本セミナーでは、生成AIを用いた特許情報分析の活用方法について解説します。生成AIの発展により、特許情報分析が効率化が求められる一方、適切な活用方法や注意点を理解することが重要です。本セミナーでは、生成AIの基本概念や特許情報の構成、具体的な分析手法を学び、実務での活用事例を紹介します。
　特許データベース (J-platpat、Google Patentなど) や生成AIツール (ChatGPT、Google NotebookLM、Tokkyo.ai など) を活用した分析手法を具体例とともに解説。検索式の作成、技術動向分析、テキストマイニングによる技術概念の把握など、実務で役立つスキルを習得します。
　また、特許情報分析後の提案方法 (エグゼクティブサマリーの作成、5W1H に基づくネクストアクションの明確化) についても紹介します。本セミナーを通じて、特許情報分析と生成AIを組み合わせた実践的なアプローチを学び、より精度の高い意思決定を目指します。

1. はじめに
   1. 講師紹介
   2. 本セミナーで学べること
   3. 生成AIとは?
      1. 生成AI概要
      2. 生成AIを活用する上で注意すべきポイント
2. 特許情報と生成AIについて
   1. 特許情報分析とは?
   2. 特許情報とは?
   3. 特許情報の内訳
   4. 特許情報分析の活用とステージ
   5. 特許情報分析とは?
   6. 特許情報分析活用ケース
   7. 事業戦略戦略立案フレームワークと特許調査・分析の活用
   8. 特許情報分析仮想事例
   9. 特許情報分析で活用するツール
      1. ツール概要説明
      2. 特許データベース
         • J-platpat
         • Google Patent
         • lens.org
3. 生成AIを用いた特許情報分析
   1. 生成AIの機能と特許情報分析のタスクとは?
      1. 生成AIを実務に活用する上で注意すべきポイント
      2. 特許情報分析をタスク分解
      3. 生成AIの機能例
      4. 生成AIの機能のまとめ
      5. 生成AIの機能×特許情報分析のタスク
      6. 生成AIの機能×タスク 事例
      7. 特許情報分析支援生成AIツール
         • Chat-GPT
         • Google NotebookLM
         • Perplexity ai
         • Tokkyo.ai
         • サマリア
   2. 目標の設定
      1. 事業性検討の論点
      2. 目標の設定 論点・課題の可視化
      3. 前調査 情報収集
      4. Tokkyo.AIを活用した特許内容の把握
      5. 検索式作成
   3. プレ分析
      1. ビジネスフレームワーク分析
      2. ビジネスフレームワークとは?
      3. RAGについて
      4. Google NotebookLMを使ったビジネスフレームワーク分析
      5. 技術概念の把握
      6. Chat-GPTを活用した テキストマイニング
   4. 現状分析
      1. pythonプログラムの生成
      2. Chat-GPTを活用した分析
      3. 分類軸の作り方
      4. サマリアの分類支援機能
   5. 戦略の方向性の定義
      1. 特許クレーム分析 マーメイドチャート
      2. アイデア創出
   6. 実行可能性評価
      1. 技術アイデアの事業可能性やアライアンス可能性評価
      2. 提案内容の評価軸
4. 分析を終えて提案、報告する時に注意事項
   1. 提案の目的を明確にする
   2. 提案が通るまでのプロセスを意識する
   3. 提案は1つだけでなく、複数オプションを提示
   4. エグゼクティブサマリーを用意する
   5. 将来を示&ネクストアクションを明確に (5W1H)
5. 生成AIを活用した分析事例の紹介 (+実演)
   1. 特許分析のケース一覧
   2. 技術動向分析
   3. 用途探索分析
   4. 技術棚卸
6. まとめ
• 質疑応答