2026年5月8日（金）15時から17時まで、技術情報サービス協会（ATIS）様主催のセミナーに登壇します。

今回のテーマは、生成AIを活用した特許調査、特許解析、パテントマップ、IPランドスケープです。
単に「ChatGPTで検索式を作る」という話ではなく、特許調査の出発点である発明の構造化から、商用データベースで取得したCSVデータの解析、課題タグ・解決手段タグの付与、パテントマップ化、さらに市場情報を踏まえたIPランドスケープへの接続までを、一連の実務フローとして整理します。

セミナーの全体像

今回のセミナーでは、洗濯機における液剤自動投入技術を題材に、次の流れで解説します。

1. 調査対象発明を定義する
2. Google Patentsのsite検索で一次調査を行う
3. FI・IPCなどの分類候補を確認する
4. Hypati2などの商用DB用に検索式を設計する
5. 商用DBからCSVをダウンロードする
6. CSVをAIに投入し、評価軸・タグ候補を設計する
7. 課題タグ・解決手段タグをAIに付与させる
8. タグ付け済みExcelを用いてパテントマップを作成する
9. 市場情報と特許情報を統合し、IPランドスケープとして整理する

第1部：生成AIを用いた特許調査設計

第1部では、特許調査の出発点として、調査対象発明をどのように構造化するかを扱います。

例えば、「洗濯機が3つの液剤投入タンクを備え、第1タンクは洗剤用、第2タンクは柔軟剤用、第3タンクはその他の液剤用である」という発明を、検索に使える構成要素に分解します。

そのうえで、Google Patentsのsite検索による一次調査、FI・IPCの確認、Hypati2用のライン検索式の作成、検索式の人間による修正、商用DBでの母集合作成、CSV評価軸の設計までを整理します。

第2部：分析軸設計とタグ付け

第2部では、商用DBで作成した母集合を、単に「読むための集合」から「分析するための集合」へ変換します。

パテントマップを作成するには、出願年、出願人、FI、IPCなどの定量分析軸だけでは不十分です。
技術内容に踏み込むためには、各文献が「何を課題としているのか」「どのような解決手段を採っているのか」を整理する必要があります。

そこで、AIに要約・課題欄・特許請求の範囲を読ませ、課題タグと解決手段タグの候補を出させます。
その後、人間がタグの粒度、包含関係、重複、分析目的との整合性を確認し、最終的なタグ体系を整えます。

第3部：パテントマップ化

第3部では、タグ付け済みExcelデータを用いて、実際にパテントマップを作成する流れを扱います。

定量分析では、出願年別件数、出願人別件数、出願年×出願人、FI分類別件数などを確認します。
これにより、技術領域全体の盛り上がり、主要プレイヤー、各社の参入時期、分類上の偏りを把握できます。

定性分析では、出願年×課題タグ、課題タグ×解決手段タグ、出願人×課題タグ、出願人×解決手段タグなどをマップ化します。
これにより、どの課題が増えているのか、どの課題にどの解決手段が使われているのか、各出願人がどの領域に強いのかを可視化します。

第4部：IPランドスケープ

第4部では、特許情報だけでなく、市場動向、消費者ニーズ、競合製品、技術トレンドなどを踏まえて、IPランドスケープへ接続する方法を扱います。

IPランドスケープは、特許情報を可視化するだけの作業ではありません。
特許情報は、過去の技術開発と出願活動の記録です。
これを市場情報や競合情報と重ね合わせることで、これからどの領域に知財を取りに行くべきかを検討します。

例えば、洗濯機の液剤自動投入技術であれば、洗剤・柔軟剤だけでなく、香り付け剤、除菌剤、消臭剤、おしゃれ着用洗剤などの第3液剤対応が、今後の差別化領域になり得ます。
そのとき、特許マップ上で第3液剤対応の出願が少なく、市場側では多様な液剤ニーズが高まっているなら、その領域は新たな出願テーマ候補になり得ます。

今回のセミナーで扱う主な実務テーマ

• 生成AIを用いた特許調査設計
• Google Patentsを用いた一次調査
• FI・IPC候補の確認と限界
• Hypati2用ライン検索式の作成
• 商用DBからのCSV取得とAI解析
• 文献ごとの構成要素評価
• 課題タグ・解決手段タグの設計
• AIによるタグ付けと人間による確認
• 定量分析・定性分析のパテントマップ
• 出願人別の強み・弱み分析
• 市場情報を踏まえたIPランドスケープ報告書の作成

生成AIは、知財実務のどこを変えるのか

私は、生成AIを知財実務に取り入れる意義は、単なる効率化ではないと考えています。

もちろん、検索式案の作成、CSVの整理、文献の一次評価、パテントマップの作成など、作業時間の短縮効果はあります。
しかし、それ以上に重要なのは、AIによって「人間が考えるべき論点」が早く見えるようになることです。

AIに任せるべきなのは、候補出し、整理、比較、構造化、タグ付け、初期的な可視化です。
人間が担うべきなのは、調査目的の設定、母集合の決定、タグ体系の修正、重要文献の最終確認、戦略方向の判断です。

今回のセミナーでは、この役割分担を、具体的なプロンプト例と出力例を通じて確認します。

このようなテーマでも講演可能です

これまでのセミナー実績を踏まえ、今回の特許調査・パテントマップ・IPランドスケープ以外にも、次のようなテーマで講演・社内研修を構成できます。

開催概要

最後に

生成AIを使えば、特許調査、パテントマップ、IPランドスケープがすべて自動化されるわけではありません。

しかし、生成AIを適切に使えば、調査対象発明の構造化、母集合の整理、文献評価、タグ付け、マップ化、戦略仮説の整理まで、人間が判断する前段階を大きく高度化できます。

今回のセミナーでは、実務で使える具体的なプロンプト例と出力例を示しながら、AIでどこまでできるのか、どこから人間が判断すべきかを整理していきます。