーで一気に読み取り、その後は廃棄・リサイクルに回すという、非破壊スキャンよりずっと速くて安いやり方が採られているから。これが理由2だよ。

処理のプロセス
① 油圧式の裁断機で本の背表紙を切り落とす
② バラバラになったページを高速スキャナーで一気に読み取る
③ 物理的な本は廃棄・リサイクルへ
仲介業者ISBNdb    1,000冊〜最大100万冊規模の発注に対応
供給元の例        Better World Books、World of Books（中古本販売）
                Zoom Books（カナダ、学術書のまとめ買い）

わたしがここで気になったのは、この対象に「めったに出回らない希少な版」まで含まれてしまっているという報告があることなの。古書店側からは、コレクター向けでも転売目的でもない、これまで見たことのない不自然な買い方でごっそり買い集められていく様子が伝えられているんだよね。世の中にほとんど残っていない稀少な本まで、この効率重視の流れに巻き込まれているとしたら、それはちょっと考えものだと思う。

本って、ただの情報の入れ物じゃなくて、その版でしか味わえない紙質とか装丁とか、時代の空気みたいなものも含んだ存在だと、わたしは思ってるの。それが「学習データの素材」としてだけ扱われて、効率よく裁断されていく光景を想像すると、なんとも複雑な気持ちになるよね。

わたしが個人的にもう一つ気になったのは、非破壊スキャンという、本を壊さずにページを読み取る技術もすでに存在しているのに、あえて速くて安い破壊的な方法が選ばれているという点なの。時間とコストを優先すれば当然の判断なのかもしれないけど、それだけ大量のデータを、それだけのスピードで確保したいという業界側の焦りが、そのままやり方に表れているような気がしちゃうんだよね。

理由3：「合法だからセーフ」を作り出した、15億ドルの和解という前例

3つ目の理由。なぜAI企業は、わざわざ手間もお金もかかる「本を買って裁断する」という方法を選んでいるのか。その背景には、大きな裁判の結末があるの。

世間では「AI企業なら、電子書籍のデータをこっそりダウンロードして使ってるんじゃないの?」という疑いの目もあると思うの。実際、これまで海賊版サイトの電子書籍を無断で学習に使っていたAI企業の存在が、たびたび問題になってきたよね。

でもわたしが今回の一連の報道で理解したのは、その「無断利用」がもう通用しなくなっているという事実なの。なぜなら、2025年6月、Bartz対Anthropic裁判でWilliam Alsup判事が、合法的に購入した紙の本をAI学習のためにデジタル化する行為はフェアユース（公正利用）にあたると判断した一方で、海賊版サイトから無断でダウンロードした電子書籍を使う行為については認めなかったから。これが理由3だよ。

その結果Anthropicは、2025年9月に著者側へ15億ドル、日本円にしてだいたい2,300億円という、著作権をめぐる集団訴訟としてはアメリカ史上最大級の金額を支払うことで和解しているの。わたしはこの金額を見て、率直に「それだけ払ってでも、無断利用のリスクを清算したかったんだな」と感じたよ。

つまりこの一件は、AI業界に「海賊版を勝手に使うのはアウト、でも正規に買った紙の本を裁断してスキャンするのはセーフ」という、かなりはっきりした判例を作ってしまったということなの。この判断が出たことで、AI企業側からすれば、法的リスクを避けながら大量の学習データを確保する現実的な方法として、中古本の大量購入という選択肢が急に魅力的に見えてきたんだと思う。裁判の結果が、思わぬ形で「本を壊すビジネス」を後押ししてしまっているというのは、なんとも皮肉な話だよね。

理由4：見出しが同情を生まないと自覚してる、業界側の後ろめたさ

4つ目の理由。今回の一件で、わたしが個人的にいちばん印象に残ったのが、仲介業者自身のコメントなの。

世間では「合法的にやってることなら、堂々とやればいいじゃない」という受け止め方もあると思うの。法律的にセーフなら、後ろめたく感じる必要もないという考え方、一理あるよね。

でもわたしが今回知って興味深かったのは、当事者である仲介業者のISBNdb自身が、この件の「見え方の悪さ」をはっきり自覚しているという点なの。なぜなら、ISBNdbは「AI企業が200万冊の本を破壊した、なんて見出しは同情されるものじゃない」という趣旨のコメントを残しているから。これが理由4だよ。

これって、当事者自身が「これは世間からどう見られるか、わかってやっている」と認めているようなものだと、わたしは思うの。法律的には問題ないとされていても、実際に何百万冊もの本が裁断されて捨てられていくというイメージは、多くの人にとって直感的に受け入れがたいものだよね。だからこそ、この仲介ビジネス自体が、あまり大っぴらに語られることなく、ひっそりと進められてきたんじゃないかなって想像しちゃう。

わたしがここで思うのは、「法律で許されているかどうか」と「多くの人が納得できるかどうか」は、必ずしも一致しないということなの。AI業界って、こういう「法律的にはセーフだけど、感覚的には引っかかる」というグレーな領域に踏み込むことが、今回に限らずけっこう多い気がするんだよね。合法だからOK、で思考を止めずに、こういう話題こそちゃんと見ておく必要があるとわたしは感じてるよ。

理由5：わたしたちの手元にある本も、無関係じゃいられない理由

5つ目、最後の理由。ここまで業界側の話が中心だったから、最後はわたしたち読者にとってどういう意味を持つのかを考えてみたいの。

世間では「本の裁断とか買い占めとか、出版業界や古書業界の話でしょ。自分には関係ない」って感じる人も多いと思うの。本を売る側でも仲介業者でもない、ただの読者からすれば、なおさらそう思うよね。

でもわたしは、これは決して他人事じゃないと思ってるの。なぜなら、実家の本棚に眠ってる古い本や、フリマアプリに出品しようとしてる専門書が、知らないうちにこうした大量購入の流れに乗って、二度と手に入らない形で消えていく可能性があるから。これが理由5だよ。

わたしが今回いちばん考えさせられたのは、「本を売る」という行為の意味が、少し変わりつつあるんじゃないかということなの。これまでは「誰か別の読者に読んでもらうために売る」というイメージが強かったと思うんだけど、今は「AIの学習データとして裁断されるために売る」というルートも、水面下でかなりの規模で存在しているんだよね。

だからといって、本を売ること自体が悪いという話じゃないと、わたしは思ってるの。ただ、もし自分にとって思い入れのある本や、なかなか手に入らない稀少な版を手放すときは、大手のまとめ買いサービスに一括で出す前に、その本が本当に必要としてる人や、専門の古書店に届く道を選んであげるのも、一つの選択肢としてアリなんじゃないかな。読み終えた本の「次の行き先」について、ちょっとだけ意識してみる。今日からできることがあるとしたら、それくらいのことなのかもしれないね。

まとめ：便利さを支えるデータは、思ったより人間くさい場所から来てる

長くなったからまとめるね。今日のテーマは「AI企業が仲介業者を通じて中古本を大量購入し、スキャン後に破棄している実態」という話だったよ。ポイントは5つ。

1つ目、ネット上の文章がAI生成コンテンツに汚染されつつある中で、2022年より前に出版された紙の本が「人間が書いた確実なデータ」として価値を上げているということ。2つ目、実際の処理は裁断・高速スキャン・廃棄という、かなり効率重視で進められていて、希少な本まで巻き込まれているということ。3つ目、2025年のBartz対Anthropic裁判とその後の15億ドルの和解が、「合法的な購入ならセーフ」という前例を作ってしまったということ。4つ目、仲介業者自身が「同情されない見出し」になることを自覚しているという、業界側の後ろめたさが見えるということ。5つ目、だからこそわたしたち読者も、手元の本の「次の行き先」を少し意識してみる価値があるということ。この5つだね。

AI企業が今どんな規制やルールの下で動いているのかについてはAI規制、今どこまで進んでる？EU・米国・日本・中国の比較でも整理してるから、興味がある人はあわせて読んでみてほしいな。

AIが便利になる裏側で、こんなにアナログで、ちょっと切ない話が進んでいるなんて、わたしも今回調べてみるまで知らなかったの。データという目に見えないものの裏側には、いつも誰かの本棚とか誰かの手垢とか、案外人間くさいものがあるんだなって、あらためて感じたよ📚

関連記事: AI規制、今どこまで進んでる？EU・米国・日本・中国の比較

ソース:

📚 うちの本棚の古本も、AI企業に狙われてるかもしれない話｜「AI汚染されていないデータ」争奪戦の裏側

目次