株式会社知財デザイン　代表取締役　川上 成年　氏
[ご専門] 知的財産

---

1994年～2000年：日本電気株式会社にて生産技術開発業務に従事
2003年：弁理士試験合格、弁理士業務開始
2011年：株式会社知財デザインを設立
2013年：特定侵害訴訟代理業務付記登録
2026年：パテント・インテグレーション株式会社　技術顧問就任
Note：特許に関する最新情報を紹介しています。https://note.com/ip_design

　本セミナーは、生成AI（大規模言語モデル・LLM）を知的財産業務へ導入・活用し、業務の効率化・高度化を図ることを目的としています。ChatGPT・Claude・Gemini・Copilotなど主要生成AIの仕組みや最新動向、用途別の使い分けを解説した上で、プロンプト作成、スプレッドシートのAI関数、AIエージェントという3つの実務スキルを軸に、発明提案書の作成、先行技術調査、明細書作成、中間処理といった特許出願実務の各工程での具体的な活用手順を紹介します。さらに、特許データの分類・要約から定量分析・定性分析、新規事業構想案の作成に至る一連の特許データ分析手法についても、デモンストレーションを交えて実践的に解説します。

Ⅰ．生成AI（大規模言語モデル）の基礎と知財業務への活用
1. 生成AI（LLM）の仕組みと基本特性
   - 大規模言語モデルの基本概念と押さえるべき2大特性
　（ハルシネーション・プロンプトへの敏感性）
   - Human-in-the-Loop（人間参加型）による品質確保の考え方
2. 主要生成AIツールの最新動向と使い分け
   - ChatGPT、Claude、 Google AI、Microsoft Copilotの特徴と活用シーン
   - 用途別LLMの使い分け（コーディング・画像生成・分析思考）と
　　知財業務での処理可不可の比較
3. 生成AIをより効果的に活用するために必要なスキルセット
   - スキル1 ： プロンプト作成の考え方と改善サイクル
   - スキル2 ： スプレッドシートのAI関数による大量処理
   - スキル3 ： AIエージェントの活用とメリット・デメリット（秘密情報を扱う際のリスク）
   - チャット・AI関数・AIエージェントの使い分け（プロンプトと手順を誰が設計するか）
   - 生成AI時代の特許業務プロセスの全体像（権利化・特許データ分析）

Ⅱ．生成AIを活用した特許出願実務
1. 生成AI活用の前提と明細書作成フロー
   - 人間側の専門知識の重要性とオプトアウト設定の考え方
   - 発明提案書作成から中間処理までを一貫して行う明細書作成フロー（6工程）
2. 発明提案書の作成
   - LLMを活用した発明提案書ドラフトの作成（図面がない場合の対応を含む）
3. 先行技術調査の効率化
   - LLMによるJ-PlatPat検索式の作成
   - AIエージェントによるJ-PlatPat操作（デモンストレーション）
   - AI関数による関連文献のスクリーニング（類似度評価）
   - NotebookLMによる文献全文チェックと先行技術調査報告書の作成
4. 特許明細書・図面の作成
   - AIコーディングエージェント（Codex／Claude Code）による長文明細書の作成
   - 明細書作成スキル（Skill）の作成方法と活用
   - AI生成案のチェックポイント（完成度の考え方と人間による確認）
   - LLMによる特許図面（フローチャート・ブロック図）の作成

Ⅲ．生成AIを活用した特許データ分析（ビール関連特許を題材としたケーススタディ）
1. 特許データ分析の重要性とAI活用のメリット（従来型分析との比較）
2. データ前処理：生データの分析可能な形への加工
   - 出願人名寄せ、課題文章・解決手段文章の抽出、スクリーニング
   - スプレッドシートのAI関数による課題分類・解決手段分類の生成と付与
   - 生成AIによる分類精度の考え方
3. 定量分析：特許データの全体像を掴む
   - 出願日×企業、課題分類×解決手段分類等のクロス集計と特許マップの作成
   - 仮説領域の抽出と定量分析報告書の作成
4. 定性分析：注目領域を深掘りする
   - 注目領域の特許データの深掘り分析と定性分析報告書の作成
5. 新規事業構想案の作成：分析から価値創造へ
   - 分析結果に基づく新規事業案の発想と報告書の作成
   - インフォグラフィック（図解）やプレゼン用スライドの生成

Ⅳ．全体のまとめと質疑応答

　□質疑応答□