知財ポートフォリオの構築は、膨大な情報の整理と高度な分析が求められるため、どのように進めるべきか頭を抱える知財・研究開発・新規事業担当者の方は多いのではないでしょうか。
さらに、業務効率化のためにAIの導入を検討しても、「どこまでをAIに任せ、どの部分を人が判断すべきか」という役割分担の線引きが分からず、具体的な仕組みづくりに行き詰まるケースも少なくありません。
この記事では、AIを活用して候補を整理し、最終的に人が判断を下す「8つの工程」を解説します。構築の目的から始まり、AIの適用範囲、ChatGPTの操作、人による確認、そして決裁と更新に至るまでの流れを順を追って紹介します。内容を把握することで、自社の実務における具体的な手順と、AIと人がそれぞれ担うべき役割分担を決めることができます。
具体的な工程へ入る前に、まずはポートフォリオ構築の前提となる基本的な考え方から確認していきましょう。
知財ポートフォリオは事業の判断から始めます
知財ポートフォリオを構築する目的は、保有する権利の「件数」をリスト化する単なる台帳を作ることではありません。件数の管理と、事業に寄与する「価値」の評価を分け、事業の意思決定に直結させるために作成します。
特許庁はIPランドスケープを、事業情報と知財情報を分析し、経営者・事業責任者と共有する活動と定義しています。知財・研究開発・新規事業担当者が情報を整理し、経営者や事業責任者が事業方針を決めます。
WIPOのポートフォリオ管理ガイドも、知財の価値は固定されたものではないと説明しています。そのため、事業や市場、対象地域、競合の状況、第三者にとっての価値を入力情報に据えます。それらに応じて、個々の知財の取得・維持・活用を継続的に見直します。
何のためにポートフォリオを作るのかを明確にし、事業判断のための入力情報と判断主体を定義することが、構築全体の土台となります。
構築は8工程に分けると役割が見えます
目的を事業判断に置いたら、次は作業を分けます。
特許庁の資料では、検索・抽出・分類と、分析・考察・示唆を分ける進め方が示されています。WIPOは、定期的な見直しの中で関連性を再評価し、維持、売却、ライセンスを検討するよう案内しています。この二つを組み合わせ、構築から運用までを8工程に分けると、各工程の入力・出力・担当を整理できます。
- 目的
- 入力：自社の事業方針や経営課題
- 出力：ポートフォリオ構築の要件や方向性
- 担当：人
- 母集合（検索・抽出）
- 入力：構築の要件
- 出力：該当する知財群の検索結果
- 担当：AIおよび人
- 整形
- 入力：母集合の知財データ
- 出力：分析しやすい形式に抽出・調整されたデータ
- 担当：AI
- 分類
- 入力：整形済みのデータ
- 出力：技術領域や事業テーマごとの分類結果
- 担当：AIおよび人
- 事業対応（分析・考察）
- 入力：分類結果
- 出力：自社知財と事業の対応状況に関する分析・考察結果
- 担当：人
- 選択肢（示唆）
- 入力：分析・考察結果
- 出力：維持、売却、ライセンスなどを検討した具体的なアクションの選択肢
- 担当：人
- 決裁
- 入力：提示された選択肢
- 出力：施策を実行するための事業判断
- 担当：人
- 更新
- 入力：構築済みのポートフォリオと最新状況
- 出力：関連性の再評価に基づく最新状態のポートフォリオ
- 担当：人およびAI
このように工程を分けることで、どこに人が注力し、どこを自動化できるのかが見えてきます。次に、8工程のうちAIへ任せる範囲を詳しく見ていきましょう。
AIには検索・整形・分類の候補を作らせます
前節では、ポートフォリオの構築と運用を8工程に分けました。ここでは、その全体工程からAIが担当する範囲を切り出して整理します。
AIへ任せる主な作業は、検索式案の作成、出願人の名寄せ候補、技術ごとの分類、可視化用データの整形です。AIが候補をまとめることで、知財担当者は原文確認や事業との対応関係を検討する時間を確保できます。
ただし、AIの出力はあくまで候補であり、確定した情報ではありません。米国特許商標庁のPatentsViewは、機械学習を使って発明者や譲受人の名寄せなどを行っていますが、そのデータは公式記録ではないと明記しています。
特許庁のAI実証事業でも、適切な入力を作る難しさと、実用的な出力を得るための人的支援が報告されています。AIへ作業を渡すときは、候補と確定情報を混同しないためのルールが必要です。
したがって、収集した母集合のデータをAIに処理させる際には、以下のルールを徹底してください。
出典IDを保持する AIが抽出や分類を行った際に、どの特許文献に基づく情報なのかを見失わないよう、元の公報番号や出典IDを各行へ残します。これにより、最終確認を担当する人が原文へ戻れます。
空欄を許す AIが名寄せや分類の根拠を示せない場合は、無理に推定させず、空欄と要確認フラグを残します。誤った情報で表を埋めるよりも、人が確認すべき箇所を明らかにできます。
AIには検索・整形・分類の候補作成までを任せ、検索範囲と候補の採否は人が決めます。この境界を先に定めておくと、AIの出力をそのまま事業判断や法的判断へ持ち込むことを防げます。
ChatGPTへCSVを渡して対応候補表を作ります
AIが対応候補表を作成する範囲を確認したところで、実際の画面操作による再現手順を説明します。
ここでは、新製品Aについて今後3年間の出願・維持予算を決める場面を例にします。知財責任者は、「自社特許が製品の主要機能を押さえている一方、競合が用途特許を先行している」という仮説を立てました。仮説の確認には、独立請求項、法的状態、製品仕様、競合公報が必要です。
競合の先行用途特許を原文で確認できなければ、この仮説は退けます。確認結果を基に、既存権利の維持と追加出願、営業秘密としての管理、他社との提携を検討します。四つの選択肢について、採否と担当者、期限を決めます。
操作を始める前に、データの取扱いと課金経路を確認します。ChatGPTはCSVを添付して分析できます。Businessワークスペースの入出力は既定で学習に使われません。
個人ワークスペースでは、「Settings」から「Data Controls」を開きます。「Improve the model for everyone」をオフにした後の会話が学習対象外になります。
ただし、社内規程が外部サービスへの未公開情報の入力を禁じている場合は、設定にかかわらず添付してはいけません。また、ChatGPTの契約とAPIの従量課金は別です。今回の手順ではChatGPTの画面を使うため、APIキーやAPIの従量課金は発生しません。
情報管理責任者が添付可否を承認し、知財担当者が承認済みのChatGPTワークスペースへサインインして操作します。
データの準備 CSVには、公報番号、出願人、公開日を別々の列として用意します。請求項、明細書の段落番号、対象製品機能もそれぞれ別の列にします。未公開発明や顧客名、契約条件、未公表の研究計画は除き、情報管理責任者が社内規程と照合して添付可能と判断したCSVだけを使います。
CSVの添付と依頼文の送信 ChatGPTで新しいチャットを開きます。チャット画面のファイル添付機能から、準備したCSVファイルをアップロードしてください。ファイルが添付された状態のまま、以下のコピペ可能な依頼文を入力欄に貼り付けて送信します。
添付したCSVの公報番号を行IDとして保持してください。技術、用途、課題、製品機能の対応候補を列に追加し、根拠となる請求項番号または明細書の段落番号を別列へ記録してください。根拠を示せないセルは推測せず空欄にし、要原文確認列をtrueにしてください。結果をCSVとして出力してください。出力ファイルの保存と確認 AIの処理が終わると、結果をまとめたファイルのリンクが画面に表示されます。出力CSVを端末へ保存し、元CSVと公報番号、行数、重複件数を照合してください。要原文確認がtrueの行と根拠列が空欄の行を抽出し、AIが元の行を削除した場合や公報番号を変更した場合は、出力を採用せず依頼条件を見直します。
原文・法的状態・事業対応は人が確認します
前節で作成した候補表は、あくまでAIが出力した一次的なリストです。実際のポートフォリオ構築に使える判断材料にするには、知財、技術、法務の各担当者が内容を分担して検証しなければなりません。欧州特許庁のAI方針でも、AIは意思決定を支援する道具と位置付けられ、最終判断の責任は職員に残されています。
最初に、知財担当者がデータの整理と状況把握を担います。対象国、基準日、利用したデータベースを記録し、EPOが説明するデータ収録範囲も確認します。そのうえで、企業名の表記揺れを統一する名寄せを行い、特許ファミリーの広がりと法的状態を原記録で照合します。
次に、技術担当者が独立請求項の各構成要件を読み、製品仕様書の該当箇所と対比します。この作業で確認するのは、特許と製品機能の対応候補です。対応候補が見つかっただけで、特許侵害の有無を判断したことにはなりません。
最後に、特許侵害のリスク評価やFTO（Freedom to Operate：事業実施の自由）に関する判断については、法務担当者や外部の専門家が確認を行います。
このように、知財担当者が基本情報と法的状態を整理し、技術担当者が原文と製品仕様を対比し、専門家がFTOなどの法的な論点を確認します。それぞれの確認状態を列に残した表だけを、次の経営会議で判断材料として使います。
維持・出願・秘匿・提携を決めて更新します
担当者による原文確認を終えた候補表の材料をもとに、次は具体的な方針の決裁へと移行します。
決裁では、知財責任者が会議を開き、事業責任者、研究開発責任者、法務担当者が参加します。各権利について対象製品と対象国を確認したうえで、残存期間と維持費、競合との差、法的確認の状態を比較します。AIに最終判断を委ねず、既存権利の維持と新規出願、営業秘密としての管理、他社との提携を人が一つずつ決めます。担当者と期限は議事録へ残します。
また、知財ポートフォリオは一度構築して完了ではありません。四半期ごとの会議、製品計画の変更、新規公開公報、権利の法的状態変更を次回更新の起点にします。前回の確定表を残したまま、新規候補と変更行だけを再確認する差分更新にすれば、毎回すべてを調べ直す必要はありません。
事業との関連性が変わった権利は、維持停止、売却、ライセンスの候補として次の会議へ戻します。こうして、決裁の結果と次回の更新条件を同時に残すことで、ポートフォリオを継続的な事業判断へつなげられます。
よくある質問
Q1. FTO（侵害予防調査）の確認にもAIを活用できますか？
AIは関連特許の候補を作れますが、FTOの結論は出せません。対象国と基準日を定め、弁理士・弁護士等の専門家が確認します。
Q2. 機密情報を扱う場合、安全に試す条件はどう設定すべきですか？
入力先の契約条件、保存期間、削除方法、アクセス権と社内規程を確認できない場合は、外部AIへ添付しません。機密情報を除いた後も、ほかの情報と組み合わせて内容を推測できるデータが残っていないか、情報管理責任者が確認します。
Q3. 分析対象の特許件数が多い場合、どのように進めればよいですか？
AIで候補表を作った後、検索結果全体からサンプルを選び、母集合に重要な特許が漏れていないかを人が確認します。優先順位の高い候補から原文を読み、担当者が確認できる件数を超える場合は、対象技術や期間を狭めてください。
Q4. 構築した知財ポートフォリオを更新する際の注意点は何ですか？
更新時も、AIによる候補作成と人による判断を分けます。前回の確定表を保存し、新規公開公報や法的状態が変わった行だけを抽出したうえで、人が原文と事業との対応を再確認します。
Q5. リソースの限られた中小企業でも実行可能ですか？
対象製品を一つ、競合を数社、判断を一つに絞れば試せます。AIの候補表だけで維持・放棄を決めず、原文と法的状態を確認できる件数から始めてください。
調査手法について
こちらの記事はグラフAIリサーチプラットフォームのSnorbeを使って作られています。Snorbeは研究開発・新規事業向けの調査テーマに応じた幅広い項目のオートリサーチや、ナレッジグラフの構築、構造化レポートの生成ができるAIリサーチツールです。
Screenshot
調査したいテーマを入力するだけで、AIが深堀りすべき観点や広げるべき調査項目をレコメンドしながら、自動でリサーチを進めます。収集した情報はナレッジグラフとして蓄積され、未調査領域（ホワイトスペース）を可視化しながら調査の網羅性を高めていけます。
また、観点マトリクスを30秒・構造化レポートを10分で自動生成する機能があり、出典付きのレポートをMarkdown/PDF形式でエクスポートできます。調査の元データも保存されるため、ファクトチェックや社内共有も容易です。
ご利用をご希望の方は、こちらよりお申し込みください。
また、グラフAIを活用した社内ナレッジ管理や、研究開発・新規事業のリサーチ支援、セルフホスト導入のご相談も受け付けています。お困りの方はお気軽にご連絡ください。
市場調査やデスクリサーチの生成AIエージェントを作っています 仲間探し中 / Founder of AI Desk Research Agent @deskrex , https://deskrex.ai
コメント