日経クロステックに掲載されたRapidus（ラピダス）専務執行役員CTO　石丸一成氏の後編インタビューでは、「開発スタッフが兼務すると目の前の業務に追われ、中長期戦略が後回しになる」として、「開発現場と中長期戦略を意図的に分離」し、司令塔として「3つのCTO直下組織（RUMS推進室、技術戦略室、知的財産部）」を設置した考え方が述べられています。
この動きを生成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。
 
ラピダス、CTO直下に技術戦略室や知財部　「10年後の基盤つくる」
Rapidus（ラピダス）専務執行役員CTO　石丸一成氏（後編）
2026.03.31
https://xtech.nikkei.com/atcl/nxt/column/18/02127/00198/
 
 
Rapidus Establishes IP Division to “Build the Foundation for the Next 10 Years”
In the second part of an interview published by Nikkei xTECH with Kazunari Ishimaru, Executive Vice President and CTO of Rapidus, he explains that “when development staff take on multiple roles, they become overwhelmed with immediate tasks, and mid- to long-term strategy tends to be deprioritized.”
To address this issue, Rapidus has intentionally separated “development operations” from “mid- to long-term strategy,” and established three organizations directly under the CTO as a command center: the RUMS Promotion Office, the Technology Strategy Office, and the Intellectual Property Department.
I asked generative AI to provide a deeper analysis of this development. 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, so please review the information with this in mind.

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５（商標）「商標法４条１項７号に係る後発的無効理由」では、３つの論点が議論されました。
論点１：第２類型（使用が社会公共の利益等に反する場合）について
論点２：第５類型（出願の経緯が社会的相当性を欠く場合）について
論点３：商標登録が後発的に公序良俗に反する他の類型について
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５（商標）「商標法４条１項７号に係る後発的無効理由」
https://www.jpo.go.jp/resources/shingikai/kenkyukai/sinposei_kentoukai/document/2025_houkokusyo/01_trademark.pdf
 
 
Subsequent Grounds for Invalidation under Article 4(1)(vii) of the Trademark Act
In the “Trial Practitioners Study Group Report 2025” published by the Trial and Appeal Department of the Japan Patent Office, Case Study 1, Theme 5 (Trademarks), titled “Subsequent Grounds for Invalidation under Article 4(1)(vii) of the Trademark Act,” discusses the following three issues:

• Issue 1: The second category (cases where the use of the trademark is contrary to public interest, etc.)
• Issue 2: The fifth category (cases where the circumstances surrounding the filing lack social appropriateness)
• Issue 3: Other categories in which a registered trademark subsequently becomes contrary to public order and morals

A generative AI was used to provide an in-depth analysis of these issues. Please note that the investigation and analysis conducted by the generative AI are based solely on publicly available information and may not necessarily reflect the actual situation. They may also contain inaccuracies.

2026年3月19日、米国特許商標庁（USPTO）は商標出願の事前処理プロセスを自動化する初の専用AIエージェント「Class ACT（Trademark Classification Agentic Codification Tool）」の導入を発表しました。
これまで最大5ヶ月を要していた国際分類の割り当て、デザインサーチコードの付与、擬似マークの生成という3つの前処理作業を、AIが即座に（5分以内、場合によっては5秒以内に）完了させる能力を持つということです。
生成AIに、「Class ACT」の技術的詳細、企業の知財戦略に与える多面的な影響を深堀させました。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。
 
Trademark classification goes agentic with USPTO’s announcement of “Class ACT” assistant
New agency AI tool cuts classification prep from 5 months to 5 minutes.
March 19, 2026
https://www.uspto.gov/about-us/news-updates/trademark-classification-goes-agentic-usptos-announcement-class-act-assistant
 
 
Impact of the USPTO’s AI Agent on Intellectual Property Strategy
On March 19, 2026, the United States Patent and Trademark Office (USPTO) announced the introduction of its first dedicated AI agent, “Class ACT (Trademark Classification Agentic Codification Tool),” designed to automate the pre-processing stage of trademark applications.
This AI is capable of completing three key pre-processing tasks—international classification assignment, design search code allocation, and pseudo mark generation—which previously took up to five months, almost instantly (within five minutes, and in some cases even within five seconds).
I asked generative AI to conduct an in-depth analysis of the technical details of “Class ACT” and its multifaceted impact on corporate intellectual property strategies. Please note that the results 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.

リコーは2026年3月30日、複雑な図表を含む日本語のビジネス文書を高精度に読解し、段階的な推論プロセスを日本語で出力できるマルチモーダル大規模言語モデル（LMM: Large Multimodal Model）を開発したと発表しました。独自に工夫した強化学習により思考過程の可視化を実現し、米グーグルの「Gemini 2.5 Pro」に匹敵する性能を達成しているということです。
生成AIにリコーの日本語特化型リーズニングLMM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。
 
リコー、「GENIAC」第3期においてリーズニング性能を備えたマルチモーダル大規模言語モデルを開発
2026/3/30
https://www.nikkei.com/nkd/company/article/?DisplayType=11&ng=DGXZRSP705103_Q6A330C2000000&scode=7752
 
リコー、強化学習で多段推論を獲得したビジネス文書向けLLMを開発、8Bモデルを無償公開
2026年3月31日(火)
https://it.impress.co.jp/articles/-/29168
 
 
Ricoh’s Japanese-Specialized Reasoning LMM
On March 30, 2026, Ricoh announced that it had developed a multimodal large language model (LMM: Large Multimodal Model) capable of accurately understanding Japanese business documents that include complex charts and diagrams, and of outputting step-by-step reasoning processes in Japanese. Through uniquely designed reinforcement learning, the model enables visualization of its reasoning process and is said to achieve performance comparable to Google’s Gemini 2.5 Pro.
I conducted an in-depth analysis of Ricoh’s Japanese-specialized reasoning LMM using generative AI. 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, so please review them with this in mind.

東京大学の松尾豊教授が率いる松尾研究所の研究グループによる株式投資戦略の自動改善に活用する研究により、大規模言語モデル（LLM）のモデルごとに明確な「性格」や挙動特性の違いが存在することが明らかになりました。
研究グループによる実証実験では、Anthropic社のClaude系モデルが既存戦略を維持しつつ細かな修正を重ねる「コツコツ型」の安定した改善を示したのに対し、Google社のGemini系モデルは初期戦略から大きく逸脱して新たな手法を模索する「大胆型」の挙動を見せました。一方で、OpenAI社のGPT系モデルは既存のコードをほとんど変更しない「保守的」な傾向が確認されました。
この実験結果は、LLMを用いた投資戦略の自動生成において、フィードバックの設計よりもモデル選択がパフォーマンスを左右する主要な要因となり得ることを示唆しています。さらに、こうした「性格の違い」は株式投資に限らず、一般的なタスクにおいても観察される傾向であり、現代のAI活用は「最強のAIを選ぶ」時代から、それぞれの特性を理解し「目的に応じて使い分ける」時代へと移行していることを示しています。
生成AIにこの実証実験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。
 
株式投資にAIを使うと？　Claudeは「コツコツ」、Geminiは「大胆」──見えた“性格の違い”
2026年04月01日
https://www.itmedia.co.jp/aiplus/articles/2604/01/news042.html
 
 
Distinct “Personalities” and Behavioral Characteristics Across LLM Models
A research group at the Matsuo Institute, led by Professor Yutaka Matsuo of The University of Tokyo, has revealed that different large language models (LLMs) exhibit clear differences in “personality” and behavioral characteristics. This finding comes from a study aimed at using LLMs to automatically improve stock investment strategies.
In the group’s empirical experiments, models from Anthropic (Claude series) demonstrated a “steady and incremental” style, maintaining existing strategies while making gradual refinements. In contrast, models from Google (Gemini series) exhibited a “bold” approach, significantly deviating from initial strategies to explore entirely new methods. Meanwhile, models from OpenAI (GPT series) showed a “conservative” tendency, making minimal changes to existing code.
These experimental results suggest that, in the automatic generation of investment strategies using LLMs, model selection—rather than feedback design—can be a primary factor influencing performance. Furthermore, such “personality differences” are not limited to stock investment tasks but are also observed in general-purpose applications. This indicates a broader shift in AI utilization: from an era of selecting the single “most powerful AI” to one of understanding each model’s characteristics and strategically choosing the right tool for each purpose.
I asked a generative AI system to further analyze this empirical study. Please note that the insights provided are based solely on publicly available information and may not fully reflect reality; they may also contain inaccuracies.

一般社団法人発明推進協会が発行する月刊誌「発明」2026年４月号に、『生成AIと知財実務　生成AIの知財業務での活用法～「労働集約型」から「知識集約・戦略型」へ』を執筆しました。PDF版を添付しましたので、ご参照ください。
 
Leveraging Generative AI in IP Operations: From “Labor-Intensive” to “Knowledge-Intensive and Strategic”
I have contributed an article titled “Generative AI and IP Practice: How to Leverage Generative AI in IP Operations – From ‘Labor-Intensive’ to ‘Knowledge-Intensive and Strategic’” to the April 2026 issue of the monthly journal Hatsumei, published by the Japan Institute of Invention and Innovation.
Please refer to the attached PDF version for details.

2025年11月に公開されたオープンソースのAIエージェント「OpenClaw」が個人のパソコンで動かせる自律型AIエージェントして注目されています。
完全自律型AIエージェント「Manus（マナス）」は、2025年12月15日に最新版「Manus 1.6」がリリースされ、モバイルアプリ開発や細かい画像編集などが可能になったリサーチから画像・動画生成、ライティングまで一気通貫でタスクを行えるAIツールです。
OpenClawとManusは、共にユーザーの指示に基づき自律的にタスクを実行するAIエージェントですが、その設計思想、運用モデル、リスクプロファイルにおいて根本的な違いがあります。OpenClawは、技術者が自身のローカル環境で構築・運用するオープンソースの「DIY型」エージェントであり、最大限のカスタマイズ性とコントロールを提供します。一方、Manusは企業や非技術者でもすぐに利用できるクラウドベースの「サービス型（SaaS）」商用エージェントで、タスクの計画から成果物の納品までをシームレスに完結させる能力に長けています。
このOpenClawとManus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。
 
非エンジニアでもできる「OpenClaw」のセットアップ方法 ～社会現象化する“ロブスター”と大ブームの裏に潜むセキュリティリスク
あらゆるPC作業を自動化！ 話題のAIエージェントを体感しよう［特別編］
2026年3月31日
https://forest.watch.impress.co.jp/docs/serial/yaaiwatch/2097395.html
 
2026.03.17
完全自律型AIエージェント「Manus」とは？使い方や始め方、料金を解説
https://shift-ai.co.jp/blog/18244/
 
 
OpenClaw and Manus
The open-source AI agent “OpenClaw,” released in November 2025, has been attracting attention as an autonomous AI agent that can run on a personal computer.
The fully autonomous AI agent “Manus” released its latest version, “Manus 1.6,” on December 15, 2025. It is an AI tool capable of executing tasks end-to-end—from research to image and video generation, and writing—while also enabling mobile app development and fine-grained image editing.
Both OpenClaw and Manus are AI agents that autonomously execute tasks based on user instructions; however, they differ fundamentally in their design philosophy, operating model, and risk profile. OpenClaw is an open-source, “DIY-style” agent that engineers build and operate in their own local environments, offering maximum customizability and control. In contrast, Manus is a cloud-based, “service-type (SaaS)” commercial agent that can be readily used by companies and non-technical users alike, excelling in seamlessly completing workflows from task planning to final deliverables.
I asked a generative AI system to conduct an in-depth analysis of OpenClaw and Manus. Please note that the results of this analysis are based solely on publicly available information and may not necessarily reflect actual conditions; inaccuracies may also be included.