--- title: 特許調査における生成AI活用_プレゼン tags: author: [角渕由英](https://www.docswell.com/user/ytsunobuchi) site: [Docswell](https://www.docswell.com/) thumbnail: https://bcdn.docswell.com/page/47QV25PXEP.jpg?width=480 description: Deep ResearchとNotebookLMで生成したプレゼン資料です。 published: November 23, 25 canonical: https://www.docswell.com/s/ytsunobuchi/ZYV4ML-2025-11-23-132039 --- # Page. 1 ![Page Image](https://bcdn.docswell.com/page/47QV25PXEP.jpg) 特許調査、その「完璧な検索式」が空振りに終わる瞬間 AND OR AND OR AND NOT 何時間もかけて作り上げた、 完璧なブール論理演算。 しかし、結果は大量の無関係な文献か、 あるいは「ゼロ件ヒット」の沈黙。 たった一つの同義語の見落とし、 一つの概念のズレが、調査全体の 成否を左右する。 これは、私たちの誰もが経験したこと のある「検索の壁」です。 # Page. 2 ![Page Image](https://bcdn.docswell.com/page/KE4ML9Y271.jpg) 「キーワードの一致」という名の干し草の山 従来型アプローチの本質 ・キーワードの一致（表層的な単語のマッチング） ・同義語の網羅性への依存（例：「半導体装置」vs「固体電子デバイス」） ・検索者のスキルという「暗黙知」への完全な依存 結果 ・異分野間の技術的等価性の見落とし（例：「粘着剤」と「接着層」） ・膨大なノイズ、あるいは致命的な調査漏れ # Page. 3 ![Page Image](https://bcdn.docswell.com/page/L718LK6KJG.jpg) 検索(Search)から推論(Reasoning)へ。知的財産実務の歴史的転換点。 生成AIは、単なる効率化ツールではありません。 それは、特許調査の本質を再定義する触媒です。 「単語が一致するか？」から「概念が類似しているか？」へ。 知的労働の性質そのものが、今、変わろうとしています。 # Page. 4 ![Page Image](https://bcdn.docswell.com/page/G7WZVDWP72.jpg) AIは「意味」を理解する：ベクトル空間が実現する概念的類似性 キーワード検索 adhesive glue bonding agent セマンティック検索 adhesive glue bonding agent laminating layer 意味のベクトル化 AIは単語や文脈を数値ベクトルに変換し、 意味の近さを空間的な距離として捉えま す。 非自明な関連性の発見 これにより、異なる表現でも概念的に類似 した技術（例：「熱交換器」と「ラジエー ター」）を発見可能に。 文脈理解 単語の表層的な一致ではなく、文 脈全体を評価します。 # Page. 5 ![Page Image](https://bcdn.docswell.com/page/4JZ14G56E3.jpg) 新たな世界を探求するための「エクスプローラー・ツールキット」 DI Derwent Innovation 専門家による編集データとAIを融合 したエンタープライズ級の精度 patSnap R&Dから知財戦略まで、イノベーショ ンの全ライフサイクルを支援 i IPRally 審査官の思考を模倣したグラフAI による、高効率な先行技術調査 PF Patentfield セマンティック検索と強力な可視化 ツールを統合した国産プラットフォーム VI Visualize IP 画像認識AIで意匠特許調査に革命を ツールごとに得意分野が異なります。目的に応じた適切な選択が、調査の質を左右します。 # Page. 6 ![Page Image](https://bcdn.docswell.com/page/YE6L3Y9L7V.jpg) 主要AI特許調査ツールの機能比較：あなたに最適な一振りは？ ツール 主なAI技術 最適なユーザー 対応国・地域 際立った特徴 Derwent Innovation Transformer-based NLP 大企業の知財部 100以上（76の全文） 編集者による抄録、クレームレベルでの説明可能性 PatSnap セマンティック+予測AI 企業のR&D・法務 全世界 ライブイノベーショングラフ、ランドスケープ分析 IPRally グラフAI+生成AI 技術者・特許サーチャー 1億2000万件以上 説明可能なAI、画像検索、対話型AIアシスタント InnovationQ Plus Semantic Gist® Engine 技術系知財法務 1億1500万件以上 IEEE文献との統合、概念ベースのマッチング Global Patent Search Feature-Level Semantic 発明家、中小企業 全世界 自然言語入力、発明の特徴とクレームの紐付け Ambercite 引用ネットワークAI 無効化・FTO調査 1億600万件以上 キーワード不要、引用強度に基づくランキング Patentfield 機械学習NLP+可視化 日米中心のR&D 日・米・欧+世界抄録 特許マップ、AIによる自動分類、ランドスケープ PQAI オープンソース セマンティックNLP 個人発明家、学生 米国+研究論文 オープンAPI、アクセシビリティ重視 The Lens オープン セマンティック+引用マップ 学術・政策研究者 100以上の特許庁 特許と学術論文の連携、PatSeqデータセット これは代表的なツールの比較です。各ツールの最新機能や料金体系は別途ご確認ください。 # Page. 7 ![Page Image](https://bcdn.docswell.com/page/GE51LGNMJ4.jpg) プロンプトエンジニアリング：AIの能力を最大限に引き出す「魔法の呪文」 「あなたは熟練した特許審査官です」 「200字以内で要約」 役割の定義(Persona) 「あなたは熟練した特許審査官です」と役割を与える。 明確な制約(Constraints) 「200字以内で要約」「表形式で出力」など、形式を 厳密に指定する。 指示とデータの分離(Separation) 指示と分析対象データを「###」などで明確に区切る。 段階的思考(Chain of Thought) 「Step 1: ... Step 2: ...」と論理的な思考プロセスを 指示する。 「AIは『答えをくれる機械』ではなく、『思考を深めるパートナー』です。」 # Page. 8 ![Page Image](https://bcdn.docswell.com/page/9721LY5RER.jpg) 思考の連鎖(Chain of Thought)がAIの推論を深化させる Without CoT 「この発明の 進歩性は？」 「進歩性ありと 判断します。」 単純な問い → 直感的で誤った回答のリスク With CoT 「Step 1: 構成要件の分説... 構成要件の分説の要諦を 進歩要件に対する。 Step 2: 先行技術の認定... 先行技術の認定と進歩性な どの論考を認定。 Step 3: 動機付けの検討... 動機付けの論理的が成立す る可能性が高い。 Step 1: 構成要件の分説... 構成要件の分説における論理の認 定における解を対応した論理要 分説がない。 Step 2: 先行技術の認定... 先行技術の認定における先行技術を 捉え、動機付けの論理的に必成立 することを認定。 Step 3: 動機付けの検討... 動機付けの検討が異分野認定する進 歩性欠如が成立する可能性が高い。 Step 5: 結論として進歩性欠如の 論理が成立する可能性が高い。 段階的な指示 → 論理的整合性の高い、検証可能な回答 CoTプロンプトは、AIの「ブラックボックス」を「思考プロセス」に変え、 回答の信頼性を飛躍的に向上させます。 # Page. 9 ![Page Image](https://bcdn.docswell.com/page/DJYZQGK5EM.jpg) RAG（検索拡張生成）：外部の「生きた知見」をAIに与える技術 汎用LLMは最新の特許や社内の未公 開情報について知識を持たない。 データ取得(Retrieve)：ユーザーの 質問に関連する情報を、自社の特許 DBや最新の公報DBからリアルタイム で検索・取得。 知識注入(Augment)：取得した「根 拠データ」をプロンプトに含めて LLMに渡す。 回答生成(Generate)：LLMは、与 えられた最新かつ正確な情報に基づい て回答を生成。 ハルシネーションを抑制し、常に最新 かつ信頼できる情報源に基づいた回答 を実現します。 特許調査用RAGアーキテクチャー ① RAGの特許情報のインデックス化 特許DB ブーリアン検索 全文検索 類似(概念)検索 AI検索 特許データ 前処理 Embedding 埋め込み 分散表現 ベクトル 特許情報パッセージ インデックス (ベクトルDB) 公報番号 請求項、段落番号 ... ② RAGを使用した特許情報の質問応答 クエリ (質問) Embedding 分散表現 ベクトル 類似度計算 照会 応答 関連情報 LLM(生成AI) 回答 # Page. 10 ![Page Image](https://bcdn.docswell.com/page/V7N3KGR478.jpg) ハイブリッド検索：セマンティックとキーワードの「良いとこ取り」 ベクトル検索 強い 意味の類似性 概念理解 (例：「熱交換器」→ 「ラジエーター」) 弱い 特定の固有名詞や 番号に弱い ハイブリッド検索 再現率(Recall)と適合 率(Precision)の最適化 キーワード検索 - BM25 強い 完全一致 特許番号 化学式 弱い 同義語や概念を 捉えられない LangChainによるアンサンブル検索の実装例 ensemble_retriever = EnsembleRetriever( retrievers=[vector_retriever, bm25_retriever], weights=[0.7, 0.3] # 意味的類似性を重視 ) 単一の検索手法への依存はリスクです。両者を組み合わせることで、調査の網羅性と正確性を最大化します。 # Page. 11 ![Page Image](https://bcdn.docswell.com/page/YJ99VWM4J3.jpg) 最初の試練：AIが生み出す「もっともらしい嘘（ハルシネーション）」 ユーザーの質問（プロンプト） コンタクトセンターシステムに関連する日本の 特許を教えてください。 AIの回答 特許番号 発明の名称 特許第6123742号 コンタクトセンターシステムに関連する技術 特許第5776810号 コンタクトセンターシステムにおける顧客対応 特許第5776811号 コンタクトセンターシステムに関連された認定の 特許第6126770号 コンタクトセンターの効率化する技術 特許第5776890号 コンタクトセンターの顧客対応して技術の許による発明名称 特許第6135281号 コンタクトセンターのビッグ処理電話の技術構成 特許第6123742号 コンタクトセンターシステムの特の特許 定義 AIハルシネーションとは、AIが事実に基 づかない情報や、存在しない情報を、あ たかも真実であるかのように生成する現 象です。 なぜ起こるか 生成AIの目的は「確率的にもっともらし い文章を生成する」ことであり、「事実を 述べる」ことではありません。間違いは 「バグ」ではなく「仕様」です。 結果とリスク 米国では、AIが生成した架空の判例を提 出した弁護士が制裁を受けました。特許 調査における「幻覚」は、戦略を根本から 覆す致命的なリスクです。 # Page. 12 ![Page Image](https://bcdn.docswell.com/page/GJ89PNLVED.jpg) ハルシネーションへの多層防御：AIを「疑い、検証する」技術 プロンプトレベル 指示：「不確かな場合は 『不明』と回答」「必ず引用元 (公報番号、段落番号)を 明記」と制約を加える。 システムレベル 技術：RAGアーキテクチャを採用し、回答を 外部の信頼できる情報源に接地させる。 自動検証：引用された特許番号が実在するか をAPIで自動チェックするスクリプトを組む。 人間レベル 鉄則：AIの出力を絶対に鵜呑みにしない。 義務：すべての引用、すべての解釈について、 必ず原典の特許公報と照合・検証する。 AIは「優秀なアシスタント」であり、「責任を負う代理人」ではありません。 最終的なファクトチェック義務は、常に専門家である人間にあります。 # Page. 13 ![Page Image](https://bcdn.docswell.com/page/LJLW1PLR7R.jpg) 第二の試練：機密保持という越えられない一線 未公開発明 未公開の発明情報をパブリックなAIサービスに入力することは、新規性喪失や、意図せずAIの学習データに 流出するリスクを伴います。これは、知的財産戦略における「自殺行為」です。 情報の一般化 (Generalize) 入力情報を抽象化・一般化し、機密情報その ものを入力しない。 プライベート環境の利用 (Use Private Environments) ・社内サーバーでLLMを運用(On-premise) ・Tokkyo.aiのような、検索履歴が外部に共有され ないプライベートプラットフォームを利用 契約による保護 (Protect via Contract) ・法人向けプランで「入力データを学習に再 利用しない(Zero Data Retention)」契約 を締結する。 # Page. 14 ![Page Image](https://bcdn.docswell.com/page/47M9W4MPJW.jpg) 制度による統治：「秩序ある自由」を実現するバルテス社の実践モデル 教育 社員がセキュリティリスクや 適切な利用法を学ぶ研修 プログラムを受講・合格。 利用申請 「業務目的」「活用方法」 「扱う情報の範囲」を明記 して利用を申請。 許可 AI技術推進部が内容を確 認し、利用を許可。 利用・知見共有 許可された範囲でツールを利 用し、活用事例やプロンプトを 社内ナレッジベースで共有。 「一律禁止」でも「完全自由」でもない、「許可制」という第3の道。 ● セキュリティリスクを最小化。 ● 利用者に責任と理解を促す。 ● 現場の創意工夫を活かし、組織全体のノウハウを蓄積する。 # Page. 15 ![Page Image](https://bcdn.docswell.com/page/P7RGYWVYJ9.jpg) AIの進化：単なる「回答者」から、自律的に「行動する」エージェントへ Master AI Agent Search Agent 検索APIを実行 「競合A社の新規出願動向 を監視せよ」 Reader Agent 文献を要約 Analyst Agent 自社特許と比較分析 Critique Agent Analystの分析に反論し、 ロジックを強化 Key Capabilities Planning(計画) 曖昧な指示を具体的なタスクに 分解。 Tool Use(ツール利用) データベースAPI、Webブラウザ、 計算機を自律的に呼び出す。 Reflection(自己反省) 結果が不十分な場合、戦略を修 正して再実行する。 Future Scenario AIが自律的に競合の特許を監視し、侵害可能性を検知してアラート付きのレポートを毎週自動生成する。 # Page. 16 ![Page Image](https://bcdn.docswell.com/page/PJXXGPZ4JX.jpg) 戦略的実装へのロードマップ：「小さく始めて、大きく育てる」5ステップ ユースケース選定 (Select Use Case) 文献要約など、ボトルネ ックで検証しやすい業務を 選ぶ。KPIを設定する。 小規模パイロット (Pilot Project) 非機密情報でテ スト。プロンプトを調 整する。 ガイドライン策定 (Establish Guidelines) 機密情報の入力禁止、人 間によるレビュー必須な ど、ルールを明文化する。 環境構築 (Build Environment) ツールを選定し、セキ ュリティ要件に応じた 環境(プライベー ト、契約保護)を構築 する。 本格展開と継続改善 (Scale & Improve) フィードバックを収集 し、プロンプト・ライブ ラリを組織資産として 改善・拡充していく。 # Page. 17 ![Page Image](https://bcdn.docswell.com/page/3JKW4D8PJD.jpg) あなたの役割は進化する：情報の「検索者」から、洞察の「戦略家」へ 従来の役割 検索 文書作成 ルーチン作業 新しい役割 戦略的意思決定 品質保証 AIトレーナー 役割の変革 From To 情報の検索者(Searcher of Information) 戦略的意思決定者(Strategic Decision-Maker) 文書の作成者(Creator of Documents) 品質の保証者(Guarantor of Quality) ルーチン作業の実行者(Executor of Routine Tasks) AIトレーナー(AI Trainer) ルーチンワークをAIに任せることで、人間はより創造的で、より付加価値の高い、戦略的思考に集中できるようになります。 # Page. 18 ![Page Image](https://bcdn.docswell.com/page/LE31LR2475.jpg) AIを使いこなし、 かつ、AIを疑う。 それが、これからの知財プロフェッショナルの資質。