特許情報分析は、技術動向の把握や競合分析、新規事業探索など、事業戦略を支える重要な活動です。一方で、情報量の多さや分析工数の大きさ、分析結果を提案につなげる難しさから、十分に活用しきれていないケースも少なくありません。
　本講演では、特許情報分析の基礎とIPランドスケープの実践を、生成AI (ChatGPT・Claude・Gemini等) の活用を軸に一気通貫で解説します。前半では、特許情報の読み解き方、分析フローの設計、主要生成AIツールの特徴と使い分け、プロンプトエンジニアリングと品質設計の考え方を扱います。後半では、IPランドスケープが失敗する典型パターンを整理した上で、生成AIを各工程に組み込んだ6段階の実践フローを仮想事例とともに紹介し、分析結果を経営提案・意思決定に接続する方法までをお伝えします。
　生成AIを「万能な答えの装置」ではなく「思考と探索を拡張する装置」として正しく位置づけ、少人数でも再現可能な特許情報活用の実務設計を持ち帰っていただくことを目指します。

1. はじめに
   1. 講師紹介
   2. 本セミナーの目的とゴール
2. 特許情報分析とは
   1. 特許情報分析の基本と特許情報の読み解き方
   2. 特許情報分析の活用ケースと部門別活用ステージ
   3. 特許情報分析フロー (目的設定〜プレ分析〜現状分析)
   4. 仮想事例:市場の技術トレンド把握 (水素燃料電池)
   5. 事業戦略立案フレームワークと特許ポートフォリオ
3. IPランドスケープの概要
   1. IPランドスケープとは・定義・知財ガバナンスとの関係
   2. 公開事例と生成AI活用事例
   3. 対象ケース
      • 既存事業強化
      • 用途探索
      • 新規事業探索
      • アライアンス先探索等
4. 生成AIの基本と特許情報分析への活用
   1. 生成AIの基本概要と主要ツール比較
      • ChatGPT
      • Claude
   • Gemini
     • NotebookLM
   • 生成AIの仕組みとハルシネーション – なぜ起こるか、知財実務での注意点
   • 生成AI活用による「効率化」と「質の向上」の両立
   • よくある誤解と正しい使い所
5. IPランドスケープが失敗する理由と生成AIによる克服
   1. 失敗の典型パターン
      • 目的不明確
      • 事業理解の浅さ
      • 次アクション未接続等
   2. 生成AIを組み込むことで失敗をどう減らせるか
   3. IPランドスケープに生成AIを活用するメリット
      • 初速
      • 情報幅
      • プレ分析
      • 戦略整理
      • 提案作成
6. 特許分析を支援する汎用生成AIツールとその使い分け
   1. 特許情報分析フロー×生成AIツールのマッピング
   2. ChatGPT活用例
      • 論点整理
      • テキストマイニング
      • 共起ネットワーク
      • BCGマトリクス等
   3. Claude活用例
      • ダッシュボード
      • ビジネスモデルキャンバス
   4. NotebookLM活用例
      • RAGによるフレームワーク分析
   5. Gemini活用例
      • AI関数による分類付与
7. AI-in-the-Loop – 人間×AIの協働設計
   1. AI-in-the-Loopとは何か
   2. 人間が担う役割とAIが担う役割
   3. 運用で外してはいけない点
8. プロンプトエンジニアリングと品質設計
   1. プロンプトエンジニアリングの基本原則と迷信
   2. データ分析視点のプロンプト設計
      • 構造化出力
      • RAG
      • Few-shot
   3. 「一気に出力」が品質を壊す – Chain of Thoughtの考え方
   4. 「品質は工程で作り込む」 – 工程ごとの品質確定設計
   5. リスクレベルに応じた生成AIの使い分け
9. 【実践編】生成AI×IPランドスケープ実践フロー (6段階)
   1. 目的設定・問いの設計
   2. 調査設計・母集団形成
   3. プレ分析 (ランドスケープ俯瞰)
   4. 現状分析 (深掘り分析)
   5. 戦略の方向性整理
   6. 提案・意思決定への接続
10. 仮想事例
    1. 半導体企業A社×飲料メーカーのアライアンス
    2. Visionalの生成AIを活用した新事業探索
11. 分析から提案に変える方法
    1. ファクト→示唆→提案→次アクションの変換
    2. エグゼクティブサマリーの作り方
    3. 良い成果物と悪い成果物の違い
12. 組織に実装するには
    1. 依頼・受託構造とKPIの設計
    2. 運用ルール・レビュー体制・企業事例
13. 【余談】アイデア創出と生成AI
    1. アイデア創出手法と多空間デザインモデル×生成AI
    2. 自社技術を活用したテーマ創出フロー・事例
14. まとめ
• 質疑応答