MENU
ChatGPT・Gemini・notebook lm で成果を引き出す！実績で選ぶAIマーケティングの最適解をあなたに。
  1. Home
  2. Business
  3. いかに特許出願で生成AIを活用するか？

いかに特許出願で生成AIを活用するか？

Business Technology

特許出願の仕組み・プロセス 生成AIの活用方法

アイデアを思いついた時、特許出願し、権利化することは非常に重要です。しかしながら出願に際し、弁理士の先生にお願いし出願するとなると、内容にもよりますが、数十万円/件　　がかかります。

できるだけ、出願した特許の喧嘩できる確率を上げるためにいかに生成AIを活用できるかについて考えてみました。

下部に実際のプロンプト例も記載しましたので是非ご覧ください！

特許庁の審査官による審査プロセスを念頭に置きつつ、**生成AI（大規模言語モデルやAIテキスト生成ツール等）**を活用して「特許として成立する確率を高める」ための具体的な方法を提案いたします。主に、先行技術調査と特許要件を満たすクレーム作成を効率的に行うためのステップと考え方を示します。

目次

1. 特許審査プロセスの概要と審査官の視点

  1. 先行技術調査
    • 審査官は、まず主にJ-PlatPat（日本特許庁提供の特許データベース）や国際特許データベース（WIPO、USPTO等）などで、関連する特許文献や非特許文献を検索します。
    • **IPC（国際特許分類）やFI/F-Term（日本独自分類）**を用いて検索することが一般的です。
  2. 特許要件のチェック
    1. 産業上の利用可能性
      • 発明が産業に応用可能であるかどうか。通常はほとんどの技術が該当するため大きなハードルではありません。
    2. 新規性（Novelty）
      • 公知の技術に完全に含まれていないかどうか。
    3. 進歩性（Inventive Step）
      • 既存の技術から容易に導き出せない特徴を有しているかどうか。
    4. その他要件（明確性、記載要件など）
      • 明細書や請求項の記載が明確で、発明の内容が十分に説明されている必要があります。
  3. 拒絶理由の通知と応答
    • 審査官は上記の点を中心に、既存の文献との類似性や差異を比較し、拒絶理由の通知が出された場合は意見書や補正書を提出して対応します。

審査官は新規性を満たしているかを最初にチェックし、次に進歩性の判断で特許性を見極めるため、いかに既存の技術との差別化を定量的かつ論理的に説明できるかが特許成立の重要な鍵となります。

2. 生成AIを活用した特許出願のプロセス

以下では、特許審査プロセスで特に重要となる「先行技術調査」「クレーム（請求項）の作成・調整」の2点に焦点を当て、生成AIを活用する具体的なステップを解説します。

2.1 先行技術調査への生成AI活用

  1. キーワード抽出と同義語・関連語生成
    • 特許審査官はIPC分類・キーワードなどを用いて検索を行います。生成AIを用いて、発明の要素（機能、材料、プロセス、用途など）から関連キーワードや同義語、類似表現を網羅的に抽出し、検索漏れを防ぎます。
    • 例：材料名の場合に「ポリマー」「樹脂」「高分子」など、技術領域によっては多様な呼称が存在するため、これらを包括的にリストアップ。
  2. 先行特許文献の要約・比較
    • 大量の特許明細書を読むには時間とコストがかかります。生成AI（大規模言語モデル）に要約させることで、短時間で文献の要点や新規性の有無を把握できます。
    • 例：該当IPC分類の特許100件程度をAIに要約させ、そこから自社の発明と類似度が高い文献を優先度高く精読し、詳細を確認する。
  3. 技術分析とギャップ抽出
    • 生成AIに「既存特許A、B、Cの特徴点と発明アイデアとの比較」「差別化点の抽出」を行わせます。
    • 自社発明と類似の既存技術を比較することで、「この部分は既存の特許公報XXに記載されているため新規性が弱い」「ここは差別化ポイントになる」という情報を的確に洗い出し可能です。
    • 例えば、100件の文献をAI要約→10件に絞り込み→手動で精読という流れにより、最大90%程度の作業時間削減が期待できます。

2.2 クレーム（請求項）の作成・修正における生成AI活用

  1. クレームドラフトのテンプレート生成
    • 特許出願では請求項が最重要です。生成AIに対して「自社の発明コンセプトを入力→請求項のドラフトを作成」させることで、初稿作成の時間を削減します。
    • ただし、法的な正確性が必要なため、そのまま提出せず必ず専門家（弁理士、知財担当者）のレビューが必須です。
  2. 特許性要件（新規性・進歩性）のクリアに向けた文言調整
    • 先行技術との比較により差異を明確化できるように、クレームの文言を生成AIに再提案させます。
    • 例：生成AIに「先行技術Xとの差異が明確化されるようにクレーム1の特徴部を修正する」という指示を与える。すると、AIが「〇〇を具備する」や「△△な状態で行う」など差異を強調する表現を提案します。
  3. クレームの階層構造の提案
    • 請求項は「独立請求項（広い概念）」「従属請求項（追加的特徴）」という階層構造をとります。
    • 生成AIに「独立請求項のカバー範囲をできるだけ広くする修正案」「従属請求項に限定的特徴を付与して進歩性を強調する案」を出させることで、適切な階層構成を短時間で検討可能です。
  4. 既存特許公報とのクレーム比較
    • 「○○特許（先行文献）の独立請求項の構成要件」と自社の請求項を比較し、クレームが同一または類似点が多い場合に修正を提案させます。
    • 具体的には「先行文献のクレーム1は●●を特徴とする。自社発明の請求項1は△△を特徴とするが、文言が類似するので差異を一層強調する必要あり」というようにAIがレポートを生成します。

3. 導入時の注意点とエビデンス

  1. AIのモデル更新と学習データ
    • 生成AIの学習データには特許公報が含まれていても、最新の出願状況が完全には反映されない可能性があります。定期的に更新された特許データベース（J-PlatPatなど）を別途クローリング・検索し、その結果をAIに入力（プロンプト）する形が望ましいです。
    • 世界では年間300万件以上の特許出願（WIPO統計）があります。最新情報のキャッチアップが重要となるため、AIツールの更新と人手による補完が必須です。
  2. 機密情報の取り扱い
    • 特許出願前の技術内容は社外秘であることが多いため、生成AIに入力する情報の機密管理が課題になります。オンプレミスのAIモデルや情報非公開設定をサポートするクラウド型ソリューションの利用検討が必要です。
  3. 専門家（弁理士、知財担当者）のレビューは不可欠
    • 生成AIによるドラフトや調査結果は効率的な一方、法的なニュアンスや記載要件に精通した専門家のチェックが不可欠です。
    • 例えば、「クレーム中の単語一つ」で範囲が変わり、特許侵害訴訟で問題となるケースもあるため、弁理士・知財担当者との最終調整が重要です。
  4. 数値限定の検討
    • 進歩性を明確化するために「一定温度域」「粒子径○nm～○nm」など数値限定を行うことがあります。AIによるサジェストを行う際にも、必要最小限の数値範囲を盛り込みつつ広くカバーするためのバランスが求められます。

4. 導入効果の試算

  • 先行技術調査工数の削減
    • 従来、数百～数千件の特許文献を人手で要約・精査するのに1人当たり数十～数百時間かかる場合があります。
    • 生成AIの要約機能を活用すれば、最大50～90%の工数削減が見込める可能性があります（ツール・データクレンジングレベルによる）。
  • 請求項ドラフト作成時間の短縮
    • 一から請求項を書き起こす場合と比較して、AI下書き→専門家レビューのプロセスで30～50%程度の時間短縮が期待できます。
    • 特に差分比較や繰り返しの文言調整にかかる時間を大幅に削減できます。
  • 特許成立率の向上
    • AIを使うことで「先行技術との差異を見落とさない」「クレーム文言の抜けを減らす」効果が期待でき、結果として拒絶理由への的確な対応が可能になります。
    • ただし、「特許が成立する確率」を定量的に示すことは難しいため、AI活用前後での「拒絶理由通知件数」「審査請求から権利化までの回数」を比較し、定性的に効果を検証できます。

5. 全体のワークフロー例

  1. アイデア整理
    • 発明の概要・技術的特徴・想定用途を社内で整理。
  2. AIによる先行文献検索・要約
    • キーワード・同義語の抽出、大量文献のスクリーニング。
  3. 詳細調査・差分分析
    • 上位10～20件程度の先行特許を人手で精読し、進歩性や新規性の差分を明確化。
  4. クレームドラフト（生成AI初稿）
    • AIにより特許明細書および請求項の初稿作成。
  5. 専門家レビュー・クレーム修正
    • 弁理士や知財担当者が文言修正、差別化表現の強化。
  6. 出願書類作成・提出
    • 明細書、要約書、図面等最終確認の上、出願。
  7. 審査請求・審査官対応
    • 拒絶理由通知があれば、生成AIで通知内容を要約し、論点整理後に対応策を検討。

6. まとめ

  • ポイント
    1. 先行技術調査を抜け漏れなく行うために、生成AIで包括的なキーワード抽出や要約を行う。
    2. クレームの新規性・進歩性を最大化するように、AIの提案を活用して文言調整と階層構造を作成する。
    3. 最終的な法的精査とニュアンス調整は弁理士や知財担当者による確認を欠かさない。
    4. 最新情報の反映と機密情報管理のため、適切なAIモデルと運用体制を整える。
  • 導入効果（数値的根拠）
    • 先行文献調査の工数を**50～90%削減し、出願準備の時間を30～50%**短縮する可能性がある。
    • 特許庁審査官とのやり取りも、事前に手戻りを防ぎやすくなるため、審査期間や拒絶理由件数を数10%程度抑制できる効果が期待される。

生成AIは文書処理と構造化に非常に長けていますが、法的観点と発明の本質を捉えるためには人間の専門知識との併用が必要です。特許庁の審査プロセス（IPC分類・新規性・進歩性の観点など）を意識しながら、AIの提案を活用・修正・補強することで、「成立確率の高い」かつ「権利範囲を十分にカバーした」特許出願が期待できます。

実際の活用する際のプロンプト例

以下では、段階的に特許申請プロセスを進める際に、生成AIへ具体的に入力できるプロンプト例を示します。各フェーズで想定されるアウトプットや注意点も併せて解説しています。実際の運用では、機密情報の取り扱いに注意しつつ、最終的な法的判断は弁理士・知財担当者と協力して行うことを推奨いたします。

1. 先行技術調査の高度化

1-1. キーワード抽出の高度化

プロンプト例

[プロンプト例A]
「以下の発明アイデアの概要を読み、関連する技術要素・キーワード・同義語を網羅的に抽出してください。
発明概要：
『（ここに発明の概要や目的、構成、作用効果などを記載）』

【条件】

  • 技術分野（例：○○工学、□□分野）
  • 材料やデバイスの名称、作用メカニズムのキーワードをできるだけ多くリストアップ
  • 日本語および英語の同義語も提示
  • 特許検索で使用できる単語やフレーズを想定

以上の点を踏まえて、箇条書きで出力してください。」

想定アウトプット

  • 生成AIが抽出したキーワード・関連用語・同義語の一覧
  • 技術分野や機能、構成要素、効果等の複数カテゴリに分類されたリスト

活用方法

  • この結果をもとにJ-PlatPatやEspacenetでの検索に活かす
  • 関連特許や論文を調査する際の入力クエリを作成するベースにする

1-2. 検索クエリの自動生成

プロンプト例

[プロンプト例B]
「以下のキーワードリストをもとに、J-PlatPatで先行技術を検索するための具体的な検索クエリ案を作成してください。
キーワードリスト：

  • ○○, △△, □□, …（前工程でAIや人間が抽出した単語）

【条件】

  • IPC分類(FI/F-term)が推定できる場合は含める
  • 近傍検索（例：NEAR、ADJ）やブール演算（AND, OR, NOT）を活用
  • 国内特許出願と海外特許文献（PCT出願など）を想定
  • 日本語と英語の両方でクエリを提案

できるだけ検索漏れを減らし、ノイズの多い結果を除外するよう最適化した複数パターンのクエリを提示してください。」

想定アウトプット

  • AND/OR/NOTを活用したクエリ例
  • FI/F-termやIPC分類を入れた複数の検索式（例：「A61K 8/00 AND (○○ OR △△)」など）

活用方法

  • 提案されたクエリを実際の特許検索サイトで試し、ヒット件数や関連度を確認
  • AIにさらに改善要望を出しながら、最適な検索式をブラッシュアップ

1-3. 文献内容の解析と要約

プロンプト例

[プロンプト例C]
「以下に示す特許公報の要約および主要クレームを読み、発明アイデアとの類似点と差異を整理してください。
特許公報：
『（公報タイトル、要約、クレームを貼り付け）』

【条件】

  • 発明アイデアとの共通点、相違点を箇条書きで示す
  • 相違点が新規性・進歩性に与える影響を簡潔に示す
  • 技術的特徴（材料、構造、アルゴリズム、工程など）の観点から具体的に評価

それぞれの文献について、A4用紙半ページ程度で要約してください。」

想定アウトプット

  • 既存特許公報の要点整理
  • 自社アイデアとの比較表（共通点・差別点）
  • 新規性・進歩性を左右する箇所の簡易評価

活用方法

  • 類似技術を深く検討し、クレームの方向性を修正
  • 拒絶理由を想定して事前対策

1-4. 非特許文献の調査

プロンプト例

[プロンプト例D]
「以下の技術分野における最新の論文や技術系ニュース記事を調査し、要約してください。
技術分野：○○（例：バイオセンサー、AIアルゴリズム、樹脂材料 など）

【条件】

  • Google Scholar、PubMed、arXivなど主要プラットフォームで検索した結果を想定
  • 発行年が直近3年以内の文献を優先
  • 主な研究成果、解決しようとしている課題、アプローチ方法をまとめる
  • 特許出願の進歩性に影響する可能性があるキーワードを抽出する

箇条書きと短い要約文にまとめて提示してください。」

想定アウトプット

  • 最新の非特許文献（学会論文、学術誌記事、技術ニュース）の要点整理
  • 発明に関連する先行事例が特許文献以外にも存在するかの確認

2. 特許要件の検討・整理

2-1. 特許要件の自動評価

プロンプト例

[プロンプト例E]
「以下の発明アイデアが、新規性・進歩性を満たす可能性がどの程度あるか、先行技術との比較を踏まえて評価してください。
発明アイデア：
『（発明の詳細：課題、構成、作用効果などを記載）』

【条件】

  • 既に調査した主要な特許文献A、B、C（要点）との比較を実施
  • 新規性・進歩性が疑わしい部分があれば指摘
  • 産業上の利用可能性、記載要件（明確性、サポート要件）にも言及

評価結果を「新規性」「進歩性」「明細書要件」の観点で3段階評価（高/中/低など）と理由付けを出してください。」

想定アウトプット

  • 「新規性：中程度。先行文献Bの○○と類似している」等のコメント
  • どの部分を補強・修正すべきかの示唆

2-2. 請求項の最適化

プロンプト例

[プロンプト例F]
「以下の発明概要を基に、特許請求の範囲（クレーム）をドラフトしてください。
発明概要：
『（発明の詳細、作用効果、必須構成要素など）』

【条件】

  • 独立請求項1件、従属請求項3件程度を作成
  • 既存の先行技術との相違点を明確にするための特徴（機能、工程、材料など）を盛り込む
  • 広すぎる権利範囲を避けつつ、新規性・進歩性を最大限に主張できる範囲を意識
  • 法的言い回し（「…を特徴とする発明」）を使用

出力は請求項1から順番に箇条書きで示してください。」

想定アウトプット

  • AIが作成した請求項ドラフト（例：請求項1で広くカバー、請求項2～4で具体的特徴を追加）
  • 差別化のために特徴づけした部分の言い回し

2-3. 明細書作成支援

プロンプト例

[プロンプト例G]
「以下の内容を基に特許明細書（発明の名称、背景技術、発明が解決しようとする課題、課題を解決するための手段、発明の効果）を作成してください。
内容：

  1. 発明の名称：○○
  2. 背景技術：○○分野で使用される従来技術や課題
  3. 発明の構成：○○を用いた新規な仕組み
  4. 効果：△△が向上、□□が低減

【条件】

  • 法的要件を満たす形式（背景技術→課題→解決手段→効果の順）
  • 作図が必要と思われる場合は図面例も提案
  • 用語を統一し、繰り返し表現を避ける

全体でA4用紙2～3ページ程度の分量を想定し、見出しを付けて構成してください。」

想定アウトプット

  • 特許明細書のドラフト文章（一連のセクション：背景技術、課題、解決手段、効果、実施例など）
  • 図面参照番号や用語の定義

3. 出願書類の作成と提出

3-1. 出願書類（明細書・要約書・図面説明など）の自動生成

プロンプト例

[プロンプト例H]
「以下の情報を基に、日本国特許庁への特許出願書類（明細書、要約書）をドラフトしてください。
発明情報：
『（明細書の基本案、請求項ドラフト、実施例、図面情報など）』

【条件】

  • 明細書と要約書を分けて出力
  • 要約書は約400字程度で簡潔に
  • J-PlatPatで検索される際にわかりやすい表現を心がける
  • 誤字脱字がないようにチェック

可能な範囲で、「出願人名・発明者名・出願日」などもテンプレートに含めてください。」

想定アウトプット

  • 一通りの書式に準じた明細書・要約書のテンプレート文
  • 最終的には専門家の校正が必要

3-2. 書類の翻訳

プロンプト例

[プロンプト例I]
「以下の日本語特許明細書を、米国特許庁（USPTO）への出願を想定した英文に翻訳してください。
日本語明細書：
『（明細書本文、請求項）』

【条件】

  • 特許翻訳の専門用語を適切に用いる
  • 法的ニュアンスを損なわないように正確に
  • 慣用的な表現やクレーム形式（wherein, comprising, etc.）を使用

訳文をセクションごと（Background, Summary, Claimsなど）に分けて提示し、用語の定義リストも追加してください。」

想定アウトプット

  • 特許翻訳特有の文体を用いた英文明細書ドラフト
  • 用語対応表（日本語→英語）

4. その他のプロセス支援

4-1. 審査官対応支援

プロンプト例

[プロンプト例J]
「以下の拒絶理由通知書の内容を要約し、審査官が指摘している問題点と根拠文献を整理してください。
拒絶理由通知書：
『（通知書本文）』

【条件】

  • 指摘されている請求項の問題点（新規性なのか進歩性なのか）を分類
  • 引用文献の要点を把握できるようにまとめる
  • 出願人として主張・補正すべき点を列挙

箇条書きで各論点を示し、その後に補正方針案を3パターン程度提案してください。」

想定アウトプット

  • 審査官が引用した文献や拒絶理由の要点
  • クレーム補正や意見書の方向性（例：クレーム範囲狭める/実施例を追加する等）

4-2. 特許戦略の立案

プロンプト例

[プロンプト例K]
「以下の競合他社リストとそれぞれの公開特許を参考に、当社の特許戦略を立案するための方針を提案してください。
競合他社リスト：A社、B社、C社
各社の主要特許：『（特許番号や簡単な要約）』

【条件】

  • 競合他社との技術分野の重複箇所と差別化箇所を整理
  • 当社が優位を取れる分野や、あえて出願を控える分野などを仕分け
  • 海外出願の必要性（米国、欧州、中国など）に関しても示唆

A4用紙1ページ程度で戦略方針をまとめたレポート形式で出力してください。」

想定アウトプット

  • 競合他社との特許ポートフォリオ比較結果
  • 攻めるべき技術領域・国の優先度
  • 複数シナリオ（出願強化シナリオ、ライセンス検討シナリオなど）

5. 注意点と運用上のポイント

  1. 機密情報の扱い
    • 特許明細書の草案や未公開情報をAIに入力する際は、セキュリティ対策（オンプレミスモデルの利用、情報のマスキングなど）が必須です。
  2. 学習データの品質
    • 生成AIは学習データに依存するため、特許翻訳や専門分野の表現に精通したAIモデルを選ぶか、適切なカスタマイズが必要です。
  3. 法的チェックの必須性
    • AIの提案はあくまでもドラフトのレベルです。最終的な法的要件の満足度や適切な権利範囲の設定は、弁理士・知財担当者の確認・判断が不可欠です。
  4. 更新とメンテナンス
    • 特許法や審査基準は改正されることがあります。定期的にAIモデルのバージョンアップやプロンプトの修正を行うことで、常に最新情報に対応する必要があります。

まとめ

  • 本回答で示したプロンプト例は、先行技術調査→特許要件検討→明細書・出願書類作成→審査官対応・戦略立案という一連のプロセスをカバーしています。
  • 生成AIの活用により、調査・ドラフト作成の工数を大幅に削減し、抜け漏れを減らすことが期待できます。
  • 一方で、特許要件の最終的な判断と戦略立案は専門家が担うべき部分であり、AIをツールとしてどう使いこなすかが重要です。
  • 運用の際は、機密情報管理や法的リスクを十分に考慮しながら、適切なプロンプトを設計・改善し続けることが求められます。

以下では、生成AIを活用した特許申請のプロセスや、特許庁審査官の視点を踏まえた対策方法について、よくある質問（Q&A）を5つ厳選してご紹介します。SEO・AEO（Answer Engine Optimization）を意識しつつ、キーワードを散りばめながら構成しています。ぜひ参照ください。

Q1. 生成AIを使った先行技術調査では、どのように検索漏れを防ぐのでしょうか？

A1.

  1. キーワード抽出と同義語展開
    • 生成AIに発明内容を入力し、主要構成要素、技術分野、作用効果などを分析してもらうことで、関連キーワードや同義語・類義語を幅広く抽出できます。
    • 例：「ポリマー」と「樹脂」「高分子」など、表現の揺らぎをAIが拾い上げます。
  2. 最適な検索クエリの自動生成
    • 特許データベース（J-PlatPat、Espacenetなど）向けに、AIがブール演算や分類記号（IPC、FI、F-Term）を組み合わせた検索式を提案します。
    • 検索範囲を国際特許や非特許文献（論文、学会資料）にまで広げることで、見落としを最小化します。
  3. 文献要約と比較分析
    • 膨大な検索結果を要約し、発明との共通点・相違点を比較することで、どれだけ先行技術が近似しているかを把握しやすくなります。

→ ポイント： AIが同義語や関連語を網羅的にリストアップするおかげで、検索漏れを大幅に削減でき、特許庁審査官が注目する“先行技術との違い”をより早く発見できます。

Q&A

Q2. 生成AIで特許要件（新規性・進歩性など）の評価をする際の注意点は何ですか？

A2.

  1. AIの提案はドラフトレベル
    • 新規性・進歩性の評価は、先行技術との比較結果をAIが簡易的にスコア化・レポート化できますが、最終判断は弁理士や知財担当者が行う必要があります。
  2. 最新情報の反映
    • AIが学習しているデータが古い場合、最新の特許文献や学術論文がカバーされていない可能性があります。定期的に更新されたデータベースを活用し、AIに適切なプロンプトで指示することが重要です。
  3. 産業上の利用可能性や記載要件
    • 特許庁審査官は新規性や進歩性だけでなく、**明細書要件（発明が実施できる程度に十分開示されているか等）**も厳しく確認します。AI評価だけに頼らず、明確かつ具体的な記載を心がける必要があります。

→ ポイント： AIの評価は効率的な“事前チェック”としては優秀ですが、法的要件の最終判断は専門家との連携が必須です。

Q3. 請求項（クレーム）をAIに生成させる場合、どんなプロンプトを使えば良いですか？

A3.

  1. プロンプトの基本構成
    • 「発明概要」「必須構成要素」「差別化ポイント（先行技術との違い）」を明示的に書き、**『広すぎず狭すぎないクレームを作成してほしい』**と指示します。
  2. 従属請求項の階層化
    • 「独立請求項1件、従属請求項3件」というように希望の構成を指定し、それぞれの特徴を明確に区分するようにAIへ要望します。
  3. 法的表現や用語の統一
    • **「…を特徴とする○○」**という特許文書特有の書式を使用し、可能なら対象国（日本、米国など）に合わせたクレーム表現をAIに提案させるとスムーズです。
  4. 実施例の参照
    • AIに「図面との整合性」「実施例で示した具体的数値範囲」などを踏まえてクレームを調整するように促すと、より審査官に伝わりやすい出願書類になります。

→ ポイント： AIが提案する文面をそのまま使うのではなく、弁理士や知財担当者のレビューで適切に調整することが大切です。

Q4. 出願書類作成時にAI翻訳を使うメリット・デメリットは？

A4.

  1. メリット
    • 短時間・低コストで多言語の特許明細書ドラフトが用意できる。
    • 用語集や専門用語辞書をAIに付与すれば、高い精度の翻訳が期待できる。
    • 海外出願（USPTO、EPO、CNIPAなど）の準備がスピーディになる。
  2. デメリット
    • 法的ニュアンスの微妙な差異（例：「comprising」「consisting of」「含む」「備える」など）を機械翻訳のみで正確に表現しきれない可能性がある。
    • 最新の技術用語や固有名詞への対応が不完全だと、誤訳リスクあり。
    • セキュリティ設定によっては、機密情報が外部サーバに送信されるリスクがある。

→ ポイント： 翻訳の効率化は魅力的ですが、最終的なリーガルチェックは専門家の手で行う必要があります。

Q5. 審査官の拒絶理由通知への対応をAIで効率化するには？

A5.

  1. 通知内容の要約
    • 拒絶理由通知書をAIに読み込ませ、**指摘項目（新規性、進歩性、明確性など）**を箇条書きで整理させます。
    • 引用文献との比較や、どのクレームが対象になっているかを一目で把握できます。
  2. 補正シナリオの提案
    • AIに「補正シナリオを複数パターン」提案させ、クレーム範囲を狭める/用語を明確化する/新たな実施例を追加などの対応策をまとめさせると、検討がスムーズです。
  3. 過去の審査事例分析
    • 似たような拒絶理由を受けた他社・他出願の経過情報をAIで検索・要約。審査官が重視するポイントを把握しながら応答内容を作成します。
  4. 最終チェックと意見書提出
    • AIの提案を踏まえ、専門家が法的視点から修正を加え、意見書・補正書を確定。
    • スピードと正確性を両立し、審査官とのやり取り回数を減らせます。

→ ポイント： 拒絶理由通知への迅速かつ的確な対応は、特許取得までの期間短縮やコスト削減に直結します。AIを活用しつつも、最終責任は専門家が担うことを忘れないようにしましょう。

Business Technology
Business 特許 特許出願 生成AI
よかったらシェアしてね！
  • URLをコピーしました！
  • URLをコピーしました！

この記事を書いた人

Noboru_Hayakawaのアバター Noboru_Hayakawa

関連記事

コメント

コメントする

目次