生成AIを活用したEoU（Evidence of Use：特許使用証拠）調査（スライド資料）

知財調査のパラダイムシフト： 人手による模倣品発見から、AI駆動型EoU分析へ 従来手法の限界と、生成AIがもたらす効率化・高度化の全貌 Element A Element B Element E Element C NotebookLM

2019年の世界：模倣品は「人手」で探すものだった かつての知財調査の主目的は オンライン上の模倣品発見であ り、それは多大な費用と工数を 要する労働集約的な作業でした。 企業の知財部員が自前で、低コ ストかつ効率的に行う手法が模 索されていました。 模倣被害の発見の契機 実店舗 国内1,651社 インターネット 上で発見 国内3,297社 模倣品発見はインターネットが主戦場 引用元：2019年の論文「オンライン調査による模倣品発見手法の検討」 NotebookLM

かつての調査ツールキット：地道なオンライン検索の連続 被引用調査 WO9924043 (A1) Approximately 41 document citing ... Citing documents EspacenetやGoogle Patentsを使い、自社特許を引用している他社特許を 手動で一件ずつ確認。 類似外観調査 類似ロゴ Google画像検索やTMviewでロゴやデザインを検索。画像の解像度やキ ーワード次第で結果が大きく変動する不安定さがあった。 ドメイン調査 example-brand .com .net .org .co.jp .info .net .msn .org .info 「お名前.com」などで類似ドメインを一つずつ検索し、「なりすましサイ ト」を発見。 販売情報調査 Q N級品 商品名 価格 品番 備考 ECサイトの出品情報をスクレイピングし、表計算ソフトのフィルタ機能で 「N級品」などのキーワードや異常な低価格品を手作業でスクリーニング。 NotebookLM

転換点：生成AIの登場とEoU調査へのシフト Then Now Generative AI 対象：模倣品（違法デッドコピー、誤認惹 起商品） 手法：キーワード検索、画像一致検索 課題：労働集約的。意味の理解が困難（例： 「締結部材」と「ネジ」の関連付けは手 動）。 EVIDENCE OF USE 対象：特許侵害の証拠 (Evidence of Use) 手法：意味論的推論 (Semantic Reasoning) 価値：膨大な工数から従来は一部の重要特 許に限定されていたEoU調査を、ポートフォ リオ全体に拡大。休眠特許 (Long-tail patents) の収益化へ道を拓く。 NotebookLM

AIが実現する圧倒的な生産性革命 EoU調査は「数週間」から「数時間」の時代へ。 40-80% 調査効率の向上率 数週間→数時間 従来手法との調査時間比較 99.9% ある先進事例における調査 コスト削減率 (1/1000に圧縮) 「『数週間の専門家労働』と『数万ドルのコスト』を要した作業が数分で完了できる」（XLSCOUT社の主張） NotebookLM

新標準：AI駆動型EoU調査の4段階ワークフロー クレーム解析 (Claim Analysis) 目的：独立クレームを検証可 能な「構成要件」に分解。 AIの役割：請求項を階層的に 構造化し、各要件の技術的解 釈と探索すべき特徴（キー ワード候補）を自動生成。 製品分析 (Product Analysis) 目的：対象製品の技術情報を 収集し、証拠能力の高い資料 を特定。 AIの役割：製品マニュアル、 技術仕様書、分解レポート等 をWebから自律的に探索・ 収集。 クレームマッピング (Claim Mapping) 目的：構成要件と製品の技術 的特徴を意味論的に対応付 け。 AIの役割：キーワード一致で はなく、技術的等価性に基ず きマッピング。これがAI活 用の真価。 証拠統合 (Evidence Integration) 目的：収集した証拠を整理し 、クレームチャートとして完 成。 AIの役割：「構成要件 | 製品 機能 | 証拠・情報源」の形式 チャートを自動生成。信頼度 スコア付けも可能。 NotebookLM

AIの真価：キーワード検索を超えた「意味」の理解 従来のキーワード検索 特許クレーム：「締結部材」 製品マニュアル：「ネジ」、「ボルト」 結果：ヒットしない (Not Found) 膨大なシソーラス辞書の手動メンテナンスが必要。 AIによる意味論的マッピング 特許クレーム：「データを無線で送信する手段」 Semantic Reasoning 製品マニュアル：「Wi-Fi経由でアップロード」 結果：機能的に等価と判断 (Found) LLMが文脈を理解し、異なる表現でも 技術的に同じ機能だと推論。 生成AIは「検索エンジン」ではなく「推論エンジン」であり、特許特有の用語 (Patentese) と 製品の技術用語 (Technical Speak) との間のギャップを埋める。 NotebookLM

最大のリスク：AIは「もっともらしい嘘」をつく 17-88% ! 法的クエリにおけるAIの幻覚率。出典: Stanford HAI モデル別幻覚率 Meta Llama 2: 88% Google PaLM 2: 72% GPT-3.5: 69% 実務上の影響: ● 存在しない判例の捏造 ● 主張を裏付けない引用の提示 ● 誤った情報の記述 警告: AIの出力を検証なしに利用することは、米国では 「合理的調査 (Reasonable Inquiry)」義務違反と 見なされ、制裁の対象となりうる。2025年時点でAI 幻覚関連の裁判所決定は世界で640件を超える。 *注記: RAG搭載の法務特化AIツールでさえ、約6クエリに1回 (17%以上) は幻覚を生成。* NotebookLM

新時代の結論：AIは「アシスタント」であり、「専門家」ではない Human-in-the-Loop - 成功に不可欠な人間とAIの協業モデル AI生成 (ドラフト) 専門家検証 (必須) 最終判断 (人間) AIの役割 膨大な資料の高速スクリーニング クレームチャートのドラフト作成 単純作業の自動化 **位置づけ：高度な調査アシスタント** 人間の役割 クレーム解釈の法的妥当性判断 AI出力の一次資料での検証 均等論など高度な法的分析 最終的な権利行使の意思決定 **位置づけ：最終責任者** 「AIに仕事を奪われるのではなく、AIを活用する人々に仕事を奪われる」 NotebookLM

知財調査の未来像：戦略的パートナーシップの時代 軸 旧パラダイム (2019年頃) 新パラダイム (2024年以降) 主目的 模倣品発見 特許侵害証拠 (EoU) の構築 コア技術 キーワード検索、 手動レビュー 生成AI、意味論的 推論 (RAG) プロセス 労働集約的、場当 たり的 構造化された4段階 ワークフロー ボトルネッ ク 時間、コスト、人 間の処理能力 AIの幻覚、法的判断 人間の役割 調査員 (Investigator) 検証者・戦略家 (Verifier & Strategist) 生成AIは、知財専門家を単純作業 から解放し、より高度な分析と戦略 立案に注力させる。これはツールの 進化ではなく、知財業務そのものの 「OSのアップデート」である。 NotebookLM