2026年2月、Microsoftの開発者向け公式ブログに掲載されたある技術記事が、Hacker Newsでの指摘をきっかけに大きな波紋を広げた。問題となったのは、同社シニアプロダクトマネージャーのPooja Kamath氏が2024年11月に投稿した、Azure SQL DBとLangChainを活用した生成AIアプリケーション開発のチュートリアル記事である。このチュートリアルは、AI機能の実装例として、Kaggle上に公開されていたJ.K. Rowlingの「ハリー・ポッター」シリーズ全7巻のテキストデータを使用するよう読者に勧めていた。
問題の核心は単純だ。「ハリー・ポッター」シリーズは世界中で著作権により保護されており、パブリックドメインには属していない。Amazon上の電子書籍版は全巻セットで約70ドル。無許可でのテキストデータの配布や利用は、著作権法上明確に違法である。にもかかわらず、Microsoftの公式ブログがこのデータセットへのリンクを掲載し、その活用方法を具体的に解説していたのだ。
1年半にわたって放置されたブログ記事
このブログ記事は2024年後半に公開された後、2026年2月にHacker Newsのスレッドで注目を集めるまで、約1年半にわたって誰にも問題視されずに放置されていた。記事の中でKamath氏は、「ハリー・ポッター」を「文学史上で最も有名で愛されているシリーズのひとつ」と紹介し、このデータセットを用いた2つの活用例を提示していた。
ひとつは、小説のテキストに基づくQ&Aシステムの構築である。Kamath氏の記事に掲載された例では、「Wizarding World snacks」というクエリに対して『賢者の石』から「バーティー・ボッツの百味ビーンズ」や「蛙チョコレート」に関する記述が検索結果として返される様子が示されていた。もうひとつは、LLMを用いたハリー・ポッターのファンフィクション自動生成である。Kamath氏はこの機能について、「ポッターヘッド（熱狂的なファン）を喜ばせること間違いなし」と記し、新たな冒険の探索や独自の魔法物語の創作を可能にすると宣伝していた。
さらに注目すべきは、Kamath氏が自ら作成したファンフィクションのデモンストレーションである。そこでは、ハリーがホグワーツ特急で出会った新しい友人から、Microsoftの「Native Vector Support in SQL」機能について「マグルの世界」における利点を説明される、という物語が生成されていた。この友人のキャラクターは、Microsoftの新機能を「何千もの選択肢の中から瞬時に必要なものを見つけ出す呪文のようなもの」と称え、機械学習やAI、レコメンデーションシステムに最適だと語る。ブログ記事の末尾には、ハリーとその新しい友人を描いたLLM生成画像が掲載されており、そこにはMicrosoftのロゴが添えられていた。
Kaggleデータセットの「パブリックドメイン」という虚偽表示
ブログ記事がリンクしていたKaggle上のデータセットは、インドのデータサイエンティストであるShubham Maindola氏によってアップロードされたもので、ハリー・ポッター全7巻をTXTファイルに変換したものだった。このデータセットは「パブリックドメイン」と表示されていたが、Ars Technicaの取材を受けたMaindola氏は「パブリックドメインとしたのは誤りであり、作品のライセンス状態を偽る意図はなかった」と釈明している。
Kaggleの利用規約では、権利者は侵害コンテンツに対する通知を送ることができ、常習的な違反者はアカウント停止のリスクを負う。しかし、このハリー・ポッターのデータセットはダウンロード数が約1万回程度にとどまり、著作権に対して強い姿勢で知られるJ.K. Rowling側の目に留まることなく、長期間にわたって存在し続けていた。Ars TechnicaがMaindola氏に取材した後、データセットは速やかに削除された。
興味深いのは、Kaggle上ではMaindola氏がデータの出典について「電子書籍をダウンロードし、TXTファイルに変換した」と説明していた点である。出所の詳細は明記されていないが、正規に購入した電子書籍であったとしても、その再配布は著作権法の範囲を超える行為にあたる。
フェアユースの壁と「二次的寄与責任」の可能性
シカゴ・ケント・カレッジ・オブ・ロー知的財産法プログラムの共同ディレクターを務めるCathay Y.N. Smith法学教授は、Ars Technicaの取材に対して複数の重要な法的見解を示した。
Smith教授によれば、Kamath氏がこのデータセットをブログで推奨した行為について、「もしMicrosoftが海賊版の書籍を意図的に使用してモデルを訓練したかどうかを問われた場合、フェアユースの主張は困難なものになる可能性がある」という。裁判所はこれまで一般的に、著作権のある書籍を用いたAI訓練をフェアユースと認める判断を示してきたが、海賊版の素材を使用した場合の扱いについては、司法の場で引き続き議論が続いている。
Q&Aシステムとファンフィクション生成という2つの用途についても、Smith教授は懸念を表明した。「ファンフィクションは、著作権で保護されたキャラクター、筋書き、シークエンスといった表現的要素を借用することが多い。これらが複製・再現された場合、その出力は侵害に該当する可能性がある」と同教授は指摘する。ただし、「自動的に侵害とは言い切れない」とも付け加え、この領域がいまだグレーゾーンにあることを認めた。
さらに深刻な論点がある。Microsoftがブログを1年以上にわたって公開し続け、その間にKaggleのデータセットが1万回以上ダウンロードされたことに対し、二次的寄与責任（contributory liability）が問われる可能性をSmith教授は示唆した。「最終的な結果として侵害物が生まれる仕組みを作り、『さあ、ここにあるから、この侵害物を掴んで我々のシステムで使ってくれ』と言っているようなもの」というSmith教授の指摘は、単なる技術チュートリアルの範囲を超えた法的リスクの存在を示している。
Microsoftの組織的課題を映す鏡
Hacker Newsのスレッドでは、自称元Microsoft社員が「Microsoftでは社員が承認や編集プロセスを経ずにブログを投稿できる」と証言した。この投稿者は、「誰かが会社のブログ記事に何を載せるかについて、判断を誤ったように見える。倫理的な活動とは何かについての認識も欠けていたかもしれない。誰かが気付いた時点で記事は削除された」と述べた。
Smith教授も「リスク回避的な企業であれば、おそらくこの記事は事前に問題としてフラグが立てられていただろう」と指摘しつつ、Kamath氏の選択については一定の理解を示した。パブリックドメインに属する作品、つまりほとんど忘れ去られた古典文学のキャラクターを使ったデモンストレーションでは、誰も関心を持たないからだ。Smith教授はこう締めくくった。「もし私がMicrosoftの法務担当としてこの記事を審査していたなら懸念を抱いただろう。しかし同時に、この社員が何をしようとしていたかは完全に理解できる。パブリックドメインの書籍でファンフィクションを書きたい人など誰もいないのだから」。
ここに露呈したのは、巨大テック企業が抱える構造的な矛盾だ。Microsoftは一方で著作権保護の重要性を訴え、自社製品の知的財産を厳格に守りながら、他方でAI開発のエコシステムでは著作権で保護された作品が日常的に訓練データとして消費される現実を黙認している。ブログ記事は削除されたものの、この事件はAI業界全体が直面している根本的な問題を浮かび上がらせた。
ハリー・ポッターだけではない：Azureサンプルに潜んでいたもうひとつの問題
Hacker Newsのスレッドでは、ハリー・ポッター以外にも問題があることが指摘された。Azure Samplesの公式GitHubリポジトリには、Isaac Asimovの「ファウンデーション」シリーズを含む別のベクター検索サンプルが存在していた。Asimovの作品群もパブリックドメインには属しておらず、同様の著作権上の問題をはらんでいる。
あるHacker Newsのコメント投稿者は「Microsoftはブログにどんなデータセットでも使えたはずだ。実際にパブリックドメインにある小説を選ぶこともできた。にもかかわらず、J.K.がパブリックドメインに開放していない著作権保護作品を使うことを選んだ」と批判した。
この問題の背景には、AI開発における「便利さ」と「合法性」のせめぎ合いがある。パブリックドメインの作品には知名度の高いものが少なく、開発者がデモンストレーションの素材として選ぶには魅力に欠ける。結果として、著作権保護された人気作品が「教育目的」や「技術的なデモンストレーション」の名の下に安易に利用されてしまうパターンが繰り返されている。
AI訓練と著作権の構造的衝突
この事件を単なるMicrosoftの一社員による判断ミスとして片付けることはできない。現在、Meta/Facebook、OpenAI、Nvidia、Alphabet/Google、Anthropic、Microsoft、およびその他の企業に対して、著作権保護作品でのAI訓練の停止や、すでに無許可で取り込まれた書籍に対する報酬を求める訴訟が複数提起されている。裁判所の判断はこれまでのところ一貫しておらず、訓練結果が「変換的（transformative）」であるためフェアユース、つまり元のデータとは実質的に異なると判断するケースもあれば、最初の海賊行為は依然として起訴されるべきだと判断するケースもある。
Kamath氏のブログ記事は、この構造的衝突の縮図であった。公式ブログという信頼性の高いプラットフォームで、著作権保護された作品の無許可利用を事実上推奨してしまったことは、AI業界が著作権問題に対していかに鈍感であるかを象徴的に示している。Hacker Newsのコメント欄で「AIが書いたボットにハリー・ポッターを全部読ませて続編を書かせた、って投稿が主流だった時代は、もっとシンプルだった」と振り返るユーザーがいたが、その「シンプルな時代」はすでに終わっている。
AI企業が訓練データの合法性と透明性を確保できるかどうかは、今後のAI産業の信頼性を左右する試金石となる。Microsoftがブログを削除したのは「賢明な判断」だったかもしれないが、消された記事はInternet Archiveに残り続け、この問題が容易には消えないことを静かに物語っている。
Sources
