本セミナーでは、特許調査・特許分析に生成AI・機械学習を導入することによる効率化・高精度化を目的として、AIによる高精度な「セマンティック検索」、膨大な公報を瞬時に読み解く「AI要約」、競合動向を可視化する「AIパテントマップ」など、ツールと利用の際の留意点を解説いたします。
　また、自社技術の「新たな応用先」や「市場の空白領域 (ホワイトスペース) 」を探索し、技術マーケティングや新規事業開発に繋げる応用手法についても詳解いたします。
　2日目の実践テクニック・応用編では、1日目の基礎編の内容を前提として、特許調査フローへの具体的なAI組み込みや技術マーケティングへの展開を詳しく扱います。

2日目 実践テクニック・応用編

(2026年1月29日 10:30〜16:30)

　特許情報は「技術の宝庫」ですが、その膨大な量と複雑さから調査・分析は属人化し、事業活用にも壁がありました。本セミナー〈実践編〉では、ChatGPTに代表される「生成AI」と「機械学習」が、この状況をどう劇的に変革するかを解説します。AIによる高精度な「セマンティック検索」、膨大な公報を瞬時に読み解く「AI要約」、競合動向を可視化する「AIパテントマップ」など、特許調査・分析を高速化・高精度化する実践テクニックを、デモを交えて具体的に紹介します。さらに、AIを活用して自社技術の「新たな応用先」や「市場の空白領域 (ホワイトスペース) 」を探索し、技術マーケティングや新規事業開発に繋げる応用手法も深掘りします。
　研究、知財、マーケティング、新規事業の各担当者がAIを「共通言語」とし、部門の壁を越えて「技術的優位性」を「事業成果」に繋げるための、明日から使えるAI活用法を学びます。機密保持など、導入時のリスク管理についても解説します。

1. はじめに
   1. 講師自己紹介
   2. アジア特許情報研究会紹介
2. イントロダクション:なぜ今、特許業務にAIなのか?
   1. 本講演のゴールと対象
   2. 特許情報活用における「3つの壁」とAIによる変革
      1. 調査の壁 (キーワード検索の限界)
      2. 読解の壁 (文献の膨大さ)
      3. 活用の壁 (分析の属人化)
   3. 本日紹介する「AIツールボックス」の全体像
   4. AI/ML搭載の統合型特許調査・分析プラットフォーム
      • PatSnap
      • Derwent Innovation
      • Orbit Intelligence
   5. 生成AI・特化型AIを活用した調査・分析ツール
      • Amplified
      • LexisNexis PatentSight
      • AI Samurai
   6. 汎用的な生成AIの応用
      • ChatGPT 5
      • Gemini 2.5 Pro
      • Claude 4 Opus など
   7. 特定タスク向けツール
      • Deep Research
      • NotebookLM
      • Perplexity
      • Felo.AI (検索エンジン)
3. 実践テクニック1:AIによる特許「調査・読解」の高速化・高精度化
   1. 【調査編】「思い込み」を排除するAI検索術
   2. テクニック1:概念 (セマンティック) 検索の活用
   3. テクニック2:生成AIによる検索クエリ拡張
   4. 【読解編】「読む時間」を1/10にするAI要約術
   5. テクニック3:クレーム (請求項) の構造的解読
   6. テクニック4:外国語公報のピンポイント翻訳・要約
   7. テクニック5:複数特許の自動比較分析
4. 実践テクニック2:AIによる特許「分析・可視化」
   1. 【分析編】「勘と経験」を「データ」で裏付ける
   2. テクニック6:AIパテントマップ (ランドスケープ) の活用
   3. テクニック7:大量文献からの技術トレンド抽出
   4. 【評価編】「質の高い特許」を見抜く
   5. テクニック8:AIによる特許価値評価 (スコアリング) とその活用
5. 応用編:技術マーケティング・新規事業への展開
   1. 知財部と事業部を「繋ぐ」AI活用 .
   2. テクニック9:技術シーズの「応用先 (他業界) 」探索
   3. テクニック10:AIマップによるホワイトスペースの特定
   4. 「売れる技術」にするためのAI活用 .
   5. テクニック11:特許文書からマーケティング資料への自動変換
   6. テクニック12:シナジー候補 (提携・M&A先) の探索
6. 実務1:構成要素抽出と対比表自動化
   1. 請求項の要素分割テンプレート/生成AIの安全プロンプト (出典必須・引用表記)
   2. 「要素×文献×根拠」対比表 (◎/◯/△) と該当スニペット自動貼付
   3. 先行技術の欠落要素抽出 → 進歩性/差別化要素の仮説化
7. 実務2:コーパス拡張とRAG設計
   1. データ取得→正規化 (番号・重複・ファミリー) →段落化→embedding
   2. チャンク粒度とウィンドウ拡張、メタデータでの再ランキング
   3. コスト最適化
      • 二段推論 (粗=廉価モデル/最終=高精度)
      • キャッシュ
      • しきい値
8. AI導入と未来展望
   1. 【最重要】AI活用の「落とし穴」と鉄壁のリスク管理
   2. 機密保持の徹底 (入力データの管理)
   3. ハルシネーション (嘘) の見抜き方と対策
   4. 部門別・AI導入のファーストステップ (研究員・知財・マーケティング・新規事業担当者への提言)
   5. 未来展望:AIエージェントと知財人材の進化
• 質疑応答

付録: 自分でできる特許情報解析ツール紹介

• Deep ResearchによるAI関連特許調査ツールレポート