特許AI成熟度モデル｜Level 1-5で自社の現在地を診断

知財部で「うちも特許AIを入れませんか」という話が出たとき、「うちはまだJ-PlatPatで手作業ですよ」「もうPatSnapは入れました」「島津のGenzoみたいな独自エージェントを作りたい」など、現在地の言葉が人によってバラバラで話が進まない、という経験はありませんか。この記事では、特許・知財AIリサーチ活用の成熟度モデルをLevel 1からLevel 5までの5段階で整理し、J-PlatPat＋Google検索から始まって特許ナレッジグラフ×継続監視で終わる縦の階段を示します。

この記事でわかることを先に整理します。

• 特許・知財AIリサーチ活用をLevel 1（J-PlatPat＋Google検索）からLevel 5（特許ナレッジグラフ×継続監視）の5段階で整理しました。先行技術調査あたり工数はLevel 1の15〜30時間からLevel 4の2〜4時間へ、最終的にLevel 5で「常時走り続ける知財レーダー」に近づきます。
• 各Levelで使うツール（PatSnap・Derwent Innovation・CAS IP Finder・IPRally・Patentfield AIR等）、案件あたりの工数、月次コスト、知財担当・R&D特許担当・弁理士に必要なスキル、他部署への影響範囲を並べたので、自社の現在地を診断し次に上がるLevelへの具体的なステップが見えるようにしてあります。
• Level 3は専門特許DB（PatSnap、Derwent Innovation、JDream III、CAS IP Finder）でIPランドスケープに踏み込む段階、Level 4はDeep Research 4ツール比較（OpenAI 26.6% / Perplexity 21.1% / Gemini 6.2% / Felo Research首位）で特許＋論文の横断調査を回す段階、Level 5は特許ナレッジグラフ×継続監視で他社出願を朝5分で追う段階です。
• 半導体・化学・機械・製薬各業界での特許調査の切り口の違い（半導体＝標準必須特許＋量産動向、化学＝構造式＋マーカッシュ、機械＝センサ特許＋保守事例、製薬＝治験＋PMDA/EMA）は別節で整理し、自社の知財業務の現在地を診断する5質問も用意しました。
• SnorbeはLevel 4とLevel 5をつなぐ新しい選択肢として、専門特許DB＋Deep Research＋特許ナレッジグラフを1段接続する立ち位置にあります。

以下、実務目線で特許・知財AIリサーチ成熟度モデルの段階を、私が知財の現場で見えている手触りも交えて整理していきます。

特許・知財AIリサーチ成熟度モデルとは｜Level 1から5の5段階

知財部、R&D特許担当、弁理士事務所、技術営業といった特許に関わる職種を問わず、ここ2年で「特許を調べる」仕事の風景が変わりました。Level 1のJ-PlatPat＋Google検索から、Level 5の特許ナレッジグラフ×継続監視までを1本の階段に整理すると、自社の現在地と次に上がる段が見えやすくなります。なるべく難しい言葉を使わずに、全体像を示します。結論を先にいうと、特許・知財AIリサーチ活用は「一部の先行部署の実験」から「投資額と成果指標がはっきり見える経営テーマ」に変わりつつあります。

成熟度モデルの5段階は次のとおりです。この記事の骨格になる部分です。

• Level 1: J-PlatPat＋Google検索。J-PlatPat（INPITの無料DB）や汎用Web検索で日本特許を叩き、結果をExcelに貼り付ける、いわゆる従来型の先行技術調査
• Level 2: 汎用AI Chat。ChatGPT、Claude、Gemini、Copilotで特許明細書の一次要約・翻訳・クレーム構造の整理を回す
• Level 3: 専門特許DB検索。PatSnap、Derwent Innovation、JDream III、CAS IP Finder、Patentfield AIRなどの有料DBを導入し、IPランドスケープ（自社と競合の特許ポートフォリオを地図として可視化）に踏み込む
• Level 4: Deep Research。Perplexity、OpenAI、Gemini、Feloの自律型AIエージェントで、先行技術調査あたり2〜4時間で特許＋論文＋IR資料を横断した引用付きレポートを生成する
• Level 5: 特許ナレッジグラフ×継続監視。特許・論文・訴訟データ・IR・標準規格を特許ナレッジグラフに継続的に貯めて、他社出願の変化を朝5分の継続監視ジョブで検知する

Level 1〜2は多くの企業が経験しています。Level 3の専門DBも、大手・準大手ならすでに導入済みというケースが多いです。ここから先のLevel 4〜5に踏み込めるかどうかで、先行技術調査・無効資料調査・IPランドスケープの案件あたりリサーチ時間が桁で変わってきます。

実際、島津製作所は生成AIとナレッジグラフの組み合わせで、知財業務のコストを年8,000万円削減、他社特許スクリーニング90%削減、発明届出業務工数50%削減を実現しました(島津 Genzo AI 公式リリース)。業界を問わず、参考になる数字だと思います。

もう1つ押さえておきたいのが、同じ企業の中でも知財に関わる職種によって欲しい情報が違う点です。

• 知財部・特許庶務: 先行技術調査、無効化資料調査、他社特許ウォッチ、年金管理
• R&D特許担当: 発明届出、明細書ドラフト、先行技術調査、拒絶理由対応
• 弁理士・特許事務所: 明細書作成、鑑定、審査対応、外国特許出願
• 技術営業・事業企画: 競合特許ポートフォリオ分析、標準必須特許(SEP)動向、M&AのDD(デューデリジェンス)
• 調達・情シス: 仕入先の特許・GX対応、社内知財システムの選定

同じ「特許AI」でも、この職種のどこに軸を置くかで、選ぶツールも運用も変わってきます。次の節から、Level 1のJ-PlatPatとGoogle Patentsから順に見ていきます。自社の現在地を確かめながら読んでください。

Level 1〜2｜J-PlatPat＋Google Patentsと汎用AI Chatで先行技術調査を回す

まずはスタート地点の話です。Level 1とLevel 2は、知財部と R&D 特許担当の多くがすでに経験している段階だと思います。それぞれの実態と、次の段階に進むときの手応えを、なるべく現場の感覚で書きます。

Level 1｜J-PlatPat＋Google Patents の実態と限界

Level 1は、いわゆる従来型のリサーチです。J-PlatPatで日本特許を検索し、Google Patentsで海外特許を追い、業界紙の記事をブックマークして、結果をExcelに貼っていく、というやり方です。特別なツール投資はほぼゼロで、既存のオフィス環境で完結します。

問題は、時間がかかることです。新規開発テーマの先行技術調査（自社の技術が他社の特許権を侵害していないか事前に確認する作業）に、案件あたり15〜30時間かかるのが一般的です。しかも海外特許や非英語文献の取りこぼしが出やすいので、海外売上比率が高い企業だと、その取りこぼしが受注リスクにつながります。経済産業省の「2026年版ものづくり白書」でも、中小企業でのAI・データ蓄積の遅れがはっきり書かれています（経産省 ものづくり白書 概要、SmartF-Nexta 白書解説）。

無料DBはうまく使えば強力です。Google Patentsは120カ国以上・1億件超の特許にアクセスでき、機械翻訳もそこそこ動きます。EPOのEspacenetは100カ国以上・1億6,000万件をカバーし、EPO OPSのAPI経由で自動化もできます(レート制限は10 req/min/IP)。

J-PlatPatは日本特許のリーガルステータス(権利がまだ生きているか、無効化されているか)を正確に確認できるのが強みです。ただ、これらを人手で横串にすると、それだけで残業になります。

Level 2｜汎用AI Chatで工数が半分になる

Level 2は、ChatGPT、Claude、Gemini、Copilotなどの汎用AI Chatを、Level 1のワークフローに差し込む段階です。要約・翻訳・アイデア発散にAIを使うだけで、案件あたりの工数が15〜30時間から8〜15時間に落ちます。個人利用でもChatGPT PlusやClaude Proは月20ドルから始められるので、投資対効果はかなり高い部分です。企業版で全社導入すると、年間で数百万〜数千万円のレンジになります。

事例で見ると、島津製作所は生成AIを使って、特許明細書の下書き、翻訳、審査対応、契約レビューを自動化しています。これが後にLevel 5の「Genzo AI」につながる下地になっていて、年間8,000万円のコスト削減という成果に育ちました。

キーエンスも、自社の生成AI活用ガイドで、修理履歴から部品交換や契約更新の営業活動へつなげる「KI」の運用事例を公開しています。

中小の一歩目に効く補助金

中小・中堅の場合、AIツールの導入コスト自体が経営判断のハードルになることがあります。ここで役立つのが、経済産業省と中小企業庁が用意している「デジタル化・AI導入補助金2026」です。中小企業のAIツール導入に対して金銭支援があるので、Level 2から先に進むきっかけを作りやすいはずです（中小企業庁 補助金2026）。

Level 2の落とし穴

Level 2で気をつけたいのは、次の3点です。まずハルシネーション。ChatGPTやGeminiは、それらしいけど実在しない特許番号や論文タイトルを平気で返してきます。特許・論文の出典が再現できるかを、必ず二次チェックしてください。次に機密情報の扱い。顧客名、未公開の設計データ、社外秘のR&Dテーマを、そのまま汎用AI Chatの入力欄に貼り付けるのは危険です。企業版契約で「入力が学習に使われない」設定が必須になります。最後に多言語の壁。中国語の特許や韓国の規格を要約させると微妙にニュアンスが落ちるので、専門的な判断が要る場合はLevel 3以降の専門DBに切り替える必要があります。

Level 1とLevel 2は、正直ここに留まっている企業がまだ多い印象です。次のLevel 3に進むかどうかは、IPランドスケープ（自社と競合の特許ポートフォリオを地図化して経営判断に使う手法）に踏み込む覚悟があるかで決まります。次節はその話です。

Level 3｜PatSnap・Derwent・JDream III・CAS IP FinderでIPランドスケープに踏み込む

Level 3は、有料の専門データベースを導入して、正規化された書誌情報・引用ネットワーク・多言語データにアクセスするフェーズです。ここまで来ると、単発の特許調査を超えて、IPランドスケープ（自社と競合の特許ポートフォリオを地図として可視化し、経営判断や新規事業立案に使う手法）に踏み込めるようになります。

代表的な4系統のツール

よく使われる専門DBを、4系統に分けて整理します。

• 特許AI型: PatSnap（Eureka）、Derwent Innovation（Clarivate、DWPI）、CAS IP Finder（旧STN後継、化学構造検索対応）
• 学術・技術文献DB: JDream III（G-Search、日本語文献・JST科学技術情報）、Scopus（Elsevier、世界5,000＋出版社・18,000＋誌）
• ビジネス分析: Nikkei Value Search（企業・産業の3D分析）
• 無料の底支え: J-STAGE（学協会論文580万件超）、Semantic Scholar API

料金体系はざっくり次のとおりです。

PatSnapは月額10万円から、Eureka（AI特許エージェント）付きで年50〜100万円、大企業向けの包括契約だと年数百万円になります。Derwent InnovationはDWPI（Derwent World Patents Index、特許の抄録を人手で書き直した高品質データ）付きで年数百万〜数千万円、全世界の研究者4万人以上が使う定番です。

中堅にも導入しやすい価格帯としては、JDream IIIが年24万円から。MEDLINEオプション12万円/年で追加できるので、まずここから触るのが現実的です。

実例｜踏み込み方の3パターン

代表的な踏み込み方を3つ紹介します。

1つ目は、事業セグメントをまたいだ特許マップの内製化です。工作機械が本業の企業が、食品機械という別セグメントの特許マップを社内で描けるようになる、という動きが業界内で出てきています(例: ソディック 知財戦略)。

2つ目は、複数の専門DBを組み合わせた継続監視です。キヤノンのように特許取得ランキングで長年上位を維持する企業は、事業のコアコンピタンスに絞らず、AI・IoT・標準技術・環境関連まで幅広く知財を積み上げています。この体制を支えているのが、複数DBを組み合わせた継続的な監視です。

3つ目は、「自社R&Dツールを他社に売る」パターンです。島津製作所はGenzo AIとしてLevel 2の生成AI活用の下地をLevel 3〜5につなげ、2026年4月に外販事業化しました。年契約100万〜1,500万円/社、2030年度320社・売上15億円が目標です。

Level 3で残る課題

一方で、Level 3に踏み込んでも解決しない課題があります。

1つ目は、DBごとの検索構文の壁です。PatSnapは独自のクエリ構文、Derwent InnovationはCQL相当、CAS IP Finderは化学式ベース、とDBごとに違う書き方を覚える必要があります。専任のリサーチャーがいる大手ならまだいいのですが、R&D現場が直接叩くのは正直重いです。

2つ目は、複数DB横断の統合ビューが人手依存であることです。特許はPatSnap、論文はScopus、企業情報はNikkei Value Search、規格はJIS/ISO、と窓口が分かれるので、それらの結果を1つのレポートにまとめる作業は、いまだにExcelとWordで人が書いています。IPランドスケープが「1年に1回」の重い作業になってしまう原因の1つです。

3つ目は、機密性の管理です。有料DBに投げるクエリからも、社内の開発テーマが推測できてしまいます。海外拠点・パートナーへのアクセス権限管理は、Level 3以降で常に論点になります。

プロンプトを1歩補助する使い方

専門DBだけだと重いので、Level 2で紹介した汎用AI Chatと組み合わせる使い方が現実的です。例えば「中国語の特許明細書をGoogle Patentsで取り出して、要点を日本語で3ブロック（技術課題／解決手段／実施例）に整理してほしい。原典URLと出願人・出願日を必ず添えて」といったプロンプトです。これでPatSnapやDerwent Innovationに渡す前の「調べる範囲を決める作業」を短縮できます。ただし、AIが出した分類コードは必ずPatSnap側で検索し、ヒット件数を確認してください。ここまでがLevel 3の実務です。

Level 4｜Deep Research 4ツール比較で先行技術＋論文＋IRを横断する

Level 4は、自律型AIエージェントが特許・論文・Webを横断して、先行技術調査あたり2〜4時間で引用付きレポートを生成する段階です。PerplexityやOpenAIのDeep Research、Google Gemini Deep Research、Feloが代表格です。ここまで来ると、知財部・R&D特許担当・技術営業で同じインタフェースが使えるようになり、特許AIが「知財部だけのツール」から「事業サイドを含めた共通言語」に近づきます。この節を独立して扱うのは、精度の差が「他社特許を見落とすかどうか」の判断に直結するからです。

4ツールの精度は3倍以上の差がついている

まず精度の話です。世界最難関級のベンチマーク「Humanity’s Last Exam（HLE）」の結果を見ると、Deep Research系ツール間で無視できない差があります。

ツール	HLE 精度	特徴
OpenAI Deep Research（o3）	26.6%	論理的な葛藤の重み付けが強い、5〜30分と時間はかかる
Perplexity Deep Research	21.1%	インライン引用でファクトチェックが速い、3分/レポート
Google Gemini Deep Research	6.2%（Gemini Thinking）	参照ソース数が最多、網羅性で優位

参照はHelicone Deep Research 比較。OpenAIとGeminiで3.6倍以上の開きがあるので、使うツールで意思決定の質が変わります。ただGeminiはソース数が多いので、「まず幅を取ってから深掘り」というフェーズには向いています。この使い分けがLevel 4の腕の見せどころです。

もう1つ、日本語ユーザーにはFelo Researchが有力な選択肢になっています。独自ベンチマーク「DeepResearch Bench」でOverall(Weighted) 0.4937を叩き出し、Gemini-2.5-Pro Deep Research(0.4892)を上回りました(公式リーダーボードで確認可能)。

Perplexity Pro比で半額以下という価格帯で、Claude Fable 5を組み込んでいる点も含めて、コスパ重視のチームには魅力的です。

特許業務別のDeep Research使い分け例

Deep Researchの実務プロンプトを、特許業務別に紹介します。たたき台にはなるはずです。

知財部・R&D特許担当向け:

> 競合A・B・C・Dの直近5年の主要特許出願を、AI・IoT・デジタルツインの3カテゴリで分類し、CPC分類コードと出願件数の推移とともに、未着手領域を10個挙げてください。

M&A・事業企画向け:

> 買収候補X社の特許ポートフォリオを、コア技術・防衛特許・スリーピング特許で3分類し、標準必須特許(SEP)宣言の有無と競合との重複関係を整理してください。

技術営業向け:

> 顧客業界Tier1トップ20社の特許出願動向と設備投資動向を、決算資料と業界紙・PatSnap・J-PlatPatから要約してください。EV化・自動運転・脱炭素の3軸で分けて。

このタイプの依頼をPerplexity Proに投げれば3分でレポートが出てきますし、OpenAI o3に投げれば5〜30分で「クレーム間の抵触関係の重み付け」まで含めた深い応答が返ってきます。用途によってPerplexity(速度)とOpenAI(深さ)を使い分けるのが実務のリアルです。

Level 4で残る2つの課題

Level 4に来ても、まだ解決していない問題が2つあります。

1つ目は、有料の特許DBの中の情報にリーチしにくいことです。Deep Researchが読み込めるのは、基本的にオープンWebの情報だけ。PatSnapやDerwent Innovationの中に閉じ込められている高品質な特許抄録(DWPI=人手で書き直された特許抄録の標準)や、CAS SciFinderのマーカッシュ検索結果は、Deep Research単体では読めません。「Level 3の専門特許DBとLevel 4のDeep Researchを、どう組み合わせるか」が実装課題として残ります。

2つ目は、機密情報の外部送信リスクです。特許業務では未公開の発明届出書や、係争中の無効審判資料を扱うので、Deep Researchの外部API経由でモデルが動くケースには気を使います。企業版・エンタープライズ契約で「入力が学習に使われない」設定と、社内特許DBとの分離設計は、Level 4以降で常に論点になります。

この2つを解消しに行くのが、次節で扱うLevel 5の特許ナレッジグラフ×継続監視です。ここから先で、特許AIが「単発の先行技術調査ツール」から「常時走り続ける知財レーダー」に変わっていきます。

Level 5｜特許ナレッジグラフ×継続監視で他社出願を朝5分で追う

Level 5は、特許・論文・訴訟データ・IR・標準規格を特許ナレッジグラフに継続的に貯めて、他社出願の変化を継続監視ジョブで検知する段階です。「1回の先行技術調査」ではなく「常時走り続ける知財レーダー」に近い姿になります。

Level 5が実装フェーズに入った理由

グラフDB市場は、2025年の29億ドルから2035年に252億ドルへ、CAGR 24.15%で急拡大する見通しです(実装ガイドの解説より)。Microsoft GraphRAGがリファレンス実装として広がり、Neo4j＋LangChainの組み合わせが定石化しました。コストを抑えるLazyGraphRAGのような派生技術も登場し、実装のハードルは下がっています。

知財業務でのLevel 5実装として代表的なのが、島津製作所のGenzo AIです。公式リリースによれば、知財コスト年8,000万円削減、他社特許スクリーニング90%削減、発明届出業務工数50%削減を実現。2026年4月にはGenzo AI社として外販事業化し、年契約100万〜1,500万円/社、2030年度320社・売上15億円を目標にしています。

Level 5は大手だけの話ではありません。中小企業の突発停止事例でも、初期80万円＋運用24万円/年で年間120万円の損失削減、ROI約115%という予知保全の試算が出ています。保守サービス側のLevel 5は予知保全という形で先行して普及していて、この動きが知財業務側にも波及しつつある、というのが今の景色です。

3つの規制と地政学を継続監視するのはLevel 5の必然

Level 5が「あった方がいい」から「ないと厳しい」に変わりつつある理由は、規制と地政学のスピードです。

欧州側は3つの規制が並走しています。

EU AI Actは2026年8月に一部適用開始、透明性義務や汎用AI規制が施行され、違反時は最大3,500万ユーロ(約54億円)の制裁金です。EU CBAM(炭素国境調整メカニズム)は2028年以降に機械・家電など180品目へ対象拡大、EU DPP(製品パスポート)はESPR規制で2026年7月19日から繊維で先行し、機械・家電も対象化される見通しです。

QRコード経由で製品ライフサイクル情報を開示する仕組みは、部品トレーサビリティのナレッジグラフ化と親和性が高いです。

中国側も見逃せません。華為の有効特許は2025年末時点で16.5万件、中国の国際特許出願は2025年も世界首位です。この「中国の特許出願量」と「欧米の規制」の2軸を並行監視するには、単発のリサーチでは追いつきません。

SnorbeをLevel 4〜5の新しい選択肢として

こういう背景を踏まえて、私たちDeskrexが開発しているリサーチAIエージェントSnorbeは、Level 4とLevel 5をつなぐ「新しい選択肢」として整理しています。

Snorbeの特徴は3点です。1つ目は、クエリを意識せずに自然な日本語で調査を依頼できる点。「競合A・B・C・Dの直近5年の特許で、共通していない領域を可視化してほしい」といった依頼をそのまま投げると、必要なツール(Tavily、arXiv、Google Patents、Semantic Scholarなど)が自律的に選ばれます。

2つ目は、完全記憶型ナレッジグラフに過去の調査結果とプロセスが積み上がっていく点です。「前回の〇〇調査を踏まえて、今回の発表を追加してほしい」のような継続指示が可能で、反復調査の多い現場に特に効きます。

3つ目は、特許・論文・政府DBの横断調査に強い設計です。JPO・EPO・Google Patents(特許)、arXiv・PubMed・Semantic Scholar(論文)、Tavily(Web)、CB Insights・PitchBook(企業情報)を1つの窓口から呼び出せます。

SnorbeはPatSnapやJDream IIIのようなLevel 3の専門DBを置き換えるプロダクトではありません。「有料DBの情報＋Deep Research＋ナレッジグラフ」を1段接続する、Level 4と5の中間層として使う位置づけです。

特許業務別の今週から回せる反復ループ

具体的にどう使うかを、特許業務別の反復ループとして書きます。

• 知財部・R&D特許担当は、「〇〇技術領域に関する先週の主要特許・論文・訴訟を、前回分との差分だけで整理してほしい」といった差分追跡が中心
• 弁理士事務所・特許事務所は、「係属中の出願テーマに関連する他社の新規出願を毎週ウォッチする」依頼で、拒絶理由対応の先例特許を継続的にプールしていく
• M&A・事業企画は、「買収候補X社と競合の特許ポートフォリオの重複を月次追跡する」依頼で、コア特許の期限切れ・権利化状況の変化を差分だけで受け取る
• 技術営業は、「顧客業界Tier1の特許出願と展示会発表を継続追跡する」依頼で、標準必須特許動向を既存の顧客マップに追加していく

これを朝の5分ルーティンに組み込むと、その週の知財インプットの土台になります。深掘りが必要なテーマだけLevel 4のDeep ResearchやLevel 3のPatSnap・Derwent Innovationで追いかける、という運用が現実的です。

業界別 特許調査の Level 3〜5 の切り口の違い

ここまで業界を問わない骨格を整理してきましたが、Level 3〜5に踏み込むと業界ごとに特許調査の対象データと監視すべき指標が本質的に変わってきます。業界別に1段落ずつ整理します。

半導体・電子部品業の特許調査では、特許ポートフォリオの定量管理と標準必須特許(SEP)動向の追跡が中心です。

代表例として、KioxiaはClarivate Top 100 Global Innovatorsに2025年・2026年と2年連続で選ばれ、AI RAG向けベクトル検索技術「AiSAQ」を2025年1月にオープンソース化してMilvus(ベクトルDBのOSS)に統合しています。Sony Semiconductor Solutionsも自律システム「Ace」の論文がNature誌表紙に掲載されるなど、AI関連特許で存在感を高めています。

データソースは特許DB(Google Patents/J-PlatPat/PatSnap)と技術論文(IEDM・ISSCC等の半導体分野の国際トップ学会)が主力です。Rapidusの2nm量産、SiC/GaNパワー半導体、CASE/EV向け技術シフトを継続監視する構造になります。詳細は半導体・電子部品業界のリサーチAI活用に譲ります。

化学・素材業の特許調査では、構造式画像認識・マーカッシュ検索・自然言語AIの組み合わせと、1万件規模のPDF文献処理が中心です。

CAS SciFinder・Reaxys・Patsnap Eureka・Derwentなどの化学特許AIツールが2025年後半に一斉にAIエージェント化し、三井化学は2026年4月に構造式含む1万件PDFを1日でレポート化する文献調査AIエージェントを本格稼働(研究者調査時間80%以上削減)。マーカッシュ検索(一般式による包括クレーム)のFTO判断にはCAS SciFinderのMARPATが依然として王道です。

詳細は化学特許AIツール6選に譲ります。

機械・精密業の特許調査では、センサ関連特許・保守サービス関連特許の追跡と、他社の量産動向(設備投資公表)との突き合わせが中心です。

DMG森精機が2026年2月に米イリノイ州へ4,050万ドル(約60億円)投資し先端製造拠点を新設、島津製作所はGenzo AIで年8,000万円の知財コスト削減・他社特許スクリーニング90%削減・発明届出業務工数50%削減を実現しました。

詳細は機械・精密業界のAI調査ツール選び方に譲ります。

製薬・バイオ業の特許調査では、化合物・治験データの構造化と、PMDA(医薬品医療機器総合機構、日本の医薬品規制当局)/EMA(European Medicines Agency、欧州医薬品庁)等の規制動向との突き合わせが中心です。

代表例がAstraZenecaです。R&D全域に「Data Science & AI」を組み込み、ゲノム・疾患・薬・臨床・安全性データを統合するナレッジグラフで、グラフニューラルネットワーク(グラフ構造データから関係性を学習するAI)による新規標的予測を行っています。BenevolentAIとの協創でAI生成標的をポートフォリオに選定し、小分子プロジェクトの70%で分子設計にAIを使用、病理画像解析AIで解析時間を30%以上削減しました。

データソースは特許DB(CAS IP Finder/PatSnap)、論文DB(PubMed/CAS SciFinder/JDream III)、ゲノムDB、治験DBと規制文書が主力です。

つまりLevel 3（構造化された特許検索）→Level 4（Deep Researchで特許+論文+IRを自動サーベイ）→Level 5（特許ナレッジグラフで自律的な継続監視）と進化していくとき、半導体は「特許＋SEP＋量産動向」、化学は「構造式＋マーカッシュ＋用途探索」、機械は「センサ特許＋保守事例」、製薬は「化合物特許＋治験＋規制」と、業種ごとに特許調査の切り口が異なります。共通しているのは、Level 3で入る専門特許DBの種類とLevel 5で積む特許ナレッジグラフのスキーマが業界で変わるという点だけです。

自社の知財業務の現在地を診断する5質問

ここまで読んで、自社の特許・知財業務は今どのLevelにいるのかを確かめたくなった方に、5つの質問を用意しました。各質問に「はい」で答えられるLevelが、現在地の目安です。

1. 先行技術調査をJ-PlatPatとGoogle Patentsの手作業で回し、案件あたり15時間以上かかっている。無効資料調査もExcelで管理している。→該当するならLevel 1。 2. ChatGPTやClaudeなどの汎用AI Chatで特許明細書の要約・翻訳・クレーム構造の整理を日常的に回しているが、特許番号の出典チェックは個人任せ。→該当するならLevel 2。 3. PatSnap・Derwent Innovation・JDream III・CAS IP Finder・Patentfield AIRのいずれかを導入済みで、年1回以上のIPランドスケープを回している。→該当するならLevel 3。 4. Perplexity・OpenAI Deep Research・Gemini Deep Research・Felo Researchのいずれかを知財部・R&D特許担当で横断的に使い、先行技術調査あたり2〜4時間で引用付きレポートが出ている。→該当するならLevel 4。 5. 特許・訴訟データ・論文・IR・標準規格を1つの特許ナレッジグラフに蓄積し、他社出願の変化を継続監視ジョブで朝5分で確認している。→該当するならLevel 5。

診断の後で大切なのは、一度にLevel 5まで飛ばず、次の1段を上げることです。

• Level 1→2: 月20ドルのAI Chatから始められます
• Level 2→3: JDream III(年24万円〜)やPatentfield AIRなど入りやすい特許DBから
• Level 3→4: Deep Researchの無料枠・Pro枠で先行技術調査のパイロットを回す
• Level 4→5: 特許ナレッジグラフの型をSnorbeのようなSaaSで試す

この順番が現実的です。

一度にLevel 5まで飛ぶ必要はありません。まず自社の知財業務の現在地をLevel 1〜5のどこにあるか確かめて、次の1段を上げていくのが実務のリアルです。Snorbeは無料クレジットで試せます。今週、社内で悩んでいる特許テーマを1つ、そのまま投げてみてください。「反復調査の記憶が積み上がる」感覚が、一度回してみると掴めるはずです。特許・知財に特化した使い方はSnorbe（特許・知財向け）にまとめています。

よくある質問（FAQ）

特許AIリサーチを導入するとどのくらい工数が減りますか？

Level 1（J-PlatPat＋Google Patents）で15〜30時間かかっていた先行技術調査が、Level 4（Deep Research）で2〜4時間に短縮できるのが目安です。無効資料調査は40時間超から1営業日に、IPランドスケープは1〜2ヶ月から2週間程度に、といったオーダーで縮む例が出ています。ただし社内の情報要件やレビュー体制で差が出るので、パイロット案件で必ず自社のBefore/Afterを計測してください。

PatSnapやDerwent Innovationは中堅・中小でも導入できますか？

導入は可能ですが初期投資のハードルはあります。PatSnapは月10万円から、Eureka（AI特許エージェント）付きで年50〜100万円、Derwent Innovationは要見積で年数百万円レンジです。JDream IIIは年24万円からと入りやすい価格帯です。中堅・中小の場合は、経済産業省と中小企業庁の「デジタル化・AI導入補助金2026」を組み合わせると、Level 2〜3への移行コストを抑えられます。まずはJDream IIIとGoogle Patentsで回して、専門調査の頻度が月2〜3件を超えたらPatSnap検討、というのが現実的です。

Deep Researchツール（Perplexity、OpenAI、Gemini、Felo）はどう使い分けますか？

用途で使い分けます。

• Perplexity: 3分でレポートが出るので日常の技術ニュース追跡や1次要約向き
• OpenAI o3 Deep Research: 5〜30分かかるが、論理的な葛藤の重み付けが強くIR資料や競合分析の深掘りに強い
• Gemini Deep Research: 参照ソース数が最多、幅を広く取りたい市場マップ作成向き
• Felo Research: 日本語の精度重視、Perplexity Pro比で半額以下でDeepResearch Bench首位

Humanity’s Last Examの精度差はOpenAI 26.6% / Perplexity 21.1% / Gemini 6.2%(Gemini Thinking)と3倍以上ありますが、それぞれの向き不向きがあるので案件ごとに使い分けるのが実務のリアルです。

機密情報や社外秘のR&Dテーマを、リサーチAIに入力しても大丈夫ですか？

汎用のChatGPT個人版やPerplexity無料版は避けてください。企業版（ChatGPT Enterprise、Claude for Work、Gemini Enterprise、Perplexity Enterprise）で「入力が学習に使われない」設定を確認します。さらに社内DBとの分離、利用ポリシー・アクセス制御・監査ログを組み合わせてください。Level 5のSnorbeのように、社内向けの用途を想定した設計とPlan mode（実行前に人が確認する機能）が組み込まれたツールを選ぶと統制しやすくなります。

業界によってLevel 3〜5の特許調査の切り口は変わりますか？

変わります。半導体は「特許＋SEP＋量産動向」、化学は「構造式＋マーカッシュ＋用途探索」、機械は「センサ特許＋保守事例」、製薬は「化合物特許＋治験＋規制」が、それぞれの主力データドメインです。Level 3で入る専門特許DBの種類（PatSnap/Derwent/CAS IP Finder/JDream III/Patentfield AIR）とLevel 5で積む特許ナレッジグラフのスキーマが業界で変わる、という点が共通です。自社の業界のデータドメインに合う特許DBから始めるのが、失敗の少ない選び方です。

Snorbeは既存の有料特許DB（PatSnap、Derwent、JDream III）と競合しますか？

競合ではなく併存を想定した設計です。Snorbeは「PatSnapやJDream IIIの中の特許情報＋Deep Research＋特許ナレッジグラフを1段接続する新しい選択肢」という位置づけです。Level 3の専門特許DBを既に導入している大手・準大手の知財部が、Level 5の継続監視レイヤを内製する前段として、Snorbeで「特許ナレッジグラフの型」を試すという使い方が想定しやすいです。特許・論文・企業情報・政府DBの横断調査結果をグラフに蓄積して反復調査に効かせる用途で強みが出ます。無料クレジットで社内で悩んでいる特許テーマを1つ投げてみるのが最短の試し方です。