生成ＡＩを活用した侵害予防調査を含むビジネスに必要な特許調査・分析（スライド資料）

AI時代の特許戦略：調査を「手段」としてビジネスを勝利に導く、新・実践論 第60回東北大学知財セミナー 講演ハイライト | 弁理士法人レクシードテック 角口義英氏・土本彰久氏

生成AIは専門家を代替するのではなく、その「知」を増幅させる。 AIが特許調査のハードルを劇的に下げる今、勝者となるのは単に自動化する者ではない。人間の専門性（審美眼）を駆使し、AIを戦略的ビジネス目標達成のためのツールとして使いこなす者である。 「調査は手段であって目的ではない。最終的な目的はビジネスで勝つことだ。」

AI時代にこそ、「非効率な経験」が輝きを放つ。 泥臭い経験 → 審美眼 AIの出力 → 専門家による評価 The Paradox of Inefficiency (非効率の効用) AIは無数の情報を「宝石」のように見せてくる。しかし、真の価値を見抜く「審美眼」は、非効率で泥臭い経験によってのみ培われる。 「多くのゴミノイズを見てきてるからこそ、いいものがわかる。」 The Value of "Muddy" Experience (泥臭い経験) 実験の失敗、プログラミングのバグ取り、料理のさじ加減。これら一見一見無駄に見える試行錯誤が、AIの出力を鵜呑みにせず、その僅かな「ひび」に気づくための判断力を養う。

人間の役割は「実行者」から「戦略家・評価者」へシフトする。 知財活動はPDCAサイクルそのものである。AIはこのサイクルを劇的に高速化する。 1. Plan (目的設定) ビジネス目標に基づき、何を・なぜ調査するのかを定義する。 2. Do (AIへの指示) 思考を言語化し、AIにタスクを実行させる。 3. Check (評価・判断) AIの出力（数分で完了）を専門家の審美眼で評価する。 4. Act (改善・ブラッシュアップ) 評価に基づき、即座に次の指示を出し、精度を高める。 人間が数週間かけていたサイクルを、AIとの協働で1日に何周も回せるようになる。これが新たな競争優位性となる。

AIを活用する前に、侵害判断の不変の原則を再確認する。 The All-Elements Rule (オールエレメントルール) 侵害判断は、独立請求項の全ての構成要件が、対象製品・サービスに充足されているか否かで決まる。一つでも欠ければ文言非侵害となる。 The Claim Chart is the Common Language (クレームチャートは共通言語) 雰囲気での議論ではなく、請求項を文節分けし、製品構成と論理的に対比するクレームチャートが、専門家とのコミュニケーションと正確な判断の基盤となる。 特許請求項 (食事道具) A: 長細い本体 B: 先端の溝 C: 後端の滑り止め 製品1 (侵害) ☑ A, ☑ B, ☑ C 製品2 (非侵害) ☑ A, X B, ☑ C

専門家の思考プロセスを反映した、AI活用型・侵害予防調査フロー。 Phase 1: 調査対象の明確化 (Target & Scope) 課題を一文で定義し、AIを使って関連キーワードや特許分類 (IPC/FI) を網羅的に洗い出す。 Tool: [AI Brainstorming Tool] Phase 2: スクリーニング (Screen & Classify) 数百件の母集団に対し、AIで一次（ノイズ除去）・二次（関連度評価）スクリーニングを高速実行。人間は基準設定と最終確認に集中。 Tool: [Google Sheets with GEMINI Function] Phase 3: 個別検討とチャート作成支援 (Analyze & Chart) 関連度の高い特許について、AIにクレームチャートの初期ドラフトを作成させ、さらには回避の難易度を簡易判定させる。 Tool: [Custom AI Document Processing System]

優れたプロンプトとは、優れた思考の言語化である。 プロンプト自体に価値があるのではない。それを使いこなし、結果を評価できる能力が重要。 「MOFの件」 方向性付け (Direction) 「MOFについて調べて」ではなく、「MOFに関する特許侵害予防調査のために、競合の材料特許をリストアップして」と目的を明確にする。 「MOFに関する特許侵害予防調査のために、競合の材料特許をリストアップして、課題と解決方法を要約してください。」 タスク分解 (Task Decomposition) 調査プロセスをステップに分解し、一つずつ指示を出す。「自分で調べるならどうするか？」を想像する。 アウトプット要件の明確化 (Output Definition) 最終的に何が知りたいのか（例：「課題と解決方法」「クレームの技術的特徴」）を具体的に指定する。

AI活用の効率性は、法的リスクの理解とセットで考える。 Risk 1: 機密情報の取り扱い (Confidential Information) 発明内容そのものではなく、公開情報を組み合わせた検索レベルから始める。 Action: 必ず所属組織のAI利用ポリシーを確認する。再学習されないクローズドな環境の利用を検討する。 Risk 2: 米国訴訟におけるDiscovery制度 (US Discovery Risk) AIによる広範な調査が、訴訟時に「知っていた」と見なされ、故意侵害のリスクを拡大させる可能性がある。 Action: AIと人間、どちらがどの範囲を調査したかの記録を保持する。 Risk 3: 新規性喪失 (Novelty Loss) 未公開の発明情報を入力すると新規性が失われるリスクがある。 Action: 弁理士会のガイドラインを遵守し、専門家に相談する。

目的から逆算する：技術中心の調査から、ビジネス価値中心の分析へ。 The Old Way [Technology] -> [Patent Search] -> [Legal Risk Assessment] 「どの技術を守るべきか？」ではなく、「どの市場で勝つために、どの知財が必要か？」 The New Way Business Objectives: Market Growth, Competitive Edge Market & Customer Analysis | Supply Chain Positioning | Competitive Landscape Targeted Competitor IP Analysis 「技術の尖り度だけでなく市場機会も重視する。Web情報と生成AIで市場機会分析を補完する。」

ケーススタディ：新技術（MOF材料）を知財戦略に落とし込む3ステップ。 Step 1: 市場機会のマッピング (Market Opportunity Mapping) Goal: 事業化の可能性を洗い出す。 AI Application: AIを使い、技術の「用途展開」をブレインストーミング。例：CO2回収技術をセメント、火力発電など、国や規模でセグメント分けし、政策的需要も考慮して最も有望な市場（例：欧州のセメント向けCCS事業）に絞り込む。 Step 2: サプライチェーン分析 (Supply Chain Analysis) Goal: バリューチェーンのどこで勝負するか決める。 AI Application: 顧客から遡り、サプライチェーン（原料製造、ユニット製造、システム構築、サービス提供）を分析。自社技術が最もインパクトを与える層を特定する。 Step 3: ターゲットを絞った競合分析 (Targeted Competitive Analysis) Goal: 特定した市場・層における知財リスクを評価する。 AI Application: ここで初めて、その領域のキープレイヤー（例：Svante社）の特許をピンポイントで分析し、事業上の障壁を簡易評価する。

究極のアウトプットは、ビジネスの「戦況図」である。 The Problem with Standard Classifications: 従来の特許分類（IPC等）は技術整理には有用だが、必ずしもビジネス戦略の観点を反映していない。 The AI-Powered Solution: Custom Classifications (独自分類) 生成AIを活用し、「今回の調査目的に即した、実用的な分類」を独自に作成する。 例：「A: 材料合成」「B: ユニット設計」「C: システム制御」など、事業に直結する分類を定義。 A: 材料合成 | B: ユニット設計 | C: システム制御 | D: 用途展開 | E: その他 Svante社 競合A社 競合B社 自社 (現状) The Deliverable: A strategic map showing competitor patent concentrations, instantly revealing their focus, strengths, and potential white space.

AIは部門間の「溝」を埋める翻訳者となり、組織全体の価値を高める。 Before AI 技術者(R&D) | 知財部(IP) | 事業部(Business) 部門間の壁により、情報共有が滞り、各自の視点に閉じてしまっている状態。 After AI 技術者(R&D) -> 生成AI / 共通の戦況図 <- 事業部(Business) 知財部(IP) -> 生成AI / 共通の戦況図 <- 事業部(Business) AIが共通言語と基盤を提供し、各専門性を活かしながら一体となって共通の目的に向かう。 Core Idea: 生成AIが共通の言語とデータ基盤を提供することで、各部門が専門性を活かしつつ、同じ目的に向かって一歩踏み込んだ、より価値のある対話が可能になる。

明日から始めるための、宿題と提案。 Step 1: 基礎を固める ☑ J-PlatPatを用いた調査の基本を再学習する。（2年前の東北大セミナー資料参照） ☑ 実際にクレームチャートを一つ作成してみる。 Step 2: AI活用の準備 (Prepare for AI) ☑ 所属組織の機密情報取り扱いポリシーと、弁理士会のAI活用ガイドラインを確認する。 ☑ 本日の資料を参考に、自社の課題に合わせたプロンプトを試作する。 Step 3: 実践へ (Move to Practice) ☑ 侵害調査におけるAI活用の法的論点について、専門家と検討する。 ☑ 年明け開催予定のセミナー「生成AI時代の特許調査の鉄則と実践」への参加を検討する。