EU AI法の表示義務が8月開始｜日本企業への影響2026

1500万ユーロ、または全世界売上高の3%。どちらか高いほう。

2026年8月2日、EU AI法（Regulation (EU) 2024/1689）第50条の透明性義務が適用開始になった。違反した場合に科されうる制裁金の上限がこの数字だ。日本円にすると約25億円。売上規模の大きい企業なら3%のほうが効いてくる。

対象はEU域内の企業だけではない。EU AI法には域外適用条項があり、EU市場に向けてAIシステムやその出力を提供している事業者は国籍を問わず射程に入る。生成AIで作った画像を海外向けサイトに載せている個人事業主も、条件次第では無関係ではいられない。

8月2日に何が変わったのか — 第50条が課す4つの義務

第50条は「特定のAIシステムの提供者および利用者に対する透明性義務」と題された条文で、中身は4つの項に分かれている。重要なのは、項ごとに義務を負う主体が違う点だ。モデルを作る側（provider／提供者）が負うものと、それを業務で使う側（deployer／利用者）が負うものが混在している。

自社がどちら側かで、やるべきことが変わる。まず全体像を押さえる。

50(1) 対話AI — 「私はAIです」を設計に埋め込む

人と直接対話するAIシステムは、利用者がAIと話していると認識できるように設計・開発しなければならない。義務を負うのは提供者、つまりそのチャットボットを作って世に出す側だ。

ただし例外がある。状況から見て明らかにAIだと分かる場合は不要とされている。カスタマーサポート画面に「AIアシスタント」と大書してあるボットに、さらに毎回名乗らせる必要はない。

問題になるのは、人間らしさを売りにしたサービスだ。音声エージェントで人間のオペレーターと区別がつかない品質を出しているなら、明示は避けられない。

50(2) 生成物 — 目に見えない印を埋める

50(1)がUI文言の追加で終わるのに対し、この項は電子透かしとメタデータ埋め込みのパイプライン改修が要る。手数が一段違う。合成音声・画像・動画・テキストを出力するAIシステムの提供者は、その出力が人工的に生成または操作されたものだと機械可読な形式でマーキングし、検出可能にしなければならない。

人間の目に見えるラベルではない。機械が読める印だ。条文が想定する手法として挙がっているのは、電子透かし（watermark）、メタデータによる識別、暗号学的な来歴証明、フィンガープリントの4種類。

条文によれば、技術的な解決策は「効果的・相互運用可能・堅牢・信頼できる」ものでなければならない、ただし技術的に実行可能な範囲で、技術水準とコストを考慮して——という留保がつく。この留保が現時点では実質的な緩衝材になっている。

50(3) 感情認識・生体分類 — 告知は利用者側の責任

感情認識システムや生体情報による分類システムを業務で使う側は、その事実を対象となる人に伝えなければならない。義務主体が提供者ではなく利用者に移る点が50(1)(2)との違いだ。面接動画から表情を解析するツールを人事が導入したなら、告知するのは人事部門になる。

50(4) ディープフェイクと公共的事項のテキスト

ディープフェイクを生成・操作した利用者は、それがAI生成物であることを開示しなければならない。ここで注意すべき解釈が出ている。欧州委員会のFAQの整理では、実在の人物に見える／聞こえるコンテンツは、欺く意図がなくても、そして描かれているのが実在の個人でなくてもラベルが必要とされる。

「架空の人物だから大丈夫」は通らない。実在しそうに見えるかどうかが基準になる。

公共的事項について世間に情報を伝える目的で公開されるAI生成テキストも同じ枠に入る。ニュース風のコンテンツをAIに書かせて配信しているメディアは直撃を受ける。

日本企業が対象になる条件 — 域外適用の線引き

結論から言うと、判定軸は「登記地」ではなく「EU域内でどう使われるか」だ。日本法人であることは免罪符にならない。

EU AI法は域外適用を明示している。ここが厄介だ。EU域内でAIシステムを市場に出す、またはサービスとして提供する事業者は、所在地を問わず対象になる。さらに、AIシステムの出力がEU域内で利用される場合も射程に入る設計になっている。

罰則より先に効いてくるのが、取引先からの要求だ。欧州の親会社やグループ企業から「AI開発プロセスの透明性」「提供するAI機能の適合性証明」を求められる事例が増えている。法執行を待たずに、サプライチェーンを通じて義務が降りてくる構図になっている。

ここは見落としがちだが、B2Bでコンポーネントを納めている会社ほど早く影響を受ける。自社が直接EU市場に出ていなくても、納品先が出ていれば説明責任は連鎖する。

制裁金は1500万ユーロ、または全世界売上高の3%

EU AI法の制裁金は違反類型によって3段階に分かれている。第50条の透明性義務違反はその中間に位置する。

7%。GDPRの最大4%を上回る水準だ。第50条違反はその下の3%枠で、GDPRの一般違反（2%）と重大違反（4%）のほぼ中間に位置する。

実測: AI生成画像に来歴情報は本当に入っているのか

「機械可読なマーキング」と条文は言うが、手元のAI生成画像に実際どんな情報が埋まっているのか。当サイトが配信中の画像697枚を対象に、標準ライブラリだけで書いたスクリプトで2026年8月3日に計測した。結果を先に言う。来歴が残っていたのは10枚だけだった。

検証に使ったスクリプト

exiftoolもPillowも入っていない環境だったので、PNGのチャンク構造とJPEGのAPPセグメントを直接パースする方式にした。外部依存ゼロで動く。

import struct, pathlib

MARKERS = {
    b"c2pa": "C2PA (Content Credentials)",
    b"jumb": "JUMBF box (C2PA container)",
    b"synthid": "Google SynthID",
    b"trainedAlgorithmicMedia": "IPTC DigitalSourceType (AI生成)",
    b"compositeWithTrainedAlgorithmicMedia": "IPTC DigitalSourceType (AI合成)",
}

def png_chunks(data):
    pos, out = 8, []
    while pos + 8 <= len(data):
        ln = struct.unpack(">I", data[pos:pos+4])[0]
        typ = data[pos+4:pos+8]
        out.append((typ.decode("latin-1"), ln))
        pos += 12 + ln
        if typ == b"IEND":
            break
    return out

def scan(path):
    data = pathlib.Path(path).read_bytes()
    head = data[:262144]
    hits = sorted({v for k, v in MARKERS.items() if k.lower() in head.lower()})
    print(path)
    print("  provenance=", hits if hits else "検出なし")

実行結果

Geminiで生成した画像3枚、製品写真1枚、サイトのファビコン1枚に対して走らせた出力がこれだ。

Gemini_Generated_Image_idnmnlidnmnlidnm.png
  format=PNG size=6820KB meta_segments=['iTXt']
  provenance=['IPTC DigitalSourceType (AI生成)']
Gemini_Generated_Image_ju25cgju25cgju25.png
  format=PNG size=1430KB meta_segments=['iTXt']
  provenance=['C2PA (Content Credentials)', 'C2PA manifest URN',
              'Google SynthID', 'IPTC DigitalSourceType (AI合成)',
              'IPTC DigitalSourceType (AI生成)', 'JUMBF box (C2PA container)']
Gemini_Generated_Image_mdx1y2mdx1y2mdx1.png
  format=PNG size=1375KB meta_segments=['iTXt']
  provenance=['C2PA (Content Credentials)', 'C2PA manifest URN',
              'Google SynthID', 'IPTC DigitalSourceType (AI合成)',
              'IPTC DigitalSourceType (AI生成)', 'JUMBF box (C2PA container)']
plaud/notepin-pin-product-1.jpg
  format=JPEG size=133KB meta_segments=なし
  provenance=検出なし
android-chrome-512x512.png
  format=PNG size=15KB meta_segments=なし
  provenance=検出なし

== 5件中 3件で来歴メタデータを検出 ==

real    0m0.923s

Geminiの出力3枚を検証したところ、C2PAとSynthIDが乗っていたのは2枚。1枚目だけが抜けていた。XMPパケットの中身を突き合わせると理由が見えた。

### Gemini_Generated_Image_idnmnlidnmnlidnm.png
    DigitalSourceType=".../digitalsourcetype/trainedAlgorithmicMedia"
    photoshop:Credit="Made with Google AI"
    c2pa署名ブロック: なし

### Gemini_Generated_Image_ju25cgju25cgju25.png
    DigitalSourceType=".../digitalsourcetype/compositeWithTrainedAlgorithmicMedia"
    photoshop:Credit="Edited with Google AI"
    c2pa署名ブロック: あり

前者はtrainedAlgorithmicMedia、つまり純粋な生成物。後者はcompositeWithTrainedAlgorithmicMediaで、既存画像をAIで編集した合成物だ。クレジット文字列も「Made with」と「Edited with」で分かれている。

編集を経たほうにだけC2PAの署名ブロックが乗っている。同じツール、違う結果。同一ツールでも経路によって埋め込まれる情報の厚みが変わる、という実例だった。ここは正直驚いた。生成AIの出力なら一律に来歴が付く、という前提で設計すると足元をすくわれる。

サイト全体では697枚中10枚だけ

範囲を広げた。当サイトが配信している画像697枚すべてを実際に走査すると、所要時間は0.82秒だった。

走査 697枚 / 来歴メタデータあり 10枚 (1.4%) / 所要 0.82秒

1.4%。ほぼ全滅だ。理由ははっきりしている。リサイズ、フォーマット変換、CMSへのアップロード、スクリーンショット——この工程を1回通るだけでメタデータは落ちる。

C2PAという仕組みと、その弱点

機械可読なマーキングの本命はC2PA（Coalition for Content Provenance and Authenticity）だ。ファイルの作成・編集履歴とAIの関与を暗号署名つきで記録し、メタデータとしてファイルに埋め込む標準規格になっている。

身近な比喩でいえば、食品の産地証明シールに近い。誰が、いつ、どんな道具で作り、途中で誰が手を加えたか。それを改ざん検知つきで貼っておく仕組みだ。

C2PAが記録するもの

• 生成に使われたモデル・ツールの名称
• 生成か編集か（trainedAlgorithmicMedia か compositeWithTrainedAlgorithmicMedia か）
• 編集履歴の連鎖（誰が何をしたか）
• 発行者の証明書による署名

先ほどの実測で拾えたのは、まさにこの構造だった。IPTCのDigitalSourceType語彙で生成種別を示し、JUMBFボックスにC2PAマニフェストを格納する。規格としてはよく設計されている。

スクリーンショット1回で消える

問題は堅牢性だ。あっけないほど脆い。C2PAのマニフェストはメタデータ領域に置かれるため、画素データだけを取り出す操作をすると失われる。スクリーンショット、SNSへの再アップロード、形式変換。どれも日常的な操作で、そのどれもが署名を消す。

生成元のGeminiは来歴を埋めていた。それでも編集経路によってC2PA署名の有無が分かれ、配信段階では大半が残らない。ツール側の対応と運用側の対応が噛み合っていない。

単独で完結する手法はない。だから第2次の行動規範草案は、メタデータ・透かし・暗号来歴・フィンガープリントを組み合わせた多層防御を前提に議論されている。実装する側から見れば「1つ入れれば終わり」ではないという話になる。

免除される場合 — スペルチェックと芸術作品

全部にラベルが要るわけではない。条文には明確な適用除外がある。

標準的な編集の補助機能は対象外

AIシステムが基本的な編集作業の補助機能しか提供していない場合、あるいは入力データに実質的な変更を加えない場合、マーキングは要求されない。条文が例として挙げているのはスペルチェックだ。

文法修正、明るさ調整、ノイズ除去。この程度なら不要と考えてよい。

線引きが難しいのは生成的な補完機能のほうだ。文章の続きをAIに書かせる、画像の背景を拡張する。これらは「実質的な変更」に踏み込む可能性が高い。

芸術・風刺・フィクションは緩和される

明らかに芸術的・創造的・風刺的・フィクション的な作品の一部をなすディープフェイクについては、開示の方法が緩和される。条文の言い方では「作品の表示や鑑賞を妨げない、控えめな方法で」開示すればよい。

映画のエンドロールに表記する、といった対応が想定されている。作品の真ん中に警告を出せという話ではない。

実務で今日からやること

法務部門を持たない規模の組織でも着手できることから並べる。順番に意味がある。

チャットボットを提供している場合

50(1)対応は実装としては軽い。会話の開始時点でAIであることが伝わればよい。システムプロンプトに紛れ込ませるだけでは足りず、UI上の表示として持つのが安全だ。

<div class="chat-header" role="status">
  <span aria-hidden="true">🤖</span>
  <span>このチャットはAIが自動応答します</span>
</div>

<!-- 生成テキストを配信する場合の機械可読な印 -->
<meta name="ai-generated" content="true">
<script type="application/ld+json">
{"@context":"https://schema.org","@type":"CreativeWork",
 "creditText":"AI-generated content",
 "isBasedOn":{"@type":"SoftwareApplication","name":"（使用モデル名）"}}
</script>

後半のJSON-LDは条文が直接要求するものではない。ただ、機械可読性を担保する補助手段として置いておく価値はある。プロンプトエンジニアリングの基本テクニックを使ってAIの出力を制御している場合も、出力先での表示義務は別に発生する点に注意したい。

画像・動画を生成している場合

来歴の維持は「生成時」ではなく「配信時」の問題だ。Kling・Veo・Seedanceといった動画生成AIの比較で選定を済ませていても、書き出し後の編集工程でメタデータが落ちれば意味がない。

• 画像最適化ツール（WebP変換・圧縮）のメタデータ保持オプションを確認する
• CDNやCMSがアップロード時にメタデータを剥がしていないか調べる
• 剥がれる場合は、人間向けの可視表記を併用して補う
• 音声・音楽も同じ。音楽生成AIの各サービスで来歴対応の有無に差がある

フリーランス・個人の場合

個人の非業務利用は対象外だ。趣味でAI画像を作ってローカルに保存しているだけなら関係ない。

境界は「経済的利益を継続的に得ているか」にある。生成AIを使った副業でEU圏のクライアントから受注しているなら、事業者として扱われる余地が出てくる。クラウドソーシング経由で海外案件を回している人は、納品物の来歴情報を維持する習慣をつけておいたほうがいい。納品時に「どのツールで生成したか」を一行添える。それだけでトラブル時の説明コストが変わる。

日本の動きとの温度差

日本はAI推進法（AI関連技術の研究開発及び活用の推進に関する法律）を軸にした「推進」寄りの立て付けで、罰則を伴う横断的な表示義務はまだ持っていない。EUが規制で先行し、日本がガイドラインで追う構図が続いている。

ただし国内でも動きはある。広告・PR領域を中心にAI生成コンテンツの表示ガイドライン案が示され、表示位置や文字サイズの最低基準まで議論が及んでいる。選挙関連のAI利用についても開示を求める方向が出ている。

GDPRのときと同じ経路をたどる可能性は高い。EUの基準が事実上のグローバル標準になり、日本企業は国内法が整う前に取引条件として対応を迫られる。日本・EU・米国のAI規制の全体像を押さえておくと、どこから圧力が来るかの見通しが立てやすい。

組織としてどう構えるかは、AIエージェントのガバナンス要件の議論と地続きだ。透明性は単体の課題ではなく、AI利用全体の管理体制の一部として扱ったほうが結果的に安く済む。

よくある質問

日本国内向けのサービスだけなら無視してよいか

原則として対象外だ。ただしEU圏からのアクセスを受け付けているWebサービスや、海外拠点を持つ取引先への納品物がある場合は再確認したほうがいい。

ChatGPTやGeminiで作った文章にもラベルが必要か

必要になるのは、公共的事項について世間に情報を伝える目的で公開する場合だ。社内メモや個人的な下書きは対象外。ニュース記事・論説・公共政策の解説をAIに書かせて公開するなら、開示が要る。

既存のコンテンツも遡って対応が必要か

既に市場に出ているシステムについては経過措置の議論があり、扱いは一律ではない。新規に生成・公開するものから順に対応するのが現実的な進め方になる。

来歴メタデータが消えてしまう場合はどうするか

まず配信パイプラインのどこで落ちているかを特定する。それでも維持できないなら、電子透かしを持つツールに切り替えるか、人間向けの可視表記を併用して補う。主要AIサービスの比較では来歴対応の有無まで踏み込んで見るべき時期に入った。

行動規範に署名しないと不利になるか

署名は義務ではない。ただしAI Officeが適切と認めた行動規範への準拠は、50(2)(4)(5)の遵守を示す経路として用意されている。非署名でも別の手段で証明できるが、立証負担が重くなり、市場監視当局からの情報提供要求も増えやすい。

まとめ

8月2日の適用開始で、AI生成コンテンツに印を付けることは「良識」から「法的要求」に変わった。第50条が課すのは4つの義務で、提供者と利用者のどちらが負うかは項ごとに違う。制裁金の上限は1500万ユーロまたは全世界売上高の3%。域外適用があるので、日本法人でも安全圏にはいない。

実装面での結論ははっきりしている。C2PAだけでは足りない。実測したとおり、生成元がきちんと来歴を埋めていても、配信までの工程で大半が剥がれ落ちる。697枚中10枚という数字がその現実だ。

自分ならまず配信中の画像697枚を実際にスキャンする。0.82秒で終わる。カタログスペックを読むより先に、現物に何が残っているかを見る。前掲のスクリプトは外部依存ゼロで動く。今日中に自社の配信画像を走らせて、何枚残っているかを数えるところから始めたい。