生成AIを活用した事業化に向けた知財調査
土本晃久さんと一緒に2026年2月12日（木）15:30～17:00に東北大学ナレッジキャスト主催のみちのくアカデミア発スタートアップ共創プラットフォーム（MASP）スタートアップアカデミーでセミナー講師を務めました。
内 容：「生成AIを活用した事業化に向けた知財調査」
【前半：土本】
１．スタートアップの事業における知財の役割
２．生成AI活用の指針
３．生成AIを用いたビジネス視点の特許調査分析
４．分析結果の有効活用
【後半：角渕】
５．FTO調査の基本と会社設立後のリスク低減
６．FTO調査の仮想事例
研修では、知財（特許）調査について、具体的な調査手法と、調査結果の活用方法を生成AIを活用も含めて解説しました。
STEP1 申請直後の先生方には、採択後に取り組むべき簡易知財調査の進め方と、結果をスタートアップの事業戦略立案に結び付ける方法をお話ししました。
STEP2 申請検討中の先生方には、調査結果を起点とした事業会社連携探索の進め方、他社の特許を侵害していないかを調べるFTO調査の基本とスタートアップ設立後のリスク低減に向けた初動をお話ししました。
講演の文字起こしをベースに記事を作成しました。
生成AIを活用したスタートアップの知財戦略と侵害予防調査─セミナーレポート
第1部：事業視点からの知財調査と生成AIの活用
「技術が良い」だけでは足りない
土本はVC（ベンチャーキャピタル）でのシード投資経験と、リチウムイオン電池研究での博士号取得という、投資と研究双方のバックグラウンドを持つ。まず強調されたのは、知財調査を「技術単体」ではなく「事業戦略と連動」させることの重要性だった。
VCファンドの償還期間は10年〜15年。調達後そのスパンでIPOまたはM&Aが期待される。基礎研究に15〜20年かける前提ではVCモデルと合致しない。投資家が見るのは技術の優位性だけでなく、市場機会・顧客ニーズ・サプライチェーン・収益化の見通しまでセットだ。
したがって特許も、漠然と技術の周辺を押さえるのではなく、「この市場にこの製品を展開するから、この特許が必要だ」というストーリーに基づく設計が求められる。
上場スタートアップに学ぶ特許戦略
マイクロ波化学（大阪大学発）は、電気によるマイクロ波加熱で脱炭素ニーズに応えるビジネスだ。上場前に国内40件、全世界130件超の特許を登録。装置外観に現れるハードウェアは特許化し、運用ノウハウは秘匿化するという切り分けを行っている。
ペプチドリーム（東京大学発）は、創薬プラットフォーム提供でロイヤリティ収益を上げるモデル。物質発明・コア技術だけでなく、プラットフォームやライブラリまで多層的にポートフォリオを構築している。
コアの技術特許にとどまらず「製品化の道筋で必要になる要素」まで広げる。この考え方は領域を問わず有効だ。
生成AI活用の基本原則
ハルシネーションのリスクは認めつつ、推論型モデルの進展で信頼度は向上していると評価。有用なアウトプットを得る原則は3つある。
第一に、プロンプトで「目的・手順・出力形式」を厳密に指定する。第二に、ソース根拠の提示を求め、人間が要所で検証する。第三に、機密情報は公開情報ベースで扱い、機密投入時は暗号化・学習オプトアウト・利用規約の担保を確認する。
実行環境はChatGPTのシンキングモード（有料プラン、約3,000円/月）が推奨された。
ケーススタディ：CO2吸着MOFの事業化
仮想ケースとして「CO2吸着MOFの事業化」を三段階で調査した。
第一段階：用途・顧客セグメントの発散と選定。 プロンプトで用途を広く列挙させ、「用途／顧客セグメント／市場規模／算出ロジック」の4列で一覧化する。新興市場では算出ロジックの明示が精度担保に有効だ。結果、「セメント向けCO2回収」が最有望と提案された。集中排出源ゆえROI評価が容易で、セメント業界の高排出という背景が理由だ。
第二段階：商流・サプライチェーンの把握。 プラント運用者からMOF原料メーカーまでのレイヤーを定義し、直接競合と顧客候補を整理。
第三段階：ベンチマーク企業・特許の深掘り。 スバンテ社を例に、構造化・プロセス条件組合せの特許が出願参考になること、運用面で広い権利範囲の可能性があることを示唆。NotebookLMで特許文献をスライド化（10〜20分で完了）すると、材料特許だけでなくモジュール設計など「ビジネス化で重要な技術要素」もケアが必要だとわかる。
技術俯瞰には、主要企業特定→特許リストアップ→生成AIで新たな分類軸を提案→企業×分類のマトリックス化、という手順が効果的だ。
バイオ領域の例として、リキッドバイオプシーでも同様の手順で「がんセンター向け再発モニタリング」をファーストターゲットに推奨。術後の採血スケジュール化で反復測定が容易なため、既存フローへの連携が新規サービス立ち上げより導入されやすいと考えられた。
申請書への落とし込み
NotebookLMに調査ファイルとMASPの申請書フォーマットを投入し、知的財産の状況・競合優位性・知識生産戦略の素案を生成。ベンチマーク企業の紹介や自社技術の強みを含む下書きが短時間で得られ、これを叩き台にチームで議論・最終化する。
第2部：侵害予防（FTO）調査の基礎とAIによる効率化
FTO調査が重要な理由
角渕は博士課程でMOF・量子物性を研究後、弁理士として特許調査を専門に活動してきた（検索競技大会優勝経験あり）。
FTO調査とは、事業を妨げる特許を早期に把握しリスクを低減する調査だ。特に恐ろしいのは「差し止め」で、製品販売停止・在庫廃棄・製造設備廃棄まで命じられ得る。損害賠償より影響が甚大であり、スタートアップにとっては事業停止を意味する。
侵害判断の基本──オール・エレメント・ルール
侵害判断は特許請求の範囲（クレーム）に基づく。独立項の構成要件を分節し、自社製品がすべてを満たせば侵害、一つでも外れれば非侵害となる。
注意点として、プラスアルファの要素を加えても基本特許の要件をすべて満たせば侵害になること、色や材料の変更は上位概念に含まれ回避にならない場合があること、そして「自分が改良特許を取得できたこと」と「基本特許を侵害しないこと」は別問題であることが強調された。基本特許の効力は出願から20年続くため、古い特許にも注意が必要だ。
AIを使ったFTO調査のワークフロー
調査対象の定義が最重要。 「MOFだからMOF」ではなく、「二酸化炭素の吸着方法」のような広い権利も存在し得る。
角渕のプロンプトでは、技術と対象国を入力するとプロサーチャーの工程を再現し、技術概念・キーワード・特許分類の抽出から簡易FTOまで一気通貫で出力する。
実際の検索では、IPC分類で技術の大枠を網羅しつつキーワードで絞り込む。J-PlatPatで登録公報・有効特許を優先表示に設定し、CSVでリストをダウンロードして記録を残す。
読み込みは段階的スクリーニングで行う。NotebookLMにCSVリストと公報PDFを投入すると、AIが技術分類（10カテゴリ程度）を生成し、テーマとの関連度を根拠付きで評価してくれる。関連度の高い特許を抽出してクレームチャートに落とし、技術要素の相違点・回避可能性を評価する。「PVEOを使っていないが大丈夫か」といった具体的な質問を専門家に投げられる状態にすることが目標だ。
AIのリスク管理として、機密は入力しないこと、米国での3倍賠償リスク（AIが数万件を「見た」とみなされる議論）を踏まえ範囲を指定した簡易チェックに留めることが推奨された。
質疑応答のポイント
ツール選定では、情報収集の汎用性でChatGPTが頭一つ抜けているとのこと。特にシンキングモードやディープリサーチが推奨された。AIはJ-PlatPatを直接検索できないため、分類・キーワード設計や評価・可視化での補助的活用が現実的だ。化学構造式の新規性調査は有償ツール推奨だが、画像認識・CAS番号などを手がかりに無料でも一定の探索は可能とのことだった。
全体を通してのメッセージ
セミナーで繰り返し強調されたのは3点だ。
第一に、「目的を定め、範囲を指定し、ソース根拠を伴う出力を得る」こと。最初の工程（目的設定・範囲定義・プロンプト設計）の質が後工程のクオリティを左右する。
第二に、AIの出力を叩き台として「人の判断・知見でブラッシュアップする」こと。調査という重労働から解放されることで、人の価値を出す場にリーチしやすくなる。
第三に、「特許は難しいという心理的ハードルを下げる」こと。図解プロンプトやNotebookLMで、専門家でなくても特許の概要を把握できる。生成AIは、研究者・ビジネス人材・知財専門家の越境的な協働を可能にするツールだ。
ChatGPTとNotebookLMがあれば、用途探索からサプライチェーン把握、特許分析、申請書の素案作成まで一通り試せる。最終的な権利範囲の判断は専門家に委ねるべきだが、「何を、どう聞くか」を明確にできるだけで相談の質と効率は大きく変わる。AIは手段であって目的ではない。目的志向で情報を活用し、人の価値をより前面に出す──そのための強力な武器が、いま手の届くところにある。
