生成AIを活用した特許調査：プロンプトエンジニアリングの理論と実践（スライド資料）

生成AIが拓く特許調査の新時代： 戦略的プロンプトエンジニアリング完全ガイド 企業IP部門・特許事務所・R&D部門のための実践的プレイブック NotebookLM

AIは検索エンジンではない。検索戦略を立案する「パートナー」である 大規模言語モデル（LLM）は、単なる文字列の一致ではなく、文脈（Context）と意味論（Semantics）を 理解し、言語の壁や用語の揺らぎを乗り越える可能性を提示します。 AIの強み ・概念拡張：「自律走行」が「自動運転」「無人搬送」 と等価であることを統計的に理解。 ・要約と比較分析：長いコンテキストウィンドウ（128 kトークン以上）で特許明細書全体を読み込み、高精 度な分析が可能。 ・構造化：クレームチャートや対比表のドラフトを自動 生成。 AIの致命的リスク ・ハルシネーション（幻覚）：事実に基づかない情報 を生成する。*Stanford HAIの2024年研究では、法 律タスクにおけるLLMのハルシネーション率は Llama 2で88%に達する。** ・情報の陳腐化：AIの知識はリアルタイム更新され ず、最新の特許文献にアクセスできない。 したがって、信頼性の高い特許データベース（J-PlatPat等）と連携させるハイブリッドなアプローチが必須となる。 NotebookLM

高品質な出力き出す、プロンプト設計の4大原則 1. 役割（ペルソナ）の定義 AIに「国際特許調査官」「知財コンサルタント」等 の専門家としての役割を与えることで、回答の質と視 点を固定化する。（システムプロンプトの活用） 2. 構造化された入力 曖昧な自然文ではなく、「## 発明概要」「## 出力 要求」のように明確なセクションとラベルを用い ることで、AIの意図理解度を向上させる。 3. 段階的思考（Chain of Thought）の活用 複雑なタスクでは、いきなり答えを求めず、「Step 1: 技術分解 → Step 2: 概念拡張 → Step 3: 式の構築」 のように思考プロセスを記述させ、論理の飛躍を防ぐ。 4. ハルシネーション対策の組込み プロンプト内に「不明な点は『不明』と回答せよ」 「特許番号は必ずデータベースで検証すること」と いった検証を促す制約を明記する。 NotebookLM

実務に即したAI活用ワークフロー：3つのフェーズ [検索前] Pre-Search 1 発明の本質を構造化し、キーワー ドを展開。検索戦略をAIと共に 設計するフェーズ。 [検索・スクリーニング] Search & Screening 2 人間がデータベースで検索を実行 し、得られた大量の文献をAIで高精度 にスクリーニングするフェーズ。 [分析・報告] Analysis & Reporting 3 関連文献をAIで詳細に分析し、ク レームチャートやレポートのド ラフトを自動生成するフェーズ。 この論理的なフローに沿ってAIを組み込むことで、生産性と品質を両立させることが可能になる。 NotebookLM

フェーズ1 [検索前]：AIによる検索戦略の高度化 発明のコアを構造化する # Instruction 以下の発明記述から、特許調査に必要なコア情報を抽出してください。 # Output Fields - FP (Functional Purpose): この発明が解決しようとする技術課題。 - TU (Technical Uniqueness): 従来技術と異なる具体的な構成や手段。 - SV (Strategic Value): 期待される効果や市場価値。 # Input Text [発明提案書や技術メモをここに貼り付け] J-PlatPat特化型検索式を自動生成する # Context 私はJ-PlatPatの「論理式入力」を使用します。 # Task 抽出したキーワードを使用し、以下の構文ルールに従って検索式を作成してください。 # Syntax Rules 1. 演算子: ANDは *、ORは + を使用。 2. 近傍検索: keywordA,5N,keywordB/TX 3. 構造: (群A + 群A') * (群B + 群B') # Output J-PlatPatに直接貼り付け可能な検索式のみを出力。 これらのプロンプトにより、発明理解の深化と、手作業ではミスの起きやすい検索式作成の自動化を両立できる。 NotebookLM

フェーズ2 [検索・スクリーニング]：ロングコンテキストAIによる高精度な文献評価
GPT-4oやClaude 3.5 Sonnetのような長文対応モデルは、特許明細書全体（数万文字）を一度に処理し、要約だけでは不可能な高精
度スクリーニングを実現します。
Prompt Template: 関連性評価 (Relevance Ranking)
```
# Role
あなたは企業の知財担当者です。
# Task
添付した特許文献（全文）を読み、以下の基準発明との関連性を評価してください。
# Target Invention
[基準発明の内容をここに記述]
# Output Format
以下のJSON形式で出力してください。
{
"patent_number": "特許番号",
"relevance_score": "S/A/B/C",
"reason": "評価理由（特に請求項のどの部分が関連/非関連か）",
"key_passage": "関連する段落番号と引用"
}
# Criteria
- S: 新規性を否定する文献 (X文献相当)
- A: 進歩性を否定する文献 (Y文献相当)
- B: 参考レベル
- C: ノイズ
```
Practical Tip
検索結果に異分野の文献が混じる場合、「『マウス』という単語が含まれていても、生物学的な実験動
物に関する文献は完全に無視せよ」といった明確なネガティブプロンプトが有効。
NotebookLM

フェーズ3 [分析]：クレームチャート（構成要件対比表）の自動生成 侵害検討や無効論証の根幹をなすクレームチャート作成は、構造化データの扱いに長けたAIの得意分野です。 これにより、分析作業を大幅に効率化できます。 Prompt Template: クレームチャート作成 # Task 対象特許（Patent A）と引用文献（Ref B）の対比表をMarkdownテーブル形式で作成してください。 # Format | 構成要件（Patent A Claim 1） | 引用文献（Ref B）の開示内容 | 一致/相違 | 評価コメント | | (a) ... | 段落[XX]に「...」と記載あり | 一致 | 文言上完全に一致する。 | (b) ... | 関連記載があるが... | 相違 | Ref Bはバネ式だが、Aは磁気式。 「こじつけ」のリスク：AIは無理に関連付けを行うことがあります。 対策（Grounding）：必ず「段落番号」を引用させ、人間が原文を容易に確認できるように指示す ることが不可欠です。 NotebookLM

調査タイプ別プロンプト設計：目的ごとに戦略を最適化する 先行技術調査 (Prior Art Search) 目的：新規性・進歩性の評価 プロンプトの要点： ・発明の「機能的目的」と「技術的独自性」を抽出。 ・高精度→バランス→網羅性という段階的検索戦略を 立案させる。 侵害予防調査 (FTO Search) 目的：自社製品の侵害リスク評価 プロンプトの要点： ・製品技術を「構造」「機能」「製造プロセス」等に分解。 ・リスク評価のためのスコアリング基準を提示させる。 無効資料調査 (Invalidity Search) 目的：特定特許の無効化 プロンプトの要点： ・対象クレームを構成要件に分解し、弱点を探索。 ・優先日を明示し、それ以前の文献（非特許文献含む） のみを対象とする。 技術動向調査 (Landscape Analysis) 目的：競合分析、トレンド把握 プロンプトの要点： ・分析期間、対象地域、主要プレイヤーを明確に指定。 ・出願が少ない技術の組み合わせ（ホワイトスペース） の特定を求める。 NotebookLM

リスクマネジメント と法的責任： Human-in-the- Loopの徹底 USPTOの2024年ガイダンスは 「AIツールに単に依拠することは 『合理的な調査』とは認められな い」と明示。AIが生成した内容で あっても、最終的な責任は実務者 が負います。 絶対に守るべき4つのルール 1 特許番号の検証 AIが生成した番号は必ずデータベー スで存在確認する。 2 分類コードの検証 公式分類ブラウザで定義を再確認 する。 3 日付の確認 AIの知識には時間的限界（12-18ヶ 月前）があることを認識する。 4 機密情報の取扱い 未公開の発明をフリー版AIに入力 しない（オプトアウト設定、API利 用、エンタープライズ版を検討）。 推奨ワークフロー AI活用 (Preparation) 技術理解、キーワード展開、 検索戦略設計 人間実行 (Execution) データベース検索、スクリ ーニング、関連性判断 人間最終判断 (Final Judgement) 法的評価、戦略決定、報告 AI補助 (Analysis) 比較分析、チャート作成 ドラフト、要約 NotebookLM

実践ツール：主要特許データベース検索構文 対応表 機能 Google Patents USPTO PPUBS Espacenet PATENTSCOPE J-PlatPat AND AND または空白 AND AND AND * OR OR OR OR OR + NOT NOT または - NOT NOT NOT/ANDNOT - タイトル TI= ".TI." ti= EN_TI: /TI 要約 AB= ".AB." ab= EN_AB: /AB クレーム CL= ".CLM." - EN_CL: /CL CPC CPC= ".CPC." cpc= IC: - 近接(順不同) NEARx NEARx ~n NEARx ,nN, 近接(順序) ADJx ADJx - BEFOREx ,nC, 日付範囲 before:/after: pd=YYYY:YYYY [TO] DP:[TO] /AD この表に基づき、使用するデータベースの構文をプロンプト内で明示することが、正確な検索式を生成する鍵となります。 NotebookLM

各国特許庁の動向：AIは既に審査業務のコアへ (2024-2025) USPTO（米国特許商標庁） EPO（欧州特許庁） JPO（日本国特許庁） uspto EPO JPO ◆ 2025年7月からAIによる類似 性チェックを審査官に義務化 する方向。 ◆ 内部GenAIツール「SCOUT」 を職員に展開済み。 ◆ 出願人向けにAI分析結果を提 供するパイロットプログラム を開始。 ◆ AI-PreSearch (2023年8月) を実装済み。 ◆ 数億件のベクトル化された先 行技術データベースで「意味 検索」を実現。 ◆ 「AIを活用した先行技術調査」 を実装フェーズへ。 ◆ 生成AIの特許審査業務への適 用を2025年度の重点課題に設 定。 ◆ プロンプト生成技術の特許性 に関する審査事例（事例38） を公開。 業界全体として、AI活用による40-50%の時間削減が報告されており、 2024年は「特許業界におけるAI採用の転換点」と評価されている。 NotebookLM

習熟への道筋：明日から実践すべき3つの原則 1 AIは「下書き作成 者」として活用する 検索式、キーワードリ スト、分析チャートの初 稿をAIに生成させ、 人間が編集・検証・最終 化する。 2 出力は「必ず 検証」する 特許番号、分類コード、 技術的事実はすべて 一次情報源で確認。 AIの「自信満々な誤り」 に決して騙されない。 3 ワークフローに 「組み込む」 スポット利用ではなく、 準備→検索→分析→報告 の各段階でAIの役割を 明確に設計し、プロセ ス全体を効率化する。 最初のステップ： 本ガイドを出発点として、自社・自身の業務に最適化した「プロンプトライブラリ」の構築を始めよう。 NotebookLM