ある開発者が、ChatGPTによって生成され自分より上位にGoogleで表示されていた記事の中に、自分自身のリンクがそのまま紛れ込んでいるのを見つけた。5月20日にAxel K.の個人ブログで公開されたこの逸話は、2026年に技術系コンテンツの何千人もの制作者が直面している「AIによる剽窃」を一つの場面に凝縮している。生成AIは許可なく制作者の仕事を取り込み、工業規模で書き換え、検索アルゴリズムはコピーを評価する。
この事例は孤立していない。何年も前から法的にグレーな領域で稼働してきたビジネスモデルの、見える形での帰結だ。インターネット上のあらゆる公開情報でモデルを学習し、その出力を販売し、元の著作者を価値の連鎖から排除する。
TL;DR
- ある制作者が、自分のオリジナルよりGoogleで上位表示していたChatGPT生成の記事の中に、自分のリンクがそのまま入っているのを見つけた。
- このケースは、AIによるコンテンツファームが出典を明示せずにチュートリアルを丸ごと書き換え、SERPで上位を狙っていることを示している。
- GPT-4、Claude、Geminiのようなモデルは、公的に公開されたWebの大規模なスクレイピングで学習されており、多くの場合効果的なオプトアウトがない。
- ニューヨーク・タイムズは2023年12月から、数百万本の記事の無許可利用を理由にOpenAIを訴えている。
- スクレイピングや、ほぼ逐語的に近い内容を再現する回答をめぐり、Meta、Microsoft、Perplexityに対する訴訟が存在する。
- llms.txtの標準は、サイトのどの部分がLLMに取り込まれ得るかを明示することを提案しているが、採用は任意だ。
- robots.txtによりGPTBot、ClaudeBot、Google-Extendedをブロックできるが、ボットがその指示を守る場合に限られる。
- LATAMの制作者にとっては問題がさらに深刻化する。プラットフォームに対する法的な交渉力が弱いことに加え、AIによって英語から翻訳されたコンテンツが支配するSEOの環境である。
Axelのケース：痕跡を残した剽窃
Axel K.は、EC（電子商取引）に関するブログを運営する開発者で、自身で調査して作成したオリジナルのチュートリアルを掲載している。2026年5月20日、彼は、AI生成の記事によって他サイトが自分の記事より上位にGoogleで表示されていることをどう発見したかを説明する記事を投稿した。
剽窃を裏づける細部はばかげているほどだ。コピーされた記事には、Axelのブログへの元のリンクが、同じアンカーテキストのまま、無傷で含まれていた。ChatGPTでコンテンツを生成した側は、出力を確認したり、整えたりする手間をかけていない。AIはチュートリアル、構成、例、参照をまるごと写し取り、コピーサイトの運営者はそのままの内容を公開した。
ポイント：「残留リンク」テストは、特定のオリジナルから生成されたAIコンテンツを見抜くための、最も単純な方法の一つである。もし記事が、あなたの物語の中でしか意味を持たないアンカーテキストであなたのサイトへリンクしているなら、おそらくそれはコピーされた可能性が高い。
Axelのケースは、規模が大きいからではなく（ただのブロガーの一人である）、典型性の高さが示唆に富む。2026年に技術系、教育系、またはジャーナリズム系のどんなコンテンツ制作者でも、この実験を再現できる。自分の記事のある正確なフレーズをGoogleで検索してみてほしい。同じアイデアが書き換えられた形で見知らぬサイトが出てきたら、あなたはすでにそのコーパスの一部になっている。
AIによる剽窃が工業規模になった理由
剽窃は昔からあった。新しいのはコピーそのものではなく、「限界コスト」だ。かつてはチュートリアルをコピーするには、座って読み、言い換え、書き直す必要があった。今は、ChatGPT Plusのサブスクリプションを持つ運営者が月20ドルを払い、1日に十数本ではなく数十本もの記事を生成できる。プロンプトは次のようなものだ。
この文章を読んでください：[オリジナルのチュートリアルURL]
あなた自身の構成で書き換え、例は維持して
新しい導入と結論を追加してください。最低1500語。
運営者は、一度に一つの記事を出すわけではない。100本、1000本、1万本を出す。AIによるコンテンツファームは、リサイクルされたチュートリアルで満たされ、それを広告やアフィリエイトプログラムで売り、テーマを調べるのに何週間もかけたオリジナルの制作者とSERPで競り合う。
経済計算は冷酷だ。元の制作者は時間と知識を投資する。サイトのコピー運営者は記事1本あたり数セントを投資する。Googleが似た基準で両者を評価するなら、コピー側は「量」で勝つ。
AIによるコンテンツファームは、限界コストで毎日何千本もの記事を生産する。
なぜGoogleはコピーされたコンテンツを優遇するのか
Googleは2022年から、「検索エンジン向けではなく、人のために作られたオリジナルコンテンツ」を優先するアルゴリズムだと説明している。しかし実際にランキングを左右しているのは、依然として技術的なシグナルだ。サイトの速度、schema markup、バックリンク、freshness（鮮度）、ドメイン権威などである。
現代のコピーサイトにはそれらがすべて揃っている。最適化されたWordPressのテーマ、正しいschema、毎日更新されるフレッシュなコンテンツ（もちろんAIのおかげだ）、そしてダークな領域のPBN（private blog networks）で買うか交換するバックリンクだ。個人のサイトを持つ元の制作者は、ドメイン権威が低く、バックリンクも少ないことが多い。
その結果、アルゴリズムは技術的には「オリジナルか、うまく化けたコピーか」を見分けられない。そして、広告やアフィリエイトでよりよく収益化できるのは、技術SEOを回すためのリソースを持ちやすいコピー運営者側である。
⚠️ 注意： Search Consoleのツールを通じて、コピーされたコンテンツをGoogleに通報することは、個別のケースでは機能する。しかしコンテンツファームが1万本のコピー記事を生成しているなら、1万件のDMCAを送ることはできない。
法的な先例：NYT vs OpenAIと進行中の訴訟
2023年12月、ニューヨーク・タイムズはOpenAIとMicrosoftを相手に訴訟を起こした。彼らのモデルが、Timesの記事をライセンスなしで何百万本も学習したこと、そして場合によっては、モデルが質問に答えるときにオリジナルの内容のほぼ逐語的な段落を再現していることを理由としている。この訴訟は2026年もまだ係争中で、同種の一連の訴訟の中でも最も注目を集めている。
これに加えて、他の訴えもある。Getty ImagesがStability AIを提訴し、作家がLibGenやZ-Libraryから海賊版の本を使って学習したとしてMetaを訴え、Perplexityは複数の出版社を相手取り、サイトへの流入を生まずにニュースを丸ごと再現しているとして非難している。
AI企業側の主張は一様だ。学習は、米国のフェアユースの法理に照らして適法だということ。人間が本を読んでからそのテーマについて書けるのと同様だ、という論法である。原告側の主張も一様だ。モデルの出力はオリジナルのコンテンツと直接競合し、補償なしで価値を奪っている、というものだ。
graph TD
A["Creador original"] -->|publica| B["Articulo en blog"]
B -->|scraping| C["Crawler de IA"]
C -->|entrenamiento| D["LLM"]
D -->|prompt| E["Operador copiacat"]
E -->|publica| F["Articulo reciclado"]
F -->|SEO tecnico| G["Aparece en Google"]
AIによるスクレイピングからコンテンツを守る方法
現在利用可能な防衛策は3つの層があり、どれも完璧ではありません：
1. robots.txtで既知のボットをブロックする
主要なAIクローラは、宣言されていればrobots.txtを尊重します。それらをブロックするには、明示的に行を追加する必要があります：
User-agent: GPTBot
Disallow: /
User-agent: ChatGPT-User
Disallow: /
User-agent: ClaudeBot
Disallow: /
User-agent: anthropic-ai
Disallow: /
User-agent: Google-Extended
Disallow: /
User-agent: PerplexityBot
Disallow: /
User-agent: CCBot
Disallow: /
Google-ExtendedはGeminiをブロックしますが、Google Searchでの順位付けには影響しません。CCBotはCommon Crawlで、多くの学習データセットのベースになっています。制限は明らかです：robots.txtを無視するスクレイパは、このファイルでは止まりません。
2. llms.txt：新たに現れている標準
Jeremy Howardは2024年に、サイトのルートに置かれ、LLMがどのコンテンツをどう消費してよいかを宣言するファイルであるllms.txtという標準を提案しました。考え方は、モデルがそれを雑にスクレイピングするのではなく、正しく引用できるようにコンテンツをクリーンで構造化された形で提供することです。
# 私の技術ブログ
> Web開発に関するオリジナルのチュートリアル
## LLM向けに許可されたコンテンツ
- [Reactガイド](/guia-react.md): 完全なチュートリアル、出典を明記して引用
- [バックエンドのパターン](/patrones-backend.md): MITのもとでのコード、出典を明記
## 制限あり
- 投稿は次でマーク：
llms.txtは任意で、まだ実験段階です。モデル提供者がそれを尊重するかどうかに依存しており、保証はありません。
3. ライセンス用のセマンティックなHTMLマークアップ
一部の作成者は、実験的なメタタグを追加します：
BingとGoogle-Extendedは、これらのタグのバリエーションを認識します。実際の有効性はスクレイパ次第です。
現在の技術的な防衛策：robots.txt、llms.txt、実験的なメタタグ。
LATAMの作成者にとって悪化している問題
スペイン語で技術コンテンツを作る人にとって、状況はAxelの場合よりも悪いです。スペイン語圏の地域でAIによる盗用がより強く刺さる理由は、特定の3つにまとめられます。
第一に、スペイン語のSEOは英語コンテンツの自動翻訳と競合します。AIファームは、Stack OverflowやMediumの中で最良のチュートリアルを取り、GPTでスペイン語に翻訳してから、元々スペイン語でオリジナルを書いた地域の作成者より先にスペイン語のSERPで上位表示できます。翻訳パイプラインの速度が、編集方針の判断に勝ってしまいます。
第二に、法的なツールは弱いです。アルゼンチンやエルサルバドルのブロガーには、OpenAI、または別の国にホスティングされたコピ猫サイトを相手取って訴えるための資源がありません。知的財産に関する法律は国によって異なり、訴訟にかかるコストは、個々の経済的損害をはるかに上回ります。
第三に、AIモデルは文化的にLATAMのスペイン語を十分に表象できていません。モデルがスペイン語のプログラミングに関する内容を垂れ流すとき、多くの場合は方言を中和し、地域語を失わせ、ローカルの視聴者に刺さらないありふれた散文を生成します。真正のオリジナルコンテンツは、合成された出力の海に薄まっていきます。
Tip: スペイン語で技術コンテンツを公開するなら、地域固有の“微かな”目印で自分の声を特定できるようにしましょう—ローカルな例、国の技術モダリティ（専門的な言い回し）などです。コンテンツはAIによって「洗い流される」ことが難しくなり、視聴者との関係も構築できます。
これから：規制、llms.txt、そしてオリジナル・コンテンツの未来
2024年から施行され、2027年まで段階的に適用される欧州連合のAI Actは、一般目的のモデル提供者に対し、学習データセットの詳細な要約を公表することを義務付けます。狙いは、著者が自分の作品が使われたかどうかを確認し、補償を求めたり削除を求めたりできるようにすることです。
米国では、これに相当する連邦レベルの立法は承認されておらず、訴訟が引き続き主要なメカニズムです。未解決の問いは、OpenAIがAxel SpringerやAssociated Pressと結んだような民間の合意が業界標準になるのか、それとも交渉力のある大手出版社にとっての例外にとどまるのかです。
LATAMには現時点で特定の規制はまだありません。ブラジルは欧州モデルに触発されたAI法案を進めましたが、依然として立法の議論の段階にあります。地域のその他の国々は、AI以前の著作権法の下で運用しており、国外の侵害者に対して実務上の強さがほとんどありません。
起こりそうな未来は、次のような組み合わせになるでしょう。技術標準の自主的な採用（llms.txt、ai.txt）、プラットフォーム単位でのコンテンツ・ライセンス（Reddit、Stack Overflow、XはすでにAPIに対して課金しています）、そして資源を持つメディアによる戦略的な訴訟です。個人のブロガーにとって現実的な選択肢は、生成モデルを通過した後でも、コンテンツが明らかに自分のものであると認識できるほど、できるだけ上手く、そしてできるだけ具体的に書くことに尽きます。
Telegramでの要約: 要約を見る
よくある質問
AIによる剽窃は合法ですか？
国とコンテンツの種類によります。米国では、フェアユースの考え方がAIの出力に対しては曖昧であり、進行中の事案はいまだ先例を確定していません。EUでは、AI Actがデータセットに関する透明性を求めますが、学習を禁じてはいません。LATAMでは著作権法が適用されますが、国外の侵害者に対して実際に執行するのは難しいです。
GPTBotをブロックするとGoogleでの順位に影響しますか？
いいえ。GPTBotはOpenAIのクローラーで、Googlebotとは別物です。これをブロックしても、将来のOpenAIモデルの学習にあなたのコンテンツが取り込まれないようにするだけです。Geminiにデータを供給するのはGoogle-Extendedというクローラーで、これも検索のGooglebotとは独立しています。両方をブロックしても、Google SearchにおけるSEOが罰則的に下がることはありません。
コピキャットサイトにDMCAを送ることは役に立ちますか？
特定のケースでは機能します。特に、DMCAを尊重する法域でホスティングされている場合です。大量の運用にはスケールしません。何百ものコピー記事を抱える“ファーム”のようなケースでは、申請対応のコストが、各テイクダウンごとの個別の利益を上回ってしまいます。
自分のコンテンツがAIによってコピーされたかどうかはどうやって検知しますか？
Googleで特徴的なフレーズの完全一致検索を行うこと、CopyscapeやOriginality.aiのようなツールでの監視、そしてGoogle Search Consoleで異常なバックリンクを確認することが有効です。Axelが述べた「残留リンク（link residual）」のヒューリスティック——他サイトであなた自身のリンクを探す——は、驚くほど効果的です。
自分のコンテンツがモデルの学習に使われた場合、補償を請求する方法はありますか？
現時点では、個人のクリエイターにとって非常に難しいです。AI企業は、自社のデータセットの詳細なリストを公開していません。現在唯一の道は、作家がMetaを相手取ったような、存在する場合のクラスアクションに加わることです。欧州のAI Actは、2026〜2027年以降に学習の公開サマリーを求めることで、状況を変える可能性があります。
llms.txtは問題を解決しますか？
おそらく、それ単独では解決しません。これは自主的な標準であり、クリエイターとモデル提供者の双方による採用が必要です。意図のシグナルとして、また出典を引用するための標準形式として価値はありますが、法的・技術的な強制力がなければ、善意のある主体に対してのみ機能します。
参考文献
- Axel K. — AI is just unauthorised plagiarism at a bigger scale — この分析のきっかけとなった2026年5月20日のオリジナル記事。
- llmstxt.org — LLMに対して許可される利用を宣言するための、Jeremy Howardによるllms.txt標準の提案。
- OpenAI — GPTBot documentation — GPTBotクローラーと、robots.txtでブロックする方法に関する公式ドキュメント。
- robotstxt.org — robots.txt標準のカノニカルな仕様。
- Wikipedia — NYT v. Microsoft Corporation — The New York TimesとOpenAI/Microsoftの間で進行中の訴訟の概要。
このコンテンツは気に入りましたか？ 私たちのTelegramチャンネル@programacionに参加してください。そこでは毎日、テクノロジー、AI、開発に関して最も重要な情報を投稿しています。素早い要約、毎日新鮮なコンテンツ。
