生成AIを活用した特許クリアランス実務

新製品の市場投入にあたって他社特許の侵害リスクを評価する特許クリアランスは、知財実務の中でも判断の難しい工程の一つです。 　本セミナーでは、この特許クリアランスの一連の工程に生成AIをどう活かしていくかを、J-PlatPatと組み合わせた実演を交えながらご紹介します。本セミナーでは、2つの手法を重点的にご紹介します。一つは、対象製品を「構成要素・機能・作用・効果」の観点から構造化し、クレーム対比に直接使える形へと整理する手法です。この整理結果を起点とすることで、従来は分断されていたサーチワークとリーガルワークがシームレスに接続されます。これは、特許権侵害訴訟の訴状作成時に行う製品特定と同等の法的視座を、クリアランスの最上流に取り入れる試みです。もう一つは、生成AIによる大量スクリーニングの効率化です。数百件規模の母集合を一括評価し、人間が精読すべき高リスク案件へと絞り込む手法を実演します。明日から自部署で再現していただける実務手法をお持ち帰りいただきます。

1. 特許クリアランスの全体像と生成AI活用の設計原則
   1. 特許クリアランスの基本工程と従来型の構造的課題
      1. 特許クリアランス (FTO) の標準的な工程を概観する
      2. サーチワークとリーガルワークの断絶という従来型の課題を整理する
   2. 製品モデル駆動型ワークフローの設計思想
      1. 対象製品の構造化モデルを起点に全工程を一貫して駆動する新機軸
      2. ワークフロー設計・LLM処理の配置・人間レビューの三層で考える進め方
   3. 本セミナーで使用する生成AIの特徴と活用上の留意点
      1. ChatGPT等の主要な生成AIの特性と特許実務での適性
      2. 機密情報の取扱い、出力の検証義務、ハルシネーションへの対処
2. サーチワークへの生成AI活用
   - 製品の構造化と大量母集合の効率的な絞り込み【実演】
   1. 製品仕様の構造化
      1. 製品仕様テキストから構成要素・機能・作用・効果を抽出・整理する
      2. クレーム対比に直結する形式へと整理するプロセスを示す
   2. 構造化結果を活用した検索設計
      1. 構造化結果からのキーワード展開、FI/Fターム候補の推薦、検索式ドラフト生成
      2. J-PlatPat PMGSでの分類検証と検索式の調整プロセス
   3. 大量スクリーニングの効率化と高リスク案件の絞り込み
      1. 構造化結果をスコアリング基準とした特許データ (200.300件) の一括評価
      2. 技術テーマ別クラスタリングと出願人分析
      3. 「AIが除外した案件」を抜き取り確認する品質チェックの手順
3. リーガルワークへの生成AI活用
   - クレームチャートから侵害評価・リスク管理まで【実演】
   1. クレームチャートの自動ドラフト
      1. サーチワークで作成した構造化結果を対比軸とした構成要件分説と充足判定のドラフト生成
      2. 出願経過からの意識的除外検出と均等論の論点抽出
   2. 侵害評価における人間の関与とAIの限界
      1. AIの法的判断の限界と人間レビューの不可欠性
      2. 「AIドラフト→人間レビュー」の二段構成による品質確保
   3. Go/No-Go判断支援と発売後の継続的なリスク管理
      1. リスクマトリクスの自動生成と意思決定支援
      2. 発売後の新規公開公報の継続監視と再評価の仕組み
• 質疑応答