見出し画像

第8回 NotebookLMとChatGPTで特許公報を読む：研究開発者のためのAI特許調査入門

研究開発者のAI実務ノート

特許公報を読むのは、慣れていてもなかなか重い作業です。

論文とは文章の作りが違います。
技術説明だけではなく、権利を意識した書き方になっています。
請求項、明細書、実施例、比較例、効果、課題、図面の説明。
どこから読めばよいのか、最初は迷いやすいです。

研究開発の現場では、こういう場面がよくあります。

「競合が似たような特許を出しているらしい」
「この技術、出願されていないか確認しておいて」
「この公報、うちのテーマと関係ありそうか見てほしい」
「知財部門に相談する前に、技術的な論点を整理しておきたい」
「請求項を読んだけれど、結局どこがポイントなのか分かりにくい」

特許公報は、研究開発者にとって避けて通れない資料です。
ただ、全部を最初から精読しようとすると、時間がかかります。

前回は、Perplexityを使って技術動向調査の入口を作る方法を扱いました。

技術動向を調べていくと、論文、企業発表、公的資料だけでなく、特許公報にも行き着きます。
そこで今回は、見つけた特許公報を研究開発者としてどう読み、どう知財部門との相談につなげるかを整理します。

ここでAIを使う余地があります。

ただし、最初に線を引いておきたいです。

AIに、特許の権利判断を任せるのは避けたいです。

侵害しているか。
権利範囲に入るか。
特許性があるか。
回避できるか。
出願できるか。

こうした判断は、知財部門や弁理士などの専門家と確認したい領域です。

一方で、AIは特許公報を読む前の整理、読む順番の整理、知財部門に相談する前の論点出しには使えます。

今回は、NotebookLMとChatGPTを使って、特許公報を「権利判断」ではなく「研究開発者の一次整理」として読む方法を整理します。

1. この記事で扱うこと

この記事では、NotebookLMとChatGPTを使って、公開されている特許公報を読む方法を扱います。

細かい法律判断ではありません。
また、特許調査の専門手法を網羅する記事でもありません。

研究開発者が、公開特許公報を前にして、

  • どこから読めばよいか

  • 請求項で何が中心になっているか

  • 実施例には何が書かれているか

  • 自分たちの研究テーマとどこが関係しそうか

  • 知財部門に何を相談するとよいか

を整理するための使い方です。

今回のポイントは、次の一文に近いです。

AIには、特許の結論を聞くのではなく、特許公報を読むための地図を作ってもらいます。

2. 研究開発者の困りごと

特許公報を読むとき、研究開発者が困るのは、単に文章が長いことだけではありません。

論文なら、背景、方法、結果、考察という流れに慣れている人も多いです。
もちろん論文にも難しさはありますが、研究開発者にとって読み慣れた構造です。

一方で、特許公報は違います。

まず、請求項があります。
この請求項が重要だと分かっていても、文章が長く、構成要素が連なっていて、読みほどくのに時間がかかります。

明細書には、背景技術、課題、解決手段、効果、実施形態、実施例などが書かれています。
ただ、どの記載が請求項と強く関係しているのか、どの実施例が本命なのか、読みながら迷うことがあります。

さらに、研究開発者としては、法律的な判断だけでなく、技術的な意味も見たいです。

  • どの技術課題を解こうとしているのか

  • どの構成が発明の中心なのか

  • 実施例はどの程度具体的か

  • 効果はどの評価方法で示されているのか

  • 自分たちのテーマと似ているのか、違うのか

  • 競合の技術思想はどこにありそうか

  • 知財部門に相談するなら、何を聞くとよいか

このあたりを整理しないまま知財部門に相談すると、話が広がりすぎます。

「この特許、大丈夫ですか」
「この特許、回避できますか」
「うちの技術と関係ありますか」

この聞き方では、相談される側も答えにくいはずです。

研究開発者としては、少なくとも次のように整理してから相談したいです。

  • どの公報を見たのか

  • どの請求項が気になっているのか

  • どの技術構成が自社テーマと近そうなのか

  • 実施例にどんな条件や結果があるのか

  • どこは似ていて、どこは違いそうなのか

  • 自分たちでは判断できない点は何か

この一次整理に、AIを使えます。

3. AIを使うと何が変わるか

NotebookLMやChatGPTを使っても、特許公報を読まなくてよくなるわけではありません。

ここは大事です。

AIが整理したから正しい。
AIが「関係なさそう」と言ったから安心。
AIが「請求項の中心はここ」と言ったから、それで確定。

この使い方は避けたいです。

特許公報では、言葉の解釈が重要になります。
請求項の一語で意味が変わることもあります。
明細書の記載、実施例、図面、出願経過、関連特許まで見ないと判断できないこともあります。

そのため、AIに手伝ってもらうのは次のような作業にとどめます。

  • 公報全体の構成を整理する

  • 請求項の構成要素を分解する

  • 課題、解決手段、効果を抜き出す

  • 実施例に書かれている条件や結果を整理する

  • 研究開発者として確認したい点を洗い出す

  • 知財部門に相談する論点を整理する

  • 報告メモのたたき台を作る

つまり、AIは判断者ではありません。
特許公報を読むときの補助者です。

特にNotebookLMは、入れた資料に基づいて質問できるため、公開特許公報を読み込んで、本文に基づく整理をする用途に向いています。

ChatGPTは、NotebookLMで整理した内容をもとに、相談メモ、比較観点、上司説明の骨子に整える用途で使いやすいです。

この2つを分けて使うと、特許公報を読む負担を少し軽くできます。

4. 今回使うツール

今回使う主なツールは、NotebookLMとChatGPTです。

NotebookLM

NotebookLMは、公開特許公報のPDFやテキストを入れて、その資料に基づいて質問する用途で使います。

たとえば、次のような質問をします。

  • この公報の技術課題は何か

  • 請求項1の構成要素を分けるとどうなるか

  • 実施例にはどのような条件が書かれているか

  • 効果はどのように説明されているか

  • 本文中で繰り返し出てくる重要語は何か

NotebookLMでは、なるべく「本文に基づいて」と指定します。
推測で補われると困るからです。

ChatGPT

ChatGPTは、NotebookLMで出した整理結果をもとに、考えを整える用途で使います。

たとえば、次のような使い方です。

  • 請求項の構成を読みやすく並べ直す

  • 実施例のポイントを研究開発者向けに整理する

  • 知財部門への相談メモにする

  • 上司に説明するための論点にする

  • 追加で確認したい公報や論文の観点を出す

ここで注意したいのは、ChatGPTに何でも貼り付けないことです。

公開特許公報そのものは公開情報です。
しかし、そこに社内テーマ、未公開の実験条件、出願前のアイデア、自社の回避案、顧客名、共同研究先の情報を加えると、扱う情報の性質が変わります。

公開情報を扱っているつもりでも、社内の検討情報と組み合わせた瞬間に、守秘や知財の注意が必要になります。

5. 無料または会社支給ツールでできること

まずは、公開特許公報だけを使って試すのがよいです。

公開されている特許公報を1件選び、NotebookLMに入れます。
そして、請求項、課題、効果、実施例を整理してもらいます。

この段階では、自社の製品名、開発コード、実験データ、未公開の技術アイデアは入れません。

練習としては、次のような使い方から始めやすいです。

  • 公開特許公報の要点整理

  • 請求項1の構成要素の分解

  • 実施例に書かれている条件の抽出

  • 課題と効果の整理

  • 知財部門に相談する前の質問案作成

  • 上司に共有するための概要メモ作成

会社支給のMicrosoft Copilotや社内AI環境がある場合でも、会社の利用ルールを確認しておきたいです。

会社支給ツールだから、何でも入れてよいとは限りません。
特許化前の情報、社内検討中の回避案、顧客との共同開発内容などは、入力前に確認が必要です。

6. 上位プランや会社導入版で広がること

有料プランや会社導入版のAIを使うと、扱える資料数、長文処理、ノートの管理、出力の整形、チーム共有がしやすくなる場合があります。

たとえば、複数の公報をまとめて読み、競合ごとの傾向を整理したい場合です。

  • 競合Aの関連公報を数件読む

  • 請求項の共通点を整理する

  • 実施例の評価方法を見比べる

  • 技術課題の置き方を比較する

  • 自社テーマとの関係を、公開可能な範囲で整理する

  • 知財部門に相談する論点をまとめる

こうした使い方では、NotebookLMで資料ベースの整理を行い、ChatGPTで比較軸や相談メモに整える流れが使いやすくなります。

ただし、上位プランや会社導入版を使えば知財判断までできる、という話ではありません。

深まるのは、あくまで整理の深さです。
判断の責任や確認の重さが軽くなるわけではありません。


7. 実際の手順

ここから、実際の進め方を整理します。

手順1：対象にする公報を決める

まず、公報を1件に絞ります。

最初から複数件を扱うと、整理が散らかりやすいです。
慣れるまでは、公開特許公報1件で十分です。

選ぶ公報は、次のようなものが扱いやすいです。

  • 自分の技術領域に近い公開特許公報

  • 競合企業の公開公報

  • 自社テーマとは直接結びつけずに練習できる公報

  • 請求項と実施例が比較的読みやすい公報

この時点では、社内の未公開情報と混ぜないようにします。

手順2：NotebookLMに公報を入れて、全体像を整理する

NotebookLMに公報を入れたら、いきなり「この特許は重要ですか」と聞かない方がよいです。

まずは、公報全体の地図を作ります。

見る項目は、次のようなものです。

  • 技術分野

  • 背景技術

  • 解決しようとしている課題

  • 解決手段

  • 効果

  • 請求項の中心

  • 実施例の有無

  • 評価方法

  • 図面の役割

  • 不明点

最初のプロンプト例です。

この特許公報について、研究開発者が読む前の地図として整理してください。

整理してほしい項目：
1. 技術分野
2. 背景技術
3. 解決しようとしている課題
4. 解決手段の概要
5. 効果として述べられている点
6. 請求項で中心になっていそうな構成
7. 実施例に書かれている内容
8. 研究開発者が本文で確認した方がよい箇所

注意：
- 公報本文に基づいて整理してください。
- 推測で補わないでください。
- 権利範囲や侵害可能性の判断はしないでください。
- 不明な点は「本文からは不明」と書いてください。

この出力を見ると、公報の全体像がつかみやすくなります。

ただし、出力を見て終わりではありません。
NotebookLMが挙げた箇所を、公報本文で確認します。

手順3：請求項を構成要素に分ける

次に、請求項を見ます。

特に請求項1は重要です。
ただ、請求項は一文が長く、複数の構成要素が連なっています。

そこで、NotebookLMに構成要素を分けてもらいます。

請求項1について、構成要素ごとに分解して整理してください。

整理してほしい内容：
1. 請求項1の構成要素
2. 各構成要素が何を指しているか
3. 明細書のどの記載と関係していそうか
4. 技術的に重要そうな用語
5. 研究開発者が原文で確認した方がよい表現

注意：
- 請求項の意味を断定しないでください。
- 法的な権利範囲の判断はしないでください。
- 本文に根拠がない説明は避けてください。
- 曖昧な点は「要確認」としてください。

ここで見たいのは、AIの解釈そのものではありません。
請求項を読むための分解です。

分解してもらうと、

「この構成が中心らしい」
「この限定が効いていそう」
「この用語は明細書で確認した方がよさそう」
「実施例と請求項の関係を見た方がよさそう」

という読み方がしやすくなります。

ただし、請求項の解釈は慎重に扱いたいです。
気になる点は、知財部門と確認します。

手順4：実施例と効果を整理する

請求項だけでは、技術の具体像が見えにくいことがあります。

そこで、実施例を確認します。

研究開発者としては、実施例にかなり関心があります。

  • どの材料を使っているか

  • どの条件で評価しているか

  • 比較例はあるか

  • 効果は数値で示されているか

  • 評価方法は妥当そうか

  • 自分たちのテーマと比べるなら、どこが近いか

ただ、ここでも社内情報は入れません。
自社テーマと比較したい場合は、いったん公開可能な言葉に抽象化します。

たとえば、

  • 新規材料A-17
    → 材料X

  • 顧客向け試作品
    → 特定用途向けサンプル

  • 未公開の評価条件
    → 一般化した評価条件

  • 出願前の発明アイデア
    → まだ公開しない検討仮説

実施例整理のプロンプト例です。

この特許公報の実施例について、研究開発者が確認しやすい形で整理してください。

整理してほしい項目：
1. 実施例で扱っている材料・構成・条件
2. 比較例がある場合、その内容
3. 評価方法
4. 示されている結果
5. 効果として主張されている点
6. 実施例だけでは判断できない点
7. 追加で原文確認した方がよい箇所

注意：
- 公報本文に書かれている範囲で整理してください。
- 数値や条件は原文確認が必要である前提で扱ってください。
- 研究開発上の参考点と、権利判断を分けてください。

この整理があると、研究開発者として見たいポイントに戻りやすくなります。

AIの出力を見ながら、原文に戻る。
この往復が大事です。

手順5：ChatGPTで知財部門への相談メモにする

NotebookLMで公報ベースの整理ができたら、次にChatGPTを使います。

目的は、知財部門に相談する前の論点整理です。

ここでも、未公開情報は入れません。
公開公報に基づく整理メモと、抽象化した確認事項だけを使います。

以下は、公開特許公報を読んだ整理メモです。
研究開発者が知財部門に相談する前のメモとして、論点を整理してください。

目的：
技術的に気になる点を整理し、知財部門に相談しやすくするため。

整理してほしい項目：
1. 公報の概要
2. 技術的に重要そうな点
3. 請求項で確認したい点
4. 実施例で確認したい点
5. 自社テーマと比較する前に注意したい点
6. 知財部門に相談したい質問
7. 研究開発側で追加確認した方がよいこと

注意：
- 権利範囲、侵害、特許性の最終判断はしないでください。
- 公開情報と推測を分けてください。
- 社内固有情報を前提にしないでください。
- 判断が必要な点は「知財部門と確認」と書いてください。

整理メモ：
（ここにNotebookLMで整理した公開情報ベースのメモを貼る）

このメモがあると、知財部門との会話が進めやすくなります。

「この特許は大丈夫ですか」ではなく、

「請求項1のこの構成要素が気になっています」
「実施例ではこの条件が使われています」
「自社テーマと比較する前に、この用語の解釈を確認したいです」
「この周辺の関連公報も見るとよいか相談したいです」

という形になります。

相談の質が少し上がります。

8. プロンプト例

今回、前半で使いやすいプロンプトを3つ置きました。

1つ目は、公報全体の地図を作るプロンプトです。
2つ目は、請求項1を構成要素に分けるプロンプトです。
3つ目は、知財部門への相談メモにするプロンプトです。

ここでは、それらを使うときの考え方を補足します。

プロンプトで大事にしたいこと

特許公報をAIで読むときは、次の指定を入れておくと安心です。

  • 公報本文に基づいて整理してください

  • 推測で補わないでください

  • 不明な点は不明と書いてください

  • 権利範囲の判断はしないでください

  • 侵害可能性の判断はしないでください

  • 特許性の判断はしないでください

  • 知財部門に相談する前の論点整理としてまとめてください

この指定を入れるだけでも、AIの出力の使い方が変わります。

AIに結論を出させるのではなく、相談前の整理に使う。
この姿勢が、研究開発で特許公報を扱うときには大切です。

9. 失敗しやすいポイント

1. いきなり「この特許は回避できますか」と聞く

これは避けたい聞き方です。

AIは、それらしい答えを出すことがあります。
ただ、その答えを研究開発や知財判断に使うのはリスクがあります。

まずは、請求項、実施例、課題、効果を整理します。
そのうえで、知財部門と確認したいです。

2. 請求項の要約だけで分かった気になる

請求項は、要約すると読みやすくなります。
ただ、読みやすくなった分、元の表現の重みが抜けることがあります。

AIの要約は入口です。
最終的には、請求項の原文に戻ります。

3. 実施例を技術カタログのように読んでしまう

実施例は参考になります。
ただ、実施例に書かれている条件が、請求項全体をそのまま限定するとは限りません。

研究開発者としては、実施例から技術の具体像をつかみつつ、権利判断は知財部門と確認したいです。

4. 公開公報と社内情報を混ぜて入力する

公開特許公報だけを扱っているつもりでも、次の情報を加えると注意が必要です。

  • 自社の未公開テーマ

  • 出願前のアイデア

  • 実験条件

  • 評価結果

  • 開発コード

  • 顧客名

  • 共同研究先名

  • 回避案

  • 出願方針

AIに入力する前に、公開情報だけか、社内情報が混ざっているかを確認します。

5. AI出力をそのまま知財部門に渡す

AIの出力をそのまま渡すと、どこまで自分が確認したのか分かりにくくなります。

知財部門に相談するときは、

  • AIが整理した内容

  • 自分が原文で確認した内容

  • 自分では判断できない点

  • 知財部門に確認したい点

を分けておくと安心です。

10. 守秘・知財・社内利用上の注意

特許公報を扱う回なので、ここは少し明確に書いておきます。

公開特許公報は公開情報です。
そのため、公開公報そのものを使ってAIの練習をすることは比較的始めやすいです。

ただし、研究開発の現場では、公開公報だけで話が終わらないことが多いです。

実際には、次のような情報と結びつきます。

  • 自社の開発テーマ

  • 未公開の実験結果

  • 特許化前のアイデア

  • 出願準備中の発明

  • 競合回避案

  • 顧客との共同開発内容

  • 共同研究先との契約情報

  • 社内の知財戦略

  • 製品ロードマップ

  • 量産条件や評価条件

これらを個人契約のAIに入力するのは避けたいです。
会社支給のAIであっても、会社のAI利用ルール、情報管理規程、知財部門の方針、共同研究契約を確認しておきたいです。

特に、出願前の発明内容や回避案は慎重に扱います。
AIに相談したい場合でも、まずは抽象化します。

たとえば、次のように置き換えます。

  • 実際の材料名
    → 材料X

  • 開発コード
    → サンプル1

  • 顧客名
    → 特定用途の顧客

  • 未公開の評価数値
    → 数値を伏せた傾向

  • 出願前の発明アイデア
    → 一般化した技術課題

AIに聞きたいのは、秘密そのものではないはずです。

多くの場合、聞きたいのは、

  • どう整理するとよいか

  • 何を確認するとよいか

  • 相談前にどの論点をまとめるとよいか

  • 説明の順番をどうするか

です。

そこに絞れば、社内情報を入れずにAIを使える場面はあります。

11. マネージャー視点で見ると

マネージャー視点では、特許公報をAIで読むことには2つの意味があります。

1つ目は、調査の入口をそろえることです。

若手やメンバーに特許を読んでもらうと、メモの粒度がばらつくことがあります。

ある人は請求項を丁寧に見ます。
ある人は実施例を中心に見ます。
ある人は要約だけで終わります。
ある人は「関係ありそうです」とだけ報告します。

これではレビューしにくいです。

そこで、チームで最低限の確認項目をそろえます。

  • 対象公報

  • 技術課題

  • 請求項で気になる構成

  • 実施例の内容

  • 効果の記載

  • 自社テーマとの関係を考える前の注意点

  • 知財部門に相談したい論点

  • 原文で確認した箇所

  • まだ分からない点

この形にそろえると、AIを使っても、使わなくても、レビューしやすくなります。

2つ目は、知財部門との会話を前に進めやすくすることです。

研究開発側が整理しないまま相談すると、知財部門も技術の前提確認から入ることになります。

もちろん、それが必要な場面もあります。
ただ、研究開発側で公報の一次整理をしておくと、相談の焦点が合いやすくなります。

「この公報が気になります」ではなく、
「この請求項のこの構成が気になります」
「実施例ではこの条件が出ています」
「自社テーマと比較する前に、この用語の解釈を確認したいです」
という形にできます。

AIは、チームの特許判断を代替するものではありません。

ただ、メンバーが公報を読むときの型をそろえる道具にはなります。

マネージャーとしては、AIの使用可否だけでなく、

  • 何を入力してよいか

  • 何は入力しないか

  • AI出力をどう確認するか

  • 知財部門に相談する前に何を整理するか

  • 最終判断をどこに置くか

をチーム内で決めておくと安心です。

12. まとめ

特許公報は、研究開発者にとって重要な資料です。

ただ、論文とは読み方が違います。
技術説明だけでなく、請求項、明細書、実施例、効果、権利の考え方が絡みます。

NotebookLMとChatGPTを使うと、特許公報を読む前の整理がしやすくなります。

NotebookLMでは、公報本文に基づいて、

  • 技術分野

  • 課題

  • 解決手段

  • 効果

  • 請求項の構成

  • 実施例

  • 確認したい箇所

を整理します。

ChatGPTでは、その整理結果をもとに、

  • 知財部門への相談メモ

  • 上司への説明

  • 追加確認事項

  • 研究開発側の論点

に整えます。

ただし、AIに任せるのは一次整理までです。

権利範囲、侵害可能性、特許性、出願方針、回避判断は、知財部門や専門家と確認します。

研究開発者にとって大事なのは、AIに答えを出させることではありません。
特許公報を読む前の地図を作り、知財部門と話しやすい形に整理することです。

40代・50代の研究開発者にとって、ここは経験が生きる部分です。

AIが整理した請求項を見て、
「この表現は原文に戻った方がよい」
「この実施例だけでは判断しにくい」
「この技術課題の置き方は競合らしい」
「知財部門にはこの点を聞いた方がよさそうだ」

と判断できます。

AIは、特許判断を置き換えるものではありません。
研究開発者と知財部門の会話を始めやすくするための、一次整理の道具です。

まずは公開特許公報1件からで十分です。
請求項、実施例、相談論点を整理してみる。

そこから始めると、特許公報を読む負担は少し軽くなります。

これまでの記事

この連載を初めて読む方は、こちらも参考になります。

次回予告

次回は、ChatGPTを使って実験計画を壁打ちする方法を扱います。

実験計画では、AIに条件を決めさせるのではなく、抜け漏れを確認する使い方が向いています。

対照条件、評価項目、反復数、想定される失敗、結果の解釈。
研究開発者が自分の計画を見直すために、ChatGPTをどう使うかを整理します。

いいなと思ったら応援しよう！