特許マップとは？｜作り方3種と読み解きの実務ガイド

特許マップとは、特許情報を目的に応じて整理・加工し、視覚的にわかる形にした分析ツールです。よく使うのは「出願人×時系列マップ」「技術×クレームマップ」「ライセンス×アライアンスマップ」の3種類で、それぞれ「誰が伸びているか」「どこが空いているか」「誰と誰が組んでいるか」に答えてくれます。IPランドスケープの経営統合が進んだいま、マップは「作って終わり」から「毎月更新して意思決定に組み込む道具」に進化しつつあります。この記事では、3種類のマップを横並びで比較しながら、AI時代の作り方と読み解きの実務、そしてSnorbeのような完全記憶型リサーチエージェントで調査の連鎖を蓄積する新しい選択肢まで、専門用語を落とさずに整理していきます。

特許マップとは何か 定義とパテントマップの関係を整理する

特許マップとは、特許情報を目的に応じて整理・加工・分析し、視覚的にわかる形にまとめた分析ツールのことです。難しく言えば「特許ドキュメント群から抽出した書誌情報・分類・引用関係を、経営や研究開発の意思決定に使える図表に落とし込む作業」ですが、シンプルに言えば「大量の特許を、地図のように一枚絵で見えるようにする」ことです。

特許庁のスタートアップ知財ポータル「IP BASE」では、特許マップを「特許情報を目的に応じて整理・加工・分析し、視覚的にわかりやすくまとめたもの」と紹介しています。マトリクスマップ、ランキングマップ、時系列マップ、シェアマップなど、目的に応じて多彩な形式があるとされています¹。

日本弁理士会関東会の知的財産セミナーでは、パテントマップを「J-PlatPatから収集した母集団特許をExcel等で加工し、出願人・年次・技術分野・IPCの組み合わせで可視化するもの」として、無料の公的データベースだけでも十分に作成できる技法として案内しています²。

いま、この地図を書くスキルが再評価されています。理由は2つあります。1つ目は、生成AIとセマンティック検索の登場で、これまで数週間かかっていた特許マップの作成が数時間で終わるようになったこと。2つ目は、特許庁と経済産業省が推し進める「IPランドスケープ」の経営統合が本格化して、特許マップを毎月更新して経営会議で使う運用が現実になったことです。

特許マップ・パテントマップ・IPマップの用語整理

「特許マップ」「パテントマップ」「IPマップ」の3つは、実務ではほぼ同じ意味で使われます。厳密には次のような使い分けがあります。

• 特許マップ：日本語の直訳。特許庁や日本弁理士会が使う公式用語です
• パテントマップ：Patent Map の音写。実務では特許マップと同義で、老舗のツールベンダーが使います
• IPマップ：Intellectual Property Map の略で、意匠・商標を含めた知的財産全体を対象にすることが多い言葉です

シャープIPインフィニティは、パテントマップ（モノ）とIPランドスケープ（コト）の違いを明確に説明しています。パテントマップは「出願人ランキングや技術推移などを可視化した図表・グラフという成果物」で、IPランドスケープは「パテントマップ等の分析結果をインプットとして、経営課題の解決や事業戦略の策定という目的のために、経営層と双方向のやり取りを行い、意思決定に繋げていく一連の活動」だと整理しています³。

つまり、特許マップは「道具」で、IPランドスケープは「その道具を使った経営活動」です。この違いを押さえておくと、両者を混同せずに使い分けられます。

歴史 1970年代の日本発から生成AI活用へ

特許マップの歴史は意外に古く、日本発の分析手法として1970年代から発展してきました。

初期の特許マップは、紙の公報を手作業で分類してマトリクス表を作る、いわば「知財部の職人技」でした。1990年代にIPC分類ベースの検索が普及し、2000年代に商用データベース（PatBase、Derwent Innovations Index、Questelなど）が広まってから、電子的なマップ作成が主流になります。

日本国内では、2017年7月17日の日経新聞朝刊法務面で「IPランドスケープ」という用語が取り上げられたのが1つの転換点でした⁴。以降、特許マップは「作成して終わり」の作業から、「経営会議に持ち込む素材」へと役割が変わっていきます。

そして2020年代、生成AIとセマンティック検索の登場で、特許マップの作成コストが大きく下がりました。Patlyticsによる解説では、AIプラットフォームによって従来数週間かかっていたランドスケープ分析が数時間で完了するようになったと報告されています⁵。日本の特許庁も、経営戦略に資する知財情報分析の重要性を強調した調査研究を令和2年度に公表しています⁶。

特許マップと特許調査の違い

初学者が混同しやすいのが、特許マップと特許調査（先行技術調査、権利調査、FTO調査）の違いです。両者は似た作業に見えますが、目的が違います。

特許調査は、特定の技術や製品について「関連する特許が存在するか」「侵害リスクはあるか」を個別に確認する作業です。1件1件の特許を精査するので、リサーチの解像度は高い一方、俯瞰性は低くなります。

特許マップは、多数の特許を集約して「業界全体の動向」「競合の技術ポートフォリオ」「技術トレンドの推移」を俯瞰する作業です。1件1件の精読ではなく、統計的な集計と可視化が主眼です。

実務では、この2つを組み合わせて使います。先行技術調査で有望な技術領域を絞り、特許マップで俯瞰し、気になる出願を詳細調査で深掘りする、というループです。

特許マップが担う3つの機能

特許庁や実務家の定義を並べると、特許マップが担う機能は次の3つに整理できます。

1. 俯瞰（Overview）：数万件の特許を1枚の図に凝縮して、業界の全体像を把握する
2. 比較（Comparison）：出願人・技術・時系列など複数の軸で並べて、相対的な位置を明らかにする
3. 予測（Forecast）：時系列変化やホワイトスペースから、次に来る技術領域や競合の動きを推測する

この3つは、AI時代の特許マップでも変わりません。俯瞰の解像度は上がり、比較軸は柔軟になり、予測精度は生成AIとセマンティック検索の力で強化されつつあります。

誰が読み手か 経営・R&D・知財・法務の期待の違い

特許マップは、読み手によって求められる情報粒度が違います。実務で作るときは、この違いを最初に押さえておくと空回りしません。

• 経営層：M&A候補、参入市場の魅力度、R&D投資配分の判断材料。1枚のスライドで「次にどこへ張るか」を示せる粗さが求められます
• R&D企画：技術のホワイトスペース、競合の研究方向、次のテーマ候補。技術要素とクレームレベルまで踏み込んだ粒度が必要です
• 知財部：出願方針、権利化戦略、ライセンス機会。パテントファミリー統合と権利満了カレンダーが要ります
• 法務・訴訟：侵害リスク、SEP保有状況、係争動向。個別特許のクレーム分析まで要ります

このセクションのまとめです。特許マップは1970年代の日本発の分析手法から始まり、いま生成AIとIPランドスケープの経営統合で真価を発揮する段階に入りました。次のセクションでは、実務で最もよく使う3種類のマップを横並びで比較していきます。

出典

3種の特許マップを横並びで見る 出願人×時系列 技術×クレーム ライセンス×アライアンス

特許マップには、ざっと数え上げるだけで10種類以上のバリエーションがあります。マトリクスマップ、ランキングマップ、時系列マップ、レーダーマップ、シェアマップ、俯瞰マップ、引用マップ、共出願マップ、クレームマップ、シテーションマップ、ネットワークマップ、地理マップ、と挙げれば切りがありません。初学者はここで飽きて途中で読むのを止めがちです。

そこで、この記事ではあえて3種類に絞ります。実務で最もよく使い、経営意思決定に効く順に並べた「出願人×時系列マップ」「技術×クレームマップ」「ライセンス×アライアンスマップ」の3種です。この3つは、それぞれ「誰が」「何を」「どういう関係で」の3軸に対応していて、経営から知財法務まで共通の言語で語れる基本形です。

出願人×時系列マップ 誰がいつ伸びているか

出願人×時系列マップは、特定の技術分野や産業カテゴリで「どの企業がいつ、どれくらい出願を伸ばしているか」を年次で追うマップです。J-PlatPatで詳細検索を使い、出願人と出願年で母集団を作り、Excelでピボット集計してグラフ化するのが基本形です⁷。

例えば、半導体ファウンドリでは、TSMCとSamsungとGlobalFoundriesの3社の出願件数を、2010年から2025年まで年次でプロットするだけで、TSMCが2010年代後半から圧倒的に伸びていること、GlobalFoundriesが7nm以下から撤退した2018年前後で出願が横ばいになっていること、Samsungがメモリ以外のロジックで再挑戦していることが1枚のグラフに現れます。

このマップは、次のような問いに答えてくれます。

• 業界の上位10社は誰か、シェアはどう推移しているか
• 新規参入者はいるか、いつから伸び始めたか
• 撤退の兆候（出願数の急減）を示す企業はあるか
• 共同出願の相関から、水面下のアライアンスは見えるか
• M&A候補になりそうな、資産価値の高いポートフォリオを持つ企業はどこか

弱点は「出願数の多さ＝技術力」ではないことです。出願数を経営指標にすると、大量出願で稼ぐ企業が有利に見えてしまいます。品質補正のために、被引用数、パテントファミリーサイズ、権利化率などのメトリクスを組み合わせるのが実務の定石です。LexisNexis PatentSightのような商用ツールが、特許品質指標をベンチマークとして提供している理由もここにあります⁸。

技術×クレームマップ どこが空いているか

技術×クレームマップは、CPC/IPC分類とクレーム内容のクロス集計で、技術要素の「空白領域（ホワイトスペース）」と「集中領域」を可視化するマップです。R&Dテーマ探索、回避設計、無効資料探しで最もよく使われる形式です。

EV電池の例で考えてみます。「（電気自動車 OR EV OR 電動車両） AND（リチウムイオン電池 OR リチウムイオン二次電池 OR LIB） AND（正極 OR 負極 OR 電解質 OR セパレータ）」という検索式でJ-PlatPatから母集団を集め⁹、CPC分類（H01M）×クレーム要素（正極材／負極材／電解質／セパレータ）でヒートマップを作ると、正極のNMC系（ニッケル・マンガン・コバルト）は集中領域、固体電解質は近年出願急増、セパレータの機能付与は空白領域に近い、といった読み解きが1枚で見えます。

このマップで拾える論点は、次のようなものです。

• 業界で研究が集中している技術要素はどこか
• 逆に、まだ誰も踏み込んでいないホワイトスペースはあるか
• 自社の出願が空白領域にあるなら、そのままR&Dを深めるか撤退するか
• 競合の権利範囲を回避する設計はどこにあるか
• 無効審判で使えそうな先行技術は、どのクレーム要素の周辺にあるか

弱点は、CPC/IPC分類がAI、量子コンピュータ、CRISPR、バイオインフォなどの新興技術で追いついていないことです。分類ベースで母集団を作ると、新しい技術ほど取りこぼしが増えます。この壁を埋めるのが、次のセクションで扱うセマンティック検索と大規模言語モデルによるクレーム解釈です。

Snorbeのような完全記憶型リサーチエージェントは、特許研究でナレッジグラフが競合薄い技術領域を可視化して、ホワイトスペースを自動検出する機能を持っています¹⁰。従来はアナリストが目で睨んでいた空白領域の検出を、ツール側が半自動で提案する時代に入りつつあります。

ライセンス×アライアンスマップ 誰と誰が組んでいるか

ライセンス×アライアンスマップは、譲渡・実施権・共同出願・特許プール・SEP（標準必須特許）プールなどの関係性を、ネットワーク図で可視化するマップです。標準化戦略、ライセンス交渉、訴訟リスク評価で使う、やや上級者向けの形式です。

代表例は5G/6Gの標準必須特許（SEP）マップです。SEPとは「Wi-FiやBluetooth、4G/5Gといった標準規格に準拠するために必須となる技術を保護する特許」のことで、5G/LTE規格では数万件のSEPが宣言されています¹¹。これらを保有する企業（Ericsson、Nokia、Huawei、Qualcomm、Samsung、InterDigital、Sharp、NTTドコモなど）が集まってパテントプールを形成し、FRAND条件（Fair, Reasonable, And Non-Discriminatory）でライセンスを提供します¹²。

このマップが答えるのは、次のような問いです。

• どの企業が主要SEPを保有しているか、シェアはどう分布しているか
• 標準必須特許プールに誰が参加していて、誰が独自路線を貫いているか
• クロスライセンスの相手先はどこで、逆にライセンス料を払っている企業はどこか
• パテントトロール（NPE：Non-Practicing Entity）に狙われそうな技術領域はどこか
• ホールドアップリスク（SEPホルダーが不当に高額なライセンス料を要求する問題）はどこにあるか¹³

早稲田大学の鈴木將文教授は、Beyond 5G時代に向けた新ビジネス戦略セミナーで、標準必須特許とパテントプールの構造を経営視点で整理しています¹⁴。SEPを扱う経営判断は、単なる特許ライセンス収益ではなく、標準化フォーラムでの戦略ポジショニング全体を左右する重要イシューになっています。

弱点は、宣言SEPと真のSEPの乖離が大きいことです。特許保有者は「これはSEPだ」と自己宣言しますが、実際に標準必須と認められる特許は宣言数の2〜3割程度と言われます。この乖離を評価するには、専門家によるクレーム解釈が必要で、AIによる自動判定はまだ発展途上です。

3種のマップ比較表

3種のマップを7つの軸で比較すると、次のようになります。

軸	出願人×時系列	技術×クレーム	ライセンス×アライアンス
主な目的	競合ベンチマーク・M&A候補探索	R&Dテーマ探索・回避設計	ライセンス交渉・標準化戦略
出発点	業界カテゴリ・国別	技術分野・CPC/IPC分類	標準規格・特許プール
出力形式	棒グラフ・時系列折れ線・シェア円	ヒートマップ・バブルチャート	ネットワーク図・Sankey図
データ源	書誌情報・出願日・出願人	クレーム全文・分類・引用	譲渡登記・宣言SEP・共同出願
作成難度	低（Excel＋J-PlatPatで可能）	中（分類設計とクレーム解釈が要る）	高（宣言SEPの解釈と交渉情報）
更新頻度	月次〜四半期	四半期〜半期	半期〜年次
AI相性	高（集計と可視化が得意）	高（セマンティック検索が効く）	中（構造化データが不足しがち）
主な弱点	出願数と技術力の乖離	CPC/IPC分類の遅れ	宣言SEPと真のSEPのギャップ

3種の使い分け 実務での組み立て

3種のマップは、実務では組み合わせて使います。典型的な流れは次の通りです。

1. 出願人×時系列マップで、業界全体の勢力図を掴む（月次で更新して差分を見る）
2. 気になった競合の技術ポートフォリオを、技術×クレームマップで深掘りする（四半期に1回）
3. 標準必須技術が絡む領域なら、ライセンス×アライアンスマップで交渉ポジションを確認する（半期に1回）

この3つを回すだけで、経営会議の知財セッションで「今月の変化」「今四半期の技術動向」「今期の交渉戦略」が揃います。特許庁が「特許情報提供事業者リスト集」で認定したパテントマップ作成サービスも、これらの型を組み合わせた分析メニューを提供しています¹⁵。

半導体、EV電池、5G/6G、抗体医薬、生成AIなど、業界を問わずこの3種の組み合わせは効きます。次のセクションでは、AI時代にこれらのマップをどう作るか、セマンティック検索と母集団設計の実務を見ていきます。

出典

AI時代の特許マップの作り方 セマンティック検索と母集団設計の実務

特許マップを作るとき、実務で最も時間を食うのが「母集団の作り方」です。母集団というのは、分析対象の特許集合のことで、ここの精度がマップの品質を左右します。ノイズが多いと結論が歪みますし、抜けが多いと重要な競合を見落とします。

従来、この母集団はCPC/IPCといった特許分類とキーワードのAND/OR演算で作るのが常識でした。日本弁理士会関東会のセミナーでも、J-PlatPatの詳細検索で出願人・出願日・技術分野・IPCを組み合わせるやり方が推奨されてきました¹⁶。ところが、この10年ほどで、この分類ベースの母集団作成がある領域で行き詰まっています。

従来の作り方4ステップ

まず、従来の型を押さえておきます。特許マップは、次の4ステップで作るのが基本です。

1. 母集団収集：J-PlatPat、Espacenet、Google Patents、PatBaseなどから、検索式で対象特許を抽出します
2. ノイズ除去：同姓同名の出願人、パテントファミリー重複、翻訳ゆれを整理します
3. 分析軸設計：出願人×時系列、CPC分類×クレーム要素など、可視化する軸を決めます
4. 可視化：Excel、Tableau、Power BI、あるいはPatSnap・PatentSightといった商用ツールで図表を作ります

この4ステップは、いまでも基本骨格として有効です。ただし、各ステップの中身がAI時代で大きく変わりつつあります。特にセマンティック検索が登場してから、母集団収集の考え方が変わりました。

分類ベースが崩れた領域

AI、量子コンピュータ、CRISPR、バイオインフォマティクス、生成AI、脳オルガノイド、量子暗号など、この10年で急速に発展した領域では、CPC/IPC分類の粒度が技術進化に追いついていません。

例えば、大規模言語モデル（LLM）を使った音声合成技術を検索したいとき、CPC分類のG10L（音声・言語処理）とG06N（AI/機械学習）とG06F（データ処理）に分散して出願されていて、どれかひとつの分類だけでは母集団を作れません。しかも、企業ごとに「音声合成」「TTS」「Neural Vocoder」「Waveform Generation」と表現が違うので、キーワード検索でも抜けが出ます。

Patlyticsによる解説では、「セマンティックおよび自然言語検索は、剛直なBoolean論理を超え、表現が異なっても関連技術を特定できる。トランスフォーマーベースの多言語モデルが特許テキストを共有ベクトル空間にマッピングする」と説明されています¹⁷。要するに、AIが特許文書を「意味」で理解して、単語が違っても似た内容を拾えるようになった、ということです。

セマンティック検索が変えた母集団作成

セマンティック検索を使う特許マップ作成は、次のような流れになります。

1. 自然な日本語（または英語）で「知りたい技術領域」を記述します
2. 大規模言語モデルが記述をベクトル空間に埋め込みます
3. 特許データベース側もクレーム全文と要約を同じベクトル空間に埋め込んでいるので、意味的な類似度で母集団を抽出します
4. 従来の分類ベース検索と組み合わせて、母集団の抜けと重複を確認します

日本のPatentfieldは、AIセマンティック検索機能を提供していて、キーワードや文章、特許番号を入力するだけで類似特許を検索できます¹⁸。海外ではXLSCOUTがAI無効化調査、FTO評価、ランドスケープ分析をセマンティック検索で提供しています¹⁹。特許庁も「令和5年度 特許情報に係る商用データベースの機能水準に関する調査」で、国内外の主要商用DBの機能を公式に比較しています²⁰。

Patlyticsの解説では、AIプラットフォームによってランドスケープ分析が「数週間から数時間へ」圧縮された事例が紹介されています。セマンティック検索、自動カテゴリ分類、エンティティ正規化を、プラットフォームが手作業ではなく自動で処理するからです²¹。

主要ツール比較

特許マップ作成の主要ツールを、実務で使い分ける観点で並べてみます。

• PatSnap：特許、VC、パートナーシップ、ジャーナル、スタートアップ、M&A、技術ニュースを1つにまとめて扱えます。アジア市場で成長中で、日本企業のユーザーも増えています²²
• XLSCOUT：AIによるセマンティック検索、無効化調査、FTO評価が中心です。機械学習ベースの分析が強みで、英語圏の実務家に人気があります²³
• Orbit Intelligence (Questel)：Essential/Advanced/Premiumの3階層で、老舗の商用DBらしく書誌情報の網羅性が高いのが特徴です。R&Dチームが高機能まで使うにはPremiumが必要、という指摘もあります²⁴
• PatentSight (LexisNexis)：特許品質指標、ベンチマーキング、ポートフォリオ分析が中心で、品質補正されたシェア分析ではデファクトの1つとして名前が挙がります²⁵
• Derwent Innovation (Clarivate)：Derwent World Patents Indexという独自の書き換え要約が強みで、パテントファミリー統合と多国籍ファイリングの視認性を求める場面で選ばれます²⁶
• Patentfield（日本）：日本と米国の特許AI検索・分析を提供しています。日本市場での使い勝手と日本語UIで、国内知財部でシェアを伸ばしています²⁷
• Google Patents：無料でセマンティック検索とグローバルカバレッジが使えます。プロトタイプの母集団を作るには十分な性能があります

上記に加えて、日本国内では、NRIサイバーパテント、Patentfield、TOKKYO.AI、Toreru Search、e-Patent、SmartWorksなど、独自の日本語UIを持つ商用サービスがあります。特許庁の「令和5年度 特許情報に係る商用データベースの機能水準に関する調査」に、機能比較が公式データとして掲載されています²⁸。

ノイズ除去のAI活用

母集団を集めた後の「ノイズ除去」も、AIで大きく楽になりました。従来はアナリストが手作業でやっていた工程が、次のように半自動化されつつあります。

• 同姓同名出願人の名寄せ：「Sony Corp」と「Sony Group Corporation」と「ソニー株式会社」を、機械学習で同じエンティティに紐付けます。従来はEDIコードや住所照合で手作業だったのが、AIで一気通貫でできるようになりました
• パテントファミリー統合：DOCDBやINPADOCの拡張パテントファミリー情報を使って、同じ発明の各国出願をまとめます²⁹。パテント・インテグレーションの解説では、INPADOC拡張パテントファミリーは「同じ優先番号を通じて直接的・間接的にリンクされた文献群」として定義されています³⁰
• 翻訳ゆれの吸収：日本語・英語・中国語・韓国語で書かれた特許を、多言語埋め込みモデルで意味的に統合します。WIPO Translateも11の特許固有言語ペアをカバーしています

可視化の型

可視化は、目的によって使い分けます。実務でよく使うのは次の5パターンです。

• 棒グラフ／円グラフ：シェア表示や年次ランキングの基本形で、経営層に見せる1枚スライドに向きます
• 折れ線グラフ／時系列：出願件数の推移を追うのに使います。参入・撤退の兆候検出に効きます
• バブルチャート：横軸に技術要素、縦軸に企業、円の大きさで出願数を表します。技術×クレームマップの標準形式です
• ヒートマップ：CPC分類×クレーム要素のクロス集計で、集中領域とホワイトスペースが一目で見えます
• ネットワーク図／Sankey図：共同出願、譲渡、SEP宣言などの関係性を可視化するのに使い、ライセンス×アライアンスマップの主力形式です

母集団品質の落とし穴

最後に、AI時代でも避けにくい落とし穴を3つ挙げておきます。

1つ目は、フルテキスト検索とクレーム検索の違いです。フルテキストで検索すると、明細書の背景技術欄に競合の商品名が出てくるだけで拾ってしまい、ノイズが増えます。クレームだけを対象にすると、権利範囲の広い基本特許を取りこぼしやすくなります。両者を組み合わせて使うのが実務の定石です。

2つ目は、Non-patent literature（非特許文献）との接続です。特許マップは特許データベースだけを見ていると、学術論文で発表された研究成果や、企業ブログで公開された技術動向を取りこぼします。arXiv、PubMed、Semantic Scholarなどの論文データベースと横断できる仕組みが、AI時代の特許マップには欠かせません。

3つ目は、更新頻度と鮮度のトレードオフです。母集団は毎月更新したくなりますが、CPC分類の付与には出願から数か月のタイムラグがあります。最新の出願を含めた母集団は精度が落ちるので、あえて3か月遅れで固定した母集団を分析するほうが安定します。これは実務家しか知らない現実的な工夫です。

このセクションのまとめです。AI時代の特許マップは、セマンティック検索と多言語埋め込みで母集団作成の壁を越え、ノイズ除去と可視化の自動化で作成コストが激減しました。次のセクションでは、作った特許マップをどう読み解いて、意思決定につなげるかを見ていきます。

出典

読み解きの実務 ホワイトスペース SEP IPランドスケープ経営統合

特許マップは、作ることが目的ではありません。作った後、どう読み解いて意思決定につなげるかが本番です。ここで実力が問われます。

このセクションでは、実務で最もよく使う4つの読み解きテーマ、ホワイトスペース検出、参入障壁の評価、SEP（標準必須特許）検知、IPランドスケープの経営統合、を順に見ていきます。最後に、実務家が陥りやすい罠を3つまとめます。

ホワイトスペース検出 見せかけと本物の見分け方

ホワイトスペースというのは、特許マップ上で「誰も出願していない技術領域」のことです。技術×クレームマップのヒートマップで、色の付いていない空白セルとして現れます。

初学者は、ホワイトスペースを見つけると「新規参入のチャンスだ」と喜びがちです。しかし、実務家はここで一呼吸置きます。ホワイトスペースには2種類あって、この見分けが読み解きの実力を分けるからです。

• 見せかけの空白：技術的には可能でも、市場ニーズがない、または経済合理性がない領域です。歴史的に誰も踏み込んでこなかった理由が「儲からないから」というケースがこれに当たります
• 真の空白：技術ギャップや先端性で、まだ誰も取り組めていない領域です。ここは本当のチャンスですが、参入コストが非常に高い場合もあります

見せかけの空白を「新規参入のチャンス」と誤読して莫大な研究開発費を投じた事例は、業界を問わず後を絶ちません。真の空白かどうかを判定するには、特許マップだけでなく、市場規模、規制動向、代替技術、顧客インタビューなど、非特許情報との突き合わせが要ります。

これがまさに、IPランドスケープが「特許情報＋非特許情報」を組み合わせて経営分析する所以です。特許庁の「経営戦略に資するIPランドスケープ実践ガイドブック」でも、経営情報・事業情報との統合分析が定義の核として明記されています³¹。

Snorbeのような完全記憶型リサーチエージェントは、特許研究でナレッジグラフが競合薄い技術領域を可視化し、論文研究では引用ネットワークから見落とされた研究テーマを検出します³²。特許と論文と市場データを横断できると、見せかけと本物の見分けが立体的に見えるようになります。

参入障壁の評価 4つのメトリクス

参入障壁を評価するには、特許件数だけでは不十分です。実務で使う4つのメトリクスを紹介します。

1. 特許集中度（HHIまたはCR3）：上位3社の合算シェア、または上位10社の集中度を見ます。集中度が高いほど新規参入は難しくなります
2. 有効件数フィルタ：出願件数ではなく、登録済みかつ権利満了前の特許数だけを対象にします。取り下げや拒絶査定になった特許は参入障壁になりません
3. パテントクリフ（権利満了カレンダー）：主要特許の権利満了時期を横並びで見て、参入が可能になる時点を予測します。医薬品業界のジェネリック参入分析で使われる定番の手法です
4. 被引用数と品質指標：LexisNexis PatentSightが提供するPatent Asset Indexのような品質指標を使って、単なる出願数ではなく「重要な特許の数」で参入障壁を測ります³³

これら4つのメトリクスを、対象企業ごとに比較すると、参入障壁の実像が浮かびます。1つの指標だけで判断すると、必ず読み違えます。

SEP検知 宣言と真実の乖離

標準必須特許（SEP）は、5G/6G、Wi-Fi、Bluetooth、HEVC、AVCなどの標準規格で、規格に準拠するために必ず使わないといけない特許です³⁴。SEP保有企業は、パテントプールに参加してFRAND条件（Fair, Reasonable, And Non-Discriminatory）でライセンスを提供します³⁵。

ライセンス×アライアンスマップでSEPを分析するとき、実務家が最も気にするのが「宣言SEPと真のSEPの乖離」です。

企業が「これは標準必須です」と自己申告した宣言SEPは、実際に第三者機関や裁判所が真のSEPと認めた数の2〜3倍あるとされます。5G/LTEでは、宣言SEPが10万件を超える一方、真のSEPは数万件程度と推定されています。この乖離を無視して宣言SEPだけで戦略を立てると、実際の交渉ポジションを見誤ります。

早稲田大学の鈴木將文教授は、Beyond 5G時代に向けた新ビジネス戦略セミナーで、標準必須特許とパテントプールの構造を経営視点で整理しています³⁶。SEP評価には、専門家によるクレーム解釈と、標準仕様書（3GPP、IEEE、ETSIなど）との対照が要ります。

もう一つ、SEP分析で注意したいのが、ホールドアップとホールドアウトの問題です。ホールドアップはSEPホルダーが不当に高額なライセンス料を要求する問題、ホールドアウトは実施者がライセンス交渉に応じない問題です³⁷。両者ともFRAND宣言の趣旨に反しますが、実務では頻繁に起きます。

IPランドスケープ経営統合 特許庁の推進

特許庁は2020年ごろから、IPランドスケープの経営統合を強力に推進しています。定義は「経営戦略又は事業戦略の立案に際し、経営・事業情報に知財情報を取り込んだ分析を実施し、その結果を経営者・事業責任者と共有すること」です³⁸。

令和2年度の特許庁調査研究では、IPランドスケープという言葉を知っている人は約8割、実際に十分実施できている人は約1割と報告されました³⁹。この認知と実践の乖離を埋めるため、経済産業省と特許庁は2024年4月に「経営戦略に資するIPランドスケープ実践ガイドブック」を公開しています⁴⁰。INPITも中小企業向けに「IPランドスケープ マニュアル 市場・戦い方・連携相手を見極める」を公表しています⁴¹。

実践事例として最もよく紹介されるのが、旭化成株式会社です。旭化成は知財インテリジェンス室を設立し、2019年度からの新中期経営計画にIPランドスケープを導入しています⁴²。2018年に米自動車内装材大手セージ社を買収した際、買収後にセージの染色・加工技術を他事業に活かす共同研究の可能性をIPランドスケープで検討した事例が広く共有されています⁴³。経済産業省の「経営戦略を成功に導く知財戦略【実践事例集】」（2020年6月）にも、旭化成を含む複数の実践企業が掲載されています⁴⁴。

IPランドスケープの経営統合が求めるのは、「特許マップを一度作って終わり」の運用ではありません。月次または四半期で更新し、経営会議で「今月の変化」「今四半期の見通し」を議論する運用です。生成AI時代のマップ作成コスト低下は、この運用を初めて現実的にしました。

経営層への1枚化

作った特許マップを経営会議で使うには、1枚のスライドに凝縮する技術が要ります。実務家が経営層向けに使う1枚化のポイントは、次のとおりです。

• 結論を最上段に太字で書く：「我が社は競合Aに対して技術Xで優位、技術Yで劣位」といった1文
• ヒートマップの空白と集中を色分けで強調する
• 数値は絶対値だけでなく、成長率と業界シェアを併記する
• 出願人リストは上位5社に絞る、それ以外は「その他」に集約する
• 補足情報（母集団の定義、更新日、データソース）はフッターに小さく置く

経営層にとっての読解のツボは、「次にどこへ張るか」を1分で判断できることです。細かい技術用語は補足で構いません。M&A候補、R&D投資配分、技術ライセンス収益、訴訟リスクの4つのうち、どこに刺さる話かを最初に示すのが定石です。

実務家が陥りやすい罠

最後に、実務家が陥りやすい罠を3つまとめます。特許マップを日常的に扱う人にとっては常識ですが、初学者は必ずどれかで転びます。

1つ目は、出願数至上主義です。「出願数が多い＝技術力が高い」と見なす罠です。中国企業が2010年代後半に大量出願で世界1位になったとき、多くの日本企業がこれで惑わされました。品質指標（被引用数、パテントファミリーサイズ、権利化率）を必ず併用します。

2つ目は、被引用数の誤解です。被引用数は「他の特許から引用された数」ですが、これは特許庁の審査官が引用したケースと、他の出願人が背景技術として引用したケースの両方が含まれます。前者は技術的な影響力を示しますが、後者は「先行技術として言及されただけ」のこともあります。両者を分けて集計する丁寧さが要ります。

3つ目は、生存バイアスです。特許マップは、公開・登録された特許しか見ません。取り下げや放棄された特許、非公開で終わったノウハウ、企業秘密の技術は、マップに載りません。特許マップだけで技術動向を判断すると、実際の産業構造とはズレる可能性があります。学術論文、企業ブログ、標準仕様書、有価証券報告書、業界レポートなどとの多面的な突き合わせが必要です。

このセクションのまとめです。特許マップの読み解きは、ホワイトスペースの見せかけと真の見分け、参入障壁の4メトリクス、SEPの宣言と真実の乖離、IPランドスケープの経営統合、この4つが実務の骨格です。次のセクションでは、この読み解きを日常業務に組み込むために、Snorbeという新しい選択肢を紹介します。

出典

調査の連鎖を蓄積する Snorbeという別軸の選択肢

ここまでで、特許マップの定義、3種のマップ、AI時代の作り方、読み解きの実務を見てきました。ただ、実務で特許マップを回し始めると、もう一段の壁にぶつかります。それは「毎月更新の運用」の壁です。

一問一答型の特許マップ作成の限界

PatSnap、XLSCOUT、PatentSight、Questel Orbit、Patentfieldなどの主要な特許AIツールは、いずれも1回のクエリと1本のレポートを丁寧に扱う設計に強みがあります。実際、数週間かかっていた分析を数時間に短縮する能力は、これらのプラットフォームで実現しつつあります⁴⁵。

問題は、その次です。「今月作った特許マップを、来月自動で更新して差分を見る」という運用が、多くのツールで実装コストが高いままです。ダッシュボード機能はあっても、「先月と比べて今月の変化点はここ」「先月ホワイトスペースだった領域に、この3社が参入し始めた」を自動で示してくれるツールは、まだ限られます。

特許庁と経済産業省がIPランドスケープの経営統合を推進する背景には、この運用ギャップがあります。IPランドスケープは「一度作って終わり」ではなく、「経営会議で継続的に議論する」ものです⁴⁶。ところが、既存の特許AIツールの多くは、この継続性を人間側の運用に丸投げしています。

統合型リサーチプラットフォームへの進化

このギャップを埋めようとする動きが、リサーチプラットフォーム側にも出始めています。特許マップの単発作成から、継続的なナレッジ蓄積へと重心が移っています。

Elicit（学術論文分野）は、ミニ系統的レビュープロセスをUIに組み込んで、検索→スクリーニング→データ抽出→合成の流れを標準ワークフローにしています。Consensusは引用グラフ探索を提供しています。特許領域でもXLSCOUTやPatlyticsが、月次更新ダッシュボードを実装し始めました⁴⁷。

Snorbe（Deskrex）は、この方向をさらに一歩進めて、ナレッジグラフでリサーチ設計そのものを蓄積可能な資産にする設計を採用しています。特許マップの月次更新と、論文・市場データとの横断分析を、同じナレッジグラフの上で扱う思想です。

Snorbeが特許マップに刺さる3層構造

Snorbeは、意味空間・ナレッジグラフ・文字列インデックスの3層でリサーチ結果を蓄積するAIリサーチエージェントです⁴⁸。

意味空間は、これまでの調査結果を意味的な類似度で検索できるようにするレイヤーです。ベクトル埋め込みで、キーワード完全一致では拾えない意味的関連を検索できます。特許マップの母集団作成で、CPC/IPC分類の追いつかない領域（AI、量子、CRISPR、生成AI）を埋めるのに効きます。

ナレッジグラフは、調査対象と対象、対象と論点、論点と論拠を構造化して保存するレイヤーです。ここがSnorbeの中核で、特許マップで言えば「先月見つけたホワイトスペースが、今月どう変化したか」を自動で追跡できる仕組みです。特許研究では、ナレッジグラフが競合薄い技術領域を可視化して、ホワイトスペース（未探索領域）を自動検出します⁴⁹。

文字列インデックスは、原典の逐語引用を正確に取り出すためのレイヤーです。特許マップで「この主張の根拠特許を見せてくれ」と経営層に言われたとき、原典の該当箇所に即座に戻れる状態を保ちます。

この3層が組み合わさることで、「今月の特許マップが来月の特許マップに自然に繋がる」設計が実装されています。プレスリリースでは、Snorbeは「調査結果だけでなく調査のプロセスそのものを構造化し、組織の知的資産として蓄積・活用できる」と位置づけられています⁵⁰。

特許＋論文の専門DB6種を横断で叩ける強み

Snorbeのもう一つの強みは、専門データベースを6種類統合していることです。JPO（日本特許庁）、EPO（欧州特許庁）、Google Patents、arXiv、PubMed、Semantic Scholarの6種です。

これらのデータベースは、それぞれ独自の検索クエリ言語を持っています。特許ならCPC/IPC分類、論文ならMeSH用語やarXivカテゴリ、といった具合です。従来は、各データベースのクエリ言語を覚えて、検索式を組んで、結果を手作業でマージする必要がありました。

Snorbeは、この壁を「自然な日本語のクエリで、専門DBを横断検索する」形で埋めています。ユーザーは「EV電池の固体電解質に関する最新論文と、関連する日米中欧の特許を出してほしい」と自然な日本語で投げるだけで、arXiv/PubMed/Semantic Scholarと、Google Patents/JPO/EPOを同時に叩ける設計です⁵¹。

特許マップの実務家にとって重要なのは、この横断がホワイトスペース分析の質を根本的に変えることです。特許マップだけで見えるホワイトスペースは、市場ニーズがない可能性（見せかけの空白）を判定できません。ここに論文の引用グラフとPubMedの臨床研究動向が加わると、「学術ではホットだが特許出願が薄い領域」という真のチャンスを立体的に検出できます。

先月のマップを覚えているという体験

もう一つ、Snorbeが既存の特許AIツールと違うのが、対話を跨いで文脈を保持する設計です。

一問一答型のツールでは、セッションが変わるとAI側は前回何を分析したかを覚えていません。ユーザー側が「先月こういう特許マップを作って、こう結論づけたので、今月はここから続けたい」とプロンプトに書き直す必要があります。

Snorbeは、これまでの調査履歴がナレッジグラフとして蓄積されているので、次のセッションで「前回の続きから」を自然に扱えます。プレスリリースでは「自己進化型」と表現されていて、使えば使うほど個人・組織固有の知識構造が育っていく設計です⁵²。「A社の特許ポートフォリオと、前回の調査で比較してほしい」といった指示を、AIのメモリに蓄積された前回の分析を参照しながら実行できます⁵³。

これは、IPランドスケープの経営統合が求める「月次更新運用」を、ツール側が半自動で支援する構造です。「先月のマップと比べて今月変化した点は、A社の出願が3件増えたこと、B技術のホワイトスペースにC社が参入してきたこと」という差分レポートを、ナレッジグラフが自動で構造化してくれます。

外部エージェント連携

Snorbeにはもう一つ、実務家にとって重要な特徴があります。Claude Codeやcodexといった外部AIエージェントから、Snorbeの調査機能を呼び出せる設計です⁵⁴。特許マップ作成をルーチン化して、社内の生成AIワークフローに組み込みたいときに効きます。

「毎月末に、担当技術領域の特許マップをSnorbeで更新して、Slackに要約を投げる」といったオートメーションが、外部エージェント連携で組めます。特許マップの月次更新が、人間の手作業から解放される最終形です。

今から回せる特許マップ更新ループ

このセクションの締めくくりに、Snorbeで今から試せる反復ループを整理します。

1日目：Snorbeに、これまで自分が扱ってきた技術領域の1つを投げてみます。自然な日本語で「〇〇分野の特許マップを、日米中欧のトップ10出願人と時系列で作ってほしい」と書けば、専門DB6種を叩いて結果が返ってきます。

2日目：返ってきたマップを見て、深掘りしたい論点を1つ選び、追加のクエリを投げます。前日のセッションの文脈が保持されているので、「昨日のマップで気になったA社の技術ポートフォリオを、クレーム要素で分解してほしい」と書くだけで、続きから探索できます。

3日目以降：ナレッジグラフが育っていくので、「今月のマップは先月の何と繋がっているか」をSnorbe側が示してくれます。特許マップの月次更新運用が、ツール側の半自動支援で回り始めます。

一問一答型の特許マップ作成ツール（PatSnap、XLSCOUT、PatentSight、Patentfield）を使いこなすトラックも、もちろん有効です。1回のクエリを丁寧に扱う設計としては、これらのツールは十分な性能を持っています。Snorbeは、これらの選択肢に「調査の連鎖を蓄積する」という別軸を加える、新しい選択肢として位置づけられます。

特許マップは、生成AIで死んだのではなく、逆に真価を発揮する段階に入りました。作成コストが下がったので、経営会議で毎月違うマップを見せられるようになり、IPランドスケープの経営統合が現実になりました。ここに、調査の連鎖を蓄積する仕組みが加われば、特許マップは「1回1回の作成」から「組織の知的資産を育てる継続的なプロセス」に進化します。

このプロセスを今から回してみたい方は、Snorbeの公式サイト（https://lp.deskrex.ai/）から使い始められます。

出典

よくある質問（FAQ）

Q1. 特許マップとパテントマップは違うものですか？

同じものです。特許マップは日本語の直訳、パテントマップは英語 Patent Map の音写で、実務ではほぼ同義で使われます。特許庁の IP BASE や日本弁理士会関東会は「特許マップ」を公式用語として採用しています。IPマップという言葉もあって、こちらは意匠・商標を含めた知的財産全体を対象にすることが多いです。

Q2. J-PlatPatだけで特許マップは作れますか？ 有料ツールは必要ですか？

シンプルな出願人×時系列マップや基本的な技術×クレームマップなら、J-PlatPat の詳細検索とExcelだけで作れます。日本弁理士会関東会のセミナーでも、無料の公的DBだけで実践可能な手順が案内されています。より高度な分析（多国籍パテントファミリー統合、SEP分析、大規模ホワイトスペース検出）が要る場合は、PatSnap、XLSCOUT、PatentSight、Patentfieldなどの商用ツールが選択肢に入ります。特許庁の「令和5年度 特許情報に係る商用データベースの機能水準に関する調査」に機能比較が公式データとしてまとまっています。

Q3. 特許マップとIPランドスケープはどう違いますか？

特許マップは「道具（モノ）」、IPランドスケープは「その道具を使った経営活動（コト）」です。特許庁の定義では、IPランドスケープは「経営戦略又は事業戦略の立案に際し、経営・事業情報に知財情報を取り込んだ分析を実施し、その結果を経営者・事業責任者と共有すること」とされています。特許マップは、そのIPランドスケープを回すためのインプットになる図表・グラフの1つです。詳しくは経済産業省の「経営戦略に資するIPランドスケープ実践ガイドブック」を参照してください。

Q4. 3種のマップ（出願人×時系列、技術×クレーム、ライセンス×アライアンス）は、どの順番で作るべきですか？

実務では、出願人×時系列→技術×クレーム→ライセンス×アライアンスの順が定石です。まず出願人×時系列で業界全体の勢力図を掴み（月次更新）、気になった競合の技術ポートフォリオを技術×クレームで深掘りし（四半期更新）、標準必須技術が絡む領域ならライセンス×アライアンスで交渉ポジションを確認する（半期更新）、というループです。この3種を組み合わせるだけで、経営会議の知財セッションで「今月の変化」「今四半期の技術動向」「今期の交渉戦略」が揃います。

Q5. AIやセマンティック検索で、特許マップの作り方はどう変わりましたか？

大きく2点変わりました。1点目は母集団作成の精度向上です。CPC/IPC分類が追いつかない領域（AI、量子コンピュータ、CRISPR、生成AI）で、セマンティック検索 が意味的な類似度で母集団を拾えるようになりました。2点目は作成時間の圧縮です。Patlyticsの解説では、従来数週間かかっていたランドスケープ分析がAIプラットフォームで数時間に短縮された事例が紹介されています。ただし、AIが生成したマップも、最終的な読み解きと意思決定への接続は人間の実務家の仕事です。

Q6. ホワイトスペース（空白領域）を見つけたら、そこに参入すべきですか？

ホワイトスペースには「見せかけの空白」（市場ニーズや経済合理性がない領域）と「真の空白」（技術ギャップや先端性でまだ誰も取り組めていない領域）の2種類があります。見つけた空白がどちらかを判定するには、特許マップだけでなく、市場規模、規制動向、代替技術、顧客インタビューなど非特許情報との突き合わせが要ります。これがまさに、IPランドスケープが「特許情報＋非特許情報」を統合分析する所以です。Snorbe のように特許と論文と市場データを横断できるツールを使うと、見せかけと本物の見分けが立体的に見えるようになります。

Q7. 特許マップは月次で更新すべきですか？ どの粒度で回せばいいですか？

一般的には、出願人×時系列マップは月次〜四半期、技術×クレームマップは四半期〜半期、ライセンス×アライアンスマップは半期〜年次、が実務の目安です。ただし、CPC分類の付与には出願から数か月のタイムラグがあるので、最新の出願を含めた母集団は精度が落ちます。あえて3か月遅れで固定した母集団を分析するほうが安定します。IPランドスケープの経営統合を進めるなら、月次で経営会議に持ち込める運用を目指すのが基本です。生成AIとナレッジグラフを活用すれば、更新の自動化はかなり実現可能になっています。

---

1. Patlytics「Patent Landscape Analysis: How AI Helps IP Teams Move Beyond Spreadsheets」 https://www.patlytics.ai/blog/patent-landscape-analysis↩︎

2. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

3. Snorbe（Deskrex）公式サイト https://lp.deskrex.ai/↩︎

4. codecamp「株式会社DeskrexがAIリサーチエージェント「Snorbe（スノーブ）」のクローズドアルファ版一般提供を開始」 https://trends.codecamp.jp/blogs/media/news4028↩︎

5. innovatopia「Deskrex『Snorbe』提供開始｜調査結果をナレッジグラフに蓄積し未調査領域を探索するRaaS」 https://innovatopia.jp/ai/ai-news/105751/↩︎

6. Zenn 株式会社Deskrex「MoatになりうるAIエージェントのメモリデザインパターン」 https://zenn.dev/deskrex/articles/9ee6c17f4a420b↩︎

7. Patlytics「Patent Landscape Analysis: How AI Helps IP Teams Move Beyond Spreadsheets」 https://www.patlytics.ai/blog/patent-landscape-analysis↩︎

8. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

9. Patlytics「Patent Landscape Analysis: How AI Helps IP Teams Move Beyond Spreadsheets」 https://www.patlytics.ai/blog/patent-landscape-analysis↩︎

10. Snorbe（Deskrex）公式サイト https://lp.deskrex.ai/↩︎

11. codecamp「株式会社DeskrexがAIリサーチエージェント「Snorbe（スノーブ）」のクローズドアルファ版一般提供を開始」 https://trends.codecamp.jp/blogs/media/news4028↩︎

12. innovatopia「Deskrex『Snorbe』提供開始｜調査結果をナレッジグラフに蓄積し未調査領域を探索するRaaS」 https://innovatopia.jp/ai/ai-news/105751/↩︎

13. Zenn 株式会社Deskrex「MoatになりうるAIエージェントのメモリデザインパターン」 https://zenn.dev/deskrex/articles/9ee6c17f4a420b↩︎

14. 井上特許事務所「標準必須特許（SEP）とは？」 https://www.inoue-patent.com/post/standardessentialpatent↩︎

15. 塩谷綱正@イーパテント「IPランドスケープって何だ？｜特許庁定義を尊重しよう」 https://note.com/tshioya/n/nd3618d14a48d↩︎

16. Patlytics「Patent Landscape Analysis: How AI Helps IP Teams Move Beyond Spreadsheets」 https://www.patlytics.ai/blog/patent-landscape-analysis↩︎

17. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

18. Snorbe（Deskrex）公式サイト https://lp.deskrex.ai/↩︎

19. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

20. codecamp「株式会社DeskrexがAIリサーチエージェント「Snorbe（スノーブ）」のクローズドアルファ版一般提供を開始」 https://trends.codecamp.jp/blogs/media/news4028↩︎

21. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

22. innovatopia「Deskrex『Snorbe』提供開始｜調査結果をナレッジグラフに蓄積し未調査領域を探索するRaaS」 https://innovatopia.jp/ai/ai-news/105751/↩︎

23. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

24. innovatopia「Deskrex『Snorbe』提供開始｜調査結果をナレッジグラフに蓄積し未調査領域を探索するRaaS」 https://innovatopia.jp/ai/ai-news/105751/↩︎

25. innovatopia「Deskrex『Snorbe』提供開始｜調査結果をナレッジグラフに蓄積し未調査領域を探索するRaaS」 https://innovatopia.jp/ai/ai-news/105751/↩︎

26. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

27. Snorbe（Deskrex）公式サイト https://lp.deskrex.ai/↩︎

28. codecamp「株式会社DeskrexがAIリサーチエージェント「Snorbe（スノーブ）」のクローズドアルファ版一般提供を開始」 https://trends.codecamp.jp/blogs/media/news4028↩︎

29. Zenn 株式会社Deskrex「MoatになりうるAIエージェントのメモリデザインパターン」 https://zenn.dev/deskrex/articles/9ee6c17f4a420b↩︎

30. 井上特許事務所「標準必須特許（SEP）とは？」 https://www.inoue-patent.com/post/standardessentialpatent↩︎

31. Patlytics「Patent Landscape Analysis: How AI Helps IP Teams Move Beyond Spreadsheets」 https://www.patlytics.ai/blog/patent-landscape-analysis↩︎

32. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

33. Snorbe（Deskrex）公式サイト https://lp.deskrex.ai/↩︎

34. codecamp「株式会社DeskrexがAIリサーチエージェント「Snorbe（スノーブ）」のクローズドアルファ版一般提供を開始」 https://trends.codecamp.jp/blogs/media/news4028↩︎

35. innovatopia「Deskrex『Snorbe』提供開始｜調査結果をナレッジグラフに蓄積し未調査領域を探索するRaaS」 https://innovatopia.jp/ai/ai-news/105751/↩︎

36. Zenn 株式会社Deskrex「MoatになりうるAIエージェントのメモリデザインパターン」 https://zenn.dev/deskrex/articles/9ee6c17f4a420b↩︎

37. 井上特許事務所「標準必須特許（SEP）とは？」 https://www.inoue-patent.com/post/standardessentialpatent↩︎

38. 塩谷綱正@イーパテント「IPランドスケープって何だ？｜特許庁定義を尊重しよう」 https://note.com/tshioya/n/nd3618d14a48d↩︎

39. 特許庁「経営戦略に資する知財情報分析・活用に関する調査研究 令和2年度」 https://www.jpo.go.jp/resources/report/sonota/document/zaisanken-seidomondai/2020_07_yoyaku.pdf↩︎

40. Patlytics「Patent Landscape Analysis: How AI Helps IP Teams Move Beyond Spreadsheets」 https://www.patlytics.ai/blog/patent-landscape-analysis↩︎

41. INPIT「IPランドスケープ マニュアル 市場・戦い方・連携相手を見極める（令和4-5年度支援事例集）」 https://www.inpit.go.jp/content/100881501.pdf↩︎

42. 特許庁 広報誌「とっきょ」vol49 IPランドスケープのススメ「旭化成株式会社」 https://www.jpo.go.jp/news/koho/kohoshi/vol49/01_page1.html↩︎

43. Biz/Zine「旭化成のIPランドスケープ活用──Afterコロナを見据えたコア価値の磨き方、未来の兆しの掴み方とは」 https://bizzine.jp/article/detail/5047↩︎

44. 経済産業省「経営戦略を成功に導く知財戦略【実践事例集】」（2020年6月） https://www.meti.go.jp/press/2020/06/20200622008/20200622008.html↩︎

45. Patlytics「Patent Landscape Analysis: How AI Helps IP Teams Move Beyond Spreadsheets」 https://www.patlytics.ai/blog/patent-landscape-analysis↩︎

46. 経済産業省「経営戦略に資するIPランドスケープ実践ガイドブック」（2024年4月） https://www.meti.go.jp/press/2024/04/20240424002/20240424002.html↩︎

47. Patlytics「Patent Landscape Analysis: How AI Helps IP Teams Move Beyond Spreadsheets」 https://www.patlytics.ai/blog/patent-landscape-analysis↩︎

48. Snorbe（Deskrex）公式サイト https://lp.deskrex.ai/↩︎

49. Snorbe（Deskrex）公式サイト https://lp.deskrex.ai/↩︎

50. codecamp「株式会社DeskrexがAIリサーチエージェント「Snorbe（スノーブ）」のクローズドアルファ版一般提供を開始」 https://trends.codecamp.jp/blogs/media/news4028↩︎

51. innovatopia「Deskrex『Snorbe』提供開始｜調査結果をナレッジグラフに蓄積し未調査領域を探索するRaaS」 https://innovatopia.jp/ai/ai-news/105751/↩︎

52. codecamp「株式会社DeskrexがAIリサーチエージェント「Snorbe（スノーブ）」のクローズドアルファ版一般提供を開始」 https://trends.codecamp.jp/blogs/media/news4028↩︎

53. Zenn 株式会社Deskrex「MoatになりうるAIエージェントのメモリデザインパターン」 https://zenn.dev/deskrex/articles/9ee6c17f4a420b↩︎

54. innovatopia「Deskrex『Snorbe』提供開始｜調査結果をナレッジグラフに蓄積し未調査領域を探索するRaaS」 https://innovatopia.jp/ai/ai-news/105751/↩︎