<![CDATA[ - Blog]]>

<![CDATA[ - Blog]]>Sat, 28 Mar 2026 20:31:39 +0900Weebly<![CDATA[「ARC-AGI-3」で生成AIが70%以上のスコアを達成するのはいつ？]]>Sat, 28 Mar 2026 12:00:00 GMThttp://yorozuipsc.com/blog/arc-agi-3ai702026年3月25日、汎用人工知能（AGI）の実現に不可欠な「知能」を測定するための新たなベンチマーク「ARC-AGI-3」が公開され、現在のAIの性能は1%未満と極めて低く、最強クラスのモデルでもほぼ解けない状況であることがわかりました。
前モデルのARC-AGI-2ベンチマークが2025年3月24日に公開されてから、AIが70%以上の性能を達成するまでにかかった期間は約11ヶ月でした。GoogleのGemini 3 Deep Thinkが2026年2月12日に正答率84.6%を記録し、このマイルストーンを初めて達成しました。
2026年3月25日に公開されたばかりのARC-AGI-3は、静的なパズル解決からインタラクティブな環境でのエージェント的知能の測定へとパラダイムを大きく転換させており、AIにとって質的により困難な課題となっています。この質的な困難さを考慮すると、ARC-AGI-3で70%以上のスコアを達成するには、ARC-AGI-2よりも長い期間かかると考えられているようです。少なくとも1.5年から2年以上を要すると予測されています。
生成AIに、「ARC-AGI-3」で生成AIが70%以上のスコアを達成するにはどのくらいの期間がかかりそうか、深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

ARC-AGI-3: A New Challenge for Frontier Agentic Intelligence
ARC Prize Foundation ∗
March 24, 2026
https://arcprize.org/media/ARC_AGI_3_Technical_Report.pdf

2026年03月26日
AIの知能をルール不明のゲームで測定する「ARC-AGI-3」が登場、AIはまだクリアできないが人間には100％クリアできるゲームを実際にプレイ可能
https://gigazine.net/news/20260326-arc-agi-3/

When will generative AI achieve a score of over 70% on “ARC-AGI-3”?
On March 25, 2026, a new benchmark, “ARC-AGI-3,” was released to measure the kind of “intelligence” considered essential for achieving Artificial General Intelligence (AGI). The results revealed that current AI performance is extremely low—below 1%—with even the most advanced models barely able to solve the tasks.
For the previous benchmark, ARC-AGI-2, it took approximately 11 months from its release on March 24, 2025, for AI to surpass the 70% performance threshold. Google’s Gemini 3 Deep Think achieved an accuracy of 84.6% on February 12, 2026, marking the first time this milestone was reached.
ARC-AGI-3, released on March 25, 2026, represents a major paradigm shift—from solving static puzzles to evaluating agent-like intelligence in interactive environments. This makes the tasks qualitatively more challenging for AI. Considering this increased level of difficulty, it is expected that achieving a score of over 70% on ARC-AGI-3 will take longer than it did for ARC-AGI-2. Current estimates suggest it may require at least 1.5 to 2 years or more.
I asked generative AI to explore in depth how long it might take for AI to surpass the 70% threshold on ARC-AGI-3. Please note that the analysis and insights generated by AI are based solely on publicly available information and may not fully reflect reality; they may also contain inaccuracies.

]]><![CDATA[「サマリア」の新機能『明細書作成支援機能』ウェビナー]]>Sat, 28 Mar 2026 11:30:00 GMThttp://yorozuipsc.com/blog/4131770特許読解支援AIアシスタント「サマリア」に、2026年3月、新たに「明細書作成支援機能」が搭載され、3月26日には、「サマリア」の新機能『明細書作成支援機能』について説明することを目的としたウェビナーが開催されました。
明細書作成支援機能は、ゼロベースの起案から納品済み明細書のチェック・加筆修正まで、あらゆる特許業務シーンをサポートする機能ですが、企業知財部だと納品済み明細書のチェック・加筆修正に力を発揮しそうです。
ウェビナー況をNotebookLMにまとめさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

明細書作成支援機能②｜特許文書読解支援アシスタント・サマリア
https://www.youtube.com/watch?v=z2zewN2wNOI&t=183s

新機能「明細書作成支援機能」のリリース　2026-03-19
https://patent-i.com/summaria/manual/R_20260319#p1_%E6%96%B0%E6%A9%9F%E8%83%BD%E3%80%8C%E6%98%8E%E7%B4%B0%E6%9B%B8%E4%BD%9C%E6%88%90%E6%94%AF%E6%8F%B4%E6%A9%9F%E8%83%BD%E3%80%8D%E3%81%AE%E3%83%AA%E3%83%AA%E3%83%BC%E3%82%B9

Webinar on the New “Specification Drafting Support Function” of “Summaria”
In March 2026, the patent reading support AI assistant “Summaria” was newly equipped with a “Specification Drafting Support Function,” and on March 26, a webinar was held to explain this new feature.
The Specification Drafting Support Function supports a wide range of patent-related tasks, from drafting specifications from scratch to reviewing, revising, and supplementing completed specifications. In particular, for corporate IP departments, it appears especially useful for checking and refining already delivered specifications.
The content of the webinar has been summarized using NotebookLM. Please note that the analysis results generated by AI are based solely on publicly available information and may not necessarily reflect actual conditions; they may also contain inaccuracies.

]]><![CDATA[国産フルスクラッチLLM「PLaMo 3.0 Prime」]]>Sat, 28 Mar 2026 03:21:56 GMThttp://yorozuipsc.com/blog/llmplamo-30-prime2026年3月19日、株式会社Preferred Networksは日本初の「長考（推論）」機能を備えた国産生成AI基盤モデル「PLaMo 3.0 Prime」を発表しました。
既存モデルを基盤とせずゼロから開発された「フルスクラッチ」モデルであり、国内で開発されたものとしては初めて、複雑な指示に対して段階的に思考を重ねて質の高い回答を導き出す「Reasoning（長考）」機能を搭載した点で画期的と言え、日本語の対話や指示追従能力において国際的な競合モデルに匹敵する性能を示しています。
現在は2026年6月の商用版提供に向け、実運用での負荷や応答性能を検証するためのモニター企業募集が開始されています。
生成AIに「PLaMo 3.0 Prime」について深堀させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

初の“長考”できる国産フルスクラッチLLM「PLaMo 3.0 Prime」　Qwen3-235Bやgpt-oss-120bに肉薄　PFN
2026年03月23日
https://www.itmedia.co.jp/aiplus/articles/2603/23/news112.html

生成AI基盤モデルPLaMo 3.0 Primeβ版のモニター企業募集
フルスクラッチ開発の国産生成AIで初となる、論理的思考に優れ、複雑なタスクに対応するReasoningモデル
https://www.preferred.jp/ja/news/pr20260319

Japan’s Fully Scratch-Built LLM “PLaMo 3.0 Prime”
On March 19, 2026, Preferred Networks announced “PLaMo 3.0 Prime,” a domestically developed generative AI foundation model equipped with Japan’s first “long-thinking (reasoning)” capability.
Unlike models built on top of existing architectures, PLaMo 3.0 Prime is a fully scratch-built model developed from the ground up. It is considered groundbreaking as the first domestically developed model to incorporate a “Reasoning (long-thinking)” function that enables step-by-step thinking over complex instructions to produce high-quality responses. It also demonstrates performance in Japanese dialogue and instruction-following that is competitive with leading international models.
Currently, in preparation for its commercial release scheduled for June 2026, the company has begun recruiting monitor companies to evaluate system load and response performance in real-world operational environments.
I used generative AI to conduct a deeper analysis of “PLaMo 3.0 Prime.” Please note that the results of this analysis are based solely on publicly available information and may not necessarily reflect actual conditions. They may also contain inaccuracies.

]]><![CDATA[最先端AIは1%未満、人間は100%解ける「ARC-AGI-3」]]>Fri, 27 Mar 2026 11:34:53 GMThttp://yorozuipsc.com/blog/ai1100arc-agi-32026年3月25日、汎用人工知能（AGI）の実現に不可欠な「知能」を測定するための新たなベンチマーク「ARC-AGI-3」が公開されました。
このベンチマーク「ARC-AGI-3」は、AIエージェントが未知の動的な環境にインタラクティブに関与し、自律的にルールを学習する能力を測定する、世界初の「対話型推論ベンチマーク（Interactive Reasoning Benchmark）」とされ、従来の静的なパズルとは異なりルールや目標が明示されない対話型ゲーム環境でAIがどれだけ素早く適応できるかを評価します。
公開時点の結果では、人間が100%解けるのに対し、最先端のAIモデルは1%未満という極めて低いスコアを記録しました。この結果は、現在のAIが持つ「暗記と検索」の限界を浮き彫りにし、真の汎用人工知能（AGI）実現には未知の環境での探索や計画能力といった新たな突破口が必要であることを示唆しているということです。
生成AIに「ARC-AGI-3」について深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

ARC-AGI-3: A New Challenge for Frontier Agentic Intelligence
ARC Prize Foundation ∗
March 24, 2026
https://arcprize.org/media/ARC_AGI_3_Technical_Report.pdf

2026年03月26日
AIの知能をルール不明のゲームで測定する「ARC-AGI-3」が登場、AIはまだクリアできないが人間には100％クリアできるゲームを実際にプレイ可能
https://gigazine.net/news/20260326-arc-agi-3/

“ARC-AGI-3”: Humans Solve 100%, Cutting-Edge AI Below 1%
On March 25, 2026, a new benchmark called “ARC-AGI-3” was released to measure “intelligence,” a capability considered essential for achieving Artificial General Intelligence (AGI).
This benchmark, “ARC-AGI-3,” is described as the world’s first Interactive Reasoning Benchmark, designed to evaluate an AI agent’s ability to engage with unknown, dynamic environments and autonomously learn rules through interaction. Unlike conventional static puzzles, it assesses how quickly AI can adapt within interactive game environments where neither the rules nor the objectives are explicitly defined.
At the time of its release, results showed that while humans were able to solve 100% of the tasks, state-of-the-art AI models scored below 1%, an extremely low level of performance. This outcome highlights the limitations of current AI systems, which largely rely on memorization and retrieval, and suggests that achieving true AGI will require new breakthroughs—particularly in capabilities such as exploration and planning in unknown environments.
I asked generative AI to provide a deeper analysis of “ARC-AGI-3.” Please note that the following analysis is based solely on publicly available information generated by AI and may not fully reflect reality; it may also contain inaccuracies.

]]><![CDATA[サポート要件(審判実務者研究会報告書2025)]]>Thu, 26 Mar 2026 23:34:27 GMThttp://yorozuipsc.com/blog/20255258900特許庁審判部が公表した「審判実務者研究会報告書2025」における事例研究１テーマ３（特許化学）「サポート要件」では、以下の２つの論点が議論されています。
論点１：本件発明のクレーム範囲をカバーする実施例が不足している場合、サポート要件適否判断において重要となる事項は何か
論点２：技術常識などを考慮してもサポート要件が充足されないとする分水嶺はどこなのか
生成AIにこれらの論点について深堀させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

事例研究１　テーマ３（特許化学）
サポート要件
https://www.jpo.go.jp/resources/shingikai/kenkyukai/sinposei_kentoukai/document/2025_houkokusyo/01_chemistry.pdf

Support Requirement
In the case study “Theme 3 (Chemistry): Support Requirement” from the Trial Practitioners Study Group Report 2025 published by the Trial and Appeal Department of the Japan Patent Office, the following two issues are discussed:
Issue 1: When there are insufficient examples covering the full scope of the claimed invention, what factors are important in determining whether the support requirement is satisfied?
Issue 2: Even when taking common general technical knowledge into account, where is the threshold at which the support requirement is deemed not to be satisfied?
A generative AI was used to further explore these issues. Please note that the analysis results generated by AI are based solely on publicly available information and do not necessarily reflect actual circumstances. They may also contain inaccuracies, so please review them with appropriate caution.

]]><![CDATA[島津製作所が知財業務自動化SaaS提供の子会社Genzo AIを設立]]>Thu, 26 Mar 2026 01:54:03 GMThttp://yorozuipsc.com/blog/saasgenzo-ai島津製作所が自社の知的財産部で培った実務ノウハウを凝縮し、知財業務を自動化する知財業務自動化SaaS提供の子会社「株式会社Genzo AI」を設立しました。
本サービスは、ベテラン部員の高度な思考プロセスを独自のプロンプトとして形式知化した点に最大の特徴があり、発明の発掘から特許出願、侵害予防調査までを一気通貫で支援します。生成AIの課題であるハルシネーションを厳格なプロセス管理で抑制しており、先行導入された社内運用では多大なコスト削減と工数短縮を実現しました。
共同出資者のIPエージェントと連携し、専門知識が不足する中堅・中小企業や大学へもこの高度な仕組みを普及させる「知財業務の民主化」を目指しています。
この「Genzo AI」を生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

知財業務自動化SaaS提供の子会社Genzo AIを設立
当社知的財産部の独自開発プラットフォームを4月から社外へ提供
https://www.shimadzu.co.jp/news/2026/acmnk57uqb3579ay.html

次世代知財業務自動化プラットフォーム　Genzo AI
https://www.genzo-ai.co.jp/#

島津製作所が知財の新会社設立　AIで業務自動化、システム提供
2026/03/25
https://news.jp/i/1409451063022370924?c=302675738515047521?c=302675738515047521

知財力底上げへ　島津製作所が新会社「Genzo AI」設立　業務を自動化、コスト削減
https://www.sankei.com/article/20260325-QJOV5RVZ7NJ23NB5NJEQ7NAEIE/?utm_source=dlvr.it&utm_medium=mastodon

Shimadzu Corporation Establishes Genzo AI, a Subsidiary Providing IP Workflow Automation SaaS
Shimadzu Corporation has established a new subsidiary, Genzo AI Co., Ltd., which offers a SaaS platform for automating intellectual property (IP) operations. The platform encapsulates the practical expertise cultivated within Shimadzu’s in-house IP department and translates it into an automated system.
The core feature of this service lies in formalizing the advanced thinking processes of experienced IP professionals into proprietary prompts, thereby converting tacit knowledge into explicit, reusable knowledge. It provides end-to-end support across the entire IP workflow—from invention discovery to patent filing and infringement prevention searches.
To address one of the major challenges of generative AI—hallucinations—the system incorporates rigorous process management, ensuring reliability and accuracy. In its initial internal deployment, the platform has already achieved significant cost reductions and substantial improvements in operational efficiency.
In collaboration with its co-investor, an IP agent firm, the initiative aims to promote the “democratization of IP operations” by making this advanced system accessible to small and medium-sized enterprises and universities that may lack specialized expertise.
This “Genzo AI” initiative has been further analyzed using generative AI. Please note that the analysis is based solely on publicly available information and may not fully reflect actual conditions; it may also contain inaccuracies.

]]><![CDATA[Claude、Claude Code、Claude Coworkの機能と活用]]>Thu, 26 Mar 2026 01:46:10 GMThttp://yorozuipsc.com/blog/claudeclaude-codeclaude-coworkAnthropic社Claudeが凄い勢いで伸びているようです。2026年3月時点におけるAnthropic社のAIエコシステムを構成する主要ツールは、Claude、Claude Code、Claude Coworkの３つです。ClaudeはWebやアプリを通じた思考や対話の基盤であり、Claude Codeはエンジニア向けにターミナル上でコードの実装からデプロイまでを自律的に行うツールです。そして、Claude Coworkは非エンジニアのナレッジワーカー向けに、デスクトップ上のファイル操作や定型業務の自動化を担うエージェントとして位置づけられています。
「一体どれを使えば良い？Claudeサービス徹底比較、チャット、Cowrok、Claude Codeあなたに合った使い方を提案」というYouTube動画がわかりやすく説明してくれています。
生成AIにClaude、Claude Code、Claude Coworkについて深堀させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

【完全版】一体どれを使えば良い？Claudeサービス徹底比較、チャット、Cowrok、Claude Codeあなたに合った使い方を提案【業務ごとに使い分けるには？！】
https://www.youtube.com/watch?v=kg-wHy9uanQ

Features and Use Cases of Claude, Claude Code, and Claude Cowork
Anthropic’s Claude appears to be growing at a remarkable pace. As of March 2026, the core tools that make up Anthropic’s AI ecosystem are Claude, Claude Code, and Claude Cowork.
Claude serves as the foundation for reasoning and dialogue through web and app interfaces. Claude Code is a tool designed for engineers, capable of autonomously handling everything from code implementation to deployment directly within the terminal. Meanwhile, Claude Cowork is positioned as an agent for non-engineer knowledge workers, enabling file operations on the desktop and automation of routine tasks.
A YouTube video titled “Which one should you use? A complete comparison of Claude services—Chat, Cowork, and Claude Code, with recommendations tailored to you” provides a clear and accessible explanation.
I asked generative AI to explore Claude, Claude Code, and Claude Cowork in depth. Please note that the results of this analysis are based solely on publicly available information and may not necessarily reflect the full reality; they may also contain inaccuracies.

]]><![CDATA[Sakana AIが新AIモデル｢Namazu｣と｢Sakana Chat｣を公開]]>Thu, 26 Mar 2026 01:39:33 GMThttp://yorozuipsc.com/blog/sakana-aiainamazusakana-chatSakana AIは3月24日、既存のフロンティアモデルを独自の事後学習技術を活用し日本仕様へと適応させた試作モデルシリーズ「Namazu」（α版）を発表、併せて、Namazuモデルを搭載したチャットサービス「Sakana Chat」も公開しました。無料で使用できます。
生成AIに｢Namazu｣と｢Sakana Chat｣について深堀させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

最大規模のオープン基盤モデルを各国仕様へ適応させる事後学習技術を開発
March 24, 2026
https://sakana.ai/namazu-alpha/

Sakana AI、新AIモデル「Namazu」発表　AIチャット「Sakana Chat」も公開
2026年03月24日
https://www.itmedia.co.jp/news/articles/2603/24/news071.html

2026年03月24日

Sakana Chat
https://chat.sakana.ai/

Sakana AI Releases New AI Model “Namazu” and “Sakana Chat”
On March 24, Sakana AI announced a prototype model series called “Namazu” (alpha version), which adapts existing frontier models to Japanese use through its proprietary post-training techniques. At the same time, the company also released “Sakana Chat,” a chat service powered by the Namazu model. The service is available for free.
I asked a generative AI system to provide an in-depth analysis of “Namazu” and “Sakana Chat.” Please note that the results generated by AI are based solely on publicly available information and may not necessarily reflect the full reality; they may also contain inaccuracies.

]]><![CDATA[技術常識等を踏まえた進歩性判断]]>Wed, 25 Mar 2026 09:31:59 GMThttp://yorozuipsc.com/blog/6870710特許庁審判部が公表した「審判実務者研究会報告書2025」における事例研究１テーマ２「技術常識等を踏まえた進歩性判断」では、以下の４つの論点が議論されています。
論点１：進歩性判断における「技術常識」や「周知技術」の意味、技術常識等を検討する背景について
論点２：技術常識等をどのように認定するとよいのか
論点３：技術常識等を踏まえ、相違点をどのように判断するとよいのか
論点４：審判合議体が職権を発動して技術常識等を認定する際の留意事項
報告書は、特許の進歩性判断における「技術常識」や「周知技術」の役割を、最新の知財高裁判決を基に体系化した研究報告とも言え、単なる動機付けの根拠にとどまらず、発明の認定、引用発明の解釈、設計事項の判断、さらには進歩性を肯定する阻害要因の立証など、判断の各段階で多機能に活用される実態を４つの類型に分類して解説しています。特に、数値限定や数式を含む発明において、公知の数値分布や効果の予測可能性を技術常識がいかに裏付けるかを具体例で示し、あわせて社会的要請や法的規制が判断に与える影響にも言及しています。
生成AIにこれらの論点について深堀させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

事例研究１　テーマ２（特許機械２）
技術常識等を踏まえた進歩性判断
https://www.jpo.go.jp/resources/shingikai/kenkyukai/sinposei_kentoukai/document/2025_houkokusyo/01_machinery2.pdf

Inventive Step Assessment in Light of Common General Knowledge
In the case study “Theme 2: Inventive Step Assessment in Light of Common General Knowledge, etc.” from the Trial Practitioner Study Group Report 2025 published by the Trial and Appeal Department of the Japan Patent Office (JPO), the following four issues are discussed:

Issue 1: The meaning of “common general knowledge” and “well-known technology” in the assessment of inventive step, and the background for examining such knowledge
Issue 2: How to properly establish and recognize common general knowledge, etc.
Issue 3: How to assess differences in light of common general knowledge, etc.
Issue 4: Points to note when an appeal panel identifies common general knowledge, etc. ex officio

The report can be regarded as a systematic study that organizes the role of “common general knowledge” and “well-known technology” in assessing inventive step, based on recent Intellectual Property High Court decisions. It explains that such knowledge is not limited to serving as a basis for motivation to combine prior art, but is in fact utilized multifunctionally at various stages of the analysis. These include identifying the invention, interpreting cited inventions, determining design matters, and even substantiating obstructive factors that support the presence of inventive step. The report classifies these roles into four categories and provides detailed explanations.
In particular, for inventions involving numerical limitations or formulas, the report presents concrete examples illustrating how common general knowledge can support known numerical distributions and the predictability of effects. It also touches upon how social demands and legal regulations may influence the assessment.
I asked generative AI to explore these issues in depth. Please note that the analysis generated by AI is based solely on publicly available information and may not necessarily reflect actual circumstances; it may also contain inaccuracies.

]]><![CDATA[AI特許総合検索・分析プラットフォーム「Patentfield」]]>Tue, 24 Mar 2026 03:50:23 GMThttp://yorozuipsc.com/blog/aipatentfieldAI特許総合検索・分析プラットフォーム「Patentfield」の最新情報を生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

Patentfield
https://patentfield.com/#/top

Latest Updates on the AI-Powered Patent Search and Analytics Platform “Patentfield”
I used generative AI to conduct an in-depth analysis of the latest information on the AI-powered patent search and analytics platform “Patentfield.” Please note that the findings generated by AI are based solely on publicly available information and may not necessarily reflect actual conditions. They may also contain inaccuracies, so please review them with this in mind.

]]><![CDATA[AI Samurai ONEが複数の生成AIを切り替え可能に]]>Mon, 23 Mar 2026 01:30:00 GMThttp://yorozuipsc.com/blog/ai-samurai-oneai株式会社 AI Samurai は、特許検索・評価・作成を統合した「AI Samurai ONE」に、2025年11月、新機能『IDEA BOX』を搭載し、大幅な機能強化を行っています。
2026 年 3 月 5 日には、複数の生成 AI（GPT、Claude、Gemini など）を切り替える機能が追加され、発明の着想段階にある手書きメモやスケッチなどからの発明提案書作成、先行技術調査、クレームチャート作成、発明アイデアの改良までを一気通貫で実行できる機能が強化されました。
AI Samuraiの最新の状況を生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

【AI Samurai ONE 機能追加】複数の生成AIを切り替え可能！『IDEA BOX』で特許調査・分析を効率化
2026年3月5日
https://prtimes.jp/main/html/rd/p/000000287.000021559.html

AI Samurai ONE Enables Switching Between Multiple Generative AI Models
AI Samurai Inc. has significantly enhanced its integrated patent platform “AI Samurai ONE,” which combines patent search, evaluation, and drafting functions. In November 2025, the platform was upgraded with a new feature called “IDEA BOX.”
On March 5, 2026, an additional function was introduced that allows users to switch between multiple generative AI models (such as GPT, Claude, and Gemini). This enhancement enables a seamless, end-to-end workflow—from generating invention proposals based on handwritten notes or sketches at the ideation stage, to conducting prior art searches, creating claim charts, and refining invention ideas.
I asked generative AI to conduct an in-depth analysis of the latest developments of AI Samurai. Please note that the results of this analysis are based solely on publicly available information and may not necessarily reflect the actual situation; they may also contain inaccuracies.

]]><![CDATA[「Tokkyo.Ai」が「仮想知財部」AI機能を提供]]>Mon, 23 Mar 2026 01:07:28 GMThttp://yorozuipsc.com/blog/tokkyoaiai2026年3月16日、リーガルテック株式会社は、知財AIプラットフォーム「Tokkyo.Ai」において、知財部を持たない企業でも戦略的な特許判断を可能にするAIエージェント機能の提供を開始したことを発表しました。
「仮想知財部」AI機能は、発明候補の抽出から出願判断、競合分析、将来価値評価までを一体化し、いわば“仮想知財部”として機能するもので、専任の知財部門を設置していないケースも多く出願判断が後手に回る傾向があるなかで、知財部門を持たない企業でも戦略的な出願判断を行える環境を整備するものです。
この「Tokkyo.Ai」の最新情報を生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

知財部を持たない企業向けに「仮想知財部」AI機能を提供開始【リーガルテック社】
― 発明の増加に対応する知財判断基盤を中堅・中小企業にも提供 ―
2026年3月16日
https://prtimes.jp/main/html/rd/p/000000450.000042056.html

“Tokkyo.Ai” Launches “Virtual IP Department” AI Function
On March 16, 2026, LegalTech Inc. announced that it has begun offering a new AI agent function on its intellectual property AI platform “Tokkyo.Ai,” enabling even companies without an in-house IP department to make strategic patent decisions.
The “Virtual IP Department” AI function integrates the entire process—from extracting invention candidates to filing decisions, competitor analysis, and future value assessment—effectively functioning as a “virtual IP department.” In many cases, companies without dedicated IP teams tend to lag in making filing decisions; this function is designed to establish an environment where such companies can still carry out strategic patent decision-making.
I asked generative AI to provide an in-depth analysis of the latest developments of “Tokkyo.Ai.” Please note that the investigation and analysis conducted by generative AI are based solely on publicly available information and may not fully reflect actual conditions; they may also contain inaccuracies.

]]><![CDATA[「サマリア」に「明細書作成支援機能」が搭載]]>Mon, 23 Mar 2026 01:00:00 GMThttp://yorozuipsc.com/blog/4736804特許読解支援AIアシスタント「サマリア」に、2026年3月、新たに「明細書作成支援機能」が搭載されました。
明細書作成支援機能は、ゼロベースの起案から納品済み明細書のチェック・加筆修正まで、あらゆる特許業務シーンをサポートする機能で、単に明細書を「自動生成する」ツールではなく、人間の判断・確認をベースに置きながら、AIが補助的かつ高度な役割を担う設計になっていて、効率化にとどまらず、従来以上に品質の高い明細書の作成を支援するということです。
3月26日には、「サマリア」の新機能『明細書作成支援機能』について説明することを目的としたウェビナーが開催されます。
サマリア(Summaria)の最新の状況を生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

新機能「明細書作成支援機能」のリリース　2026-03-19
https://patent-i.com/summaria/manual/R_20260319#p1_%E6%96%B0%E6%A9%9F%E8%83%BD%E3%80%8C%E6%98%8E%E7%B4%B0%E6%9B%B8%E4%BD%9C%E6%88%90%E6%94%AF%E6%8F%B4%E6%A9%9F%E8%83%BD%E3%80%8D%E3%81%AE%E3%83%AA%E3%83%AA%E3%83%BC%E3%82%B9

【３月ウェビナー③】サマリア・アップデート内容共有ウェビナー
2026-03-10
https://patent-i.com/summaria/manual/S_20260326
本ウェビナーでは、「サマリア」の新機能『明細書作成支援機能』についてユーザの皆様へ説明することを目的としています。

“Summaria” Launches a Specification Drafting Support Function
In March 2026, a new “Specification Drafting Support Function” was added to Summaria, an AI assistant for patent comprehension.
This function supports a wide range of patent-related tasks, from drafting specifications from scratch to reviewing, editing, and supplementing completed specifications. Rather than simply “automatically generating” specifications, it is designed to place human judgment and verification at the core, with AI playing a supportive yet advanced role. As such, it aims not only to improve efficiency but also to assist in producing higher-quality specifications than before.
A webinar will be held on March 26 to explain this new feature of Summaria.
I asked generative AI to conduct an in-depth analysis of the latest developments in Summaria. Please note that the investigation and analysis by generative AI are based solely on publicly available information and may not necessarily reflect actual conditions; they may also contain inaccuracies.

]]><![CDATA[自律型AIエージェントが科学的発見プロセスを変革]]>Sun, 22 Mar 2026 03:50:40 GMThttp://yorozuipsc.com/blog/ai9423431自律型AIエージェントが科学的発見のプロセスを根本から変革し、AIは単なる補助ツールを超え、人類の創造性を高める自律的な科学的協働者へと進化を遂げています。
Harmonic社が開発したAristotle Agentは、形式言語を用いた検証により「幻覚」を排除し、未解決の数学的難問を自律的に証明する数学的超知能を実現しました。
オープンソースのGet Physics Done (GPD)は、理論の定式化から実験シミュレーション、論文執筆に至るまでの物理学研究のワークフローを統合的に実行します。
これらのシステムにより、厳密な論理と物理的妥当性を備えた科学的知見が工業的規模で生成され、AIが人類の創造性を高める自律的な科学的協働者へと進化を遂げていることがわかります。
生成AIにこれらの論点について深堀させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

Meet Aristotle Agent
https://x.com/HarmonicMath/status/2034028065513451594

Get Physics Done (GPD)
https://sourceforge.net/projects/get-physics-done-gpd.mirror/

Autonomous AI Agents Transform the Process of Scientific Discovery
Autonomous AI agents are fundamentally transforming the process of scientific discovery. AI is evolving beyond a mere assistive tool into an autonomous scientific collaborator that enhances human creativity.
The Aristotle Agent, developed by Harmonic, eliminates “hallucinations” through verification using formal languages and achieves mathematical superintelligence capable of autonomously proving unsolved mathematical problems.
The open-source Get Physics Done (GPD) system executes the entire physics research workflow in an integrated manner, from theoretical formulation to experimental simulation and paper writing.
These systems enable the industrial-scale generation of scientific knowledge grounded in rigorous logic and physical validity, demonstrating that AI is evolving into an autonomous scientific partner that amplifies human creativity.
The above issues have been further analyzed using generative AI. However, please note that such AI-based analysis is based solely on publicly available information, does not necessarily reflect actual circumstances, and may contain inaccuracies.

]]><![CDATA[測定方法に基づく構成要件充足性の判断]]>Sun, 22 Mar 2026 03:28:31 GMThttp://yorozuipsc.com/blog/6013639測定方法に基づく構成要件充足性の判断という視点では、昔の苦い経験を思い出します。
平成２７年（ネ）１００１６号「ティシュペーパー」事件です。権利者に厳しすぎる判決という評釈もありましたが、判決後は、出願時の明細書のチェックを厳しくしたことを覚えています。
生成ＡＩにこの判決を評釈させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

平成２８年９月２８日判決言渡同日原本領収裁判所書記官
平成２７年（ネ）第１００１６号特許権侵害差止等請求控訴事件
（原審・東京地方裁判所平成２４年（ワ）第６５４７号）判決
https://www.courts.go.jp/assets/hanrei/hanrei-pdf-86166.pdf

2016.10.11 侵害訴訟等
平成２７年（ネ）１００１６号「ティシュペーパー」事件
https://unius-pa.com/infringement_lawsuit/4146/
https://www.unius-pa.com/wp/wp-content/uploads/h27_ne_10016.pdf

特許権侵害訴訟の近時判例の調査・分析
https://www.jipa.or.jp/kaiin/kikansi/honbun/2017_01_051.pdf
ティシュぺーパー事件（事例2）

知財高裁平成27年(ネ)第10016号特許権侵害差止等請求控訴事件
https://www.nakapat.gr.jp/wp-content/uploads/2019/07/11%E6%96%87%E6%9B%B8.pdf

測定方法に基づく構成要件充足性の判断　―ティシュペーパー事件―
https://www.jipa.or.jp/kaiin/kikansi/honbun/2017_11_1735.pdf

数値限定発明の充足論，明確性要件
https://jpaa-patent.info/patent/viewPdf/3011

　
Determination of Satisfaction of Claim Requirements Based on Measurement Methods
From the perspective of determining whether claim requirements are satisfied based on measurement methods, I am reminded of a bitter experience from the past. It is the “Tissue Paper” case (Heisei 27 (Ne) No. 10016). Although some commentaries criticized the judgment as being overly harsh on the patentee, I recall that after the decision, we became much more rigorous in reviewing specifications at the time of filing.
I asked generative AI to provide a commentary on this judgment. Please note that the investigation and analysis results generated by AI are based solely on publicly available information and do not necessarily reflect the actual circumstances; they may also contain inaccuracies. Please keep this in mind when referring to them.

]]><![CDATA[数値限定発明における測定方法と明確性要件]]>Sat, 21 Mar 2026 23:32:03 GMThttp://yorozuipsc.com/blog/3888297特許庁審判部が公表した「審判実務者研究会報告書2025」における事例研究１テーマ１「測定方法と明確性要件」では、以下の3つの論点に沿い、数値限定発明における明確性要件の判断枠組みと実務上の留意点が整理されています。
論点１：測定方法が不明確と判断されないために、明細書に記載しておくべき事項とは
論点２：測定方法を理解する際に、明細書には記載されていないが、考慮されるべき事項とは
論点３：測定方法がどの程度明らかであるといえれば、明確性要件を充足するといえるのか
報告書によれば、その要点は下記のようになります。
まず、測定方法の記載に関しては、明確性要件の判断は請求項の記載のみならず明細書の記載も踏まえて行われることを前提に、当業者が理解可能な程度で測定方法や測定条件を明示することの重要性が確認された。特に数値限定発明においては、測定方法の不明確さが権利範囲の不安定化を招くため、可能な限り具体的に記載することが望ましいとされる。一方で、測定方法にノウハウが含まれる場合など、過度な詳細記載が出願人に不利益をもたらす可能性についても指摘されており、記載の程度には一定のバランスが求められる。
次に、明細書に記載されていない事項の取扱いについては、出願時の技術常識や業界標準、規格等が補完的に考慮され得ることが示された。すなわち、明確性の判断は明細書の文言に限定されるものではなく、当業者の知識を前提として測定方法が理解可能であるかという観点から行われる。ただし、これらの技術常識に依拠するためには適切な立証が必要であり、単なる主張のみでは足りない点には留意が必要である。
さらに、測定方法の明確性の程度については、測定方法が一義的に定まる場合には問題なく明確といえる一方、複数の合理的な測定方法が想定される場合には、それらの方法によって得られる測定値が一定範囲に収まることが求められると整理された。また、測定値のばらつきについては、不可避的な測定誤差と測定方法の不確定性に起因するばらつきとを区別すべきであり、後者により技術的範囲の外縁が不明確となる場合には問題が生じ得るとされる。
生成AIにこれらの論点について深堀させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

事例研究１　テーマ１（特許機械１）
測定方法と明確性要件
https://www.jpo.go.jp/resources/shingikai/kenkyukai/sinposei_kentoukai/document/2025_houkokusyo/01_machinery1.pdf

Measurement Methods and Clarity Requirements in Numerical Limitation Inventions
In Case Study 1, Theme 1 (“Measurement Methods and Clarity Requirements”) of the Trial and Appeal Practitioner Study Group Report 2025 published by the Trial and Appeal Department of the Japan Patent Office (JPO), the framework for assessing the clarity requirement in numerical limitation inventions, as well as key practical considerations, are organized around the following three issues :

Issue 1: What should be described in the specification to avoid a finding that the measurement method is unclear?
Issue 2: What information, though not described in the specification, should be considered when understanding the measurement method?
Issue 3: To what extent must a measurement method be clear in order to satisfy the clarity requirement?

According to the report, the key points can be summarized as follows:
First, regarding the description of measurement methods, it is premised that the clarity requirement is assessed not only based on the claims but also in light of the specification. It was reaffirmed that it is important to explicitly describe the measurement methods and conditions to an extent understandable by a person skilled in the art. Particularly in numerical limitation inventions, ambiguity in measurement methods may lead to instability in the scope of rights; therefore, it is desirable to describe them as concretely as possible. On the other hand, it was also pointed out that, where the measurement method involves know-how, excessively detailed disclosure may disadvantage the applicant, and thus an appropriate balance in the level of description is required .
Next, with respect to matters not described in the specification, it was indicated that common general knowledge at the time of filing, industry standards, and technical norms may be taken into account in a supplementary manner. In other words, the determination of clarity is not limited to the literal wording of the specification but is made from the perspective of whether a person skilled in the art can understand the measurement method. However, reliance on such common general knowledge requires appropriate substantiation, and mere assertions are insufficient .
Furthermore, regarding the degree of clarity required for measurement methods, it was organized that where the measurement method is uniquely determined, it can be regarded as clear without issue. In contrast, where multiple reasonable measurement methods may be envisaged, it is required that the measurement values obtained by those methods fall within a certain range. In addition, variability in measured values should be distinguished between unavoidable measurement error and variability arising from uncertainty in the measurement method itself; if the latter results in ambiguity in the outer boundary of the technical scope, problems may arise .
The above issues have been further analyzed using generative AI. However, please note that such AI-based analysis is based solely on publicly available information, does not necessarily reflect actual circumstances, and may contain inaccuracies.

]]><![CDATA[「知的財産推進計画2026」の策定に向けた意見募集の結果]]>Sat, 21 Mar 2026 00:39:13 GMThttp://yorozuipsc.com/blog/20268592031知的財産推進計画2026は、2026年6月の知的財産戦略本部決定に向けて策定が進行中で、AI時代の知財制度構築、コンテンツ産業のグローバル展開、海賊版被害の急増への対応が三大焦点となっています。
2025年12月1日から2026年1月7日までのパブリックコメントには多数の意見が寄せられ、とくにAI学習データの透明性確保、robots.txtの法的義務化、クリエイターへの対価還元が重要論点として浮上しました。
生成AIに、『「知的財産推進計画2026」の策定に向けた意見募集の結果』を深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

「知的財産推進計画2026」の策定に向けた意見募集の結果について
https://www.cas.go.jp/jp/seisakukaigi/titeki2/chitekizaisan2026/index.html

Results of the Public Consultation Toward the Formulation of the “Intellectual Property Strategic Program 2026”
The Intellectual Property Strategic Program 2026 is currently being formulated for a decision by the Intellectual Property Strategy Headquarters in June 2026. The three major focal points are: the development of an intellectual property system suited to the AI era, the global expansion of the content industry, and responses to the rapid increase in damage caused by piracy.
A large number of comments were submitted during the public consultation period from December 1, 2025 to January 7, 2026. In particular, key issues that emerged included ensuring transparency of AI training data, the legal obligation of robots.txt, and fair compensation for creators.
I asked generative AI to conduct an in-depth analysis of the “Results of the Public Consultation Toward the Formulation of the Intellectual Property Strategic Program 2026.” Please note that the research and analysis conducted by generative AI are based solely on publicly available information and may not necessarily reflect the actual situation, and may contain inaccuracies.

]]><![CDATA[審判実務者研究会報告書2025]]>Fri, 20 Mar 2026 23:00:00 GMThttp://yorozuipsc.com/blog/202550877152026年3月19日、特許庁審判部から「審判実務者研究会報告書2025」が公表されました。
今年度の研究会では、特許4分野（機械1、機械2、化学、電気）及び商標分野において、それぞれ①一般的な論点（測定方法と明確性要件、技術常識等を踏まえた進歩性判断、サポート要件、クレームで用いられている用語の解釈と明確化、商標法４条１項７号に係る後発的無効理由（商標法４６条１項６号））と②個別事例（審判実務上重要と思われる裁判例及びその対象となった審決）について検討されています。
この報告書に関して、生成AIに紹介してもらいました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

審判実務者研究会報告書2025の公表について
令和8年3月19日
https://www.jpo.go.jp/system/trial_appeal/info-sinposei_kentoukai.html

特許庁審判部

特許庁審判部では、平成18年度（2006年度）から、産業界、弁理士、弁護士、裁判官（オブザーバー参加）及び審判官という各々立場の異なる審判実務関係者が一堂に会して審決や判決についての研究を行う「審判実務者研究会」（当初は「進歩性検討会」）を開催し、その成果を公表するなどの取組を行っています。

今年度の研究会では、特許4分野（機械1、機械2、化学、電気）及び商標分野において、それぞれ①一般的な論点（測定方法と明確性要件、技術常識等を踏まえた進歩性判断、サポート要件、クレームで用いられている用語の解釈と明確化、商標法４条１項７号に係る後発的無効理由（商標法４６条１項６号））と②個別事例（審判実務上重要と思われる裁判例及びその対象となった審決）について検討しました。今年度は、分野別の会合のほとんどを対面形式の会議で行い（一部はハイブリッド会議）、活発な議論が行われました。

Trial Practice Study Group Report 2025
On March 19, 2026, the Trial and Appeal Department of the Japan Patent Office (JPO) released the “Trial Practice Study Group Report 2025.”
In this year’s study group, discussions were conducted in four patent fields (Mechanical I, Mechanical II, Chemistry, and Electrical) as well as the trademark field, focusing on:
(1) general issues—such as measurement methods and clarity requirements, inventive step assessment based on common general knowledge, support requirements, interpretation and clarification of terms used in claims, and post-registration grounds for invalidation under Article 4(1)(vii) of the Trademark Act (Article 46(1)(vi) of the same Act); and
(2) specific cases—namely court decisions considered important for trial practice and the corresponding appeal/trial decisions.
I asked generative AI to provide an overview of this report. Please note that the analysis and findings generated by AI are based solely on publicly available information and may not necessarily reflect the actual situation; they may also contain inaccuracies.

]]><![CDATA[ソフトバンクGの大量特許出願が日本企業の知財戦略に与える影響]]>Fri, 20 Mar 2026 01:24:14 GMThttp://yorozuipsc.com/blog/g1052569ソフトバンクグループは、2023年9月・2024年7〜8月・2025年12月の三つの時期に集中的な大量特許出願を行ってきたと考えられています。
このソフトバンクグループの大量特許出願が日本企業の知財戦略に与える影響について生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

The Impact of SoftBank Group’s Large-Scale Patent Filings on the IP Strategies of Japanese Companies
SoftBank Group is believed to have conducted concentrated waves of large-scale patent filings during three periods: September 2023, July–August 2024, and December 2025.
I used generative AI to conduct an in-depth analysis of how these large-scale patent filings by SoftBank Group may impact the intellectual property strategies of Japanese companies. Please note that the analysis and findings generated by AI are based solely on publicly available information, and may not fully reflect actual conditions; they may also contain inaccuracies.

]]><![CDATA[ソフトバンクグループの大量特許出願]]>Fri, 20 Mar 2026 01:02:59 GMThttp://yorozuipsc.com/blog/8918603ソフトバンクグループは、2023年9月・2024年7〜8月・2025年12月の三つの時期に集中的な大量特許出願を行ってきたと考えられています。
第1波・第2波については既に公開公報として確認され、2025年の出願公開件数ランキングで断トツの第1位（約1万400件）を記録しました。
第3波とされる2025年12月の出願については、同月の日本全体の特許出願件数が前年同月比約2.7倍の82,188件に達していて、その多くがソフトバンクグループによるものである可能性が強く推測されています。
このソフトバンクグループの特許出願について生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

2024年7月・8月の大量出願と2025年12月の大量出願
27/2/2026

ソフトバンクの大量特許出願が4月に約1万件公開
12/4/2025

ソフトバンクグループの成長戦略における知的財産部門の貢献
12/1/2025

Large-Scale Patent Filings by SoftBank Group
It is believed that SoftBank Group has conducted concentrated waves of large-scale patent filings during three periods: September 2023, July–August 2024, and December 2025.
The first and second waves have already been confirmed through published patent gazettes, and the company ranked overwhelmingly first in the number of published applications in 2025, with approximately 10,400 filings.
As for the third wave, which is considered to have occurred in December 2025, the total number of patent applications in Japan that month reached 82,188—about 2.7 times higher than the same month of the previous year. It is strongly presumed that a significant portion of these filings was made by SoftBank Group.
WIasked generative AI to conduct a multifaceted, in-depth analysis of these patent filings by SoftBank Group. Please note that the investigation and analysis conducted by generative AI are based solely on publicly available information and may not necessarily reflect the actual situation; they may also contain inaccuracies.

]]>