AI学習拒否を一行で終わらせない——共通シグナルとRAGライセンスから作る「利用条件台帳」

ウェブサイトがAI学習を拒む意思を、AI企業ごとではなく一度で示せる仕組みが動き始めました。OpenAI、Google、Microsoft、Anthropicは、robots.txtに共通の方針トークンを書く方式への対応を表明しています。サイト運営者にとっては、会社ごとに異なるクローラー名を追い続ける負担を減らせる可能性があります。

同じ時期、日本では株式会社サンメディアが米Cashmereと提携し、学術・科学技術・業界専門情報を企業の生成AIやRAGで使うためのライセンス事業を発表しました。こちらは拒否の話ではありません。適切な契約の下で高品質な外部コンテンツを企業AIへ届け、日本の情報資産を海外のAI市場へ展開する可能性まで見据えています。

二つのニュースを並べると、次の課題が見えてきます。AI利用を「許可」か「拒否」かの一個のスイッチで管理するだけでは、検索には載せたい、学習には使わせたくない、契約したRAGには提供したい、回答では出典を示してほしい、という現実の条件を表せません。日本の出版社、企業、大学、個人サイトが必要とするのは、拒否の一行を置いて終わることではなく、巡回から支払いまでを結ぶ利用条件台帳です。

結論——入口の意思表示と、その後の契約・実績を分けます

共通シグナルの価値は、ウェブ運営者がAI学習への意向を伝える入口を簡単にすることです。しかし、その一行だけで著作権契約、対価、出典表示、削除、過去に取得されたデータの扱いまで自動的に決まるわけではありません。

一方、RAG向けのコンテンツライセンスは、許可された情報を企業AIへ届ける出口を作ります。ただし、契約を結んだだけでは、どの版をいつ取得し、どの回答で使い、契約終了後に何を消したかは残りません。入口と出口の間を運用記録でつなぐ必要があります。

そこで、次の七つを別々に管理します。

層	決めること	残す証拠
発見	検索エンジンや一覧へ載せてよいか	対象パス、期間、検索用クローラー
取得	誰がどの頻度でページを巡回できるか	クローラー名、時刻、件数、応答
学習	モデルの学習で重みを変えてよいか	方針トークン、契約、取得時の条件
参照	RAGやAI検索が回答時に読んでよいか	データ集合、版、利用者、目的
出力	要約、引用、全文、画像をどこまで出せるか	出典、表示範囲、回答ログ
対価	無償、帰属表示、購読、従量課金のどれか	料金表、利用量、支払い記録
終了	拒否、契約終了、訂正時に何を止めるか	停止日、削除対象、再確認結果

この七層を一件の「利用条件台帳」にまとめれば、robots.txtは意思表示の入口になり、ライセンスは利用を成立させる契約になり、ログは約束を守ったかを確かめる証拠になります。

共通シグナルは、企業別の設定を減らすための提案です

The Vergeの報道によると、OpenAI、Google、Microsoft、Anthropicは、AI学習への意向を複数社へ共通して伝える方針トークンを支持しています。Metaも共通の意思表示を作る考えには賛同しましたが、同社が実際に尊重するかは報道時点で明言されていません。

仕組みは、ウェブサイトのルートに置くrobots.txtを使います。2026年10月30日付の技術草案は、User-Agent: __usage_ai-trainingという方針トークンに対し、DisallowとAllowでパスごとの意向を示す案を提示しました。サイト全体を学習対象外としながら、プレスキットだけを許可する、といった分け方ができます。

ビジネス＋ITの国内報道は、OpenAIが今後数カ月以内の対応を目指し、既存のクローラー制御も維持すると説明したことを伝えています。GoogleとMicrosoftは翌年の対応を計画し、Anthropicはすでに採用したとThe Vergeは報じました。発表時点で各社の実装時期はそろっていないため、共通シグナルを書けば直ちに全社へ同じ効力が生まれる、と考えるのは早すぎます。

重要なのは、これは企業別クローラー設定をすぐ廃止する命令ではないことです。新旧の設定が並ぶ移行期間には、既存のクローラー名、共通トークン、CDNやWAFの遮断、契約上の許諾を照合する必要があります。一つの新しい行を追加したからといって、古い制御を急いで消さない方が安全です。

技術草案は「巡回」と「利用目的」を別物としています

IETF Datatrackerで公開された技術草案には大切な境界があります。この方針トークンは、クローラーの通信を直接止める命令ではなく、取得したコンテンツをAI学習へ使うことに対する意向を表すものです。

通常のクローラー用ルールは、どのページを取得してよいかという交通整理です。方針トークンは、取得した情報をどの目的へ使ってよいかという用途の表明です。草案は、この二つを独立したものとして扱っています。AI学習へ使わないでほしいと示しても、検索用の巡回が自動的に止まるとは限りません。逆に、通信を遮断しても、以前に適法または契約に基づいて取得された複製の扱いが自動的に決まるわけではありません。

この分離は日本のサイト運営でも役立ちます。検索結果から消えることを恐れて、AI学習の拒否まで諦める必要はありません。検索発見、AI学習、回答時の参照を別々に選べる方向へ進んでいるからです。Microsoftは学習とAIの根拠付けを分ける細かな制御を提供する方針を示し、Googleも検索での発見性を保ちながらAI機能や学習の利用を制御する仕組みを案内してきました。

以前のデータ取得と利用目的を分ける「用途の境界」の記事でも、検索掲載とAI学習を同じ同意へまとめない考え方を整理しました。今回の共通シグナルは、その境界をウェブ全体で表しやすくする一歩です。

まだ標準ではなく、守られる保証も単独では持ちません

発表を「IETFが新しいAI規則を制定した」と読むのは正確ではありません。Datatrackerは、この文書を個人提案のInternet-Draftと表示し、IETFが承認したものではなく、正式な標準化上の地位もないと明記しています。草案は更新、置換、廃止される可能性があり、2027年5月3日に失効予定です。

robots.txt自体も、善意ある実装が読む公開シグナルです。家の鍵やアクセス権限のような強制装置ではありません。方針に対応しない事業者、名前を偽るクローラー、別の経路で入手したデータまで技術的に止めるものではありません。草案にも、私的契約が表明された意向を上書きし得ると書かれています。

したがって、サイト運営者は「設定した」「守られた」「契約した」を分けて記録します。

• 設定した状態は、公開中のrobots.txtと更新履歴で確認します。
• 守られた状態は、アクセスログ、AI事業者の説明、監査結果で確認します。
• 契約した状態は、対象コンテンツ、用途、地域、期間、対価、終了条件で確認します。

共通シグナルは無意味なのではありません。複数社へ同じ意向を機械可読で示す共通語ができれば、無断利用か、設定漏れか、契約上の例外かを議論しやすくなります。ただし、共通語を強制力や監査の代わりにしないことが大切です。

RSLは拒否からライセンス条件へ進める別の層です

Really Simple Licensingは、AIや自動エージェントがデジタルコンテンツへアクセスし、利用し、ライセンスを得る条件を機械可読で示すオープンな仕様です。RSLの公式説明では、AI学習、AI入力、商用利用などの許可・禁止に加え、帰属表示、購読、従量課金、購入、独自契約といった条件を記述できます。

共通の学習拒否シグナルとRSLは、似て見えて役割が違います。前者は「この用途を望まない」という簡潔な意思表示を広く届ける方法です。後者は「この条件なら利用できる」という契約の入口を詳しく示す方法です。拒否と許諾を競合させず、未契約時の既定値と、契約成立後の例外として組み合わせる方が実務的です。

例えば、一般公開ページはAI学習を拒否しつつ、契約者向けのデータセットは購読契約で学習を許可する設計が考えられます。記事本文はRAGで参照できても、回答へ出せる引用は短い範囲に限る設計もあります。画像は検索サムネイルだけ許可し、高解像度原本の生成AI入力を禁止することもできます。

ただし、仕様に料金種別を書けることと、請求・支払い・権利処理が完了することは別です。誰が権利者か、二次利用の範囲はどこまでか、共同著作者や写真家への分配はどうするかを契約と会計で閉じる必要があります。機械可読な条件は交渉を速めますが、権利の存在を新しく作り出すものではありません。

日本では「外部コンテンツを正しく買う」需要が先に具体化します

サンメディアとCashmereの提携発表は、日本企業が生成AIへ外部情報を入れる際の現実的な需要を示しています。提携を伝えた発表によると、学術、科学技術、業界専門情報などを、適切なライセンスに基づいて企業内RAG、研究開発、技術動向分析、市場調査、業界特化型AIへ提供する構想です。

企業のRAGは、社内規程や過去資料だけでは最新の市場、論文、法令、競合動向を十分に扱えません。そこで外部コンテンツを追加したくなります。しかし、人がブラウザーで読める購読契約が、そのまま全文を取り込み、ベクトル化し、社員全員への回答に使う権利を含むとは限りません。個人購読、法人閲覧、API利用、RAG参照、モデル学習、回答への引用は別の利用です。

発表では、CashmereのOmniPub基盤を通じ、権利保護、ライセンス提供、利用状況の把握を支援すると説明しています。サンメディアは、日本市場での事業開発や契約を担い、将来は日本の出版社や専門情報を海外のAI市場へ展開する可能性も検討します。これは、AI対出版社を「取る側と防ぐ側」だけでなく、条件を決めて流通する市場へ変える試みです。

一方で、これは提携企業による事業計画です。提供される具体的なコンテンツ一覧、価格、利用地域、RAGから学習への転用条件、終了時の削除方法が全て公表されたわけではありません。導入企業は「ライセンス済み」という一語だけで判断せず、自社の利用方法と契約対象を対応させる必要があります。

RAGで使えることと、モデル学習へ回せることは同じではありません

RAGは、質問時に外部資料を検索し、関連部分をモデルへ渡して回答を作る方式です。モデルの重みを変更する学習とは仕組みが違います。この違いがあるからこそ、RAG参照だけを許可し、基盤モデルの学習を拒否する契約が成り立ちます。

ただし、RAGにも複製は発生します。原文を取得し、分割し、検索用の索引やベクトル表現を作り、キャッシュへ保存し、回答時に一部をモデルへ送ります。利用者が回答を保存すれば、新しい複製が社内文書へ広がります。障害調査のためにプロンプトや回答を外部AI事業者が保持する場合もあります。

そのため、契約では「RAG利用可」だけで終わらせず、次を確認します。

確認項目	問う内容
取り込み	全文、抄録、メタデータ、画像のどこまで取得できますか
保存	原文、分割片、索引、ベクトル、キャッシュをどこへ何日置きますか
利用者	社員、委託先、顧客、一般利用者の誰へ回答できますか
出力	引用長、図表、画像、全文再構成をどこまで許しますか
学習	基盤モデル、追加学習、評価データ、ログ改善へ転用できますか
更新	訂正、撤回、新版をいつ反映し、旧版をどう扱いますか
終了	契約終了後に原文、索引、バックアップをいつ削除しますか

創作の速度ではなく成果・権利・対価を結ぶ価値契約の記事で扱ったように、コンテンツの価値は作成時間だけでは測れません。専門家が長年かけて作った用語体系、更新履歴、査読、訂正経路も、RAG回答の品質を支える資産です。料金は文字数だけでなく、更新、出典、利用範囲、救済まで含めて考える必要があります。

利用条件台帳は十二欄で作れます

小規模な出版社や企業でも、最初から大きな権利管理システムを導入する必要はありません。表計算や台帳から始められます。一つのコンテンツ集合につき、次の十二欄を持ちます。

欄	記録する内容
コンテンツ	記事、画像、動画、データベース、書籍、論文の識別子
権利者	著者、出版社、写真家、共同権利者、管理窓口
正本	URL、ファイル、版、公開日、更新日
発見条件	検索掲載、スニペット、サムネイルの可否
取得条件	許可クローラー、API、頻度、容量、認証
学習条件	基盤学習、追加学習、評価利用の可否
参照条件	RAG、AI検索、社内アシスタントの対象利用者
出力条件	引用長、要約、画像、出典、再配布の範囲
対価	無償、帰属、購読、従量、最低保証、分配
証拠	robots.txt、RSL、契約書、取得・回答・請求ログ
変更	訂正、撤回、権利移転、条件変更の適用日時
終了	停止、削除、バックアップ、監査、異議申立て

設定と契約が食い違う場合は、黙って一方を採用しません。例えばrobots.txtでは学習拒否、契約では特定事業者だけ学習許可なら、契約番号と対象パスを例外として台帳へ残します。一般公開されたRSL条件と個別契約が違う場合も、どちらがいつから優先するかを記録します。

また、権利者が複数いるコンテンツでは、一社の許諾で全素材を扱えるとは限りません。記事本文は出版社、写真は通信社、図表は調査会社、コメントは取材先に権利や利用条件が分かれることがあります。ページ単位の許諾だけでなく、素材単位の境界を持ちます。

30日で「設定したつもり」から監査可能へ移します

最初の一週間は、自社サイトのコンテンツを三つに分けます。検索で広く発見してほしい広報情報、AI利用を契約で管理したい有料・専門情報、外部権利を含み再許諾できない素材です。全ページへ同じ設定を置く前に、パスと権利を対応させます。

二週目は、robots.txt、CDN、WAF、既存のAIクローラー設定を一覧化します。共通方針トークンを試す場合は、変更前のファイルを保存し、構文、対象パス、検索クローラーへの影響を確認します。技術草案が更新される可能性もあるため、参照した版と日付を残します。

三週目は、許可したい用途を一件だけ選びます。例えば、公開済みの技術白書を社内RAGへ入れ、社員だけが短い引用と出典付きで検索できる状態にします。原文、分割片、索引、回答ログがどこに保存されるかを追い、基盤モデルの学習へ転用されない設定を確認します。

四週目は、終了試験を行います。対象文書を一件撤回し、検索結果、RAG索引、キャッシュ、回答、バックアップから消えるまでの時間を測ります。契約を停止した想定で、新しい取得が止まり、既存データの削除証明を受け取れるかを確かめます。

見る指標は、拒否設定の数だけではありません。

• 全コンテンツのうち権利者と利用条件が確定した割合です。
• AI学習、RAG参照、回答出力を分けて設定できた割合です。
• 契約条件と実装設定の不一致件数です。
• 許可外クローラーや過剰巡回の検知件数です。
• 出典付き回答と出典欠落回答の割合です。
• 訂正がRAGへ反映されるまでの時間です。
• 契約終了から取得停止・削除確認までの時間です。
• 利用量、請求額、権利者への分配を照合できた割合です。

この数字が取れれば、「AI学習を拒否したので安心」「ライセンスを買ったので自由」という曖昧な状態から離れられます。

小さなサイトと個人クリエイターにも共通語は役立ちます

大手出版社は法務、配信基盤、クローラー監視を持てますが、個人ブログ、写真家、小規模メディアは企業別の設定変更を追いにくい立場です。共通シグナルは、少ない操作で意向を示せる点で特に価値があります。

ただし、設定ファイルを置くだけで交渉力が同じになるわけではありません。アクセスログを保存できない、侵害を発見できない、海外事業者へ連絡できない、少額利用の請求コストが高いという問題は残ります。RSLが想定する共同ライセンスや、Cashmereのような仲介基盤は、個別交渉の費用を下げる可能性があります。

日本では、記事、写真、漫画、研究資料、音声、地域アーカイブなど、権利者と利用条件が細かく分かれるコンテンツが多くあります。全てを無料公開か完全遮断かの二択にせず、発見は許可、学習は拒否、契約RAGは許可、短い引用と出典は必須、という組み合わせを選べることが重要です。

声や顔の利用条件を用途、期間、対価、派生利用、終了まで分けた「人格ライセンス」の記事と同じように、ウェブコンテンツも「公開されているから何にでも使える」とは限りません。公開、検索、学習、生成、販売は別の行為として契約します。

主な参考資料

• AI学習の共通方針トークンを報じたThe Vergeの記事
• Machine-Readable Training Preference Signalの技術草案
• OpenAIの対応方針を伝えたビジネス＋ITの記事
• Really Simple Licensingの公式説明
• サンメディアとCashmereの提携発表

次に足すべき一行は、拒否だけではなく「どの条件なら使えるか」です

共通のAI学習シグナルは、ウェブ運営者が企業ごとのクローラー名を追い続ける負担を減らす重要な一歩です。同時に、日本で始まる専門コンテンツのライセンス事業は、守るだけでなく、条件を決めてRAGや企業AIへ流通させる道を示しています。

しかし、どちらも単独では完結しません。robots.txtは利用意向を表せても、支払いと削除を証明しません。ライセンス契約は利用を許せても、実際の回答に出典が付いたか、終了後に索引が消えたかを自動では証明しません。だからこそ、発見、取得、学習、参照、出力、対価、終了を同じ識別子で結ぶ台帳が必要です。

あなたのサイトが次に書くべきなのは、「AIには使わせません」という一行だけでしょうか。それとも、検索では見つけてほしい、契約したRAGでは役立ててほしい、回答では出典と対価を守ってほしい、終了時には消してほしい、という条件まで言葉と記録にできるでしょうか。拒否を共通化する技術が整い始めた今こそ、日本のコンテンツを守りながら正しく使わせる契約と監査を、同じ速さで育てる時です。