|
【講座の趣旨】
研究開発現場では、アイデア創出や発明発掘のスピードが企業競争力を左右しています。本講座では、生成AI（ChatGPT、Claude、Geminiなど）を活用して、発明提案・技術要素整理・明細書作成・知財戦略立案を結びつける具体的手法を、デモンストレーションを交えて紹介します。
さらに、PatentSight+®、SPEEDA®、PatSnap®、PatentField®などのデータを統合し、R&Dテーマ設計から特許ポートフォリオ最適化まで支援す“AI×知財戦略”の新しいアプローチを解説します。
【習得できる知識】
・研究開発と知財を統合する生成AIの活用事例
・発明者対話の自動構造化（AIマインドマップ）
・特許群要約・トレンド分析・競合動向分析
・R&Dテーマ設計から権利化までの効率的ワークフロー
１．生成AIの最新動向とR&D×知財連携の必要性
1.1 ChatGPT、Claude、Geminiの最新アーキテクチャ比較
1.2 技術文書（特許／論文）におけるLLMの強み・弱み
1.3 R&D・知財におけるAI導入の成功／失敗パターン
２．発明創出プロセスの再設計とAI活用の全体像
2.1 発明創出フローの可視化：従来方式とAI活用方式の比較
2.2 アイデア創出時にAIを使うべき場面／使うべきでない場面
2.3 R&Dテーマ設定と知財企画の橋渡しに必要な要件
３．AIによる発明提案書の生成と技術要素の構造化
3.1 発明者ヒアリング内容のテキスト化・要素抽出
3.2 AIマインドマップによる技術要素の自動階層化
3.3 課題・解決手段・作用効果の自動整理
3.4 類似技術の自動サジェスト（特許／論文横断分析）
４．先行技術調査（Prior Art Search）の高度化
4.1 検索キーワードのAI自動生成（シソーラス拡張）
4.2 IPC・CPC分類を用いた自動検索戦略設計
4.3 特許群要約・要旨比較の自動化
4.4 生成AIによる非特許文献（論文・ペーパー）の統合分析
５．発明の新規性・進歩性の事前検証（AIによるPre-FTO的分析）
5.1 引用文献との構成比較表のAI自動生成
5.2 クレーム構成要素の精緻な分解とマッピング
5.3 競合技術との差異抽出・差別化ポイントの可視化
６．AIを用いたクレームドラフティング技術
6.1 広い概念・狭い概念のAI生成とバリエーション管理
6.2 実施例／効果の一貫性確保のための文脈保持（RAG活用）
6.3 マルチクレームセットの自動生成（請求項1→従属項群）
７．意見書案・補正書案作成の半自動化
7.1 審査官拒絶理由の自動要点抽出
7.2 反論ロジック（相違点・阻害要因・作用効果）の自動生成
7.3 補正書案の自動生成と法的妥当性チェック
８．AIによるR&Dテーマ創出と技術ロードマップ作成
8.1 特許ビッグデータによる技術トレンド抽出
8.2 新規テーマ候補の生成とスコアリング
8.3 5年・10年視点の技術ロードマップAI生成
９．知財ポートフォリオ戦略の高度化
9.1 PatentSight+®を用いた特許価値スコアのAI活用
9.2 コア技術・周辺技術の自動クラスタリング
9.3 ライセンス可能領域の抽出と収益機会分析
１０．AIによる競合企業の知財・技術動向把握
10.1 出願傾向の自動可視化（IPC・出願人・年度別）
10.2 技術アーキテクチャ比較（例：EUV等の特許クラスター分析）
10.3 M&A候補企業の技術強みの自動抽出（SPEEDA®活用）
１１．AI活用時のリスクとガバナンス
11.1 機密情報流出リスクとその対策（オンプレ／API方式）
11.2 生成AI特有のハルシネーションと品質管理プロセス
11.3 著作権・二次利用・クリーンルーム対応
１２．社内展開・導入プロセスの実務ノウハウ
12.1 R&D／知財の横断プロセス設計
12.2 社内教育のカリキュラム構築
12.3 部門別AI利用ガイドラインの作成
【質疑応答】
|
