Pleiasか汎用モデルか|学習データの権利で選ぶ

Pleiasか汎用モデルか|学習データの権利で選ぶ

「学習データの権利がきれいなモデルなら、社内で何に使っても著作権の心配はなくなる」「権利処理済みと書いてあるモデルは、どれも同じ意味だろう」——欧州発の小型モデルを社内の検索やエージェントに使おうとする法務・情シスの打ち合わせで、ときどき出てくる思い込みです。実際には、学習データの権利が説明できることは、社内で使うときの著作権の論点のうち、学習の段階の一部を軽くするだけです。入力する社内文書の権利も、出力の使い方も、別の問いとして残ります。この記事では、フランスの Pleias を例に、学習データの権利を説明できるモデルを社内のRAGやエージェントに使うかどうかを、欧州AI法の義務、著作権の論点、汎用の大きなモデルとの用途の差、小さな会社に頼る継続性の4つの軸で整理します。


カメ先生カメ先生

学習データの権利がはっきりしたモデルは、使う側の悩みを全部消してくれると思われがちなんだ。でも本当は、軽くなるのは「何を学んだか」という一点だけなんだよ。


カメ子カメ子

社内の文書を読ませたときの扱いや、答えの使い方は別の話、ということですか。


カメ先生カメ先生

そう。それに、このモデルは小さいから得意な仕事が狭い。大きな汎用モデルの代わりになるかどうかは、権利の話とは別に、用途で見ないといけないんだ。


カメ子カメ子

権利で選ぶ理由と、性能で選ぶ理由を分けて考える必要があるんですね。


この記事のポイント
  • Pleias の「権利がきれい」は世代で中身が違う。初期は著作権の切れた文書と自由な許諾のデータ、2025年末以降の主力はウィキペディアを種にした合成データで学習している
  • 欧州AI法は汎用AIモデルの提供者に学習データの要約の公表を求めるが、義務を負うのは提供者。利用する会社に残るのは入力と出力の扱い
  • 小型モデルは出典付きの回答や分類など狭い仕事に向く。広い推論は大きなモデルに残し、社内の振り分けと人の確認の範囲を先に決める

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

目次

Pleiasとは:権利を説明できるデータで小型モデルを作るフランスの会社

Pleias は、パリに拠点を置くフランスの新興企業です。看板は、著作権の切れた書籍や新聞、自由な許諾で公開された論文・行政文書・プログラムを集めた公開の学習データ「Common Corpus」と、それを使って学習した小型の言語モデルです。データカードによると Common Corpus は約2兆2,700億トークンで、文書1件ごとに許諾の種類や出所の情報が付いているのが特徴です。初版は2024年11月に公開され、2026年2月には中国語・日本語・韓国語などを加えて、全体の過半が欧米以外の文書になったと公式ブログで発表しています。

モデルは、文書処理や検索拡張生成(社内文書を検索して根拠付きで答えさせる仕組み、以下RAG)に向けた数億から十数億パラメーターの小型が中心です。公開モデルの多くは Apache 2.0 という商用利用できるオープンソースの許諾で Hugging Face に置かれ、社内のサーバーやパソコンにダウンロードして動かせます。2025年11月には、社内文書を自社の設備の中で解析し、個人情報を仮名化し、エージェントが使える形に整える製品 Stratum も発表しました。

会社の規模は小さく、2025年1月の公式ブログでは、約2兆トークンの学習データの作成と権利の確認を4〜5人のチームで行ったと説明しています。大手のように何百人もの体制で製品を支える会社ではない、という前提を最初に置いておくと、後で触れる継続性の判断がしやすくなります。

誤解:「権利処理済みのモデル」は一つの意味ではない

Pleias のモデルをひとまとめに「権利処理済み」と呼ぶと、判断を誤ります。公式の資料を読むと、学習データには少なくとも二つの世代があります。一つめは2024年末に公開された Pleias 1.0 の世代と、それを土台にしたRAG向けの小型モデルです。こちらは Common Corpus をそのまま学習に使ったとモデルカードに書かれています。

二つめは2025年11月以降の主力で、バゲットトロン、モナドと名付けられた小型モデル群と、その派生です。こちらは「シンス」という合成データで学習しています。シンスは、ウィキペディアの重要記事など約5万9千件を種にして、別の言語モデルで質問・推論・回答を大量に生成したデータです。データカードは、種の文章は主に表示と継承を条件とする許諾(CC BY-SA)で、生成には出力の再利用を認めるモデルを使ったと説明しています。つまり、こちらの世代の権利の説明は「元の文章の許諾」と「生成に使ったモデルの条件」の二段で成り立っています。

さらに Common Corpus 自体も「権利を処理した」データではなく、「著作権の切れたもの、または自由な許諾のもの」を集めたデータです。自由な許諾の中には、出典の表示を条件にするものも含まれ、データカードは「著作権の切れたものだけ」「表示だけを条件にするものだけ」に絞り込めるとしています。どの世代のどのモデルを選ぶかで、説明の中身が変わることを押さえてください。

  • モデルカードには「Pleias のモデルはすべて設計上、著作権で保護された内容を出力できない」という趣旨の記述があります。これは提供元の主張であり、出力と既存の作品の類似を利用者が確かめなくてよいという意味ではありません。
  • オープンモデル一般の利用条件(許諾の型、禁止用途、派生の扱いなど)は別の記事で扱っています。ここでは学習データの権利に絞ります。

2025年末から2026年の動き:何が出て、何が試験段階か

鮮度の面では、公式ブログの更新は続いています。2026年6月には、パリの地下鉄・バスを運営する公共交通事業者向けに、6億パラメーターの専用モデルを作った事例を公表しました。利用者の投稿から急病や安全上の兆候を見分けるもので、合成した170万件の投稿で学習し、9〜11人が判定した2,000件の実データで評価して、人の判定と約80%一致したとしています。同社のクラウド基盤の上で本番稼働していると説明しています。

同じ6月には、通信業界の団体の取り組みの一環として、通信分野の公開データ「通信業界版 Common Corpus」(100億トークン超)を発表しました。7月には、100ユーロ未満の機器でオフラインに動く小型モデルとRAGの仕組みを公開し、10月にはウィキデータを検索するエージェントの実行環境と、その検索の記録10,235件を公開しています。

一方で、企業向けの製品はまだ若い段階です。Stratum の製品サイトは、2026年11月時点で限定ベータへの参加を募る形になっています。モデルは公開されていても、企業として保守や障害対応を契約で受けられる範囲は、公開情報だけでは確認できません。導入の判断では、「公開されているモデルを自社で動かす」場合と「同社の製品やサービスを契約する」場合を分けて考える必要があります。

学習データの権利を三つに分けて見る

学習データの権利を説明できるといっても、その根拠は一様ではありません。Pleias の資料に出てくるものを整理すると、次の三つに分かれます。どの根拠に立っているかで、残る論点が違います。

根拠Pleias での例残る論点
著作権の保護期間が切れた文書古い書籍・新聞(文化遺産の集まり)国ごとに保護期間が違う。古い文書は言葉づかいや価値観も古い
自由な許諾で公開された文書公開論文、行政・法令の文書、オープンソースのプログラム、ウィキペディア表示や継承などの条件付きのものがある。条件が学習済みモデルにどう及ぶかは解釈が分かれる
上記を種に別のモデルで生成した合成データ合成データ「シンス」(2025年11月以降の主力モデル)生成に使ったモデルの利用条件にも依存する。種の文章の誤りも引き継ぐ

表の三段目は見落とされがちです。合成データは、元の文章を言い換えたり、問題と答えの形に組み替えたりして作ります。権利の説明は「元が自由な許諾」「生成に使ったモデルの出力は再利用してよい条件」の組み合わせで成り立つので、生成に使ったモデルの名前と条件が開示されているかを確かめる項目に加えます。シンスのデータカードは、サンプルごとに生成に使ったモデルを記録する欄を設けていると説明しています。

また、権利の説明ができることと、内容が正しいことは別です。古い文書や合成データには、事実の誤りや偏りが混じります。データカードは有害な表現の除去や個人情報の除去を行ったとしていますが、除去の網から漏れるものがある前提で使う必要があります。

欧州AI法:汎用AIモデル提供者の学習データ要約の公表義務

学習データの権利が経営の論点になった背景には、欧州AI法(規則2024/1689)があります。汎用AIモデルの提供者には、技術文書の作成、著作権に関する方針の策定と並んで、学習に使った内容の十分に詳しい要約を公表する義務が課されています。この義務は2025年8月2日から適用され、欧州委員会は要約の様式を2025年7月24日に採択しました。

時期について押さえておくべき点は三つです。第一に、制裁金を含む欧州委員会の執行は2026年8月2日から可能になったとされています。第二に、2025年8月2日より前に市場に出ていたモデルは、2027年8月2日までに対応すればよいとされています。第三に、オープンソースとして公開されたモデルは技術文書の一部が免除されますが、著作権の方針と学習内容の要約は免除されません。2026年7月に施行された改正(いわゆるデジタル・オムニバス)は高リスクAIなどの適用日を後ろ倒ししましたが、執筆時点で確認した解説では、汎用AIモデルの義務の日程は維持されたとされています。最終的には条文と欧州委員会の公表資料で確かめてください。

Pleias は公式サイトに「学習内容の公開要約」のページを設け、Pleias 1.0 と、バゲットトロンとモナドの2系統について要約を掲げています。大手の汎用モデルでも要約は公表されつつありますが、データの出所を文書単位でたどれる設計かどうかは、提供元によって大きく違います。

日本の会社にとっての意味:義務を負うのは誰か

欧州AI法の学習データ要約の義務を負うのは、モデルを市場に出す「提供者」です。日本の会社が Pleias のモデルや大手のAPIを社内で使うだけなら、通常は利用する側であり、要約を作る立場ではありません。ただし、公開モデルを自社データで追加学習し、欧州の顧客向けに配ると、提供者に近い立場になりうる点には注意が必要です。どこからが提供者にあたるかは、欧州委員会の指針と法務の確認で決めます。

国内に目を向けると、日本の著作権法第30条の4は、情報解析のための利用を原則として認めつつ、著作権者の利益を不当に害する場合を除いています。文化庁は2024年3月に「AIと著作権に関する考え方について」を公表し、学習の段階と、生成・利用の段階を分けて整理しました。つまり国内の論点は、学習データの権利よりも、生成物が既存の作品に似ていないか、何に依拠したかという利用の段階に重心があります。

この整理に立つと、学習データの権利を説明できるモデルを選ぶ価値は、日本の会社にとって主に二つです。一つは、欧州の取引先や監査に対して「何で学んだモデルか」を文書で示せること。もう一つは、学習データ由来の類似のリスクを下げられることです。利用の段階のリスクがゼロになるわけではない、という点は変わりません。

比較の軸1:性能と用途 ― 小さなモデルが勝つのは狭い仕事

権利の説明ができても、仕事ができなければ意味がありません。Pleias のモデルは数億から十数億パラメーターと小さく、汎用の大きなモデルとは得意な範囲が違います。RAG向けの1.2B版について、モデルカードは、検索と根拠付き回答の標準的な試験で、同程度の小型モデルの多くを上回り、70〜80億パラメーター級の汎用モデルに匹敵したと公表しています。

一方で、制約もはっきりしています。たとえば2026年に公開された6億パラメーター版は、一度に読める文脈の長さが2,048トークンとモデルカードに書かれています。長い規程や契約書をまるごと読ませる使い方には向かず、検索で関連する一部を切り出して渡す設計が前提になります。パリの交通事業者の事例も、投稿の分類という狭い仕事に絞って専用に学習させたものでした。

このため比較は「どちらが賢いか」ではなく、「どの仕事を任せるか」で行います。社内規程の該当箇所を探して出典付きで答える、問い合わせを分類する、文書から項目を抜き出す、といった狭い仕事は小型モデルの候補になります。複数の資料をまたいだ判断や、新しい企画の検討のような広い推論は、汎用の大きなモデルに残すのが現実的です。

比較の軸2:データの流れ ― 社内に置けるか

小型モデルのもう一つの利点は、社内の設備で動かせることです。Pleias の公開モデルはダウンロードして自社のサーバーやパソコンで動かせます。2026年7月に公開されたRAGの実装は、GPUなしでCPUだけで動き、実行中に外部と通信しないと説明しています。汎用の大きなモデルをAPIで使う場合と違い、社内文書を社外に送らずに済む構成を組みやすいのが特徴です。

ただし、社内に置けば管理の責任も社内に残ります。モデルの版の固定、更新の取り込み、利用ログの保存、アクセス権の設定は自社の仕事です。また、Stratum のような同社の製品を使う場合は、自社の設備の中で動くと説明されていても、ライセンスの確認や保守のためにどんな通信が発生するかを契約前に確かめます。製品サイトで確認できる範囲は限られるため、外部通信の有無を質問票で文書回答してもらうのが確実です。

個人情報の仮名化を前処理として入れる設計も考えられますが、仮名化の精度や漏れの扱いは別の大きな論点です。この記事では深入りせず、仮名化をしても元の文書の機密区分は変わらない、という前提だけ置いておきます。

比較の軸3:出典付きの回答と、入力する文書の権利

Pleias のRAG向けモデルは、回答の文ごとに、渡された資料のどこから取ったかを引用の形で示すように学習されています。モデルカードは、引用が外部の仕組みで後付けされるのではなく、モデル自身が生成すると説明しています。社内で使うとき、回答の根拠を人がたどれる形で出させるのは、AIを判断の主体にしないための基本です。

ここで見落としやすいのが、RAGに入れる社内文書の権利です。学習データがきれいでも、検索の対象に新聞記事の切り抜き、購入した調査レポート、取引先から受け取った資料を入れれば、その利用条件が別に問われます。モデルの学習データの権利は、入力する文書の権利を肩代わりしません。検索対象に入れてよい文書の範囲は、契約や購読条件を見て法務と決めます。

出力の扱いも残ります。生成物を社外向けの資料や広告に使うなら、既存の作品との類似の確認、引用の要件、事実の確認が必要です。また、大手の汎用モデルの中には、出力を別のモデルの学習に使うことを利用規約で制限しているものがあります。Pleias も2026年10月のブログで、強い商用モデルの多くは出力での学習を規約で制限していると指摘しています。社内で合成データを作る計画があるなら、生成に使うモデルの条件を先に確かめます。

比較の軸4:小さな会社に頼る継続性

Pleias は少人数の新興企業です。2025年1月の公式ブログでは、学習データの作成を4〜5人で行ったと説明していました。小さな会社のモデルを社内の仕組みに組み込むときは、会社が続かなくなっても困らない形で使うのが原則です。

この点で、公開モデルを自社で動かす使い方は有利です。重みとコードが手元にあり、許諾が Apache 2.0 であれば、提供元の事業が変わっても、手元の版は使い続けられます。一方で、改良や不具合の修正、新しい言語への対応は止まります。Stratum のような製品やサービスとして契約する場合は、データの返却方法、契約終了後の削除、サービス終了時の告知期間を契約書で確かめます。

もう一つの備えは、モデルを差し替えられる設計にしておくことです。RAGの検索部分、プロンプト、評価用の質問集をモデルから切り離しておけば、Pleias の小型モデルから別の小型モデルや大手のモデルへ移るときの手戻りが小さくなります。差し替えの判断に使う評価用の質問集は、自社で持ち続ける資産です。

並べて比べる:Pleias の小型モデル、汎用の大きなモデル、他のオープンモデル

ここまでの軸を、よく比較される三つの選択肢に当てはめると次のようになります。数値の優劣ではなく、何を確かめれば判断できるかを並べています。

観点Pleias の公開小型モデル汎用の大きなモデル(API)他社のオープン重みモデル
学習データの説明公開データと合成データ。出所と許諾を文書で示す要約は公表されつつあるが粒度は提供元次第提供元によって大きく違う。非公開も多い
得意な仕事出典付き回答・分類・抜き出しなど狭い仕事広い推論、長い文書、複数の資料をまたぐ仕事規模による。大きいものは広い仕事もこなす
データの流れ社内の設備で動かせる社外の事業者に送る社内で動かせるが、大きいものは設備が要る
継続性小さな会社。手元の版は使い続けられる大手で安定。仕様や価格は提供元が決める提供元次第。版ごとに条件が変わることがある
社内に残る仕事版の管理、評価、運用の全部契約と入力の管理、利用の監視版の管理、評価、運用、許諾の確認

表から分かるとおり、どれか一つが全部で勝つことはありません。Pleias を選ぶ意味が大きいのは、「何で学んだモデルかを説明する必要がある」「社内文書を外に出したくない」「任せる仕事が狭い」の三つがそろう場面です。逆に、一つも当てはまらないなら、汎用の大きなモデルを使い続けるほうが手間は少なく済みます。

使い分けの型:社内RAGのどこに置くか

実務では、二者択一よりも、社内の仕組みの中で役割を分ける形が現実的です。たとえば、機密度の高い文書の検索と出典付きの回答は社内で動かす小型モデルに任せ、機密度の低い一般的な文章作成や広い推論は汎用の大きなモデルに回す、という振り分けです。振り分けの基準は、文書の機密区分と仕事の広さの二つで決めます。

このとき大事なのは、振り分けの判断そのものをAIに任せないことです。どの文書をどちらに流すかは、文書の保存場所や区分のラベルなど、人が決めた規則で機械的に分けます。AIに「これは機密か」を判断させると、判断を誤ったときに社外へ送られる経路ができてしまいます。

もう一つの型は、小型モデルを前処理に使う方法です。文書からの項目の抜き出しや分類を社内の小型モデルで行い、その結果だけを大きなモデルに渡します。社外に出る情報を減らせる一方で、抜き出しの誤りが後ろに伝わるので、抜き出した結果を人が抜き取りで確かめる工程を組み込みます。

導入判断の進め方

Pleias のモデルを社内で試すかどうかは、次の順で判断すると手戻りが少なくなります。最初から全社の仕組みに組み込まず、狭い用途で比べてから広げます。

STEP1
任せる仕事を一つに絞る

規程の該当箇所を出典付きで答える、問い合わせを分類する、など狭い仕事を一つ選びます。広い推論が要る仕事は対象から外します。

STEP2
学習データの説明を読む

使うモデルがどの世代か(Common Corpus か合成データか)を確かめ、学習内容の公開要約とデータカードを法務と一緒に読みます。生成に使ったモデルの条件も確認します。

STEP3
入力する文書の範囲を決める

検索対象に入れる文書を、契約や購読条件を見て決めます。外部から受け取った資料は原則として入れないところから始めます。

STEP4
評価用の質問集を作って比べる

実際の質問と正しい答え・根拠の箇所を数十件用意し、小型モデルと現在使っている汎用モデルで同じ質問に答えさせます。正しさと出典の正確さを人が採点します。

STEP5
止め方と差し替え方を書く

使う版を固定し、問題が出たときに止める手順、別のモデルへ差し替える手順を文書にしてから運用を始めます。

評価の段階で、小型モデルが根拠のない答えを返す頻度を必ず数えます。出典付きで答える設計でも、渡された資料に答えがないときに無理に答えることがあります。答えがない場合に「資料には記載がない」と返すかどうかは、採用の可否を分ける項目です。

AIに判断させない範囲と、人が確認する範囲

学習データの権利を説明できるモデルを選んでも、判断を任せてよい範囲が広がるわけではありません。社内で使う前に、AIにさせないことと、人が確認する範囲を書き出しておきます。

  • モデルの説明に「著作権で保護された内容を出力できない」とあるのを理由に、生成物の類似の確認を省く
  • 学習データがきれいだからと、購入した調査レポートや取引先の資料を検索対象に無確認で入れる
  • どの文書が機密かの判定をAIに任せ、その結果で社外のAPIへ送るかどうかを決める
  • 出典付きの回答を、引用元の文書を開かずにそのまま社内の決定や顧客への回答に使う
  • 合成データの生成に使ったモデルの条件を確かめずに、社内で追加学習用のデータを作る

人が確認する範囲は、少なくとも三つです。第一に、回答の根拠として示された箇所を、元の文書で開いて確かめること。第二に、社外に出す文章では、事実と既存の作品との類似を人が確認すること。第三に、モデルの版を変えるときは、評価用の質問集で前の版と比べてから切り替えることです。

AIに任せてよいのは、候補を出すところまでです。該当しそうな規程の箇所を探す、問い合わせの分類の候補を付ける、といった作業はモデルに任せ、採否は人が決めます。根拠を必ず書かせ、根拠のない答えは採用しない、という規則を運用の最初に決めておきます。

よくある質問

Pleias のモデルは日本語に対応していますか

公開モデルの多くは、英語・フランス語・ドイツ語・イタリア語・スペイン語など欧州の主要言語を中心にしています。Common Corpus には2026年に日本語の文書も加わりましたが、日本語での実用的な精度は公式に示されていません。日本語の社内文書で使うなら、評価用の質問集で必ず確かめてください。

欧州で事業をしていない会社でも、学習データの説明は必要ですか

欧州AI法の義務を負うのは提供者なので、国内で使うだけなら直接の義務はありません。ただし、欧州の取引先から使っているAIの説明を求められる場面は増えています。説明できる状態にしておくことは、取引上の備えになります。

大手の汎用モデルを使うのは、権利の面で問題がありますか

直ちに問題になるわけではありません。国内の論点は主に生成・利用の段階にあり、どのモデルでも出力の確認は必要です。学習データの権利で選ぶのは、説明責任が求められる用途や、学習データ由来のリスクを特に下げたい用途に限ってよい判断です。

費用はどのくらいかかりますか

公開モデル自体は無料で使えますが、動かす設備と運用の工数がかかります。Stratum などの製品の料金は公開情報では確認できませんでした。比べるときは、汎用モデルのAPI利用料と、社内で動かす場合の設備と担当者の工数を同じ表に載せます。

まとめ

Pleias は、著作権の切れた文書と自由な許諾のデータ、さらにそれを種にした合成データで小型モデルを作るフランスの会社です。学習データの出所を文書で示せることは、欧州AI法の学習データ要約の義務が本格化するなかで、取引先や監査への説明の材料になります。ただし、説明できるのは「何で学んだか」だけで、入力する社内文書の権利と出力の扱いは自社の仕事として残ります。小型モデルが力を発揮するのは出典付きの回答や分類など狭い仕事で、広い推論は大きなモデルに残すのが現実的です。小さな会社に頼る継続性は、公開モデルを手元で動かし、差し替えられる設計にすることで備えます。任せる仕事を一つに絞り、評価用の質問集で比べ、根拠を人が確かめる運用から始めてください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

運営会社:株式会社デボノ

目次