株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
法律事務所の特許出願書類作成をAIで効率化する方法｜発明の要旨→先行技術との差異→クレーム構成のLLM補助
法律事務所の知的財産部門や特許事務所において、特許出願書類（明細書・特許請求の範囲・要約書）の作成は、技術理解と法的表現力を兼ね備えた高度な専門業務です。発明の技術的要旨の理解、先行技術との差異の特定、クレーム（特許請求の範囲）の構成——この一連のプロセスをLLMで効率化するアプローチが急速に実用化されています。日本弁理士会は2025年4月に「弁理士業務AI利活用ガイドライン」を公表し、AIの適切な活用方法を明確化しました（日本弁理士会公表、2025年4月付ガイドラインPDF）。
業務の詳細フロー（現状の手作業）
ステップ1：発明のヒアリング・技術理解
発明者から発明の内容（技術分野、課題、解決手段、効果）をヒアリングし、技術交底書（発明届出書）を確認します。発明の本質（何が新しいか、何が技術的に非自明か）を正確に把握します。
ステップ2：先行技術調査
特許庁のJ-PlatPat、Espacenet等の特許データベースで先行技術を調査し、発明の新規性・進歩性を検証します。類似する先行技術との差異を明確にし、クレームの範囲（権利範囲）の方針を決定します。
ステップ3：クレーム（特許請求の範囲）の構成
独立クレーム（最も広い権利範囲）と従属クレーム（限定的な権利範囲）を構成します。先行技術との差異を踏まえ、権利範囲を最大化しつつ拒絶されにくいクレームを設計する高度な専門性が求められます。
ステップ4：明細書の執筆
技術分野→背景技術→発明が解決しようとする課題→課題を解決するための手段→発明の効果→図面の説明→発明を実施するための形態の構成で明細書を執筆します。クレームの各構成要素を明細書でサポートする記載が必要です。
ステップ5：図面の作成・出願手続き
発明の理解を助ける図面を作成し、要約書とともに出願書類一式を整備します。特許庁への出願手続きを行います。
課題・ペインポイント
- 明細書の執筆時間：1件の明細書作成に数日〜数週間を要し、弁理士の稼働が大きく消費される
- クレーム構成の属人化：権利範囲の設計がベテラン弁理士の経験に依存し、ジュニアメンバーには困難
- 先行技術調査の網羅性：膨大な特許文献から関連する先行技術を漏れなく抽出するのは手作業では限界がある
- クレームと明細書の整合性：クレームの変更に伴う明細書の修正漏れが発生しやすい
- 多言語対応：外国出願の場合、英語・中国語等への翻訳と各国特許法への対応が必要
AI化のアプローチ（LLMによる実装イメージ）
入力データの設計
- 技術交底書：発明者が記載した発明の内容（課題、解決手段、効果、図面）
- 先行技術文献：先行技術調査で特定した関連特許・論文
- 過去の出願書類：同技術分野の過去の明細書・クレーム（RAGで参照）
- 審査基準：特許庁の審査基準、実務上の注意点
- クレームテンプレート：技術分野別のクレーム構成パターン
処理パイプライン
- 発明の構造化：LLMが技術交底書を分析し、発明の構成要素（課題、解決手段、効果、各構成要件）を構造化データとして抽出
- 先行技術のセマンティック検索：発明の技術的特徴に基づき、LLMが特許データベースをセマンティック検索。キーワードの不一致を超えた意味レベルでの類似技術の発見が可能（出典：Alloy Patent Law "USPTO Is Using AI to Search Prior Art in 2026"）
- クレームドラフトの自動生成：発明の構成要素＋先行技術との差異に基づき、LLMが独立クレーム＋従属クレームのドラフトを自動生成。過去の同技術分野のクレーム構成パターンをRAGで参照（出典：PatentRevenue "生成AIで特許明細書はどこまで書ける？"）
- 明細書の自動生成：クレームの各構成要素をサポートする記載を含む明細書のドラフトをLLMが自動生成。技術分野→背景技術→課題→解決手段→効果→実施形態の構成で出力
- クレーム-明細書整合性チェック：LLMがクレームの各構成要件が明細書で適切にサポートされているかを自動チェック。記載不備を自動検出
人間が判断すべきポイント
- 権利範囲の戦略設計：「どこまで広い権利を取りに行くか」の戦略は弁理士のクライアント理解と経験に基づく
- 進歩性の評価：「この発明は先行技術に対して非自明か」の判断は技術と法律の両面の専門知識が不可欠
- 拒絶理由への対応：特許庁からの拒絶理由通知に対する補正・意見書の対応は弁理士の専門スキル
- 発明者とのコミュニケーション：発明の本質を正確に理解するためのヒアリングは対人スキルの領域
他業種の類似事例
- 製造業の先行技術調査：特許DBを横断検索しLLMが類似技術を要約・整理（本シリーズ参照）
- 法律事務所の契約書レビュー：LLMでリスク条項検出＋修正案提示（本シリーズ参照）
- 法律事務所の法的意見書：論点整理→法令根拠→結論のLLM構成（本シリーズ参照）
導入ステップと注意点
ステップ1：過去の明細書・クレームのデータベース化（2〜4週間）
過去の出願書類を技術分野別・クレーム構成パターン別にデータベース化し、RAGで参照可能にします。品質の高い明細書を「お手本」として優先登録します。
ステップ2：クレーム・明細書生成パイプラインの構築（3〜5週間）
技術交底書入力→発明構造化→先行技術検索→クレーム生成→明細書生成→整合性チェックのパイプラインを構築します（出典：ScienceDirect "Human-in-the-Loop Systems for AI-Assisted Patent Drafting"）。
ステップ3：パイロット運用（4〜8週間）
AI生成ドラフトとベテラン弁理士が一から作成した明細書の品質を比較します。「AIドラフトをベースに修正すれば実用的な明細書になるか」を評価します。
注意点
- ハルシネーション対策：LLMが存在しない先行技術文献を引用したり、架空の技術データを生成するリスク。すべての引用を原典で確認すること
- 発明の機密性：未出願の発明情報は最高レベルの機密であり、LLMへの入力時のセキュリティ管理が絶対条件。日本弁理士会ガイドラインでも閉域環境ツールの使用が推奨
- 弁理士法との関係：特許出願手続きの代理は弁理士の独占業務であり、AIはドラフト生成ツールとして使用する
renue視点：専用ツールではなく汎用LLMで実現する理由
特許出願書類作成の本質は「技術を理解し→先行技術との差異を特定し→権利範囲を言語化し→法的要件を満たす文書にまとめる」という言語処理と技術理解の統合です。ユアサポAI、XLSCOUT等の専用特許AIツールも存在しますが、汎用LLMに自社の過去の明細書＋クレーム構成パターンをRAGで参照させれば、技術分野ごとにカスタマイズされた出願書類生成パイプラインが構築可能です。「ベテラン弁理士がどのようにクレームを構成し、明細書をどのように記述しているか」を言語化してプロンプトに落とし込むことが、AI活用の最も重要なステップです。
まとめ
法律事務所の特許出願書類作成は、発明の構造化→先行技術セマンティック検索→クレーム自動生成→明細書自動生成→整合性チェックのパイプラインでLLMによる大幅な効率化が可能です。米国特許商標庁もAIによる先行技術検索のパイロットプログラムを開始しています。ただし、権利範囲の戦略設計、進歩性の評価、拒絶理由への対応、発明者とのコミュニケーションは完全に弁理士の専門知識と戦略的判断の領域です。
設計観点の整理：特許出願書類AI導入で陥りやすい3大落とし穴
特許出願書類のAI作成は、2026年時点で国内外の主要ベンダーが急速に機能拡充を進めています。しかし、「AIが生成したクレームをそのまま提出した結果、実施例のサポート不足で拒絶理由通知を受けた」「米国ベンダーAI（DeepIP/Qatent/PatentPal）で作成したクレームが日本特許法36条の記載要件と整合せず差し戻された」「中国出願で大模型備案未取得のAIを使用した結果、網信弁規制違反が発覚」といった事故が報告されています。ここでは2026年時点のTokkyo.Ai・Patentfield・DeepIP・Qatent・PatentPal・IPRally・USPTO ASAP（AI Search Automated Pilot Program）・CNIPA専利智能審査システムの動向を踏まえ、特許出願AI導入の3大落とし穴を整理します。
落とし穴1：日本特許法第36条記載要件×Tokkyo.Ai/Patentfield×AI発明特有の実施可能要件
日本特許法第36条は、明細書・特許請求の範囲・図面の記載要件として、①発明の詳細な説明は当業者が実施できる程度に明確かつ十分に記載（実施可能要件）、②請求項は発明の詳細な説明に記載した範囲を超えない（サポート要件）、③請求項は特許を受けようとする発明を明確に記載（明確性要件）、の3要件を定めています。特に2024年1月以降、日本特許庁は「AI関連発明の出願状況調査」（https://www.jpo.go.jp/system/patent/gaiyo/sesaku/ai/ai_shutsugan_chosa.html）で、生成AI技術の台頭により2022年→2023年にAI関連発明の出願が急増したと公表しました。
落とし穴は、「Tokkyo.AiやPatentfieldなど日本ベンダーのAI生成明細書を弁理士レビューなしに出願すると、AI特有の『学習データ種別』『モデル構成』『損失関数』『ハイパーパラメータ』の記載粒度が特許法36条4項1号の実施可能要件を満たさない」点です。AI関連発明は、単に「深層学習モデルを用いて分類する」と記載するだけでは当業者が実施できず、学習データや処理の構成まで具体的に記載する必要があります。対策として、①AI関連発明は弁理士が初期プロンプトでJPO調査報告書（令和7年度簡易型技術動向調査「AI関連発明」）の記載項目チェックリストを注入、②実施例セクションはAI任せにせず発明者とPair Programming方式で対話的に記載、③クレーム生成前にサポート要件マトリクス（各クレーム構成要素→実施例参照番号）を自動生成してGap分析、④明確性要件（クレームの複数解釈可能性チェック）を別LLMでCritic、⑤出願前に弁理士最終レビューでAIハルシネーション（存在しない先行技術・架空の実施例）を必ず検証の5層ワークフローが必要です。
落とし穴2：USPTO ASAP×DeepIP/Qatent/PatentPal×102/103条の先行技術引例リスク
米国特許商標庁（USPTO）は2024年以降「Artificial Intelligence Search Automated Pilot Program（ASAP!）」を運用し、特許審査の前段階で自動化された先行技術検索を実施しています（https://www.uspto.gov/patents/initiatives/automated-search-pilot-program）。この結果、出願人側AI（DeepIP・Qatent・PatentPal）が見逃した先行技術を審査官側AIが発見し、35 U.S.C. §102（新規性）・§103（非自明性）での拒絶理由通知が急増する構造が発生しています。
日系グローバル企業が米国出願でAIを活用する際の落とし穴は、①出願人AIと審査官AIの先行技術検索範囲・アルゴリズムが異なり、出願人AIが「クリア」と判定した発明が審査時に同一技術分野の別特許で拒絶される、②DeepIP（Microsoft Word add-in・SOC 2 Type II・ISO 27001・GDPR準拠・zero data retention、DeepIP社公表）等のセキュリティ要件を満たさない公開LLMで発明概要を処理すると、審査前に先行技術として公開情報化するリスク、③Qatent/PatentPalのクレーム生成テンプレートが米国特許実務（means-plus-function条項112(f)対応、Markush形式）に最適化され、欧州特許条約（EPC）の二部形式（characterizing portion）や日本特許法の多項従属（PCT第6条）との差異が見逃される、④Harrity Patent Analyticsランキング上位事務所のAI活用事例が公開情報化されることで、AI生成明細書の類似パターンが先行技術カテゴリとして集積の4点です。対策として、①Multi-jurisdiction出願では出願人AIに審査官AI類似の先行技術検索レイヤーを事前装着、②Zero Data Retentionポリシーを持つベンダー（DeepIP等）のみを機密発明用途に採用、③クレーム形式は出願国別テンプレート分岐、④先行技術引例リスクを新規性・進歩性別にスコアリング、⑤各国制度差異の定期レビューの5点が必須です。
落とし穴3：CNIPA専利智能審査×中国産AI×大模型備案×審査指南2026年1月改正
中国国家知識産権局（CNIPA）は2024年12月に「人工知能関連発明専利申請指引（試行）」を公表し（https://www.cnipa.gov.cn/art/2024/12/31/art_66_196988.html）、AI関連発明の審査基準を明文化しました。さらに2025年11月13日に「専利審査指南」改正が公表され、2026年1月1日から施行されています（CNIPA発表）。CNIPAは自前の専利智能審査・検索システム（大模型検索・AI学術助手・AI法律助手）も運用開始しています。
落とし穴は、①網信弁「生成式人工智能服务管理暂行办法」（2023年8月15日施行）により大模型備案等の要件が課される、②個人情報保護法（PIPL 2021年11月施行）・データ越境規制（2023年9月28日「規範と促進データ跨境流動規定」）により発明者個人情報・技術秘密の越境移転制約、③2026年1月1日施行の改正審査指南によるAI関連発明の記載要件強化（学習データの特性・モデルアーキテクチャの具体性・技術課題と技術効果の因果関係の明記）、④特許法第5条の公序良俗要件・反不正競争法との整合、⑤中国出願で使用したLLMが中国クラウド経由の場合、後続の国際出願（PCT経由米国・日本・EP）で同一発明の先行技術化リスクの5点です。対策として、①中国出願ドラフトは中国国内完結型AI（CNIPA公式システム・北大法宝AI+など備案済ベンダー）を使用、②PCT経由出願前に技術内容の中国クラウド残存を確認、③改正審査指南2026年1月施行のチェックリストをプロンプトに事前注入、④日系親会社の機密技術は中国子会社に共有する前にオンプレLLM/海外本社先行出願の優先順位設計、⑤中国籍発明者の氏名・身分証番号などPIPL該当情報は匿名化後にAI学習データ化の5層運用が必要です。
