はじめに

生成AIが出力する生成物（以下「AI生成物」といいます。）の利用に伴う著作権侵害を避けるためには、事前に既存の著作物との類似性をチェックしておくことが重要です。では、類似性のチェックは、具体的にどのような手法・手順で行えばよいのでしょうか。

本稿では、2026年11月時点で実務上とりうる類似性チェックの手法・手順を整理し、その限界と、企業における対応について考えます。

確認の前提：著作権侵害の要件

生成AIを利用した場合でも、著作権侵害となるか否かの判断基準は、人間の手で創作した場合と同様です。すなわち、既存の著作物との「類似性」と「依拠性」の双方が認められる場合に、著作権侵害となり得ます。

「類似性」とは、既存の著作物の表現上の本質的な特徴、すなわち創作的表現が共通していることをいいます。単なる事実やアイデア、ありふれた表現が共通しているだけでは、類似性は認められません（注1）。

「依拠性」とは、既存の著作物をもとにして作成されたことをいいます。一般には、作成者が既存の著作物を認識し、それをもとに作成したかが問題となります。ただし、生成AIの場合、AI利用者自身が既存の著作物を認識していなくても、当該著作物が生成AIの学習データに含まれ、これと類似するAI生成物が出力された場合には、通常、依拠性が推認されると整理されています（注2）。

現時点では、学習データの内容が利用者に十分に開示されていない生成AIも多いとみられます。そのため、利用者の側で、依拠性を否定するための証拠を把握・立証することは難しい場合が多くあります。こうした事情から、AI生成物の利用に当たっては、依拠性を争うことに頼るのではなく、まず、既存の著作物との類似性を確認しておくことが重要になります。

類似性チェックのプロセス（1）：比較対象となる既存著作物の探索

類似性を検討するには、まず、AI生成物と似ており、比較の対象とすべき既存の著作物を探索する必要があります。その手法としては、主に次のものが考えられます。

（1）プロンプト等を手掛かりにした探索
生成の際に、既存の作品名やクリエイター名を入力したり、既存の文章・画像等そのものを入力したりしていた場合には、関連する作品と類似した出力がされている可能性があります（注3）。まずは、入力された作品や、入力内容から特定される作品との比較が重要となります。

また、生成の際に、Web広告用のバナー画像など、用途やジャンルを指定していた場合には、その指定も、探索対象を絞り込む手掛かりになることがあります。制作担当者から、どのような指示・資料を入力したかを確認することが、探索の出発点になります。

（2）インターネット検索による探索
AI生成物について、テキスト検索や画像検索を行い、似ている既存作品がないかを探すことも重要な手法です。文化庁の「AIと著作権に関するチェックリスト＆ガイダンス」も、類似性確認の手段として、文章検索・画像検索の活用を挙げています（注4）。

生成AIの学習データには、インターネット上から収集されたものが多い傾向にあります。そのため、学習データ中の著作物と類似したものが生成されていないかを確認する上でも、インターネット検索は重要な手掛かりとなります。

（3）人の目と知見による探索
人の目と知見によって似た作品を探すことは、アナログな手法とも思われますが、生成AIの登場以前から重要な役割を果たしてきた手法です。

例えば、特定の用途・ジャンルの制作に携わってきた担当者であれば、その分野で周知・著名な作品を把握していたり、AI生成物を見て、比較すべき作品を思い浮かべたりすることがあります。検索だけで完結させず、こうした担当者の知見を活用することも重要です。また、担当者一人だけでなく、複数人の目で重層的にチェックすることも有益です。

類似性チェックのプロセス（2）：共通点の比較・評価

比較対象となる既存作品が見つかったら、AI生成物と具体的に比較し、共通点を評価します。この段階では、一見して「似ている」という印象だけで、法律上の類似性を判断しないことが重要です。

判断の方法はいくつかありますが、実務上は、まず、先行作品とAI生成物とを比較して共通点を抽出します。次に、それらの共通点のうち、単なる事実関係やアイデア、ありふれた表現など、創作的表現に当たらないものを除外していきます。その上で、表現上の本質的な特徴といえる共通点があるかを確認します。

この際には、個々の要素を別々に比較するだけでなく、複数の要素の具体的な組合せとして、創作的表現が共通していないかを見ることも必要です。画像であれば、複数の要素の配置や構図などにも着目することになります（注5）。

また、この評価においても、その分野に携わってきた担当者等の知見は重要です。ある表現が、その分野では広く使われているありふれた表現なのか、それとも特徴的な表現なのかは、作品だけを見ても判断が難しいことがあります。法的な評価に必要な事実を整理するためにも、その分野の制作や作品に関する知見が役立ちます。

類似性チェックの限界とリスク判断

以上の手法による確認も、完璧なものではありません。検索で似た作品が見つからなかった場合や、担当者が似た作品を思い当たらなかった場合でも、類似性のある既存作品が存在しないとまではいえません。

本来的には、生成AIの開発者やサービス提供者から、類似性チェックを支援するツール等が提供されることが望まれます。現に、プログラムコードの分野では、GitHub Copilotが公開コードとの照合機能を提供しています（注6）。もっとも、現時点では、画像や文章を含む様々なAI生成物について、こうした技術的手段が広く利用できる状況にはなく、従来からの手法も活かして対応していく必要があります。

事前に類似性チェックを行っていても、利用開始後に、類似性のある既存作品が発見されることはあり得ます。この場合、依拠性も認められ、著作権侵害が成立するのであれば、事前に確認を行っていたという事情だけでは、配信の停止等の差止請求を免れることはできません。また、少なくとも過失があると判断され、損害賠償請求が認められることも想定されます。
こうした意図せぬ著作権侵害のリスクは、生成AIを利用する場合に限らず、コンテンツの制作・発信を行う場合には常につきまとうものですが、生成AIの場合は、上記2の依拠性に関する考え方等も踏まえて、類似性チェックを適切に行い、そのAI生成物を利用するべきか否かの判断を行うことが一層重要となってくるでしょう。

実務上の対応

企業においては、特に外部に発信するコンテンツにAI生成物を利用する場合に、上記のような類似性チェックのプロセスを経るよう、社内ルールを整えることが重要です（注7）。

その際には、検索等の手段を活用することに加え、必要に応じて、その分野の制作経験や知見を持つ担当者から意見を得られる体制を設けることも考えられます。

生成AIを利用する時代になっても、制作担当者がこれまで培ってきた知見や判断力は、比較対象の探索にも、共通点の評価にも引き続き重要です。こうした人々がAIを活用することを進めていくことや、その知見を確認のプロセスに取り入れることが、AI生成物を適切に活用していくための基盤となると考えられます。

（注1）最判平成13年6月28日・民集55巻4号837頁〔江差追分事件〕。https://www.courts.go.jp/assets/hanrei/hanrei-pdf-52267.pdf
（注2）文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」（2024年3月15日。以下「考え方」といいます。）33～35頁参照。 https://www.bunka.go.jp/seisaku/bunkashingikai/chosakuken/pdf/94037901_01.pdf
（注3）文化庁著作権課「AIと著作権に関するチェックリスト＆ガイダンス」（令和6年7月31日。以下「チェックリスト」といいます。）3-1-7（21頁）参照。 https://www.bunka.go.jp/seisaku/chosakuken/pdf/94097701_01.pdf
（注4）チェックリスト3-1-5（20頁）参照。
（注5）東京高判平成13年6月21日・平成12年（ネ）第750号〔みずみずしいスイカ事件〕参照。 https://www.courts.go.jp/assets/hanrei/hanrei-pdf-12428.pdf
（注6）GitHub Docs「個々のサブスクライバーとしてのGitHub Copilot ポリシーの管理」の「パブリック コードに一致する候補の有効化または無効化」参照（2026年11月9日確認）。https://docs.github.com/ja/copilot/how-tos/manage-your-account/manage-policies#enabling-or-disabling-suggestions-matching-public-code
（注7）チェックリスト3-1-2（19頁）参照。