# EU AI Act 第50条とデザイン実務 — 施行直前の構造分析

- 著者：小川 修一郎（デザイン研究者／デザインコンサルタント）https://jamjet-iqbal.com/
- 初出：2026-07-09、更新：2026-07-09
- 正規の URL（HTML）：https://jamjet-iqbal.com/notes/eu-ai-act-design-impact/
- 英語版：https://jamjet-iqbal.com/en/notes/eu-ai-act-design-impact/（Markdown：https://jamjet-iqbal.com/en/notes/eu-ai-act-design-impact.md）
- 言語：ja
- キーワード：EU-AI-Act, transparency, regulation, design, creative-industries, copyright, C2PA, disclosure, 2026

> 2026年8月2日施行のEU AI Act第50条（透明性義務）がデザイン実務に及ぼす影響を、学術文献30件から分析。3つの構造的問題を同定: (1)開示義務の対象範囲が曖昧でデザイン編集の境界が不明瞭、(2)ウォーターマーク/ラベリングの実装率が規制要件を大幅に下回る（38%/18%）、(3)開示の詳細化は信頼を下げるパラドクスを生む。デザイナーは「開示ジレンマ」（言うか隠すか）に直面し、著作権保護の空白が請求根拠を侵食する。

関連: [今後1〜3年で確実に来る AI 論点 — デザインリード3者の near-term flashpoints（2026–2029）](https://jamjet-iqbal.com/notes/ai-design-near-term-flashpoints/)（産業リード3者の near-term 論点）、[生成AI 産業界トピック10選 × デザイン職能・キャリアへのインパクト序列（2026年6月）](https://jamjet-iqbal.com/notes/genai-industry-topics-design-impact-2026/)（産業トピック序列第8位: 来歴・著作権・規制）、[デザイン課金モデルの AI コモディティ化耐性 — 成果物課金は最も脆く、運用常駐の複製困難性は高粗利を意味しない](https://jamjet-iqbal.com/notes/design-pricing-vs-ai-commoditization/)（課金モデルの AI 耐性と賠償責任）。

## 第50条の要件

第50条は4つの義務を定める（Barata Mir 2025, P20）。
第1項はAIシステムと対話するユーザーへの通知義務、第2項は合成コンテンツ（画像・音声・動画・テキスト）への機械可読なマーキング義務、第3項はディープフェイクの開示義務、第4項はAI生成テキストの開示義務を規定する。
対象は汎用AIモデル（GPAI）の提供者と、ディープフェイクを生成・公開する利用者（deployer）の双方に及ぶ。

Block（2026, P14）は、第1項の「直接的インタラクション」と「明白性」の定義が不確実であり、提供者への非対称な責任配分が利用者の保護を弱めると指摘する。
El Ali et al.（2024, P04）は第52条（現第50条の前身）を5W1Hフレームワークで解体し、5テーマ18サブテーマ149の未解決問題を列挙した。
「誰に」「何を」「いつ」「どこで」「なぜ」「どのように」開示するかのいずれにも確定的な回答がない。

## 3つの構造的問題

### 問題1: 対象範囲の曖昧さ

Meding & Sorge（2024, P02）は、EU AI Act のディープフェイク定義が「正当な画像処理」と「操作」の境界を引けていないことを法的・技術的に論証した。
デザイン実務ではAI画像生成の出力を人間が編集・加工・合成することが日常的に起こる。
通常の編集がいつ「開示義務を発生させる操作」に該当するかが不明瞭である。

Schmitt et al.（2026, P01）は、第50条第2項への「事後ラベリング」による対処が構造的に不可能であることを示した。
3つのギャップを特定している。
クロスプラットフォームでのマーク形式の標準が存在しない。
確率的に動作する生成モデルと「信頼性」基準が整合しない。
ユーザーの専門性の多様性に対応できない。

この曖昧さはデザイナーに実務上の判断を強いる。
AIを使って背景を生成し、人間がタイポグラフィとレイアウトを組んだ成果物は「AI生成コンテンツ」か。
規制はこの問いに答えていない。

### 問題2: 実装の遅れ

Rijsbosch et al.（2025, P03）は、AI画像生成器のウォーターマーク実装率が38%、ディープフェイクラベリングの実装率が18%にとどまることを実測した。
施行まで24日の時点で、主要なAI画像生成ツールの過半がウォーターマークを埋め込んでいない。
ラベリングに至っては5分の1以下。

Souverain（2025, P19）はLLMウォーターマーク技術をEU AI Act の4基準（信頼性・相互運用性・有効性・堅牢性）で評価し、4基準を同時に満たせる手法が存在しないことを示した。
テキストのウォーターマークは画像よりさらに未成熟である。

C2PA（Coalition for Content Provenance and Authenticity）がコンテンツ来歴の業界標準として推進されているが、デザインツールへの組み込みは一部にとどまる。
技術的な準備状態と規制の施行タイムラインが乖離している。

### 問題3: 開示パラドクス

Schilke & Reimann（2025, P15）は13の事前登録実験（N>3,000）で、AI使用を開示した者がそうでない者より信頼されにくいという**「透明性のジレンマ」**を実証した。
メカニズムは正当性知覚の低下にある。
AI使用を正直に開示すると、受け手はその成果物の正当性（作り手の能力・努力・意図）を低く評価する。

Wittenberg et al.（2025, P05）はN=7,579の事前登録実験で、「AI Generated」というプロセスベースラベルよりも「Could mislead people」というハームベースラベルの方が信念変化に大きい効果を持つことを示した。
ただし、いずれのラベルも行動変容への影響は限定的だった。

Morosoli et al.（2025, P16）は、AI開示ラベルが信頼性知覚を低下させる効果がトピックに依存することを示した。
P28はAIラベルが精度知覚を低下させるが、より広範な行動・信念変容への影響は限定的であることを補完的に報告している。

3つの知見を重ねると、規制が要求する開示は信頼を下げるが行動は変えない、という皮肉な帰結が浮かぶ。
デザイナーが成果物に「AI使用」を開示すればクライアントの信頼が下がり、開示しなければ法的リスクを負う。
開示の詳細度を上げるほど信頼は下がるが、受け手の判断や行動が改善される保証はない。

## デザイン実務への具体的影響

### クリエイターの態度

Jiang et al.（2026, P07）は378名のプロのビジュアルアーティストを調査し、99%が生成AIを嫌悪し92%が強い嫌悪を表明していることを報告した。
職場でのストレス増大と求職機会の減少を実証している。
嫌悪は感情的な反応だけでなく、具体的な拒否戦略（ポートフォリオでのAI不使用の明示、AI使用が判明したクライアントとの取引停止）を伴う。

Lovato et al.（2024, P17）はアーティスト459名の調査で、訓練データの開示義務化を圧倒的多数が支持し、AI出力をモデル所有者に帰属させることを拒否していることを報告した。
補償よりも営利企業の無断使用阻止を重視する傾向がある。

Kyi et al.（2025, P06）はクリエイター20名のインタビューから、同意・クレジット・補償の3つのガバナンス要求と、既存のAI規制との乖離を明らかにした。
全員が補償を要求した。
EU AI Act 第50条は開示を義務づけるが、同意や補償の仕組みは規定していない。
クリエイターの要求と規制のカバー範囲にはギャップがある。

### 労働集約化と不可視化

Erickson（2024, P08）は、AI導入がクリエイティブ産業で直接的な失業よりも労働集約化をもたらしていることを論じた。
AIが下流の作業を引き受ける一方で、新たな計算スキル（プロンプト設計、出力の品質管理、来歴管理）の要件が加わり、全体の作業量がむしろ増える。
同時に、最終成果物における人間の貢献が不可視化される。
制作物がAIによって生成されたように見えるが、実際には人間の判断・編集・品質管理が多大に介在している。

Cha et al.（2026, P09）はUXデザイナー15名のワークショップで、AI採用が「経済的効率」と「専門的成長・協働・厳密性」という価値間の交渉であることを示した（採用と評価の乖離の構造分析は [90%採用 × 10%肯定 — AIツール普及と評価乖離のパラドクス](https://jamjet-iqbal.com/notes/adoption-approval-paradox/)）。
組織がAI導入を効率化の指標で評価する一方、デザイナーは自身の専門的成長や作品の厳密性が犠牲になることを懸念している。
この対立は、第50条の開示義務によってさらに鮮明になる。
AIを使って効率化した制作プロセスを開示すれば、人間の専門的貢献が過小評価される可能性がある。

FAccT 2026の研究（P24）は、デザイナーが審美的知識に基づいてAI出力を評価・統制する「実用的意思決定」が、職場における見えないAIガバナンスとして機能していることを報告した。
規制が求める透明性と、実務で機能しているこの暗黙的統制の間にも齟齬がある。

## 著作権の構造的空白

透明性義務とは別の層で、著作権の問題がデザイン実務の請求根拠を侵食している。

### 保護対象外の問題

Gaffar & Albarashdi（2024, P12）はベルヌ条約・EU著作権法・各国立法を横断して比較法分析を行い、純粋なAI生成物が大半の法域で著作権保護の対象外であることを確認した。
U.S. Copyright Office（2025, P21）も、AIが完全に生成した著作物は著作権保護を受けず、人間の十分な創作的貢献が認定される場合に限り保護される、と公式見解を出した。
プロンプト入力だけでは「十分な創作的貢献」と認められない。

デザイナーがAIを使って制作した成果物のうち、どこまでが著作権で保護されるかが不明確なまま施行を迎える。
クライアントへの納品物の権利帰属が曖昧になれば、契約交渉と請求の根拠が揺らぐ。

### クリエイター収益の縮小

Kretschmer et al.（2025, P10）はUKのCREATe縦断調査データを分析し、著者の報酬が2006年比で60%減少（中央値7,000英ポンド）、ビジュアルアーティストは2010年比で47%減少（中央値12,500英ポンド）していることを示した。
この縮小はAI普及以前から進行しているデジタル化の帰結であり、AIの直接的影響のみを示す数値ではない。
生成AIの普及はこの既存の傾向を加速する構造にある。

Lucchi（2025, P11）はEU議会の委託研究で、EU著作権法とAI訓練慣行の不整合を体系的に分析した。
CDSM指令のテキスト・データマイニング（TDM）例外が、現世代の生成AIの規模と表現的性質に対応しておらず、バリューギャップが拡大していると指摘している。
集団ライセンスと報酬スキームを提言したが、第50条の施行時点ではこれらの枠組みは未整備である。

Glenster et al.（2025, P13）は、規制なき生成AI利用が英国創造産業の既存の経済的課題を悪化させるリスクを論じた。
英国創造産業の2022年GDP貢献額は1,246億英ポンドであり、著作権の不確実性がこの産業の生産性を損なう構造的リスクを指摘している。

### デザイン実務への含意

著作権の空白は、[デザイン課金モデルの AI コモディティ化耐性 — 成果物課金は最も脆く、運用常駐の複製困難性は高粗利を意味しない](https://jamjet-iqbal.com/notes/design-pricing-vs-ai-commoditization/) で論じた「成果物を物として定義した瞬間に価格はAIの限界費用へ滑る」問題を法的に裏付ける。
AI生成部分が著作権保護を受けないなら、納品物の法的な排他性が弱まり、価格交渉における売り手の立場が悪化する。
[今後1〜3年で確実に来る AI 論点 — デザインリード3者の near-term flashpoints（2026–2029）](https://jamjet-iqbal.com/notes/ai-design-near-term-flashpoints/) でO（独立系リード）が指摘した「開示ジレンマ」（AIを使ったと言えば信頼が下がり、言わなければ法的リスク）は、第50条の施行によって仮定から法的義務に格上げされる。

## 人間のディープフェイク検出能力

Diel et al.（2024, P18）は56論文・86,155名のメタ分析で、人間のディープフェイク検出精度が55.54%であることを報告した。
偶然水準（50%）とほぼ変わらない。
フィードバック訓練やAI支援が検出精度を改善するが、技術的な検出手段なしに人間がAI生成コンテンツを見分けることは困難である。

この知見は開示義務の前提を問い直す。
開示義務は「ラベルがあればユーザーが判断できる」という前提に立つが、ラベルがなければユーザーは判断できない。
ウォーターマーク実装率38%（P03）のまま施行を迎えれば、多数のAI生成コンテンツがラベルなしで流通し続ける。

## 既存 wiki note との接続

本ノートは以下の既存分析と接続する。

[今後1〜3年で確実に来る AI 論点 — デザインリード3者の near-term flashpoints（2026–2029）](https://jamjet-iqbal.com/notes/ai-design-near-term-flashpoints/) のO（独立系）が挙げた「開示ジレンマ」は、Schilke & Reimann（P15）の透明性のジレンマの実証と、第50条の法的義務化によって、推測から構造的問題へ格上げされた。

[生成AI 産業界トピック10選 × デザイン職能・キャリアへのインパクト序列（2026年6月）](https://jamjet-iqbal.com/notes/genai-industry-topics-design-impact-2026/) の第8位（来歴・著作権・規制）について、本ノートは30件の学術文献による裏付けを提供する。
構造度は「高（確実）だが間接」と評価されていたが、施行24日前の時点で法的義務が実務に直接作用する段階に入った。

[デザイン課金モデルの AI コモディティ化耐性 — 成果物課金は最も脆く、運用常駐の複製困難性は高粗利を意味しない](https://jamjet-iqbal.com/notes/design-pricing-vs-ai-commoditization/) の「成果物を物として定義した瞬間に価格はAIの限界費用へ滑る」という帰結は、AI生成部分が著作権保護を受けないこと（P12, P21）と、開示義務によって人間の貢献が過小評価されるリスク（P08, P15）によって、法的な裏付けを得た。
賠償責任の問題も含め、デザイナーの請求根拠は透明性義務と著作権空白の両方から侵食される構造にある。

Woronkowicz et al.（2026, P23）の Work and Occupations 特集号は、職業横断での生成AI採用の不均等性を社会学的に分析しており、デザイン職の特殊性（感情的拒否・審美的判断の不可視化）を労働社会学の文脈に位置づけている。

## 調査の範囲と手順

2026年8月2日、EU AI Act 第50条（透明性義務）が施行される。
本ノートの執筆時点（2026年7月9日）で残り24日。
第50条はAI生成コンテンツの開示・ラベリング・ウォーターマークをAIシステムの提供者と利用者に義務づける。
この義務がデザイン実務にどう作用するかを、学術文献30件のコーパス（source/review/eu-ai-act-design/papers.md）から分析する。

## 参照文献

- Barata Mir, J. 2025. "Transparency Obligations for All AI Systems: Article 50 of the AI Act." CCIA policy paper. https://ccianet.org/library/transparency-obligations-for-all-ai-systems-article-50-of-the-ai-act-written-by-dr-joan-barata-mir/
- Block, M.J. 2026. "Transparency in human-AI interaction: An analysis of Article 50(1) AI Act." *Computer Law & Security Review*, 61, 106327. https://doi.org/10.1016/j.clsr.2026.106327
- Cha, I.; Wieczorek, C.; Wong, R.Y. 2026. "The Values of Value in AI Adoption: Rethinking Efficiency in UX Designers' Workplaces." *CHI 2026*. https://arxiv.org/abs/2603.05848
- Diel, A.; Lalgi, T.; Schröter, I.C.; MacDorman, K.F.; Teufel, M.; Bäuerle, A. 2024. "Human performance in detecting deepfakes: A systematic review and meta-analysis of 56 papers." *Computers in Human Behavior Reports*, 16, 100538. https://doi.org/10.1016/j.chbr.2024.100538
- El Ali, A.; Puttur Venkatraj, K.; Morosoli, S.; Naudts, L.; Helberger, N.; Cesar, P. 2024. "Transparent AI Disclosure Obligations: Who, What, When, Where, Why, How." *CHI EA '24*. https://doi.org/10.1145/3613905.3650750
- Erickson, K. 2024. "AI and work in the creative industries: digital continuity or discontinuity?" *Creative Industries Journal*. https://doi.org/10.1080/17510694.2024.2421135
- Erickson, K.; Kretschmer, M. et al. 2025. "Copyright and AI: Response by the CREATe Centre to the UK Government's Consultation." SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5166928
- Gaffar, H.; Albarashdi, S. 2024. "Copyright Protection for AI-Generated Works: Exploring Originality and Ownership in a Digital Landscape." *Asian Journal of International Law*, 14(1). https://doi.org/10.1017/S2044251323000735
- Glenster, A.K.; Hampton, L.; Neff, G.; Lacy, T. 2025. "AI, Copyright, and Productivity in the Creative Industries." Bennett Institute for Public Policy. https://www.bennettinstitute.cam.ac.uk/publications/ai-copyright-productivity/
- Jiang, H.H.; Taylor, J.; Agnew, W. 2026. "How Professional Visual Artists are Negotiating Generative AI in the Workplace." *CHI EA '26*. https://dl.acm.org/doi/10.1145/3772363.3799003
- Jobin, A.; Ienca, M.; Vayena, E. 2019. "The global landscape of AI ethics guidelines." *Nature Machine Intelligence*, 1, 389-399. https://doi.org/10.1038/s42256-019-0088-2
- Kretschmer, M.; Meletti, B.; Bently, L. et al. 2025. "Copyright and AI in the UK: Opting-In or Opting-Out?" *GRUR International*, 74(11), 1055-1070. https://doi.org/10.1093/grurint/ikaf093
- Kyi, L.; Mahuli, A.; Silberman, M.S.; Binns, R.; Zhao, J.; Biega, A.J. 2025. "Governance of Generative AI in Creative Work: Consent, Credit, Compensation, and Beyond." *CHI 2025*. https://doi.org/10.1145/3706598.3713799
- Lovato, J.; Zimmerman, J.W.; Smith, I.T.; Dodds, P.S.; Karson, J. 2024. "Foregrounding Artist Opinions: A Survey Study on Transparency, Ownership, and Fairness in AI Generative Art." *AIES 2024*, 7(1), 905-916. https://arxiv.org/abs/2401.15497
- Lucchi, N. 2025. "Generative AI and Copyright: Training, Creation, Regulation." European Parliament study, PE 774.095. https://doi.org/10.2861/9120512
- Meding, K.; Sorge, C. 2024. "What constitutes a Deep Fake? The blurry line between legitimate processing and manipulation under the EU AI Act." *ACM CS&Law '25*. https://arxiv.org/abs/2412.09961
- Morosoli, S.; van der Goot, M.J.; Resendez, V.; de Vreese, C.; Helberger, N. 2025. "The Transparency Dilemma: An Experiment on How AI Disclosures Affect Credibility Perceptions and Engagement Across Topics." *AIES 2025*, 8(2), 1748-1757. https://doi.org/10.1609/aies.v8i2.36671
- Rijsbosch, B.; van Dijck, G.; Kollnig, K. 2025. "Missing the Mark: Adoption of Watermarking for Generative AI Systems in Practice and Implications under the new EU AI Act." *Policy & Internet*. https://doi.org/10.1002/poi3.70041
- Schilke, O.; Reimann, M. 2025. "The transparency dilemma: How AI disclosure erodes trust." *Organizational Behavior and Human Decision Processes*, 188, 104405. https://doi.org/10.1016/j.obhdp.2025.104405
- Schmitt, V.; Kruse, N.; Sahitaj, P.; Schöning, J. 2026. "Transparency as Architecture: Structural Compliance Gaps in EU AI Act Article 50 II." arXiv. https://arxiv.org/abs/2603.26983
- Souverain, T. 2025. "Watermarking Large Language Models in Europe: Interpreting the AI Act in Light of Technology." arXiv. https://arxiv.org/abs/2511.03641
- U.S. Copyright Office. 2025. "Copyright and Artificial Intelligence, Part 2: Copyrightability." https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-2-Copyrightability-Report.pdf
- Wittenberg, C.; Epstein, Z.; Péloquin-Skulski, G.; Berinsky, A.J.; Rand, D.G. 2025. "Labeling AI-generated media online." *PNAS Nexus*, 4(6), pgaf170. https://doi.org/10.1093/pnasnexus/pgaf170
- Woronkowicz, J.; Noonan, D.S.; Skaggs, R. 2026. "GenAI and Creative Labor: New Evidence on Valuation, Inequality, and Adoption." *Work and Occupations*, 53(3). https://doi.org/10.1177/07308884261450882
- [著者要一次検証]. 2026. "Designing with AI at Work: Designers' Expertise and Pragmatic Decision-Making in Workplace AI Transformation." *FAccT 2026*. https://dl.acm.org/doi/10.1145/3805689.3812239
- [著者要一次検証]. 2025. "More Human or More AI? Visualizing Human-AI Collaboration Disclosures in Journalistic News Production." arXiv. https://arxiv.org/abs/2601.11072
- [著者要一次検証]. 2025. "Watermarking for AI Content Detection: A Review on Text, Visual, and Audio Modalities." arXiv. https://arxiv.org/abs/2504.03765
- [著者要一次検証]. 2025. "A Survey on LLM-Generated Text Detection." *Computational Linguistics*, 1(8). https://aclanthology.org/2025.cl-1.8
- [著者要一次検証]. 2026. "AI labeling reduces the perceived accuracy of online content but has limited broader effects." arXiv. https://arxiv.org/abs/2506.16202
- [著者要一次検証]. 2025. "AI use in American newspapers is widespread, uneven, and rarely disclosed." arXiv. https://arxiv.org/abs/2510.18774