近年AI技術が大きく進歩しており、知財業界で注目を集めているIPランドスケープへの活用の期待が大きくなっています。IPランドスケープはその重要な要素である情報分析 (3つのプロセス、1.情報を集める、2.項目ごとに分ける、3.状況を理解する) に加え、4.提案する、というプロセスが加わることもあり、プロセス全体または各プロセスにおいて、AI活用による正確性や効率向上への検討が進んでいます。特に生成AIには、最初の段階である実施目的 (何が知りたいのか) の正しい共有および最後の段階である提案における内容のブラッシュアップといった点でも活用が期待できます。
　本セミナーでは、IPランドスケープに取り組んだ立場から、IPランドスケープの捉え方、その実践における留意点や対策など講師の考え方を述べるとともに、AI活用に対しての期待や現状での課題・求められる機能向上について、講師が実践した事例をもとに、講師による分析と生成AI (NotebookLM) による分析結果を比較しながら紹介します。

1. IPランドスケープの概要
   〜何故“刺さらない”のか? 誰に、何を、どうやって?〜
   1. 特許情報分析からIPランドスケープへの変遷
   2. 特許分析、知財戦略からIPランドスケープへ
   3. 受信者の変化と発信者に求められること
      • コラム1) 生成AIに聞いてみた :IPランドスケープってどういうこと?
   4. IPランドスケープと特許情報分析との違い
   5. 特許分析報告書からの脱皮
      • コラム2) 生成AIに聞いてみた: IPランドスケープって何をすればいいの?
   6. IPランドスケープと言っても色々
   7. IPランドスケープに求められるスキル
   8. IPランドスケープ実践の悩み
   9. IPランドスケープ実践に必要なこと
   10. 現状の分析と対応:因数分解
   11. 登りきってみることが大事
2. 特許情報分析の概要〜“刺さる”報告書への基本
   1. 特許情報分析プロセス
   2. 現状把握と次への発想
   3. なぜその分析が必要なのかを明確にする
      • コラム3) 生成AIに聞いてみた:AIって情報分析にどう使えるの?
   4. 特許情報分析の目的とデータ
   5. 分析目的と対象データ
      • コラム4) 生成AIに聞いてみた:どんな情報をどう分析すればいいの?
   6. 被引用分析事例
   7. 特許情報分析におけるAIへの期待
   8. 大量データの収集と仕分け
   9. 腹落ち感のある区分付け
   10. 提案策定へのサポート
3. 情報分析からIPランドスケープへ〜“刺さる”提案にするために
   1. 情報をつなげて考える
      • コラム5) 生成AIに聞いてみた:報告内容って相手によって違うの?
   2. 技術 (特許) とビジネス情報
   3. 情報の分け方と倍率
   4. 目的に合わせた選択
   5. 次に向けた発想
      • コラム6) 生成AIに聞いてみた:アイディアの発想ってどうすれば身につくの?
   6. 発想のヒント
   7. 図にして考える