生成AIを活用した事業化に向けた知財調査

生成AIを活用したスタートアップの知財戦略と侵害予防調査 事業価値を最大化する「攻め」と「守り」のDXアプローチ Based on insights from: 土本 (Lexid Tech / Ex-VC) & 角淵 (Patent Attorney / Search Expert) Context: Capital Strategy & Business Strategy Integration

スタートアップのタイムラインはVCファンドの償還期限（10年）によって規定される VCファンド ライフサイクル ファンド組成 投資期間 バリューアップ Exit 償還期限 (Exit/Redemption) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Years 投資家の視点：技術的参入障壁 + 事業の成功確度（市場・商流） スタートアップ ライフサイクル Seed Series A Expansion IPO / M&A Early Product/Market Fit Needed 基礎研究（15-20年）のスパンでは資金調達は困難

「技術起点の知財」から「事業戦略と連動した知財」へのパラダイムシフト 従来型：技術起点 (Technology-Led) ・コア技術のみを保護 ・実験室データ重視 ・サプライチェーンを考慮しない 競合に「製品・用途」を押さえられるリスク 新常識：事業起点 (Business-Led) ・商用アプリケーションを保護 ・Product/Market Fit (PMF) 重視 ・「市場・製品」領域まで権利化 バリュエーション（企業価値）の最大化 戦略的アクション (Strategic Action) 狙う市場・製品 (Target Market) 必要な特許 (Necessary Patents) ポートフォリオ拡張 (Portfolio Expansion)

成功した大学発スタートアップの知財ポートフォリオ戦略 Case A: マイクロ波化学 (Microwave Chemical - Osaka Univ) ハードウェア / 装置 (Hardware) 特許化 (Open / Patent) 外観・構造は模倣されやすいため権利化 プロセス / 運用ノウハウ (Process Know-how) 秘匿化 (Closed / Trade Secret) 外部から見えない運用条件はブラックボックス化 上場前に国内40件 / 海外130件以上 Case B: ペプチドリーム (Peptidream - Univ of Tokyo) ライブラリ・レシピ (Libraries & Recipes) 創薬プラットフォーム (Platform) コア技術：フレキシザイム (Core Tech: Flexizyme) 物質だけでなく、製品化の道筋（プラットフォーム・レシピ）まで多層的に網羅

生成AI活用の鉄則：プロンプトエンジニアリングとセキュリティ 3-Step Prompt Protocol（プロンプトの3要素） 目的 (Purpose) マクロなゴールを定義 (例: MOFの高ROI市場を特定) 手順 (Steps) タスクを分解 (用途列挙 -> 顧客定義 -> 市場規模算出) 出力形式 (Output Format) 表形式・列名・論理構成を指定 Risk Management (リスク管理) Hallucination (ハルシネーション) ・アクション: 一次情報のソース確認（人間による検証）が必須 Confidentiality (機密保持) ・アクション: コアな営業秘密は入力しない。公開情報・抽象的概念で操作する。学習オプトアウト設定を確認。

ケーススタディ①：AIによる市場探索とロジック構築 (MOF) 技術：CO2吸着MOF (Metal Organic Frameworks) 用途 顧客セグメント 市場規模 算出ロジック 直接空気回収 (DAC) 環境スタートアップ 大 (Future) 単独でのROI成立が困難 (コスト高) セメント向け排ガス (Cement Flue Gas) セメントメーカー 中～大 (Immediate) 集中排出源のため回収効率が高い。設備投資のROI評価が容易。 廃棄物処理 自治体・処理業者 中 排出ガスの成分変動リスクあり AI Insight: 「集中排出源 (Concentrated Source)」が商用化への最短ルートであると論理的に特定

ケーススタディ②：サプライチェーンのレイヤー定義とベンチマーク特定 プラント運用者 (Plant Operator) CO2回収装置メーカー (Device Maker) フィルター / モジュールメーカー (Module Maker) Key Benchmark: Svante (スバンテ) MOF材料メーカー (Material Maker) 自社 (Our Startup) 原料サプライヤー (Raw Material) ベンチマーク分析 (Svante Analysis) ・特徴: 大型資金調達、パートナーシップ締結 ・特許戦略: 材料だけでなく「モジュール構造」や「プロセス条件」で特許網を構築 ・示唆: 材料スタートアップであっても、モジュール設計やプロセス特許を抑えなければ参入障壁を作れない

生成AIによる特許ランドスケープの分類と可視化 Process to Matrix Patent List 主要プレイヤー（Svante等）の特許をリスト化 AI Classification AIにビジネス視点の分類軸を生成させる (例: 材料組成 vs モジュール構造 vs プロセス) Landscape Matrix 特許分類 (Classification) [MOF材料 (Material)] [モジュール構造 (Module)] [プロセス (Process)] 企業 (Company) [Competitor A] [Svante] [Competitor B] Svanteは商用化実装（モジュール・プロセス）に注力していることが判明

侵害予防調査（FTO）の本質：損害賠償ではなく「差止」が最大のリスク FTO (Freedom to Operate) = Clearance Search The Risk: 差止請求 (Injunction) 事業停止 (Business Stop) 製品の製造・販売・輸出入の停止命令。 スタートアップにとっては死活問題。 Scope of Implementation (実施の範囲) Scope of Implementation (実施の範囲) ・生産 (Manufacturing) ・使用 (Using) ・譲渡 (Assigning/Selling) ・輸出・輸入 (Exporting/Importing) All-Element Rule (オール・エレメント・ルール) 特許侵害となる条件：クレーム（請求項）の構成要件を『すべて』満たすこと

クレーム解釈のロジック：「構成要件」と「利用発明」の罠 Target Patent (特許A) A: Cylinder C: Eraser B: Lead 構成要件: A + B + C Case 1: Your Product X (利用発明/改良) A: Cylinder C: Eraser B: Lead D: Grip C: Eraser 侵害 (INFRINGEMENT) A+B+Cをすべて含んでいるため。 要素D（改良）を加えても侵害は回避できない。 Case 2: Your Product Y (回避設計) A: Cylinder B: Lead 非侵害 (NO INFRINGEMENT) 要素C（消しゴム）を欠いているため。

生成AIを活用した階層的FTO調査フロー Step 1: Definition & Search Design 何を調査するか定義 (例: MOF全体ではなくCO2吸着法) Step 2: Database Search (J-PlatPat) IPCコード + キーワード検索 -> CSVリスト生成 AIは検索実行ではなく、検索式の設計に使う Step 3: AI Screening (NotebookLM/ChatGPT) PDF/CSV読込 -> 関連度判定 -> ノイズ除去 Step 4: Analysis (Human) クレームチャート作成 -> 侵害可否の論点整理 Step 5: Professional Review 弁理士による最終判断（グレーゾーンの判定）

検索設計の実践：J-PlatPatとAIの役割分担 User + AI (Consultation) Prompt: "CO2吸着多孔性配位高分子のIPCコードを教え" AI Response: "B01J20... (Adsorbents)" Search Execution (Human) J-PlatPat IPC: B01J20... AND Keyword: CO2吸着 ステータス: 登録・有効 Output CSV PDF ダウンロード: 候補特許リスト 注意: ChatGPTに直接『特許を検索して』と頼まない。 ハルシネーション（嘘の特許）のリスクが高い。

スクリーニングと可視化：NotebookLMによるクレームチャート作成 Input 特許公報 (Patent PDF) 自社製品仕様 (Product Spec) AI Processing (NotebookLM) 「特許Xと自社製品Yの構成要件を比較するクレームチャートを作成し、相違点を指摘せよ」 Output: Claim Chart 構成要件 (Element) 特許X (Patent X) 自社製品Y (Product Y) 判定 (Result) Binder Type Requires PVEO binder Uses Different Binder 非侵害 (Safe) - Missing Element Shape Pellet form Pellet form 一致 (Match) 価値: 難解な法的文章を『意思決定可能なデータ』に変換する

戦略の統合と資金獲得：申請書 (MASP等) への落とし込み 市場分析 (Market Analysis) 競合ベンチマーク (Competitor) FTO調査結果 (FTO Results) Generative AI Integration Action: Drafting Grant Application Sections MASP / Grant Application 知的財産戦略 (IP Strategy) 競合優位性 (Competitive Advantage) 知識生産 (Knowledge Production) 研究データとビジネスロジックを統合し、投資適格性 (Investment Readiness) を証明する

結論：AIは「手段」であり、人間が「判断・設計・交渉」を担う Business First ・知財戦略を10年のVC償還期限 (Exit) に合わせる。 ・技術だけでなく「市場・商流」を権利化する。 AI as Accelerator ・ChatGPT: 戦略・アイデア出し ・J-PlatPat: 正確なデータ収集 ・NotebookLM: 文書の深掘りと可視化 Human Responsibility ・AIはハードルを下げるが、責任は取らない。 ・人間が最終的なリスク判断、検索設計、契約交渉を行う。 知財は「難しい法律問題」ではなく、「戦略的なビジネスの武器」である。