TwitchのAI学習設定と無料清掃でデータを集めるShift
TwitchのAI学習オプトアウトとニューヨークの無料清掃サービスShiftを比較し、同意した人とデータを作った人が異なる構造に迫ります。
社会TwitchはAI学習をデフォルトで有効にしていました
Twitchに昨日、新しい設定が一つ追加されました。名称は「生成AI学習」、場所はセキュリティ・プライバシータブの最下部、状態は「オン」です。AmazonがTwitchの配信データを使って生成AIを学習させるという意味であり、嫌なら自分で探し出してオフにしなければなりません。
最高製品責任者（CPO）のマイク・ミントン氏は、なぜオプトイン1ではないのかという質問にこう答えました。「オプトインにしたら誰もやってくれないからだ」と。
ところが同じ時期のニューヨークでは、カメラを装着した見知らぬ人を家に招き入れようとする人々が列を作っていました。条件は、1回の無料ハウスクリーニングでした。
重要なのは、設定が一つ増えたという事実そのものよりも、その設定が置かれた構造です。同意ボタンを押す人と、学習に使われるデータを実際に作った人が異なっているのです。
Twitchの学習拒否設定はどこまで適用されるのか
8月12日にTwitchが告知した内容は、「これから学習を始めます」ではありませんでした。「学習を拒否できる設定を追加しました」だったのです。一文の違いのように思えますが、順序が逆転しています。学習はすでに前提であり、新設されたのは拒否権のほうだからです。
実際、ミントン氏は2024年のあるメディア向けイベントで、AmazonはTwitchのデータでAIを学習させているのかと問われ、「そうだ」と答えたことがあります。学習はおよそ2年前からすでに行われており、拒否設定はそのずっと後になってできたことになります。
オフにしたとしても、すべてが無効化されるわけではありません。自動字幕やAutoModといった機能は動き続けます。Twitchの説明では、これらの機能はデータを保持して新しいコンテンツを生成するわけではないとのことです。つまり、今回のトグルが遮断するのは生成モデルの学習であって、AI利用全般ではありません。
対象範囲は広範です。ライブ配信とその配信のチャット、過去配信のアーカイブ（VOD）、クリップやハイライト、チャンネルに投稿されたテキストや画像まで含まれます。配信者が数年にわたって積み上げてきた記録全体が、一つの設定にひとまとめに括られている形です。
反響は迅速でした。告知からわずか数時間で、オプトインへの変更を求めるフォーラムの投稿には1万4,000票近くが集まりました。ライブ配信で釈明に臨んだ場には3,000人近くが集まり、チャット欄を反対意見で埋め尽くしました。
ここまでは、他のプラットフォームでも見られた流れです。私が告知の中で特に気になったのは、次の2点でした。
第1に、自分のチャットが学習されるかどうかは配信者の設定に従うという点です。 他人の配信に書き込んだチャットは、その配信者の設定に従います。自分のアカウントでトグルをオフにしていても、応援しに行った配信の配信者がオンにしていれば、そこに残した文章は学習対象になります。
第2に、配信画面には他の権利者の著作物も含まれているという点です。 画面上にはゲーム会社の著作物が映し出されています。あるゲーム業界のアナリストは、クリエイターがオンにした状態で他社のゲームを配信したらどうなるのか、という問いを投げかけました。設定は個人アカウントに紐づいていますが、その設定によって学習に引き渡されるデータには、他社の著作物が一緒に含まれています。
そしてミントン氏は、すでに学習に使われたのかという質問には「わからない」と答えました。Amazonが何を使って何を使っていないのか、自分にも把握できていないというのです。同意を管理する企業が、同意の結果を追跡できていないという意味でもあります。
ニューヨークの無料清掃
同じ問題を正反対のアプローチで解決しようとしている企業があります。
Shiftは、ニューヨークで自宅の清掃を無料で提供しています。 その代わり、清掃員はヘッドセットカメラを装着し、作業の様子を一人称視点で撮影します。手元と動作に焦点を当てたこの映像は、家庭用ロボットを学習させるマニピュレーションデータ（操作データ）2となり、同社はこれを匿名化処理したうえでAI・ロボティクス企業にライセンスとして販売します。運営元はドイツのMicroAGIで、ニューヨークは出発点にすぎません。サンフランシスコ、ロンドン、チューリッヒ、ミュンヘンへと展開し、配管工事や料理にまで広げると発表しています。
数字に置き換えてみましょう。ニューヨークにおける標準的なアパート清掃は、1回あたりおよそ150〜250ドルです。この構造では、企業がデータ確保の対価として清掃費用を負担しているとみなせる、というのが私の解釈です。ウェブ上のテキストデータはすでにあらかた収集し尽くされており、実際に散らかった部屋を撮影した映像はシミュレーターでは作り出しにくいからです。
プライバシーへの配慮に関する説明も比較的入念です。顔と氏名は自動的に遮蔽され、画面や身分証、紙類、スマートフォンに表示された個人情報はぼかし処理を施すと説明しています。カメラは清掃する人の手元と作業にフォーカスするよう設計されています。ただしFAQには、処理プロセスの過程で映像をアノテーション3作業者と共有するという一文も記載されています。自動化された匿名処理の裏側で、誰かがその家の中を見ているという意味です。
反響も注目に値します。ローンチ直後、予約が数時間で数千件寄せられたと報じられました。ただしこの数値は会社側や業界メディアが伝えたものであり、独立して検証されたデータではありません。それでも方向性は明白です。カメラを構えた人を寝室の手前まで招き入れる条件であるにもかかわらず、人々は申し込んだのです。
ミントン氏の発言と比較してみましょう。オプトインなら誰もやらないと言いましたが、ニューヨークでは無料清掃という対価がついたとたん、人々は進んで応募しました。参加を阻んでいたのは同意する意思の不在というより、データに対する対価が提示されていなかった点にあると考えられます。
同意した人とデータに含まれる人が違う
2つの事例を並べてみると、共通の構造が見えてきます。
Twitchでトグルを操作するのは配信者です。しかし、その配信に蓄積されたデータは配信者が一人で作ったものではありません。チャットを打ち込んだ視聴者がいて、画面を満たすゲーム会社が存在します。同意するのは1人でありながら、提供される資産は複数人のものなのです。
Shiftで同意書にあたる手続きを踏むのは家主です。無料清掃の恩恵を受けるのも家主です。しかし、カメラを頭につけるのは家主ではありません。清掃にやってきた人です。そしてその映像が目指す着地点は家庭用ロボット、すなわち現在その仕事をしている職業そのものです。
ここで誤解は避けたいところです。この構造が直ちに搾取を意味すると言いたいわけではありません。清掃員の方々は報酬を受け取って働いています。会社側は別途、撮影に寄与した作業者に対して案件ごとの対価を支払うプログラムも運営しており、2026年第1四半期には参加者たちが合計500万ドル以上を受け取ったと発表しています。会社側の発表であるため額面通りに受け取るには慎重さが必要ですが、対価が存在するという事実自体はTwitchと異なる点です。
私が指摘したいのは別の部分です。同意は個人から1回だけ取られるのに対し、データは複数の人間が居合わせる現場で生成されるということです。
家という現場には、少なくとも3つの主体が存在します。同意した人、撮影された人、そして将来影響を受ける人です。配信という現場にも3つの主体がいます。オンにした人、チャットを打った人、著作物を提供した企業です。ところが私たちが手にしているツールは、個人アカウントに付けられたトグルスイッチ一つだけです。3つの主体の事情を設定一つに収めようとするため、オフにしたとしても一部しか反映されないのです。
ではなぜ、個人トグルという形式が使われ続けるのでしょうか。作りやすく、責任を転嫁しやすいからです。設定を提供した瞬間、プラットフォームは「選択肢を与えた」と主張でき、オフにしなかった人は「同意したもの」として処理されます。データの流れる経路はそのままで、説明責任だけがプラットフォーム側からユーザー側へと押し付けられます。ユーザーは自ら選択できると感じますが、実際に決められる範囲はごくわずかです。
契約構造もこの差異をいっそう拡大させています。Shiftは自社について、清掃会社でも雇用主でもなくテクノロジープラットフォームであると明記しています。清掃員の方々はパートナー企業が審査した独立事業者です。撮影対象となる労働は実在するのに、その労働を雇用している主体は書類上存在しないことになります。Twitchも同様です。同意は得たものの、Amazonが何を使ったのかは把握していないといいます。双方とも、同意は吸い上げられ、責任は霧散していくのです。
韓国のプラットフォームと制度はどう向き合っているか
韓国のクリエイターにとって、今回のトグルは対岸の火事に見えるかもしれません。Twitchは2024年2月27日に韓国事業から撤退したからです。オフにするスイッチも、オンにしておくスイッチもありません。
しかし、その空席を埋めたプラットフォームは、すでに別のアプローチで同じ問題に直面しています。
CHZZK（チジジク）の「マジックボイス」は、ドネーション（投げ銭）メッセージを人気ストリーマーの声で読み上げてくれます。ここで発生する追加金額は、声を提供したストリーマーに支払われます。機能一つひとつに個別の同意と精算が紐づいている構造です。SOOPのAIマネージャー「サルサ」は、ストリーマーの配信の文脈や口調を学習し、離席中にチャットの応対を続けます。学習対象がコンテンツそのものではなく人間の話法であるという点で、さらに一歩踏み込んだ事例といえます。
制度の方向性も異なります。韓国は個人情報の処理において事前同意を原則としており、韓国の個人情報保護委員会は2024年に、公開された個人情報をAI学習に利用する際の基準を別途提示しました。米国流の「デフォルト有効」がそのまま移植されにくい環境にあります。
ただし、制度が存在するからといって、前述の問題が自動的に解決されるわけではありません。ストリーマーが同意した学習データの中には、視聴者が書き込んだチャットが混ざっています。AIマネージャーが学ぶ口調には、その配信で交わされた会話がまるごと含まれています。同意した人とデータを作った人が異なっているという構図は、ソウルでもニューヨークでもまったく同じです。
Oswarldの視点
GTM戦略を策定する過程で、データ調達計画を幾度となく目にしてきました。そこには繰り返し現れる光景があります。サーバー費用、アノテーション費用、人件費まですべて記載されているのに、一次データの調達コストだけがゼロと記されている計画書です。理由は単純です。ユーザーはすでに自社サービス内に存在し、利用規約に一文を書き加えさえすれば済むからです。
調達単価をゼロと見積もった瞬間、その後の展開は決まったようなものです。同意率がそのまま確保量に直結するため、UIは同意率を最大化する方向で設計されます。ミントン氏の発言が失言に聞こえない理由がここにあります。あれは過失ではなく、調達目標から逆算された論理的帰結なのです。
私が今回の2つの事例を並べて検討した理由はここにあります。Shiftはデータを確保するために清掃という対価を提供しています。 データの販売によってそのコストを回収できると見込むビジネスモデルです。対照的にTwitchは、世界最大規模のクリエイター動画を握っていながら、自社のコンテンツにいまだ値札をつけることができていません。だからこそ、デフォルトでオンにする道を選んだのです。
今後はこの差が企業の命運を分けるとみています。規約の変更だけでデータを確保しようとする企業は、いずれユーザーの信頼を失うことになります。対価を定めて支払う企業は、先行費用こそ発生するものの、次も何をいくらで提供してもらうかを交渉するための基盤が残ります。
したがって、現場で投げかけるべき問いも変わらなければなりません。「同意を得たか」ではなく、「私たちが得た同意の単位は、データの単位と一致しているか」です。自社のサービスが集めているデータに、同意していない第三者の寄与分が混入しているとすれば、それは法務リスクである以前に設計上の欠陥なのです。
おわりに
第1に、私はTwitchのデフォルト設定を、同意の問題であると同時にデータにどのような対価を支払うのかという問題として捉えています。第2に、ニューヨークの事例は、人々がオプトインに応じることを示しています。対価が明示されさえすればです。第3に、どちらの事例も、同意した人とデータに刻まれた人は完全には一致していません。個人アカウントの設定だけで、他者の意思まで反映させることは不可能です。
今週、ぜひ一つだけ試してみていただきたいことがあります。現在所属している企業や日常的に使っているサービスからデータが収集されるポイントを一つ選び、そこに関わる人々をすべて書き出してみるのです。同意した人、データを作った人、そして将来影響を受ける人。この3つの枠に入る名前が異なるなら、誰の同意と権利が抜け落ちているのかを確認しなければなりません。
無料で使っているサービスの中で、「自分が同意したものの、実際にデータを作ったのは自分ではなかったな」と思い当たるものはありますか？ どのサービスのどのような機能だったか、ぜひコメント欄で教えてください。事例が集まりましたら、次号で類型別に整理してみたいと思います。
💬 上記の問いに関する事例をコメントでお寄せください · 📨 この構造が他人事ではない方へシェアをお願いします
参考資料と関連リンク
主要出典
- Amanda Silberling, “Amazon will train on Twitch streamers’ content by default, unless they opt out”, TechCrunch, 2026. リンク ··· ミントン氏の発言の文脈と、告知のフレーミングが最も詳細に整理されている記事です。
- “Twitch under fire for new gen AI training system that harvests streamer data for Amazon”, PC Gamer, 2026. リンク ··· ゲーム会社の著作物が流れ込む問題を指摘した箇所が、本稿第3章の出発点です。
- “How to stop Twitch from training AI on your streams”, Engadget, 2026. リンク ··· オプトアウトによって何が無効になり、何が無効にならないのかが区分されています。
- shift, “Free Home Cleaning in NYC” 公式サイトおよびFAQ, 2026. リンク ··· 撮影手法や匿名化のプロセス、契約関係がFAQにそのまま記載されています。第3章をお読みになる前に目を通すことをお勧めします。
- John Koetsier, “Physical AI Data Is So Valuable This Startup Cleans Your Home For Free”, Forbes, 2026. リンク ··· 清掃労働とロボット学習の相関関係に切り込んだ記述が、本稿の着眼点と重なります。
背景知識
- 韓国の個人情報保護委員会、「AI開発・サービスのための公開された個人情報処理ガイドライン」、2024. リンク ··· 韓国がどのような基準でAI学習データを扱っているかを確認できます。
- 「韓国を去ったTwitch、韓国における今後のストリーミングはどう変化するか？」、KISOジャーナル、2024. リンク ··· Twitch撤退以降、韓国国内のストリーミング勢力図がどのように再編されたかが整理されています。
あわせて読みたいバックナンバー
- 私の著書は著作権料を受け取って販売しました ··· 本稿が同意の構造を扱ったとすれば、この記事は同意のあとの価格を扱っています。続けてお読みいただくことをお勧めします。
- ボットに名前とウォレットを与えたCloudflare ··· データを取得する側にコストを課そうとする、逆方向からの試みです。
📝 用語解説
각주
-
オプトイン／オプトアウト: オプトインはユーザーが直接同意してはじめてデータが利用される方式で、オプトアウトはデフォルトで利用されつつ、望めばオフにできる方式を指します。同じ機能であっても、どちらをデフォルトに設定するかによって参加率は大きく変動します。 ↩
-
マニピュレーションデータ（manipulation data）: ロボットが物体をつかむ、拭く、移動させるといった動作を習得するための学習データです。人間の手元や視線を一人称で記録した映像が代表的で、実際の住宅のように散らかった環境であるほど価値が高まります。 ↩
-
アノテーション（annotation）: 生データに対して「これはコップ、これは拭く動作」といった注釈を付与し、機械学習が可能な形式へと整える作業です。人間が目視で作業することが多いため、匿名化処理の後であっても誰かが映像を見ていることを意味します。 ↩