実践

日本の古書店が5倍爆売れ——AI訓練データ不足が店から本を奪っている

50トンの古書が一括で米国へ——発注元はAI企業の疑い。訓練データ枯渇が、グレーなサプライチェーンを生み出している。

文字サイズ

出典:Tom's Hardware, 2026-08-24

50トンの古書、米国へ一晩で発送

Tom's Hardwareが昨日報じた記事のタイトルは「5x sales surge」——日本の古書店の売上が突然5倍に跳ね上がったという。

話は直感に反する。古書店は斜陽産業のはずだ。若者は本を読まない、Kindleが普及した、図書館は無料——誰が古本を買うのか?

だが今年の上半期から、日本の主要な古書チェーン(Bookoffのような)を中心に、奇妙な大口注文が入り始めた。数冊単位ではなく、トン単位だ。

記事の中で名指しされた注文がある。一括50トン、米国へ直送。

50トンとはどのくらいか。平均的な文庫本を300gとすると、約16万冊。11メートル級のトラック一辆にちょうど積める量だ。

こうした注文は一夜で店舗の在庫の半分を吸い上げ、店員が徹夜で補充に追われる事態になっている。

買い手は誰か——発注元のプロファイル

記事は具体的な社名は挙げていないが、買い手像は「AI訓練データ調達」のテンプレそのものとして描かれている。

  • 状態を問わない:絶版本から古い年鑑まで何でも欲しい
  • 出自を問わない:量さえ揃えば即決裁
  • 決済が早い:値切りも遅延もない
  • 配送先が曖昧:多くは第三者の転送業者を介し、最終的な行き先は非公開

これは典型的なコーパス調達パターンだ。AnthropicやOpenAIが公開している「データ調達RFP」のロジックとまったく同じで、まずジャンルを絞り、言語を絞り、最後に価格で比較する。

記事中で使われているのは「multitude of suspicious bulk buys」という表現で、複数の古書店で同様の事例が確認されている。

ここで重要な役割を果たすのが中間業者だ。最終買い手は通常、古書店に直接接触しない。1〜2社の貿易会社を介して発注し、NDAを締結し、手付金を払い、海上輸送で送る。貿易会社という層でチェーンが分断されているため、溯及調査は行き止まる。

データ枯渇は本物——高品質コーパスは食い尽くされた

なぜ日本に目をつけたのか。理由は三つある。

第一に、日本語の高品質テキスト。日本語資料は、フィクション(小説・ライトノベル)とノンフィクション(学術・技術)の両方において、非英語圏では最高レベルのコーパス品質を誇る。文法は複雑でアノテーションコストは高いが、一度訓練すればモデルの多言語能力を大きく底上げできる。

第二に、絶版本の著作権グレーゾーン。日本では1990年代以前に出版された書籍の多くが、国際的に電子版がまったく存在しない。Common Crawlも拾えず、Google Booksにも収録されておらず、実物だけが古書店に眠っている。こうした「orphan works(孤儿作品)」はLLM訓練が最も欲しがるインクリメンタルだ。

第三に、物理媒体としての扱いやすさ。AI企業が必要としているのは本そのものではなく、本の中の文字だ。スキャンして、OCRして、文字を抽出して訓練に使えば、物理的な本は処分できる。表面上は「複製権侵害」には問われない可能性がある(日本著作権法ではテキストOCRについて特別な免責が議論されている。詳細は後述)。

これは推測ではない。Anthropicは2025年の法廷文書で「high-quality data is the limiting factor in AI training」と認めており、OpenAIのIlya Sutskeverは2023年にも同様の発言を残している。業界全体では2024年から「we are running out of data」が合言葉だ。

Common Crawlのような公開クローリングデータでは、品質の上限はすでに頭打ちになっている。次に掘るべきは「ウェブにはないが、物理的に存在する」コンテンツ——本、新聞、社内文書——だ。日本の古書店は、最も目立つ鉱脈になった。

著作権のグレーゾーン——絶版本=無法地帯?

日本の著作権法には厄介な抜け穴がある。

著作物がまだ著作権保護期間中(日本では著作者死後70年)であっても、出版社が絶版にして販売を停止している場合、「複製を許諾する権限を持つ者」が誰なのかは法的に曖昧だ。

これが著作権法における「orphan works」問題だ。形式上は権利が残っているが、実際には許諾を出せる人間が見つからない。

古書店で本を買うというのは「物理的な書籍の所有権」を買うことであって、「複製権」を買うことではない。だから絶版の小説を買い取った場合、読む・売る・燃やすは自由だが、スキャンする・OCRする・訓練データにするは許されていない。

問題はここからだ。

  1. 誰が監視するのか。スキャンは米国で行われ、データ保有者は日本にいない
  2. 物理的な本が買い上げられた後、日本側から追跡する手段がない
  3. 仮に追跡できても、クロスボーダーでの執行コストは便益をはるかに上回る

まさにこのグレーなサプライチェーンが成り立つ根拠がここにある。

買い手は貿易会社経由で発注し、本の到着後は法的に「私有財産」になる。スキャン行為は第三国で行われ、権利者は自分が侵害されていることすら知らない。チェーンの中に明確な法的抜け穴があるのではなく、「連鎖の隙間」——個別には合法な三つの行為が組み合わさって、著作権保護を迂回する構造になっている。

サプライチェーンの向こう側——スキャン即破棄

記事中で使われている言葉に「AI scan and shred facilities」がある。

意味はこうだ。本が米国(あるいは第三国)に届くと、専用施設に運び込まれる。コンベアのライン、高速スキャナ、OCR認識、テキスト抽出。スキャンが終わった本はそのままシュレッダーへ。

こうした施設の存在自体は目新しい話ではない。米国のテキサス州やニューメキシコ州では同様の噂が以前からあり、2024年には「book-to-training-corpus」専門のビジネスが年間数百トンを処理していると報じられた。

物理的な破棄という工程が重要なのは、スキャン後に残る痕跡が「破棄された本」であり、「複製されたデータ」ではないからだ。

この違いは法的に重要だ。

デジタルなクローリングなら、サーバーログが残り、追跡できる。だが物理的に破棄されれば、残るのは廃紙だけで、追跡のしようがない。証拠収集の観点では、このルートは純粋なデジタルクローリングよりはるかに発見されにくい。

記事によれば、こうしたスキャン施設は「document destruction services(文書廃棄サービス)」を名乗っていることが多く、業務内容はShred-itのような会社と変わらないように見えるという。ただし内部には専用の工業用スキャナが並んでいて、1台で1日に1万ページ以上を処理できる。

廃棄紙はリサイクル業者へ、テキストは訓練コーパスへ。物理的な痕跡はゼロに戻る。

編集部の見立て

従来型のデータクローリングとは何が違うのか。ポイントは三つ。

第一に、「ウェブから拾う」から「家から搬出する」への転換。過去10年、AI訓練データの主な調達先はCommon Crawl、Wikipedia、Reddit、arXiv——いずれも「すでにウェブ上にある」コンテンツだった。今や「ウェブにない」実物の書籍、絶版本、社内アーカイブが掘削対象になっている。これは質的な変化だ。

第二に、「デジタルな複製」から「物理的な破棄」への転換。本をスキャンして燃やすという行為は、「データ複製」の証拠問題を「物的証拠の消滅」に格上げする。これは従来の著作権訴訟では見たことのない手法だ。

第三に、「個人の権利行使」から「クロスボーダーの産業チェーン」への転換。一冊の本の著作権者が何十カ国にも分散し、日本の著者、米国のAI企業、第三国の中間業者、東南アジアの転送拠点——このチェーン上の法的な管轄権はそもそも閉じていない。

私の見立てとしては、この話はすぐには収束しない。

訓練データ不足は構造的な問題であり、特定のモデルの訓練が終わるだけでは解消しない。基盤モデルの訓練規模が大きくなり続ける限り、インクリメンタルなコーパス需要は止まらない。日本が最後に狙われる国にはならないだろう——欧州の古書市場、インドの教材中古チェーン、ラ米の図書館在庫整理が、次の標的になるはずだ。

持続可能性については、やや懐疑的だ。法的には、この「私有財産+越境+破棄」のチェーンはあと数年は維持できるだろう。だが業界全体としては、2023年のNYT対OpenAIのような象徴的な訴訟が一件起これば、チェーン全体が崩壊する可能性がある。

不確かな点もある。記事は具体的なAI企業を名指ししていないし、この情報源の連鎖がどこまで信頼できるかは定かではない。古書店の「5倍売上」が絶対値か相対値かについてもクロスチェックが必要だ。

いずれにせよ、事態の行方は注視に値する。これは日本の古書店の問題にとどまらず、AI訓練データが「デジタルなクローリング」から「物理的な収奪」へ移行しつつある象徴的な出来事だ。

出典: https://www.tomshardware.com/tech-industry/artificial-intelligence/japanese-used-bookstores-see-5x-sales-surge-as-books-are-being-bought-by-the-ton-one-50-ton-order-sent-to-the-us-for-ai-scanning-and-destruction-multitude-of-suspicious-bulk-buys-thought-to-end-up-in-foreign-ai-scan-and-shred-facilities