なぜAI企業は古本を大量購入するのか？書籍を学習データにする理由と最新動向
noji_nojio
※ 本ページはプロモーションが含まれています。
生成AIの進化を支えているのは、高性能な半導体や巨大なデータセンターだけではありません。もう一つ、重要な資源があります。
それが、AIに知識を学習させるためのデータです。
2026年には、AI企業などが古本を大量に購入し、書籍をスキャンしてAIの学習に利用する動きが改めて注目されています。米国のAI企業Anthropic（アンソロピック）による書籍の大量購入・電子化の実態が裁判資料から明らかになったほか、2026年には書店から大量の本が購入される動きも報道されました。
なぜ、インターネットで大量の情報を集められる時代に、わざわざ紙の本を買うのでしょうか。
その背景には、AIの学習データの質、専門知識への需要、著作権をめぐる問題があります。
この記事では、古本をAIに学習させる仕組みから、企業が本を集める理由、最新動向、著作権上の注意点、そして個人が本とAIを活用する方法まで解説します。
そもそもAIは、どのように本から学習するのか？
AIが本を読むといっても、人間が書店で本を読むのと同じではありません。
紙の本をAIの学習に使うには、通常、いくつかの工程が必要です。
紙の本がAIの学習データになるまで
- 書籍を入手する
- 古本、新刊、電子書籍などから必要な資料を集めます。
- 本をスキャンする
- 紙のページを画像データに変換します。
- 文字データに変換する
- OCR（光学文字認識）という技術で、画像から文字を読み取ります。
- データを整理する
- 誤認識を修正し、重複や不要な情報などを処理します。
- AIの学習に利用する
- 大量の文章から、言葉の使い方、概念の関係、文章の構造などのパターンを学習させます。
例えば、化学の専門書を大量に学習したAIは、化学用語の意味や概念同士の関係を学びやすくなります。ただし、本を一冊スキャンしただけで、その内容を完全に理解して正確に記憶するわけではありません。
重要なのは、紙の本をそのままAIに渡すのではなく、機械が処理できるデータに変換することです。
なぜAI企業はインターネットの情報だけでは満足できないのか？
AIは、ウェブサイト、ニュース記事、公開文書など、膨大なテキストを利用して発展してきました。
それにもかかわらず、AI企業が紙の本まで集めるのには、いくつかの理由があります。
理由① インターネットには存在しない情報がある
世の中の知識が、すべてインターネットに公開されているわけではありません。
例えば、次のような情報です。
- 絶版になった専門書
- 古い技術書や工学書
- 小規模な出版社が刊行した専門資料
- 特定分野の研究者向けの書籍
- デジタル化されていない古い文献
こうした書籍には、検索エンジンで簡単に見つからない知識が含まれています。
紙の本を入手して電子化すれば、これまで利用しにくかった情報をAIの学習に使える可能性があります。
理由② 書籍は、まとまった知識を得やすい
ウェブ上の文章には、短い投稿、広告、断片的な説明、内容の重複などが含まれています。
一方、専門書や学術書は、著者や編集者がテーマに沿って情報を整理している場合が多く、基礎知識から応用知識まで体系的に説明されています。
例えば、化学の専門書であれば、基礎概念、反応の仕組み、数式、実験結果などが関連付けられています。
AIにとって、このような文章は複雑な概念の関係を学習するための有力な材料になり得ます。
ただし、書籍なら何でも優れているわけではありません。古い情報、誤り、偏見などが含まれる場合もあり、情報の質や利用目的に応じた選別が必要です。
理由③ AIが生成した文章ばかりでは、学習の質が低下するおそれがある
近年、インターネット上にはAIが生成した文章も増えています。
AIが生成した文章を、別のAIが大量に学習した場合、データの多様性や質が損なわれ、モデルの性能が低下する可能性が研究されています。こうした問題に関連して「モデル崩壊（Model Collapse）」という概念が議論されています。
人間が書いた本は、AI生成文章とは異なる情報源として価値を持ちます。
特に、生成AIが普及する以前に出版された書籍には、AIが大量生成した文章ではない、独立した知識や表現が含まれています。
ただし、古い本だから必ず正しいわけではありません。科学的に誤った説や、現在では更新された知識もあります。
AIの性能を高めるには、単純に古い文章を増やすのではなく、信頼性、多様性、正確性を考慮したデータ選びが重要です。
理由④ 専門分野の知識を強化したい
AI企業は、一般的な質問に答えるだけでなく、専門的な業務を支援できるAIの開発も進めています。
例えば、次のような分野です。
- 医学・薬学
- 法律
- 化学・材料工学
- 数学・物理学
- 歴史・人文科学
- プログラミング・情報技術
専門書は、こうした分野の知識を補うデータ源になり得ます。
ただし、書籍を学習させれば専門家と同じ判断ができるようになるわけではありません。実際の性能は、学習方法、データの質、評価、専門分野の特性などにも左右されます。
なぜ電子書籍ではなく、古本を買うのか？
ここには、デジタル時代ならではの事情があります。
電子書籍が存在する本でも、そのデータをAI企業が自由に入手し、学習に利用できるとは限りません。
電子書籍には、利用規約、契約条件、技術的な制限などがあります。また、絶版の専門書や古い資料は、そもそも電子版が提供されていないこともあります。
そこで、紙の本を購入してスキャンするという方法が選択肢になります。
紙の本を電子化するメリット
- デジタル版が存在しない資料も対象にできる
- 必要な書籍を物理的に入手できる
- 大量の書籍をまとめて処理できる
- 特定の分野だけでなく、幅広い知識を収集できる
一方で、スキャンには人手や設備、保管・搬送の費用がかかります。紙の本を大量に集めるだけでは意味がなく、電子化してデータを整理する工程も必要です。
また、書籍を購入したことと、その内容をAIの学習に自由に利用できることは別問題です。著作権や契約条件を確認する必要があります。
本を裁断してまでスキャンするのはなぜか？
AI企業による書籍の電子化で特に議論を呼んでいるのが、「裁断スキャン」です。
これは、本の背表紙部分を切り離してページを一枚ずつ分け、自動読み取り装置で高速にスキャンする方法です。
本を開いたまま一ページずつ撮影する方法に比べ、専用設備を使えば大量のページを効率よく処理できます。
しかし、裁断した本は元の状態に戻すのが困難です。電子化後に廃棄される場合もあり、希少な書籍や絶版書が失われる可能性が問題視されています。
2026年1月には、米紙ワシントン・ポストが、裁判資料などをもとに、Anthropicが数百万冊規模の書籍を入手してスキャンする計画を進めていた経緯を報じました。
この問題は、単なる効率化の話ではありません。
AIの発展に必要なデータを集めることと、人類の知的財産を保存することを、どのように両立させるかという問題でもあります。
特に希少本や現存数の少ない資料については、原本の保存を優先し、非破壊方式で電子化する選択肢も検討すべきでしょう。
2026年の最新動向：AI企業による古本の大量購入が話題に
2026年には、AIの学習データを確保するために、古本を大量に購入する動きが海外メディアで報じられています。
Anthropicによる大量の書籍の電子化
AI開発企業Anthropicをめぐっては、書籍の入手とスキャンについて、著作権訴訟に関連する資料から実態が明らかになりました。
2026年1月のワシントン・ポストの報道では、同社が数百万冊規模の書籍を購入し、背表紙を裁断してスキャンする計画を進めていたことが取り上げられています。
この件は、AI企業が学習データの確保にどれほど大きな資源を投入しているかを示す事例です。
古書店への大量注文が注目される
2026年8月には、AI企業などによる古本の大量購入が改めて報道されました。
Fast Companyは、英国の古書店に通常とは異なる規模の注文が入った事例を紹介しています。また、NPR系列のKNKXも、希少な古書を購入してAI学習に利用する動きを取り上げました。
こうした報道から、古書店がAI向けのデータ調達に関係する新たな供給源として注目されていることが分かります。
ただし、報道された大量注文のすべてが、特定のAI企業による購入だと確認されているわけではありません。 購入者や最終的な利用目的が明らかでない事例もあるため、個別の報道を区別して読む必要があります。
AIの学習データをめぐる著作権問題も続いている
2026年には、出版社や報道機関などが、AI企業による著作物の利用について法的な対応を進めています。
例えば、2026年10月には、USA Todayなどを傘下に持つ企業がOpenAIを著作権侵害で提訴したとReutersが報じました。
AIの学習に著作物を利用できる範囲については、国や法律、利用方法、契約条件などによって判断が異なります。訴訟が提起されたという事実だけで、AI企業の行為が違法だと確定したわけではありません。
今後は、データを大量に集める能力だけでなく、適切な権利処理を行い、学習データの出所を説明できることも、AI企業にとって重要になっていくでしょう。
古本をAIに学習させることは、著作権上問題ないのか？
ここは、特に注意したいポイントです。
「古本を購入したのだから、自由にスキャンしてAIの学習に使える」とは限りません。
本の所有権と著作権は別のものだからです。
本を買っても、著作権まで購入するわけではない
中古書店で本を購入すると、その本の所有者にはなります。しかし、通常、そのことだけで本の文章を自由に複製したり、インターネットで公開したりできるわけではありません。
AIの学習に利用する場合も、複製、データ化、保存、提供などの行為について、適用される法律や契約条件を検討する必要があります。
日本では著作権法第30条の4が関係する
日本の著作権法第30条の4には、一定の条件のもとで、著作物を情報解析などの目的で利用できる規定があります。
AIの学習は、この規定との関係で議論される代表的な用途の一つです。
ただし、どのような利用でも無条件に認められるわけではありません。著作権者の利益を不当に害する場合などには、適用されない可能性があります。
また、日本の法律が適用されるかどうかは、利用行為や関係者、行われる場所などによっても問題になります。海外企業による利用を、日本の規定だけで判断することはできません。
今後、重要になる3つのポイント
- 学習データの入手方法
- 正規購入、ライセンス契約、公開データなど、どのように取得したのか。
- 著作物の利用方法
- どのような目的で複製・保存・解析し、学習に利用したのか。
- 権利者への配慮
- 契約や法令に従い、必要な許諾や権利処理を行っているか。
AIの発展と著作権保護を両立させるには、技術的に利用できるかどうかだけでなく、法的に認められる利用かどうかを考えることが欠かせません。
個人でも、本とAIを組み合わせて知識を活用できる
ここまで読むと、「AI企業だからできることで、一般の個人には関係ない」と感じるかもしれません。
しかし、個人でも本とAIを組み合わせることで、知識を整理し、学習や仕事に役立てることができます。
大規模なAIモデルを自分で訓練する必要はありません。
例えば、手元の本の内容を整理し、AIに質問できるようにする方法があります。
方法① 本の内容をAIに要約させる
著作権や利用規約に配慮しながら、適切に利用できる文章や自分のメモをAIに入力し、要点を整理します。
例えば、次のような使い方です。
- 専門用語を初心者向けに説明させる
- 重要な概念を箇条書きにする
- 章ごとの主張を整理する
- 自分が理解できていない部分を質問する
ただし、手元の本をそのまま大量に読み込ませてよいかどうかは、利用するサービスの規約や著作権上の条件を確認しましょう。
方法② 複数の本の知識を比較する
同じテーマについて書かれた複数の本を比較すると、著者による考え方の違いや、時代による変化を理解しやすくなります。
例えば、次のようなテーマです。
- AIと教育
- 化学と環境問題
- 高齢社会と地域づくり
- 心理学と人間関係
- パソコンや情報セキュリティー
自分で作成したメモや、適法に利用できる資料を使ってAIに比較させれば、学習やブログ執筆の参考になります。
方法③ 本からブログ記事の企画を考える
本を読んで得た知識を、読者の疑問を解決する記事に変えることもできます。
例えば、専門書で得た知識をもとに、次のような流れで記事を作ります。
- 読者が困っていることを明確にする
- 本から得た知識を整理する
- 公的機関や信頼できる資料で事実を確認する
- 初心者にも分かる言葉で説明する
- 読者が実行できる対策や手順を示す
AIは、記事の構成案、見出し、説明の分かりやすさを改善する補助役として活用できます。
ただし、AIが作った説明をそのまま掲載するのではなく、事実確認を行い、自分の理解や独自の解説を加えることが重要です。
方法④ 自分専用の「本の知識を検索できる仕組み」を作る
少し発展的な方法として、手元の資料や自分で作成したノートを検索できる仕組みを作ることも考えられます。
一般に、こうした仕組みはRAG（検索拡張生成）と呼ばれます。
RAGでは、質問に関連する資料を検索し、その情報をAIに渡して回答を作らせます。
通常のチャットAIに毎回すべての資料を入力する必要がなく、関連する情報を探しながら回答を生成できる点が特徴です。
例えば、自分の学習ノート、公開が許可された資料、著作権上問題なく利用できる文書などを整理しておけば、過去に調べた内容を再利用しやすくなります。
ただし、RAGは本を自動的に完全理解させる技術ではありません。検索漏れや誤った回答が生じることもあるため、重要な情報は原資料を確認する必要があります。
これからは「本を持っていること」より「知識を活用する能力」が重要になる
AI企業による古本の大量購入は、知識の価値が変化していることを示しています。
これまで、本は人間が読むためのものでした。しかし、AIの時代には、本の内容をデータ化し、検索し、分析し、別の知識と組み合わせることにも大きな価値が生まれています。
ただし、古い本を大量に集めれば、必ず優れたAIができるわけではありません。
重要なのは、どのような知識を選び、どのように整理し、どのように学習させ、結果をどう評価するかです。
個人にとっても、同じことが言えます。
たくさんの本を所有することよりも、必要な知識を見つけ、正確性を確かめ、自分の問題解決に活用する能力が重要になります。
AIを使えば、専門書の内容を整理したり、難しい概念を分かりやすく説明させたり、複数の資料を比較したりする作業を効率化できます。
その一方で、著作権、情報の正確性、資料の保存といった課題も残されています。
まとめ：AI企業が古本を集める背景には、良質な知識への需要がある
AI企業が古本を大量購入する背景には、インターネット上では得られない情報や、体系的に整理された専門知識を学習データとして確保したいという事情があります。
今回のポイントを整理します。
- 古本は、電子化されていない知識をAIの学習に利用する手段になり得る
- 書籍は、専門知識や長い文章の構造を学ぶための有力な資料である
- 紙の本はスキャンして文字データに変換する必要がある
- 裁断スキャンは効率的な一方、書籍の保存という問題を生む
- AI学習における著作権の扱いは、国や利用方法によって異なり、現在も議論が続いている
- 個人も本とAIを組み合わせて、学習、調査、ブログ執筆などを効率化できる
AIの競争は、計算能力だけでなく、学習データの質や入手方法にも広がっています。
そして、AIが高度化するほど、人間が蓄積してきた知識をどのように利用し、保存し、次の世代に引き継ぐかという問題も重要になっていくでしょう。
本は、単に古い情報を保存した紙の束ではありません。適切に活用すれば、AI時代の知識基盤を支える貴重な資源なのです。
