AIに特許調査を頼んでも結果が出ない人の共通点

知財担当者の仕事で一番時間を奪われるのは「読むこと」だ。毎週届く特許公報のリストを開き、クレームを読んで、競合に近いかどうかを判断する。この作業が週10〜15時間を超えることも珍しくない。

ChatGPTやClaudeに特許公報のテキストを貼り付けても、指示が曖昧だと要約で終わる。「スクリーニング」をAIにやらせるには、何を判断軸にするかを最初に伝えることが不可欠だ。ここをすっ飛ばすのが、結果が出ない人に共通する。

AIに渡すべき「判断軸」の組み立て方

たとえばこう指示する。「請求項1〜3の独立クレームを読み、弊社製品（○○機能を持つ装置）との技術的近さを3段階（要注意・参考・関係なし）で分類してください。判断の根拠となる構成要件を箇条書きで添えること」。これだけで、AIは分類作業を引き受けてくれる。要約を頼むのではなく、判定を頼む。この違いが大きい。

専門性の高い文書にAIを活用した実例として、塩野義製薬がある。日立製作所と開発した生成AI支援ソリューションを使い、治験総括報告書の作成時間を約50%削減した（2026年2月発表）。医薬品規制という精度最優先の領域でも、AIが専門文書の読解と初稿生成を担えることが証明されている。特許文書も同じ発想で効率化できる。

Cursorで特許公報を一括処理する3ステップ

まずJ-PlatPatで対象特許のリストをCSVエクスポートする。次にCursorのチャット欄で「このCSVの全件について、請求項1を抽出して要旨を100文字以内で要約するPythonスクリプトを書いて」と頼む。生成されたスクリプトを実行すると、Excelに要旨一覧が出力される。あとはClaudeに「この要旨の中から△△技術領域に近いものに★マークを付けて」と依頼するだけだ。

30件のスクリーニングが、従来の1〜2時間から15〜20分に縮む。人間のレビューを「★付きの案件だけ」に絞ることで、担当者の集中力を本当に必要な判断に向けられる。AIに業務文書を任せるときの指示設計と同じ考え方で、まず判断基準を整理することが先決だ。

精度を上げるシステムプロンプトの準備

毎回の指示を短くしたいなら、システムプロンプトをあらかじめ用意しておく。「弊社の主力製品は○○で、技術範囲は△△。避けるべきクレームの構成要件は□□」とまとめてAIに渡すと、毎回の説明が不要になる。最初の数件は人間がAIと並行してレビューし、「この判定は誤り、理由は〜」とフィードバックを重ねると精度が上がる。7割の精度で動かしながら磨く方が、完璧を待つより結果が出る。

ドリップ（執筆）

知財の仕事って、「読む時間が長すぎる」わりに、その労力がなかなか評価されないですよね。

AIで「見るべき特許を絞り込む」だけで、担当者が本当に必要な判断に集中できるようになるのが、この仕事でのAI活用の面白いところだと思います。

まず1週間分の調査リストでAIを試してみると、手応えがつかめるはずです。

あなたは知財・特許調査の専門アシスタントです。

【弊社製品の概要】
製品名：【例：○○センサー】
主な機能・構成要件：【例：赤外線検知モジュール＋無線送信機能】
避けるべき技術範囲：【例：特定波長帯の検知方式】

以下の特許公報テキストを読み、独立クレーム（請求項1）の構成要件を抽出してください。その上で弊社製品との技術的近さを「要注意／参考／関係なし」の3段階で分類し、判断根拠を2〜3行で説明してください。

【特許公報テキスト】
（ここに公報テキストを貼り付け）

あなたは特許クレーム解析の専門家です。

以下の特許公報の請求項全文を読み、次の形式で整理してください。

1. 独立クレーム（請求項1）の構成要件を番号付きで箇条書きにする
2. 各構成要件の技術的意味を1行で補足説明する
3. 設計回避を検討するなら注目すべき構成要件を1〜2つ指摘する

出願人：【例：株式会社○○】
公開番号：【例：特開2024-XXXXXX】

【請求項全文】
（ここに請求項を貼り付け）

あなたは知財部員のアシスタントです。以下の特許スクリーニング結果をもとに、開発部門向けの調査サマリーを作成してください。

【調査目的】：【例：新製品Aに関連する先行技術の把握】
【調査対象期間】：【例：2022年〜2025年】
【要注意案件数】：【例：5件】
【参考案件数】：【例：12件】

出力形式：
- 調査概要（3行以内）
- 要注意案件の一覧（出願人・公開番号・注意理由）
- 推奨アクション（設計回避検討・弁理士相談・継続監視等）
- 次回調査推奨タイミング