AI特許調査ツールを、検索補助、FTO、無効資料調査、M&A、契約・情報管理の中でどう使い、どこから人間の専門判断に渡すべきかを整理します。
AI特許調査ツールを、検索補助、FTO、無効資料調査、M&A、契約・情報管理の中でどう使い、どこから人間の専門判断に渡すべきかを整理します。
速度と探索範囲は強化できますが、特許性・侵害・FTO・M&Aリスクの最終評価は代替できません。
AI特許調査ツールは、自然文検索、意味検索、類似文献検索、分類候補の提示、機械翻訳、要約、クレーム要素の抽出、技術トレンドの整理、競合ポートフォリオ分析で、従来のキーワード検索や人手中心の調査を補完します。
一方で、検索結果はデータ収録範囲、公開時期、言語、分類、ランキング、学習データ、プロンプト設計、モデル更新、ベンダー仕様に依存します。関連文献の漏れ、無関係文献の混入、誤要約、引用箇所の取り違え、法的評価の飛躍、秘密情報や個人情報の入力リスクは残ります。
次の強調欄は、このページ全体で何を判断軸にすべきかを示します。読む側にとって重要なのは、AIの有無ではなく、AI出力をどの段階で人間のレビューと証跡管理に接続するかです。
AIは問いを広げ、候補文献を浮かび上がらせます。FTO、無効資料調査、M&A、訴訟・交渉、投資判断では、請求項、原文、法的状態、契約、秘密情報管理を専門職が確認する設計が不可欠です。
AI特許調査ツールを導入する際は、用途ごとの有効性と限界を分けて把握することが重要です。下の比較表では、AIが支援しやすい作業と、人間の専門判断が必要な作業を切り分けています。
| 領域 | AIが支援しやすい作業 | 人間が確認すべき点 |
|---|---|---|
| 先行技術調査 | 自然文から候補文献を広く抽出し、同義語や外国語表現を補う | 新規性・進歩性、出願日、非特許文献の証拠性 |
| FTO | 対象製品に近い候補特許を抽出し、請求項要素の整理案を作る | 請求項解釈、均等論、権利存続、国ごとの差異、ライセンス |
| M&A・投資 | 特許群、ファミリー、引用関係、競合重複領域を短時間で整理する | 契約上の帰属、共同研究、未出願ノウハウ、第三者権利リスク |
| 社内報告 | 検索結果を要約し、初期レポート案を作る | 公報番号、請求項番号、引用箇所、法的状態、結論の限界 |
特許調査、先行技術、請求項、FTO、AIツールの機能を区別すると、出力の読み方が変わります。
特許調査は、特許出願、特許公報、審査経過、引用文献、法的状態、特許分類、ファミリー情報、非特許文献を調べ、技術・製品・競合・権利に関する判断材料を得る活動です。出願前調査、FTO調査、無効資料調査、技術動向調査、M&Aの知財デューデリジェンスでは、調査設計がそれぞれ異なります。
先行技術は、出願前に公衆が利用可能となった技術情報です。特許文献だけでなく、論文、学会資料、製品カタログ、マニュアル、ウェブページ、ソースコード、標準仕様書、動画、展示会資料、販売実績、実施品も、条件によって先行技術になり得ます。
次の比較表は、AI特許調査ツールを使う前に押さえるべき用語を整理したものです。読者にとって重要なのは、どの用語が検索対象を示し、どの用語が法的評価や事業判断に関わるかを読み分けることです。
| 用語 | 意味 | AI利用時の注意 |
|---|---|---|
| 特許調査 | 出願、権利、審査経過、引用、分類、非特許文献を調べる活動 | 目的ごとに検索範囲、対象国、証跡、レビュー担当を変える |
| 先行技術 | 出願前に公衆が利用可能となった技術情報 | 特許文献以外も対象となるため、特許データベースだけでは足りない場合がある |
| 請求項 | 特許の権利範囲を定める中心文書 | AI要約ではなく、構成要件、明細書の定義、審査経過を確認する |
| FTO | 製品・サービス等を実施する際の第三者特許リスクを調べる活動 | 「似ている」かではなく、有効な請求項が対象仕様を読むかを確認する |
| AI特許調査ツール | 検索・分類・要約・比較・分析を支援する機械学習等を用いた道具 | データ範囲、セキュリティ、説明可能性、契約条件を確認する |
AI特許調査ツールの機能は多様です。下の表は、機能ごとの典型的な利用場面を示し、どこまでを補助作業として扱うべきかを読み取れるようにしたものです。
| 機能 | 説明 | 典型的な利用場面 |
|---|---|---|
| 意味検索 | キーワード一致だけでなく概念的類似性で文献を探す | 出願前調査、無効資料調査 |
| 類似文献検索 | 発明メモ、請求項案、既存特許に類似する文献を探す | 先行技術調査、競合調査 |
| 分類候補提示 | IPC、FI、Fターム、CPCなどの候補を提示する | 検索式設計、分類検索 |
| 機械翻訳 | 外国語特許を初期把握しやすくする | 海外特許調査、多国籍FTO |
| 要約 | 明細書、請求項、審査経過を短くまとめる | 初期スクリーニング、社内報告 |
| クレームチャート補助 | 請求項の要素と文献・製品仕様の対応を整理する | FTO、無効調査、訴訟準備 |
| ランドスケープ分析 | 技術領域、出願人、時系列、引用関係を整理する | R&D戦略、M&A、競合監視 |
| 画像類似検索 | 意匠、図面、製品外観、構造図の類似性を探す | 意匠調査、デザイン特許調査 |
| 生成AIレポート | 調査結果から報告書の草案を作る | 法務・知財の報告書作成補助 |
公的な基盤として、日本ではJ-PlatPat、国際的にはWIPOのPATENTSCOPE、EPOのEspacenet、USPTOのPatent Public Searchなどが重要です。特許庁や海外庁でもAIは分類、検索、機械翻訳の補助に使われつつありますが、それは企業がAIだけで法的判断を完結できることを意味しません。
出願前、無効資料、FTO、競合監視、M&Aでは、AIが役立つ範囲と危険な過信が異なります。
AI特許調査ツールの有用性は、調査目的によって変わります。次の一覧は、企業法務・知財実務で頻出する場面ごとに、AIが価値を出しやすい点と限界を並べたものです。目的ごとの差を読むことで、どの段階で専門職レビューを入れるべきかが分かります。
発明メモや研究者の自然文から関連特許を拾えます。ただし、提示文献が少ないことは特許性の肯定ではなく、新規性、進歩性、記載要件、先願などの評価が必要です。
言語差や表現差を越えて候補を出し、引用関係やファミリー探索を助けます。ただし、ランキング上位が法的に最も強い証拠とは限りません。
対象製品の説明から候補特許を抽出できます。ただし、類似度は侵害判断ではなく、請求項解釈、権利存続、国ごとの差異、ライセンス確認が必要です。
出願人、分類、時系列、引用、共同出願、国別展開を整理できます。ただし、検索範囲や分類設計が狭すぎると新興技術を見逃します。
対象会社の特許一覧、主要ファミリー、被引用数、競合との重複を整理できます。ただし、契約上の帰属、共同研究、未出願ノウハウ、チェンジ・オブ・コントロール条項は別途確認します。
FTOでは、AI検索の結果をそのまま経営判断に使うのではなく、対象製品、対象国、法的状態、請求項対応、専門職レビューへ順番に進める必要があります。下の判断の流れは、どの順番で不確実性を減らすかを示しています。
機能、構造、実施国、販売時期を整理します。
検索式、分類、クレームチャートの単位に落とします。
意味検索、類似文献検索、要約で初期候補を拾います。
AIだけに依存せず、再現性のある探索を重ねます。
権利存続、補正、意見書、均等論、対象国差を検討します。
残存不確実性を経営資料に明記します。
検索不能な範囲を残した形で判断材料化します。
M&Aや投資では、AIによる特許ポートフォリオ分析を、契約、会計、税務、技術、事業計画とつなげる必要があります。AIが示す特許価値スコアや類似度だけで価格、表明保証、補償、クロージング条件を決めるのは危険です。
語彙差、多言語、初期スクリーニング、分類支援、報告書草案では大きな効果があります。
特許文献は、一般的な技術用語と異なる表現を使うことが多く、同義語、略語、商標名、一般名、分類名、英語表現が混在します。AIの意味検索は、語の一致ではなく文脈の近さを用いるため、表現差による見落としを減らす可能性があります。
次の一覧は、AI特許調査ツールが特に力を発揮しやすい作業を示します。どの作業も最終判断ではなく、読むべき文献や確認すべき論点を早く見つけるために重要です。
「小型ドローン」と「無人航空機」のような表現差を補い、従来の検索語だけでは見つけにくい候補を提示します。
数百件から数千件の候補を要約、重複整理、技術要素ごとの分類により、読むべき順番をつけやすくします。
技術説明からIPC、FI、Fターム、CPCなどの候補を示し、隣接領域の検索設計を支援します。
日本語、英語、中国語、韓国語、欧州言語の文献を初期把握しやすくします。重要案件では原文確認が必要です。
検索結果の要約、論点整理、比較表、社内報告案を作れます。公報番号や引用箇所の照合は必須です。
分類候補提示や機械翻訳は、初学者だけでなく隣接領域を調査する専門家にも有用です。ただし、請求項の「comprising」「wherein」「configured to」などの表現、化学式、数値範囲、否定表現、条件節は、翻訳や要約の微妙な差で意味が変わることがあります。
データにないものは見つけられず、類似度は法的判断ではなく、証跡がなければ後日説明できません。
特許調査の品質は、AIモデルだけでなく参照データベースに依存します。収録外文献、更新遅延、OCR不備、非特許文献、未公開出願、営業秘密、製品実施情報は、AIが高度でも発見できません。
次の一覧は、AI特許調査ツールの主要な限界をリスク類型ごとに整理したものです。読者にとって重要なのは、どの限界が検索漏れ、どの限界が法的評価、どの限界が情報管理や監査に関わるかを読み分けることです。
無料・商用を問わず、国、期間、全文、法的状態、非特許文献、更新頻度に差があります。
日本では通常、出願から1年6月を経過した時点で公開されます。まだ公開されていない競合出願は検索できません。
重要文献を見落とす危険と、関係の薄い文献を拾う危険があります。特に偽陰性は差止や設計変更につながり得ます。
新規性、進歩性、均等論、間接侵害、先使用権、独禁法上の問題は類似度スコアでは判断できません。
従属項を独立項のように扱う、実施例を請求項に読み込む、限定を見落とすといった誤りが起こり得ます。
存在しない文献番号、誤った段落番号、実在するが無関係な文献が出る場合があります。
有効、消滅、訂正、無効、異議、訴訟の情報は国ごとに制度と更新品質が異なります。
論文、標準仕様、GitHub、技術ブログ、製品資料などを十分に検索できない場合があります。
発明メモ、未公開仕様、M&A資料、訴訟方針を入力すると外部送信や学習利用の問題が生じます。
モデル更新やランキング変更により、同じ入力でも同じ結果が出ない場合があります。
生成AI出力を検証する際は、読みやすい文章よりも、番号、日付、請求項、引用箇所、法的状態の正確性を優先します。下の表は、どの確認がどのリスクを減らすかを示しています。
| 確認項目 | 確認内容 | 減らせるリスク |
|---|---|---|
| 公報番号 | 公開番号、登録番号、出願番号が実在するか | 幻覚、引用誤り |
| 請求項・段落・図面 | AIが引用した箇所が実際に存在し、内容が一致するか | 要約誤り、構成要件の取り違え |
| 優先日・公開日 | 先行技術として使える時点に公開されているか | 証拠性の不足 |
| 法的状態 | 権利存続、年金、名義変更、審判、訴訟を公式情報で確認する | FTO・M&A判断の誤り |
| 原文確認 | 重要文献は機械翻訳や要約ではなく原文で読む | 翻訳差、限定の見落とし |
調査目的、技術要素、検索方法、トリアージ、一次資料確認、レポート化を順番に設計します。
最初に、調査目的を明確にします。出願前調査なら新規性・進歩性の障害となり得る先行技術、FTOなら対象国での第三者権利リスク、無効資料調査なら特定請求項を否定し得る文献、技術動向調査なら主要出願人や出願件数、M&Aなら権利存続と第三者権利リスクを定義します。
AI画像検査装置を例にすると、撮像装置、前処理アルゴリズム、学習済みモデル、異常検知ロジック、判定閾値の更新、エッジ端末での推論、クラウド連携、検査結果の整理、製造ライン制御との接続に分解します。この分解は検索式、分類、クレームチャート、FTO範囲に直結します。
次の比較表は、AI意味検索だけに依存しないために併用すべき検索方法をまとめたものです。強みと弱みを並べることで、どの方法で漏れを補い、どの方法で証跡を残しやすいかを読み取れます。
| 方法 | 強み | 弱み |
|---|---|---|
| キーワード検索 | 再現性が高く説明しやすい | 同義語や翻訳差に弱い |
| 分類検索 | 技術分野を体系的に拾える | 新興領域や境界領域を見逃すことがある |
| 意味検索 | 表現差を越えやすい | ランキング根拠が不透明なことがある |
| 引用検索 | 重要文献の周辺をたどれる | 引用が少ない新興技術に弱い |
| ファミリー検索 | 国際展開を把握しやすい | ファミリー定義がデータベースで異なる |
| 出願人検索 | 競合監視に有効 | 名義変更や表記揺れに注意が必要 |
| 非特許文献検索 | 論文、標準、製品資料を拾える | 証拠性と公開日の確認が必要 |
| 画像検索 | 意匠や構造図に有効 | 技術思想の一致を保証しない |
AI出力は、人間がAからDおよび保留に分類します。この一覧は、AIスコアを法的危険度として扱わないための仕分け基準です。どの候補を詳しく読むか、どれを背景技術に留めるかを区別します。
請求項または対象製品に極めて近い候補です。原文、法的状態、請求項対応を優先確認します。
関連性は高いものの、構成要件や証拠性に不足があります。追加検索や組合せ可能性を確認します。
直接の障害ではないものの、技術常識や競合動向の説明に使えます。
除外理由を残すことで、後日の説明や再調査時の重複を減らします。
翻訳、法的状態、優先日、ファミリー、非特許文献性が未確認の候補です。
重要文献は、請求項、発明の詳細な説明、実施例、図面、要約、出願日、優先日、公開日、登録日、出願人、権利者、名義変更、審査経過、補正、意見書、期限、年金、権利消滅、異議、無効審判、ファミリー国を確認します。
実務で使える特許調査レポートには、調査目的、対象技術、対象国、対象期間、使用データベース・AIツール、検索日、検索式、プロンプト、分類、ヒット件数、スクリーニング基準、重要文献一覧、請求項対応表、法的状態、残存リスク、結論の限界、推奨アクション、レビュー担当者を含めます。
SaaS導入契約、入力制限、レビュー義務、証跡保存、リスク管理の枠組みを整えます。
AI特許調査ツールは、企業の未公開技術、将来製品、訴訟方針、M&A資料に触れ得ます。そのため、一般的な検索サービスではなく、秘密情報、営業秘密、個人情報、委託先管理、監査の対象として扱います。
次の表は、ベンダー契約で確認すべき論点を示しています。読者にとって重要なのは、ツールの検索性能だけでなく、入力データがどこに保存され、学習利用されるか、後で証跡を取り出せるかを確認することです。
| 論点 | 確認事項 |
|---|---|
| 秘密保持 | 入力データ、検索式、出力、ログが秘密情報に含まれるか |
| 学習利用 | 入力・出力がモデル学習に使われるか、オプトアウトできるか |
| データ保持 | プロンプト、ファイル、検索履歴、ログの保存期間 |
| データ所在地 | 保管・処理される国・地域、越境移転、再委託先 |
| セキュリティ | 暗号化、アクセス制御、監査ログ、脆弱性対応、SSO、MFA |
| 個人情報 | 個人データ処理、委託契約、DPA、削除対応 |
| 出力保証 | 検索漏れ、誤要約、誤分類に関する免責範囲 |
| 知的財産 | 出力物の利用権、レポートの著作権、二次利用 |
| 監査・削除 | ログ取得、内部監査対応、契約終了時の削除証明 |
| 輸出管理 | 技術情報の国外移転、経済安全保障上の制約 |
社内利用規程では、入力してよい情報と禁止する情報、承認手続、レビュー義務、証跡保存、外部共有、禁止行為、教育を定めます。次の一覧は、規程に入れる項目を実務単位に分けたものです。
顧客名、訴訟戦略、個人情報、共同研究先情報などを入力禁止または承認制にします。
法的意見、FTO、無効、M&A、訴訟、外部提出資料では専門職レビューを義務化します。
検索日、ツール、データベース、ヒット件数、除外基準、レビュー担当者、判断理由を残します。
AI出力を確定的な法的意見として表示しないよう、承認手続と表現ルールを決めます。
NIST AI Risk Management Frameworkの考え方は、AI特許調査ツールにも応用できます。下の表は、4機能を特許調査業務へ置き換えたもので、どの統制をどこに配置するかを読み取れます。
| AIリスク管理の考え方 | 特許調査業務での実装例 |
|---|---|
| Govern | 利用規程、権限、責任者、ベンダー契約、教育 |
| Map | 調査目的、対象国、入力データ、法的リスク、機密性分類 |
| Measure | 検索精度評価、再現性、漏れ確認、専門家レビュー率 |
| Manage | 高リスク案件の人間レビュー、ツール停止、是正、監査 |
弁護士、弁理士、知財法務、契約法務、監査、情報セキュリティの分担を明確にします。
AI特許調査ツールは、単一部署だけで運用するものではありません。法的評価、請求項評価、契約、M&A、情報管理、監査、技術実装をつなげることで、調査結果を事業判断に使える形にできます。
次の一覧は、専門職ごとの役割を並べたものです。誰がAI出力を読み替え、誰が請求項を確認し、誰が契約・統制へ反映するかを読み取ることが重要です。
契約、訴訟、警告書対応、M&A、取締役会説明、コンプライアンス、情報管理に接続します。
法的文脈高リスク案件出願前調査、特許性評価、請求項ドラフト、無効資料調査、FTO、審査対応で中心的役割を担います。
請求項原文確認調査目的を定義し、ツール選定、外部専門家への依頼、社内説明資料作成を担います。
運用設計知財帰属、第三者権利侵害、補償、秘密保持、学習データ利用、表明保証に反映します。
契約連動利用規程、教育、証跡、承認、ベンダー管理、未承認利用を確認します。
監査アクセス制御、ログ、暗号化、DLP、ID管理、不正利用時の調査を担います。
技術統制ツール選定では、デモ画面の使いやすさだけでは足りません。下の表は、選定時に確認する基準を整理したもので、検索性能、生成AI機能、セキュリティ、再現性、実務適合性を横断して見るために重要です。
| 基準 | 確認ポイント |
|---|---|
| データ品質 | 国・地域、収録期間、公報種別、審査経過、法的状態、ファミリー、引用、非特許文献、更新頻度 |
| 検索性能 | キーワード、ブール、分類、意味検索、類似文献検索、多言語、重複排除 |
| 生成AI機能 | 引用箇所、請求項分解、信頼度、参照元、プロンプト保存、存在しない文献の抑制 |
| セキュリティ・法務 | 学習利用拒否、データ保持、監査ログ、SSO、MFA、個人情報処理、再委託先開示、削除証明 |
| 証跡・再現性 | 検索式、プロンプト、フィルタ、検索日、データベースバージョン、レポート出力、API連携 |
| 実務適合性 | 弁理士、知財担当、研究開発者、法務部門、外部専門家との共同作業、費用対効果 |
開始前、検索時、出力検証、経営判断前に確認すべき項目を分けて管理します。
チェックリストは、AIの利用可否を決めるだけでなく、後日説明できる調査資料を作るために重要です。下の表は、調査段階ごとに確認すべき項目を並べ、漏れやすい論点を読み取れるようにしたものです。
| 段階 | 確認項目 |
|---|---|
| 調査開始前 | 目的、対象技術・製品・請求項、対象国、対象期間、公開情報だけで調査できるか、社内承認済みツールか、専門家レビューが必要か、結果の利用先 |
| AI検索時 | 自然文検索だけでなくキーワード・分類を併用したか、同義語・上位概念・下位概念・略語・英語表現を検討したか、競合名、引用、ファミリー、非特許文献、下位候補、検索日を確認したか |
| 出力検証 | 公報番号、請求項番号、AI要約、引用段落、図面、法的状態、出願人・権利者、優先日・公開日・登録日、機械翻訳依存、専門家レビュー要否 |
| 経営判断前 | 調査範囲、未公開出願のリスク、FTOで断定していないか、残存リスク、設計変更・ライセンス・追加調査・外部鑑定、証跡保存責任者、AI出力の限界説明 |
プロンプトは、法的結論を出させるためではなく、検索戦略、構成要件の分解、確認ポイントの抽出、レビュー支援に限定して設計します。次の一覧は、用途別に入れるべき指示と出力項目を示しています。
公開済み技術説明について、技術要素、日本語・英語キーワード、同義語、ノイズ語、分類候補、検索式案、非特許文献を提案させます。法的結論は出させません。
公開済み製品説明をもとに、確認すべき技術要素、検索キーワード、分類候補、対象国ごとの差異の追加確認事項を出させます。侵害有無は判断させません。
公開公報の請求項を構成要件に分解し、各要件の技術的意味、検索語、近い文献を読む際の確認ポイント、組合せ文献が必要になり得る要素を出させます。
AI要約について、原文確認が必要な箇所、法的評価として断定しすぎている箇所、引用確認が必要な箇所だけを指摘させます。新しい事実は生成させません。
出願前、FTO、M&A、警告書対応、SEP、社内運用、リーガルオペレーションまでつなげます。
ケーススタディは、AIがどこで価値を出し、どこで専門家判断に渡すべきかを具体化するために重要です。次の一覧では、場面ごとの有効性と限界を並べています。
製造ラインの異常検知アルゴリズムを、異常検知、予知保全、画像検査、時系列データ、エッジ推論、教師なし学習などへ分解し、AI検索と分類検索で候補を集めます。限界は進歩性評価と請求項ドラフト戦略です。
センサー付き装置について、日本・米国の関連特許を初期抽出し、上位候補をスクリーニングします。重要なのは類似度ではなく、有効な請求項が製品仕様を読むかです。
AI創薬関連特許を技術領域別に分類し、ファミリー、引用関係、競合との重複を整理します。契約上の共有権利、大学ライセンス、職務発明、未出願ノウハウは別途確認します。
請求項を構成要件に分解し、引用文献、被引用文献、同一ファミリー、発明者過去出願、標準仕様、論文を調べます。証拠として使えるか、公開日が有効か、進歩性否定の論理付けが成立するかを確認します。
標準仕様書と請求項の対応候補をAIで抽出できます。SEP性、必須性、FRAND条件、競争法リスクは技術・法務・経済分析が必要です。
社内運用は、研究開発者のセルフチェックから経営判断まで段階化すると過信を抑えやすくなります。下の時系列は、AI出力がどの段階で専門家レビューへ移るかを示しています。
公開情報だけを入力し、簡易な先行技術候補を確認します。AIで見つからないことを特許可能性の根拠にしない教育が必要です。
AI検索、分類検索、キーワード検索を組み合わせ、検索式・プロンプト・結果を保存します。
弁理士・弁護士が請求項、法的状態、審査経過、侵害・無効論点を原文に戻って評価します。
AI検索結果ではなく、専門家レビュー済みのリスク評価を使います。未公開出願、非収録文献、対象国の限界を明記します。
導入ロードマップは、低リスクな試験から始め、利用規程、業務組込み、専門家連携、監査・改善へ進めます。下の時系列は、どの順番で社内統制を成熟させるかを示しています。
公開情報調査で試し、過去案件をベンチマークに重要文献の再発見率やノイズを確認します。
入力禁止情報、承認手続、証跡保存、レビュー義務、外部共有ルールを定めます。
出願前相談、FTO初期調査、競合監視、M&A知財DDなど用途別テンプレートを作ります。
社内AI調査と外部弁理士・弁護士レビューの分担を明確にし、候補文献と検索履歴を共有します。
検索漏れ、誤要約、利用規程違反、秘密情報入力、コスト効果を定期監査します。
高リスク領域では、分野固有の注意点もあります。AI・ソフトウェア特許は用途、データ、モデル、処理、ハードウェア、効果に分解します。医薬・バイオは化学構造、配列、数値範囲、実施例を原文で確認します。標準・通信は標準仕様、SEP宣言、ライセンス実務、競争法を合わせて見ます。生成AIサービス開発では、学習データ、モデル、推論方法、UI、安全対策、発明者認定、秘密情報、著作権、個人情報、営業秘密が交差します。
リーガルオペレーションとしては、過去レポート、検索式、重要文献、外部専門家コメント、製品別FTO履歴をナレッジ化し、平均リードタイム、重要文献発見までの時間、専門家レビュー候補の精度、重複調査削減、証跡保存率、未承認AI利用、外部事務所費用、製品ローンチ前FTO実施率をKPIとして見ます。
よくある誤解を、一般的な制度説明と実務上の注意に分けて整理します。
一般的には、AIは利用可能なデータに依存するとされています。未公開出願、収録外文献、更新遅延、OCR不備、非特許文献、営業秘密は限界となります。具体的な調査範囲や利用データベースは、対象国、技術分野、時期によって変わるため、専門家へ確認する必要があります。
一般的には、FTOは請求項の構成要件と対象製品の対応関係に基づいて検討されるとされています。類似度スコアは法的判断ではありません。対象製品の仕様、権利存続、国ごとの差異、証拠関係によって結論が変わる可能性があるため、具体的には弁理士・弁護士等へ相談する必要があります。
一般的には、AI要約は初期把握には有用ですが、重要文献は請求項、明細書、図面、審査経過を原文で確認する必要があるとされています。要約、翻訳、引用箇所の正確性は案件ごとに異なるため、重要な判断では一次資料の確認が必要です。
一般的には、無効判断には新規性・進歩性などの法的要件、証拠の公開日、請求項との対応、複数文献の組合せの論理付けが必要とされています。AIが近い文献を出しても、特定案件の結論を保証するものではありません。
一般的には、特許庁や海外庁でのAI活用も、人間の審査官や専門家の判断を補助する位置づけとされています。企業での利用でも、調査目的、証跡、秘密情報管理、専門家レビューを組み合わせる必要があります。
一般的には、無料ツールは有用な基盤ですが、目的によっては商用データベース、専門家調査、現地法確認、非特許文献調査が必要になるとされています。調査目的、対象国、技術分野、利用先によって必要な手段は変わります。
公的機関、国際機関、特許庁、研究資料を中心に整理しています。