---
title: 生成AI時代の特許文書読解メソッド
tags: 
author: [角渕由英](https://www.docswell.com/user/ytsunobuchi)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/LELMG3227R.jpg?width=480
description: 以下のnoteのスライド資料です。 https://note.com/tsunobuchi/n/naf758a5f2408
published: June 19, 26
canonical: https://www.docswell.com/s/ytsunobuchi/Z4N4P1-2026-06-19-085818
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/LELMG3227R.jpg)

生成AI時代の特許文書読解戦略
「要約」からの脱却と、「証拠付きの構造」
へのパラダイムシフト
2024年10月24日 / 特許戦略コンサルティング部門

# Page. 2

![Page Image](https://bcdn.docswell.com/page/4JMYQD89JW.jpg)

パラダイムシフト：AIは結論を出すツールではない
The Illusion
The Reality
Input data
The Illusion: 誤ったAI活用
Conclusion(圧縮)
検証不可能
(Broken Loop)
Input data
The Reality: 正しいAI活用
Evidence Matrix (証拠構造)
論点 A:
請求項1
根拠 P1:
段落[0015]
(原文)
根拠 P1:
段落[0015]
(原文)
論点 B:
請求項2
根拠 P2:
段落[0023]
(原文)
根拠 P2:
段落[0023]
(原文)
論点 C:
請求項3
根拠 P3:
段落[0031]
(原文)
根拠 P3:
段落[0031]
(原文)
検証可能なリンク
(Traceable Links)
アプローチ: AIによる「要約」と「評価」の
鵜呑み
メカニズム: 長文を短く圧縮し、もっともらし
い結論を生成する
致命的リスク: 原文との繋がりが消失（ブラ
ックボックス化）。結論の真偽を検証できず、
法的判断の根拠として使用不可能。
アプローチ: 根拠を確認できる「証拠付きの
構造」への変換
メカニズム: 特許文書の論点を整理し、原文のど
こを、どの順番で読むべきかを示す「読解地図」
を作成する
最大の価値: 結論をAIに委ねるのではなく、判断
に必要な証拠を抽出して、人間の専門家による法的
・戦略的判断を100%支援する基盤を構築する。

# Page. 3

![Page Image](https://bcdn.docswell.com/page/PJR9845979.jpg)

戦略的基盤：最終判断からの逆算設計
最終判断 (The Goal)
読解の目的 (何を判断・行動するための手段か)
技術理解: 技術動向の把握、
課題・解決手段の整理
先行技術調査: 特許要件
(新規性・進歩性)の審査
無効資料調査: 既存特許の
無効化論理の構築
侵害予防調査 (FTO): 自社
製品と他社権利範囲の対比
調査・読解の前提条件の固定
AIへの指示（プロンプト）を行う前に、人間が以下のパラメータを完全に定義し、ブレを排除する。
スコープ定義: 対象国、基準日、対象となる請求項の版（公開/登録）
対象データの確定: 比較対象となる製品仕様、図面、対象発明の仕様
出力の定義: 最終的に作成する成果物の形式、許容できる見落としのリスク許容度
「この特許を分析して」という曖昧な指示は、技術的類似性、権利範囲、侵害可能性を混在させる。
調査自体は目的ではなく、最終判断のための手段である。

# Page. 4

![Page Image](https://bcdn.docswell.com/page/PEXQ82K3JX.jpg)

人とAIの協働マトリクス：案件の重要度に応じたプロセス設
計
大量スクリーニング (数百〜数千件)
重要案件 (侵害鑑定・無効性評価など)
一次処理者: AI先読み (人間は後から評価)
一次処理者: 人間先読み (AIの回答に引きず
られることを防ぐ)
AIの役割: ノイズフィルター、関連文献の抽
出、読解箇所の案内
AIの役割: 「第二の読者」および「反対当事
者 (Opposing Counsel)」
抽出項目: 発明の名称、要約、独立請求項、
代表図、課題・解決手段
抽出項目: カテゴリー、請求項の主語、構成
要素の分解、要素間の関係、処理順序
許容される誤差とリスク管理: 正確な除外よ
りも「重要な文献を落とさないこと (偽陰性
の防止)」を最優先。AIの低い関連度スコア
を理由に自動除外しない。
注視すべきポイント: 人間とAIの「結論が一
致した箇所」ではなく、「読み方が異なった
箇所」(請求項の分け方、解釈用語、参照段
落の違い)を重点的に検証する。

# Page. 5

![Page Image](https://bcdn.docswell.com/page/3EK9KM5NED.jpg)

コア・メカニズム：「証拠付き構造」のIDマッピング
Step 1: 法的・技術的意味単位での請求項分解
請求項を読点（、）で機械的に分割するのではなく、以下の情報
を保持したまま分解する。
[A1] 発明のカテゴリーと主語 (例: 装置全体)
[A2] 構成要素と属性 (例: 入力部)
[A3/A4] 要素間の空間的・機能的関係 (処理の順序、
開始条件など)
Step 2: クロス・ドキュメントID紐付け (配線)
分解したID (A1〜)をキーとして、全ての関連資料をリンクさせる。
明細書の段落
図面・符号
製品仕様書・試験結果
図面と本文のセット読解: 図面上は接触して描かれていても、それが
技術的事項として明示されているかは本文と合わせて判断させる。
色付けやハイライトは「証拠そのもの」ではなく、法的な要件を満たしているかを確認するための「証拠候補への案内 (ガイド)」に過ぎない。

# Page. 6

![Page Image](https://bcdn.docswell.com/page/L73WZYKZ75.jpg)

タスク別・最適化アーキテクチャ
技術内容の理解
先行技術・無効資料調査
侵害予防調査 (FTO)
焦点: 課題、解決手段、作用、効果
の論理的関係の整理
AIへの要求: 実施形態ごとの差異の
抽出、文献内での用語定義の特定、
上位概念・同義語の候補出し
注意点: 技術的に重要な「コアアイ
デア」と、請求項に記載された「法
的な限定事項 (要件)」を厳格に切り
分けて出力させる。
焦点: 対象請求項の各特定事項と、
1件の引用文献との厳密な対比
AIへの要求: 一致点・相違点・不明
点の構造化
注意点: 「違法なモザイク結合」の
防止。独立した複数の引用発明を寄
せ集め、1件のように扱わせてはな
らない。相違点が残った場合のみ別
工程で進歩性を検討する。
焦点: 現行の請求項と、対象製品の
証拠の対比固定
AIへの要求: 構成要件ごとの充足候
補・非充足候補・判断不能項目の出
力
注意点: 「技術的に似ているか」を
判断させるのではない。AIの「関連
度80%」を「侵害確率80%」と誤認
してはならない。

# Page. 7

![Page Image](https://bcdn.docswell.com/page/87DKR534JG.jpg)

プロンプト・エンジニアリング：AIを制御する3つの絶対原則
1. 入力に関する約束 (Input Constraints) AIが根拠として良い範囲を完全に固定し、ハルシネーションを封じ
込める。
・指定項目: 文献番号、法域、優先日、対象請求項の
版、使用可能な外部資料の有無
・絶対条件: 未提供の情報を推測してはならないこと、
一般知識と入力文書を混同しないこと
2. 推論に関する約束 (Inference Constraints) AIに許容する「推論の深さ」を定義し、事実と解釈を分離する。
※詳細は次スライド「推論スペクトル」にて定義
3. 出力に関する約束 (Output Constraints) 結論に対する「絶対的な追跡可能性 (Traceability)」を強制する。
・必須表示項目: 文献番号、請求項番号、段落番号、図・表番号、必要最小限の原文引用
リスク: 結論が正しそうに見えても、「根拠を追跡できない回答」は法的レビューや再利用が不可能であり、極めて危険。

# Page. 8

![Page Image](https://bcdn.docswell.com/page/VJPKWG4VE8.jpg)

推論スペクトル：解釈リスクの可視化と診断
AIの回答に対し、以下の推論区分を明記させることで、法的検証の優先順位を明確にする。
Level 1: 明示あり
(Explicitly Stated)
[安全性: 高]
定義: 原文に直接、明確に
記載されている。
Level 2: 必然的開示候補
(Necessary Disclosure)
[安全性: 中]
定義: 原文と技術常識から、
当業者が必然的に理解する可
能性がある。
Level 3: 示唆のみ
(Suggestion Only)
[安全性: 低]
定義: 採用の可能性は示さ
れているが、必然的とまでは
いえない。
Level 4: 対応箇所未発見
(Not Found)
[要検証]
定義: 確認した範囲では、対
応する記載の特定不可。
注意: 「未発見」は「記載が
ない」と同義ではない。図面
にのみ存在、またはAIの要件
分割ミスの可能性あり。
Level 5: 判断不能
(Cannot Determine)
[データ不足]
定義: 資料や製品情報が不足
しており、推論自体が不可能。
無理に結論を捏造させない。

# Page. 9

![Page Image](https://bcdn.docswell.com/page/2EVV86XREQ.jpg)

アンチパターン：避けるべき致命的なAI活用法
1. 「何が新しいか」を単一文献に問う
エラー: 新規性は基準日以前の引用発明との比較
で決まる。単一文献内で強調されている部分を
「新規な点」とAIに誤認させる指示は厳禁。
2. 請求項1のみを「発明の本質」とみなす
エラー: 装置・方法・プログラムなど、複数の独立
請求項が存在する。重要案件において、請求項1の
みで文書全体を代表させるスクリーニングは危険。
3. 複数の実施形態の「無条件結合」
エラー: 要素A、B、Cが文献内に存在しても、一つの
実施形態として組み合わされているとは限らない。
AIには「同一実施形態に属するか」を明記させる。
4. キーワードの一致＝構成要件の充足
エラー: 単語が同じでも主語や順序が異なれば別物。
逆に単語がなくても上位概念で充足する場合がある。
キーワードはあくまで「読む場所の入口」に過ぎない。

# Page. 10

![Page Image](https://bcdn.docswell.com/page/57GL5NV6EL.jpg)

品質評価と究極の統合：AIは思考を外部化する
AIの評価指標 (文章の自然さで
はなく、構造の正確さを測る)
要件分解精度: 構成、関係、順
序、条件を保持できているか？
根拠網羅性: 各判断に、追跡可
能な証拠(図面・段落)が付随
しているか？
除外誤り率 (偽陰性): AIが
「ノイズ」とした中に重要文献
が含まれていないか？(※低得
点文献の監査が必須)
人間の領域:
認知リソースの
100%を集中させた
「法的・戦略的判断」
AIの領域: 暗黙知の作業 (構造把握、
要件分解、該当箇所の探索、図面対比)
を「外部化し、可視化する」
The Ultimate Synthesis (最終結論)
・生成AIの真の価値は、「特許文書を読まなくて済むようにすること」ではない。
・AIが証拠付きの構造へ変換し、人間がそれを読む。これにより、人間の専門家は
認知リソースの100%を、最終的な「法的・戦略的判断」に集中させることができる。