Reddit、Perplexity提訴でAI業界の「データ洗浄」問題が浮上

2025年10月23日

RedditがPerplexityらを提訴、無断データスクレイピングで「データ洗浄」と批判
警告後もPerplexityの引用が40倍増加、約束違反が発覚
AI企業の収益とパブリッシャーへの還元に大きな格差が判明

SEOの常識を覆す
AIライティングエージェント

プロフェッショナルの業務フローを完全再現するAIの活用で、飛躍的な品質向上とコストダウンの両立。「magicss」でAI時代のSEO＆AIOを実現してみませんか？

今なら 1記事無料で生成可能（カード登録不要）

最短3分で無料体験する

「データ洗浄」スキームの全貌が明らかに

Redditは10月22日、マンハッタン連邦裁判所でPerplexityとデータスクレイピング企業3社（Oxylabs、AWMProxy、SerpApi）を相手取り訴訟を起こしました[1]。訴状によると、被告らはRedditの投稿を無断で収集・転売する「産業規模のデータ洗浄」を行っていたとされています。特にPerplexityは、身元を偽装してウェブスクレイパーを使用し、Redditのセキュリティ対策を回避していたと指摘されています[2]。

この訴訟で注目すべきは、被告らがRedditに直接アクセスするのではなく、Googleの検索結果を通じて間接的にデータを取得していた点です[2]。Redditは数千万ドルを投じてスクレイピング対策インフラを構築していましたが、これらの企業は巧妙にその防御システムを回避していました。Redditの最高法務責任者は、Perplexityが正当な交渉ではなく「盗まれたデータの購入」を選択したと厳しく批判しています[1]。

この「データ洗浄」という概念は、AI時代の新たな法的課題を象徴しています。従来のマネーロンダリングが違法資金の出所を隠すように、データ洗浄は違法に取得されたデータの出所を隠蔽する手法です。スクレイピング企業が「中間業者」として機能することで、AI企業は直接的な違法行為から距離を置きながら、実質的には無断取得されたデータを利用できる構造が生まれています。これは単なる技術的な問題ではなく、デジタル経済における新たな犯罪形態として認識すべき重要な転換点といえるでしょう。

約束破りが裏付ける悪質性

Redditは2024年5月にPerplexityに対して停止命令を送付し、Perplexityは同社のrobots.txtファイルを尊重すると約束していました[2]。しかし、その後PerplexityによるRedditコンテンツの引用は40倍に増加し、明らかに約束に反する行動を取っていたことが判明しました[1]。Redditは巧妙な罠を仕掛け、Googleのクローラーのみに表示されるテスト投稿を作成したところ、数時間以内にPerplexityの結果に表示されたことで、同社がGoogleの検索データに依存していることを証明しました[4]。

この証拠は、Perplexityが単なる技術的なミスではなく、意図的にRedditのデータを不正取得していたことを示しています。同社は警告を受けた後も、より巧妙な手法でスクレイピングを継続し、デジタルマーカーを使用してその行為を隠蔽していました[1]。一方で、Redditは正当なライセンス契約をOpenAI（推定6000万ドル）やGoogleと締結しており、3年間で2億ドルのライセンス収入を目指していることも明らかになっています[4]。

この事案は「デジタル時代の約束」の重要性を浮き彫りにしています。robots.txtファイルは法的拘束力を持たない紳士協定的な存在ですが、それを破ることは業界の信頼関係を根本から揺るがします。Perplexityの行動は、まるで「立入禁止」の看板を見て一度は立ち止まったものの、人目のない夜中にこっそりと侵入するような悪質性があります。特に、警告後に引用が40倍増加したという事実は、単なる技術的な問題ではなく、確信犯的な行為であることを物語っています。これは業界全体の自主規制メカニズムに対する重大な挑戦といえるでしょう。

AI業界全体に広がる著作権訴訟の波

今回の訴訟は、AI企業に対する著作権侵害訴訟の一環として位置づけられます[3]。ニューヨーク・タイムズやブリタニカ百科事典なども同様の訴訟を起こしており、AI業界全体が知的財産権をめぐる法的リスクに直面しています。Perplexityは「ユーザーが公開知識に自由かつ公正にアクセスする権利のために積極的に戦う」と反論していますが、この主張は著作権者の権利との間で根本的な対立を生んでいます[3]。

特に深刻なのは、AI企業とパブリッシャーの間の非対称的な関係です。Search Engine Landの報告によると、OpenAIのクロール対訪問者比率は1,500:1、Anthropicは60,000:1に達する一方、Googleは18:1という比較的バランスの取れた数値を示しています[5]。これは、AI企業がコンテンツを大量に取得する一方で、パブリッシャーに対する実際のトラフィック還元は極めて少ないことを意味しています。Googleが831倍多くの訪問者をRedditに送っているという事実は、従来の検索エコシステムとAI企業の行動パターンの根本的な違いを浮き彫りにしています[5]。

この数字は、デジタル経済における「寄生関係」の実態を如実に示しています。従来のGoogle検索では、ユーザーがコンテンツを見つけて元サイトを訪問するという相互利益的な関係が成立していました。しかし、AI企業は情報を「消化」して自社のサービス内で完結させるため、コンテンツ制作者への還元が極めて少なくなっています。これは、図書館で本を借りて読むのではなく、本の内容をすべて暗記して図書館に返さないような行為に例えられます。この非対称性が続けば、質の高いコンテンツを制作するインセンティブが失われ、最終的にはAI企業自身も学習データの枯渇という問題に直面する可能性があります。

まとめ

Reddit対Perplexity訴訟は、AI時代における知的財産権とデータ利用の新たな法的枠組みを模索する重要な試金石となります。「データ洗浄」という概念の確立、約束違反の悪質性の立証、そして業界全体の非対称的な利益構造の是正が争点となるでしょう。この訴訟の結果は、AI企業の事業モデルとコンテンツ制作者の権利保護のバランスを決定する重要な判例となる可能性があります。今後のAI業界の健全な発展のためには、技術革新と知的財産権の尊重を両立させる新たなルール作りが急務となっています。