Wikipediaは、AIの学習や回答エンジンにとって最も頻繁に利用されるソースの一つであり、その運営団体は、それがどうあるべきかを次第に強い調子で表明するようになってきた。ウェブデータからモデルやAI製品を構築するチームにとって、これは一つのウェブサイトの問題にとどまらない。主要なオープンな知識源が、AI企業に何を期待するかを明示し、それを実際に強制するという、これまでで最も明確な事例だからだ。
この話は、最初の見出しが報じられた時点からさらに動いている。本稿では、Wikimedia Foundationが実際に何を求めたのか、それをどう強制しているのか、そして現時点でデータにアクセスするための現実的な方法を扱う。
Wikipediaが実際に求めたこと
2025年11月10日、Foundationは AI 開発者に対して二つのことを求めた。「帰属表示と財政的支援」である。二つ目は、ほとんどのAI開発者が「Wikimedia Enterpriseプラットフォームを通じてWikipediaのコンテンツに適切にアクセスすべき」ということを意味しており、同プラットフォームは「有料のオプトイン製品」だと説明されている。この投稿では「スクレイピング」という語は使われていない。見出しに使われたフレーズは、報道のされ方から生まれたものだ。
この言葉遣いは2026年を通じて強まっていった。7月にFoundationは、悪意のある行為者が「クロールやスクレイピングのために我々の公開APIインフラに負荷をかけ続けている」と書き、大規模な利用者にとってEnterpriseは「あれば望ましいものではなく、必須のもの」だとした。また、公開APIアクセスを「今も将来も」止めるつもりはないとも述べている。そして2026年10月の訴訟関連の投稿では、自分たちのプロジェクトのスクレイピングは「持続可能な形で、かつ公開APIのレート制限の範囲内、あるいはEnterprise APIの提供を通じて行われなければならない」と書いている。
なぜ今なのか
Foundationの理由は、逆方向に動く二つの数字に集約される。
訪問者は減っている。 2025年10月の報告では、2024年の同月と比較して人間によるページビューがおよそ8%減少したとされている。これは、ブラジルを中心とした、検知を逃れるために作られたボットによる異常なトラフィックが見つかり、ボット検知を改善した後の数字だ。Foundationはこの数字を慎重に解釈するよう求めており、2026年10月にも検知を再び更新したため、今後の数字は変動する可能性がある。
機械のコストは増えている。 2025年4月の報告では、ボットがページビュー全体の約35%を占める一方、最もリソースを消費するトラフィックの少なくとも65%を占めているとされた。これは、ボットがキャッシュされていない人気の低いページを取得するためだ。マルチメディアダウンロードの帯域幅は、2024年1月以降50%増加した。その投稿はこう述べている。「我々のコンテンツは無料だが、インフラはそうではない」。
訪問者の減少は、潜在的な編集者や寄付者の減少も意味する。だからこそFoundationは帰属表示を単なる礼儀以上のものとして扱っている。
どのように強制されているか
これはもはや単なる要請ではない。2026年4月までに、Foundationはポリシーに違反するクローラーからの自動リクエストの約30%をブロックまたは制限していると述べた。グローバルなAPIレート制限は2026年6月に導入が完了した。
| ルール | 内容 |
|---|---|
| API、識別情報なし | 毎分10リクエスト |
| API、識別可能なUser-Agentあり、ログインなし | 毎分200リクエスト |
| クロール（ロボットポリシー） | robots.txtを尊重し、平均で毎秒20リクエスト未満、同時接続数10未満 |
| ボットでブラウザのユーザーエージェントを使用 | ボットのような挙動は「悪意あるものとみなされる」 |
| ダンプサイト | IPあたり3接続 |
| より高い流量 | 外部ユーザーはEnterpriseへの案内を受ける |
データへのアクセス経路
見出しの印象以上に、合法的な選択肢は多い。
| 経路 | 向いている用途 | 制限 |
|---|---|---|
| 公開API | 小規模で識別された検索 | 上記のレート制限 |
| Enterprise無料アカウント | プロトタイプや中程度の利用 | 月あたりOn-demandリクエスト50,000件、Snapshot 30件、月次更新 |
| Enterprise有料 | 本番環境、鮮度の高いデータ、Realtime | 価格は要問い合わせ |
| Kaggleデータセット | 構造化されたJSONでの実験 | ベータ版、英語とフランス語 |
| ダンプおよびコンテンツエクスポート | 完全なオフラインコピー | XMLダンプは2027年1月に終了 |
| Wikidata | 構造化された事実データ | CC0でリリースされており、帰属表示は不要 |
商業的な利用は実際に進んでいるが、まだ規模は小さい。2026年1月、Wikimedia Enterpriseは新たなパートナーとしてAmazon、Meta、Microsoft、Mistral AI、Perplexityを挙げ、すでに参加していたGoogleなどに加わった。2024-25会計年度には、有料ティアの商業顧客13社から830万ドルの収益を得たと報告されている。
アクセスはライセンスと同じではない
見落としやすい点が一つある。Foundationは、Enterpriseの商業戦略は「ライセンスに基づくものではない。アクセスに基づくものだ」と述べている。支払うことで得られるのは信頼できる配信であり、異なる権利ではない。どの経路を使ってもテキストはCC BY-SA 4.0の下にあり続ける。再利用には、ページへのリンクなどの帰属表示が必要で、改変したテキストには同じライセンスを付す必要がある。事実そのものは自由に再利用できる。
テキストでの学習がこれらの条件を発生させるかどうかは、まだ決着していない。2026年10月30日に公表された、New York Times対OpenAI訴訟における法廷助言書の中で、Foundationは、新しい異なるモデルを学習させることはライセンス条件を満たす必要がない場合があると主張する一方、コンテンツを取得し繰り返す回答エンジンの利用は「公正とはみなされるべきではない」と主張した。これは当事者の主張であって判決ではなく、裁判所の判断を反映しているとは限らない。スクレイピングされたデータは誰のものかについての当方のガイドでは、より広い論点を扱っているので、具体的な利用については法律顧問に確認すべきだ。
実務上のポイントはどちらにせよ変わらない。検索・取得型の製品こそ、帰属表示を行う最も強い理由を持つ。Foundationは、専用のAttribution APIが次のステップの一つだと述べており、今のうちからそれに備えて設計しておく価値がある。
AI・データチームが取るべき対応
- 現在どう利用しているかを把握する。 クローラーのログとベンダー契約を確認する。サードパーティのデータセット経由でWikipediaのデータが届いている場合は、そのデータがどのように収集されたかを確認する。
- ニーズに応じて経路を選ぶ。 一度きりのコーパスであればエクスポートやSnapshotで十分な場合もある。ライブの回答エンジンにはおそらくEnterpriseが必要になる。
- クライアントを識別可能にする。 連絡先情報を含む説明的なUser-Agentを使い、公開されている制限内にとどまり、robots.txtを尊重する。
- ダンプの変更に備える。 パイプラインがXMLダンプに依存している場合は、2027年1月より前に移行する。
- ソース記録を保持する。 すべてのドキュメントについてページURLとリビジョンを保存し、帰属表示や削除が可能な状態を保つ。AI学習パイプラインにおける出所管理についての当方のガイドにやり方が示されている。
- アクセスを予算の一項目として扱う。 Wikipediaの動きは、クローラー料金とライセンス標準と並ぶ、より広い変化の一部である。
レジデンシャルプロキシについての注記
Foundationは、一部のクローラー運用者が制限を回避する方法の一つとしてレジデンシャルプロキシを挙げている。当方はレジデンシャルプロキシを販売する立場として、はっきり言っておきたい。この用途に使ってはならない。Wikipediaはバルクデータ、無料ティア、そしてより高い流量への文書化された経路を提供しており、バルクトラフィックにはその経路を使うよう求めている。ここでクローラーを偽装する正当な理由はなく、同団体のポリシーはそうしたクライアントがブロックされ得ると明記している。
レジデンシャルプロキシは別の用途、例えば公開ページが異なる市場の現地の訪問者にどう見えるかを確認するといった用途のためのものだ。Wikipediaのデータに適したツールは、Wikipedia自身が提供しているものである。
結論
Wikipediaのメッセージは、要請からレート制限とブロックに裏打ちされたポリシーへと発展しており、公式な経路を取る者には開かれた扉が用意されている。ほとんどのチームにとって答えはシンプルだ。エクスポート、無料ティア、あるいはEnterpriseを利用し、クライアントを識別可能にし、帰属表示のために記録を保持し、ライセンスをめぐる問題を裁判所がどう扱うかを注視することだ。これは、他のオープンなソースが今後どう振る舞うかを占う有用な事例となる。
ソースと参考文献
- Wikimedia Foundation, In the AI era, Wikipedia has never been more valuable (2025年11月10日): wikimediafoundation.org
- Wikimedia Foundation, on Wikimedia Enterprise and protecting Wikipedia (2026年7月16日): wikimediafoundation.org
- Wikimedia Foundation, amicus brief in New York Times v. OpenAI (2026年10月30日): wikimediafoundation.org
- Diff, New user trends on Wikipedia (2025年10月17日): diff.wikimedia.org
- Diff, How crawlers impact the operations of the Wikimedia projects (2025年4月1日): diff.wikimedia.org
- Diff, Quo vadis, crawlers? (2026年3月26日): diff.wikimedia.org
- Diff, Wikimedia Enterprise financial report, fiscal year 2024-2025: diff.wikimedia.org
- Wikimedia Enterprise, partners (2026年1月15日) and pricing: enterprise.wikimedia.com, enterprise.wikimedia.com/pricing
- Wikimedia Enterprise, Kaggle dataset: enterprise.wikimedia.com
- Wikimedia APIs, rate limits: mediawiki.org
- Wikimedia robot policy: wikitech.wikimedia.org
- Wikimedia User-Agent policy and Terms of Use: foundation.wikimedia.org, foundation.wikimedia.org
- Wikimedia dumps: dumps.wikimedia.org