「ＡＩ特許は企業価値向上に寄与するか ～ＡＩ特許出願数と企業価値との関係についての検討～」(IPNJ国際特許事務所 乾利之 所長弁理士)は、AI特許出願数と企業価値の変化との関係を検討することで、AI特許（発明）が企業価値向上に寄与するか否かを検討して、下記の結論を得ています。
・AI特許（数）は企業価値UPに寄与することが期待される。
・AI特許のうちAIコア（G06N）特許は企業価値の中長期的なＵＰに寄与することが期待される。
・AI特許のうちAIビジネス（G06Q）特許は企業価値の短期的なＵＰに寄与することが期待される（近年のＵＰ率に影響していること、AIコア（G06N）とは異なり、幅広い業種の企業による発明・出願・実装が可能であることから、今後、競争が激化する領域）。
この調査報告書「AI特許は企業価値向上に寄与するか〜AI特許出願数と企業価値との関係についての検討〜」について、生成AIに、その妥当性、評判・評価を多角的に分析させました。
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。
​ 
02日 9月 2025
ＡＩ特許は企業価値向上に寄与するか ～ＡＩ特許出願数と企業価値との関係についての検討～
https://www.ipnj.jp/2025/09/02/%EF%BD%81%EF%BD%89%E7%89%B9%E8%A8%B1%E3%81%AF%E4%BC%81%E6%A5%AD%E4%BE%A1%E5%80%A4%E5%90%91%E4%B8%8A%E3%81%AB%E5%AF%84%E4%B8%8E%E3%81%99%E3%82%8B%E3%81%8B-%EF%BD%81%EF%BD%89%E7%89%B9%E8%A8%B1%E5%87%BA%E9%A1%98%E6%95%B0%E3%81%A8%E4%BC%81%E6%A5%AD%E4%BE%A1%E5%80%A4%E3%81%A8%E3%81%AE%E9%96%A2%E4%BF%82%E3%81%AB%E3%81%A4%E3%81%84%E3%81%A6%E3%81%AE%E6%A4%9C%E8%A8%8E/
 
 
Do AI Patents Contribute to Enhancing Corporate Value?
The report titled “Do AI Patents Contribute to Enhancing Corporate Value? — An Examination of the Relationship Between the Number of AI Patent Applications and Corporate Value” (by Toshiyuki Inui, Managing Partner and Patent Attorney, IPNJ International Patent Office) examines whether AI-related patents (inventions) contribute to corporate value by analyzing the relationship between the number of AI patent applications and changes in corporate value. The following conclusions were drawn:

• The number of AI patents is expected to contribute to an increase in corporate value.
• Among AI patents, AI core patents (G06N) are expected to contribute to a medium- to long-term increase in corporate value.
• Among AI patents, AI business patents (G06Q) are expected to contribute to a short-term increase in corporate value, as they have influenced recent growth rates. Unlike AI core (G06N) patents, AI business patents can be invented, filed, and implemented by companies across a wide range of industries, suggesting that competition in this domain will intensify going forward.

A generative AI model was used to conduct a multifaceted analysis of the validity, reputation, and external evaluation of this investigative report, “Do AI Patents Contribute to Enhancing Corporate Value? — An Examination of the Relationship Between the Number of AI Patent Applications and Corporate Value.”
Please note that the generative AI’s analysis and findings are based solely on publicly available information. They may not fully reflect actual circumstances and could include inaccuracies.
 

YouTube「科学者がいらない時代が来る？AIが“理解を超える”世界へ、安野貴博の未来予測」は、未来学者・安野貴博氏がAIが科学の“主役”になる未来を語っています。
科学の営みが「人間中心」から「AI駆動科学（AI-driven Science）」へと移行しつつあるというのです。代表例はGoogle DeepMindの AlphaFold、タンパク質の構造解析を従来数年から数時間に短縮しました。
さらに2025年登場の AlphaEvolve は、AIが自らアルゴリズムを設計・改良、数学や計算機科学の未解決問題を20％の確率で上回る成果を出しています。
創薬領域でも、AIが論文を読み治療薬候補を自動抽出する事例が出始めています。
安野氏はAI主導の科学を「4段階」で説明しています。
①AIが人間を補助する段階、②実験不要の研究を行う段階、③クラウドラボを介して自律実験を行う段階、④ロボティクスと融合し現実世界で研究を遂行する段階です。
いま私たちは③への移行期にあるとしています。
この進化がもたらす最大の変化は、人間が「理解できない科学」の登場で、AIは数百次元の空間を自在に扱い、人間が直感的に理解できない発見を生み出します。
囲碁AI「AlphaGo」が示した“不可解なのに正しい”一手のように、科学も「成果は出るが理解不能」な領域へと向かうということです。
科学が“理解”を超える時代、知の境界をどう再定義できるかが、次の競争軸になるとしています。
​
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。
 
科学者がいらない時代が来る？AIが“理解を超える”世界へ｜安野貴博の未来予測 -
https://www.youtube.com/watch?v=rcDc4sNzqcY
 
 
Is a World Without Scientists Coming? The Age of “Beyond Human Understanding” AI
The YouTube video “Is a World Without Scientists Coming? The Age of ‘Beyond Human Understanding’ AI – Takahiro Anno’s Future Forecast” features futurist Mr. Takahiro Anno discussing a future in which AI becomes the main actor in science.
According to Mr. Anno, the practice of science is shifting from “human-centered” inquiry to “AI-driven science.” A prime example is Google DeepMind’s AlphaFold, which reduced the time required for protein structure analysis from years to just hours.
Furthermore, the upcoming AlphaEvolve, expected in 2025, designs and improves its own algorithms, achieving results that surpass human solutions to unresolved problems in mathematics and computer science with a 20% success rate.
In the field of drug discovery, AI systems have already begun to autonomously read research papers and extract potential therapeutic compounds.
Mr. Anno describes the evolution of AI-led science in four stages:

1. AI assists human researchers.
2. AI conducts research without experiments.
3. AI performs autonomous experiments via cloud laboratories.
4. AI integrates with robotics to carry out research in the physical world.

He suggests that we are now in the transitional phase toward stage ③.
The most profound transformation, he argues, will be the emergence of “science that humans cannot understand.”
AI handles hundreds of dimensions in data space, generating discoveries beyond human intuition. Just as AlphaGo produced incomprehensible yet correct moves in the game of Go, science itself is heading toward a domain where results are achieved but cannot be explained in human terms.
In this coming era where science transcends human understanding, redefining the boundaries of knowledge will become the next frontier of competition.
(Note: The following analysis was conducted by generative AI based solely on publicly available information. It may not fully reflect actual circumstances and could contain inaccuracies. Please refer to it with that understanding.)

「AI時代ビジネスには、博士課程の基本スキルが必要だ──常に仮説と検証を繰り返す」という記事を読みました。
内容を要約すると、下記のような感じでしょうか。
『AI時代には、ビジネスパーソンも博士課程で培うような「仮説と検証を繰り返す力」が求められる。筆者（コロンビア大学教授）は、授業準備にGPT-5とGeminiを活用する中で、博士課程で学んだ次の4つの基本スキルの重要性を再認識した。
推論を常にエビデンスで裏付けること
根拠を問い続ける姿勢
適切な質問を立てる力
「自分が新たに加えられる価値は何か」を常に意識すること
AIは既存データの「補間」には優れるが、未知領域の「外挿」には弱く、真に活用するには質問力と批判的思考が欠かせない。
情報を鵜呑みにせず、背景・前提を理解する力や危険を察知する感覚も重要であり、こうしたスキルはAIによって自動化されにくい。
今後、AIへの問いそのものが新たな知的財産（IP）となる時代が来ると筆者は述べる。
最終的に、MBA教育も博士課程と同様に「仮説検証型思考」「批判的質問力」「生涯学習」を重視すべきであり、AI時代の成功には、継続的な思考と学びのプロセスが不可欠だと結論づけている。』
生成AIに、この記事の内容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。
 
AI時代ビジネスには、博士課程の基本スキルが必要だ──常に仮説と検証を繰り返す
10/13
https://forbesjapan.com/articles/detail/83217
 
 
In the AI Era, Business Requires PhD-Level Fundamental Skills
I read an article titled “In the AI Era, Business Requires PhD-Level Fundamental Skills — Constantly Repeating Hypothesis and Verification.”
Here’s a summary of the key points:
In the age of AI, business professionals must develop the same core abilities cultivated during a PhD program — namely, the ability to form and test hypotheses repeatedly. The author, a professor at Columbia University, reflects on the importance of four fundamental skills learned during doctoral training, especially while preparing his lectures using GPT-5 and Gemini:

1. Always supporting reasoning with evidence
2. Maintaining a persistent attitude of questioning the basis for claims
3. Formulating the right questions
4. Constantly being aware of the unique value one adds

AI excels at “interpolation” within existing data, but it is weak at “extrapolation” into unknown territory. Therefore, effectively leveraging AI requires strong questioning ability and critical thinking.
The capacity to avoid taking information at face value, to understand the background and assumptions behind data, and to sense potential risks — these are also crucial, and such skills are difficult to automate with AI.
The author further argues that, in the near future, the questions we pose to AI themselves will become a new form of intellectual property (IP).
Ultimately, he concludes that MBA education, like PhD training, should emphasize hypothesis-testing thinking, critical inquiry, and lifelong learning, as continuous reflection and learning are essential for success in the AI era.
This article was further analyzed in depth by generative AI.
Please note that the analysis and insights are based solely on publicly available information and may not fully reflect reality; some inaccuracies may also be included.

第3世代人型ロボット「Figure 03」が登場、ちゃんといろんな家事をこなせる量産型ということです。
米国だけでなく中国の動向も含めて、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。
 
2025年10月10日
第3世代人型ロボット「Figure 03」が登場、ちゃんといろんな家事をこなせることを示すデモ動画あり
https://gigazine.net/news/20251010-figure-03/
 
家庭で使える量産人型ロボ「Figure 03」　安全性に配慮、“足でワイヤレス充電”も可能
https://www.itmedia.co.jp/aiplus/articles/2510/10/news096_3.html
 
Figure AIが「着せ替え」ロボット発表｜ニットウェアを纏った家庭用ヒューマノイドロボット
2025年10月10日
https://innovatopia.jp/robot/robot-news/68520/
 
 
Mass-Produced Humanoid Robot “Figure 03” for Home Use
The third-generation humanoid robot, “Figure 03,” has been unveiled — a mass-production model capable of performing various household chores.
I asked generative AI to conduct an in-depth analysis, covering not only developments in the United States but also trends in China.
Please note that the research and analysis results generated by AI are based solely on publicly available information. They may not fully reflect the actual situation and could contain inaccuracies, so please review them with this understanding.

『株価ピークから6割減「オムロン」今が買い？』という刺激的な記事が出ていましたので、生成AIに記事を深堀させました。
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。
 
 
株価ピークから6割減「オムロン」今が買い？長期投資家が注視すべきリスクと将来性＝
2025年10月10日
https://www.mag2.com/p/money/1661341/4
 
 
Omron Stock Down 60% from Its Peak
An eye-catching article titled “Omron Stock Down 60% from Its Peak—Is Now the Time to Buy?” was recently published, so I asked a generative AI to conduct an in-depth analysis of the piece.
Please note that the findings and analyses generated by the AI are based solely on publicly available information and may not necessarily reflect actual circumstances. They may also contain inaccuracies, so please review them with this understanding in mind.

「このままAIが発展するだけでAGI達成可能な理由」という講演の中で、AI研究者Frieve氏は、「人間のように柔軟にタスクをこなす汎用人工知能（AGI）は、既存技術の延長で到達可能」と断言しています。
「このままAIが発展するだけでAGI達成可能か否か」について、生成AIに深堀させました。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。
 
【AI】このままAIが発展するだけでAGI達成可能な理由
https://www.youtube.com/watch?v=2ZLe7KoDLhc
 
このままAIが発展するだけでAGI達成可能な理由
https://speakerdeck.com/frievea/konomamaaigafa-zhan-surudakedeagida-cheng-ke-neng-nali-you
 
以下は、生成AIによるYouTube動画の要約です。
 
このままAIが発展するだけでAGIは実現可能なのか
――スケール則がもたらす“指数的進化”の真実
■ 「ブレークスルーなしでAGI到達」説の根拠
AI研究者Frieve氏による講演・資料「このままAIが発展するだけでAGI達成可能な理由」は、「人間のように柔軟にタスクをこなす汎用人工知能（AGI）は、既存技術の延長で到達可能」と断言する。その主張の中核にあるのがスケール則（Scaling Laws）――「計算資源・データ量・モデルサイズを増やせば、AI性能はべき乗で向上する」という経験則である。このスケール則は2017〜2020年にかけて理論化され、AIの誤差（Loss）L(N)が資源Nの増加に対してL(N)＝A・N^-α＋Bという式で表されることが確認された。ここでBは「ベイズ誤差（床）」――理論上、超えられない限界を示す。Frieve氏は、「この限界に到達するまでは、資源を増やすほどAIは天井知らずに賢くなる」と指摘する。
■ 「性能の9割はスケールで解決」――現実を凌駕する単純な法則
AI研究の9割は、「単にスケールを拡大すれば自然と解決する問題」とFrieve氏は述べる。複雑なアルゴリズム改良よりも、GPU・データ・計算量の投入こそが最も効果的というのだ。現実には、これを実行できる企業は「世界でも10社未満」。その競争の中心にあるのが、OpenAI、Google、Anthropicといった超大規模AI企業である。近年の研究では“効率化”が急速に進み、スタンフォードAIインデックス2025によれば、推論コストは2年間で280倍低下、ハードウェアコストは年30%減少。さらに学習計算量は5か月ごとに倍増しつつも、性能向上はムーアの法則に近い指数的成長を維持している。
■ マルチモーダル化が導く“新しいスケーリング”
Frieve氏が特に強調するのが、モーダル・スケーリング（Modal Scaling）である。これは、テキスト・画像・音声・映像・行動データなど異なる種類の情報（モーダル）を統合して学習させることで、データ効率と理解力を飛躍的に高めるという発想だ。マルチモーダルAIでは、視覚・聴覚・言語・運動といった多様な知覚情報を同時に扱うことで、AIが「世界の全体像」をより正確に把握できるようになる。
■ コストの壁と“効率革命”
とはいえ、スケールの恩恵は「代償なし」ではない。AIの誤差を半減させるには、理論上約5,800倍の資源増加が必要とされる。2025年時点ではフロンティアモデルの学習コストが10億ドルを超え、AI専用データセンターの電力消費は年40%増加。それでも効率化技術（MoE・Sparsity・ハード最適化）が同時に進み、「投入資源あたりの成果」は上昇を続けている。
■ スケール則の“限界”と突破口
もちろん、スケール万能論にも限界はある。ベイズ誤差（世界の曖昧さ・倫理的価値観の違いに起因する不可避の誤差）、資源ミスマッチ（データ量が追いつかない）、演算精度の壁、アーキテクチャ限界などである。これらの制約を前提に、「資源配分設計」の最適化が今後の焦点となる。
■ 「AI研究者は3つの道しかない」
Frieve氏は、今後のAI開発者に次の三択を提示する。①効率化と配分の研究（スケールの限界を押し上げる最前線）、②本質的限界の探求（スケールでは解けない問題を見極める）、③応用研究（高性能モデルを使いこなし、現実課題に成果を出す）。特に3つ目の「応用研究」こそ、世界中の企業・個人が取り組むべき主戦場だという。
■ 結論：AGIは“スケールの延長線上”にある
講演と資料の総括として、Frieve氏はこう締めくくる。「スケール則に沿った努力こそ、最短で最も効率的なAGI実現の道である。」AIの進化は、もはや未知のブレークスルーを待つ段階ではない。資源投入・効率最適化・モーダル統合という現実的な積み上げこそが、人間の知性を超えるAIへの道筋を描いている。
 
 
Can AGI Be Achieved Simply Through Continued AI Advancement?
In the lecture “Reasons Why AGI Can Be Achieved Merely Through Continued AI Development”, AI researcher Frieve asserted that artificial general intelligence (AGI)—an intelligence capable of flexibly performing tasks like humans--can be reached as an extension of existing technologies.
I asked generative AI to conduct an in-depth analysis of whether AGI can indeed be achieved if AI continues to evolve along its current trajectory.
Please note that the following analysis is based solely on publicly available information and may not fully reflect the actual situation; it may also contain inaccuracies.
 
[AI] Reasons Why AGI Can Be Achieved Merely Through Continued AI Development
https://www.youtube.com/watch?v=2ZLe7KoDLhc
Reasons Why AGI Can Be Achieved Merely Through Continued AI Development
https://speakerdeck.com/frievea/konomamaaigafa-zhan-surudakedeagida-cheng-ke-neng-nali-you
 
Below is a summary of the YouTube lecture generated by AI.


Can AGI Be Realized Merely by Continuing AI’s Current Path?
—The Truth Behind the “Exponential Evolution” Predicted by Scaling Laws--
■ The Basis of the “AGI Without Breakthroughs” Hypothesis
In his lecture and materials, AI researcher Frieve claimed that AGI, capable of performing human-like flexible tasks, can be achieved through the natural extension of current technologies.
At the core of his argument lies the concept of scaling laws—the empirical rule that increasing compute, data, and model size improves AI performance according to a power law.
Between 2017 and 2020, researchers formalized this relationship, confirming that AI error (Loss) follows the equation L(N) = A·N⁻ᵅ + B, where B represents the Bayesian error floor—the theoretical limit beyond which improvement is impossible.
Frieve emphasizes that until this floor is reached, greater resources will continue to make AI smarter without bound.
■ “Ninety Percent of AI Progress Comes from Scaling”
Frieve argues that roughly 90% of AI progress comes simply from scaling up, rather than from complex algorithmic innovations.
He claims that the most effective route to progress is increased GPU power, data, and computation.
In reality, fewer than ten organizations worldwide can operate at such a scale—the leaders being OpenAI, Google, and Anthropic.
According to the Stanford AI Index 2025, inference costs have dropped 280× over two years, hardware costs decline 30% annually, and training compute doubles every five months, sustaining near-exponential performance growth akin to Moore’s Law.
■ Multimodality and the Rise of “Modal Scaling”
Frieve particularly stresses modal scaling—the integration of diverse data types such as text, images, audio, video, and behavioral data.
This multimodal approach dramatically enhances data efficiency and comprehension.
By processing multiple sensory modalities (vision, hearing, language, motion) simultaneously, AI gains a more holistic understanding of the world.
■ The Cost Barrier and the “Efficiency Revolution”
However, scaling is not without cost.
Theoretically, halving AI’s loss requires roughly 5,800× more resources.
As of 2025, frontier model training costs exceed $1 billion, while AI-dedicated data-center power consumption grows 40% annually.
Nevertheless, efficiency technologies--Mixture of Experts (MoE), sparsity, and hardware optimization—are advancing rapidly, continuing to improve output per unit of compute.
■ The Limits of Scaling and Paths Beyond
The “scaling solves everything” view has clear limits:

• The Bayesian error floor (stemming from real-world ambiguity and ethical diversity),
• Resource mismatch (insufficient high-quality data),
• Numerical precision and architectural constraints.
  Future progress, Frieve argues, will hinge on optimizing resource allocation design.

■ “AI Researchers Have Only Three Paths”
Frieve outlines three strategic directions for AI developers:

1. Efficiency and allocation research – pushing the limits of scaling.
2. Fundamental limits exploration – identifying what scaling alone cannot solve.
3. Applied research – leveraging high-performance models to deliver real-world results.
   He contends that applied research will be the main battlefield for companies and individuals worldwide.

■ Conclusion: AGI Lies on the Continuum of Scaling
Frieve concludes:
“Following the scaling laws is the shortest and most efficient path to AGI.”
AI evolution no longer depends on waiting for an unforeseen breakthrough.
Instead, systematic increases in resources, efficiency optimization, and multimodal integration form the realistic roadmap toward AI that surpasses human intelligence.

MITの研究者が定義する、AIに代替されにくい「ヒトにしかできない」5つの能力は、頭文字をとって「EPOCH（エポック）」と呼ばれています。Empathy（共感）、Presence（存在感）、Opinion（判断）、Creativity（創造性）、Hope（希望）――この5つの力こそが、AI時代においてビジネスパーソンが磨くべき“人間力”ということのようです。

• Empathy and emotional intelligence（共感性・感情的知性）
  他者の感情や意図を理解し、共感する能力です。AIはデータを基に感情を模倣することはできても、人間同士の信頼関係を築くような深いレベルでの共感はできません。
• Presence, networking, and connectedness（存在感・ネットワーク・つながり）
  対面でのコミュニケーションや、チーム、コミュニティにおける人間的な「つながり」を築く能力です。AIはデータをつなげることはできますが、人間同士の絆や連帯感を生み出すことはできません。
• Opinion, judgment, and ethics（意見・判断・倫理観）
  データには現れない信念や価値観に基づき、倫理的な判断を下す能力です。歴史を変えたような決断は、データが示す客観的な可能性を超えた、人間固有の信念から生まれるとされています。
• Creativity and imagination（創造性・想像力）
  既存のパターンにない、全く新しいアイデアを生み出す能力です。AIは膨大なデータから学習して創作することはできますが、人間のような直感や想像力を伴う根本的な創造性は持ち合わせていません。
• Hope, vision, and leadership（希望・ビジョン・リーダーシップ）
  未来の方向性を示し、人々を鼓舞して動機づける能力です。AIはデータに基づいた予測はできても、不確実性のある未来に向けて、希望を与えながら集団を導くことはできません。 

生成AIに「EPOCH」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。
 
【保存版】MITが提唱「EPOCH」とは？AI時代に人間が輝く5つの力を完全解説
https://note.com/tama583/n/n0fcc7de4bfae
 
 
The Five Human-Only Abilities Defined by MIT: “EPOCH”
Researchers at MIT have defined five human abilities that are difficult for AI to replace. Collectively, they are known by the acronym EPOCH — standing for Empathy, Presence, Opinion, Creativity, and Hope.
These five abilities represent the essential “human skills” that business professionals should cultivate in the age of AI.

• Empathy and Emotional Intelligence
  The ability to understand and empathize with the emotions and intentions of others.
  While AI can simulate emotions based on data, it cannot form deep, trust-based relationships or genuine empathy between humans.
• Presence, Networking, and Connectedness
  The ability to build authentic human “connections” through face-to-face communication, teamwork, and community engagement.
  AI can connect data, but it cannot create bonds or a sense of solidarity among people.
• Opinion, Judgment, and Ethics
  The ability to make ethical decisions grounded in beliefs and values that do not appear in data.
  History-changing decisions often stem from human conviction — going beyond the objective probabilities presented by data.
• Creativity and Imagination
  The ability to generate entirely new ideas outside of existing patterns.
  While AI can create based on vast amounts of learned data, it lacks the intuitive and imaginative creativity unique to humans.
• Hope, Vision, and Leadership
  The ability to envision the future and inspire and motivate others toward it.
  AI can forecast the future based on data, but it cannot lead people with hope or guide them through uncertainty.

A generative AI was asked to conduct an in-depth analysis of “EPOCH.”
Please note that the following analysis is based solely on publicly available information and may not fully reflect actual circumstances. It may also contain inaccuracies; therefore, please refer to it with that understanding.

社員のAI活用率が「9割超」で3人に1人が業務量半減を実感しているというコロプラが公開した“AI浸透”に必要な4つのステップについて、生成AIに深堀りさせました。
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。
 
電通とコロプラではトップデザイナー・トップクリエイターの知見を「AI化」、その真の狙いとは？
2025年10月10日
https://diamond.jp/articles/-/374455
 
社員のAI活用率は「9割超」——コロプラが公開した、“AI浸透”に必要な4つのステップとは
https://www.itmedia.co.jp/aiplus/articles/2510/07/news104.html
 
2025.10.06
コロプラ式「導入だけで止めない」AI活用の"浸透ステップ"公開 〜社員活用率90%超、3人に1人が業務量半減を実感――その具体策とは～
https://colopl.co.jp/news/info/2025100601.php
 
ゲーム、「創造」領域にAI　コロプラは想定外のキャラ生み出す
2025年9月9日
https://www.nikkei.com/article/DGXZQOUC174290X10C25A7000000/
 
 
Colopl’s “AI Penetration Steps” with Over 90% Employee AI Utilization
Colopl has revealed the four essential “AI penetration” steps that enabled over 90% of its employees to actively use AI, with one in three employees reporting that their workload has been cut in half.
I had generative AI conduct an in-depth analysis of these steps.
Please note that the analysis results produced by generative AI are based solely on publicly available information and may not fully reflect the actual situation. They may also contain inaccuracies, so please review them with that in mind.

オムロンは、全社的な生成AI活用プロジェクト「AIZAQ（アイザック）」を中心に、業務効率化や新たな価値創出のために生成AIを幅広く導入・推進しています。
主な活用事例としては、
1. 関税業務の効率化
2. 顧客対応の改善と商品開発
3. 業務効率化（お問い合わせ対応、意思決定の円滑化、: 意思決定プロセスの合理化、資料作成の自動化）
が挙げられ、社内でのナレッジシェア（知識共有）を促進し、生成AIの活用方法を検証する部署横断的な取り組みも行われています。
そして、オムロングループ内で培ったノウハウを活かし、顧客企業への生成AI導入を支援するサービスとして、「koto-Buddy: 社内文書（PDF、Word、Excelなど）を活用して業務効率化を図る生成AIサービス」「DXコンサルティング: 経営から現場まで一体となった生成AI導入アプローチを支援」も展開しています。
生成AI活用の先進企業であるオムロンの知財活動における生成AIの活用について、生成AIに調査させました。
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。
 
オムロングループの生成AIサービス「koto-Buddy」が業務効率化を実現する支援体制の強化　公開2025-10-01
https://voix.jp/business-cards/omron-ai-service-efficiency/
 
オムロンの生成AI活用推進プロジェクト「AIZAQ」ースマートな働き方と楽しく創造的な社会の実現を目指してー
https://www.omron.com/jp/ja/edge-link/news/717.html
 
 
Utilization of Generative AI in Omron’s Intellectual Property Activities
Omron is widely implementing and promoting generative AI across the organization to improve operational efficiency and create new value, with its company-wide initiative “AIZAQ” at the core.
Key applications include:

1. Streamlining customs operations
2. Improving customer service and product development
3. Enhancing business efficiency, such as handling inquiries, facilitating decision-making, rationalizing decision-making processes, and automating document creation.

The company also promotes cross-departmental initiatives to share knowledge internally and verify methods for utilizing generative AI.
Furthermore, leveraging the expertise cultivated within the Omron Group, Omron provides AI implementation support services for client companies, such as:

• koto-Buddy: A generative AI service that utilizes internal documents (PDF, Word, Excel, etc.) to enhance operational efficiency.
• DX Consulting: A consulting service that supports integrated generative AI adoption from management to on-site operations.

As a leading company in the use of generative AI, Omron’s application of this technology in intellectual property activities has been analyzed by generative AI.
Please note that the following research and analysis were conducted solely based on publicly available information. They may not fully represent the actual situation and could contain inaccuracies.

2025知財&情報フェアで行われたブースセミナーが、2025/10/10(金)ウェビナーで提供されました。『生成AIにより進化した企業知財の最前線』（株式会社MIXI　コンプライアンス本部 知財室　栗山 幸介 室長）で、ミクシィが全社を挙げてAI活用を推進する背景、特許分析ツール「サマリア」を用いた具体的な業務改革の事例などが語られていました。
以下は、生成AIによる要約版です。やはり実際の動画の視聴をお勧めします。
 
【ウェビナーレポート】ミクシィが実践する生成AI時代の知財戦略とは？明日から使えるAI活用の最前線
2025年、生成AIの進化はビジネスのあらゆる領域に変革をもたらしています。それは、専門知識が求められる「知的財産（知財）」の分野も例外ではありません。
先日、株式会社ミクシィで知財室の室長を務める栗山 幸介 氏が登壇したウェビナー「生成AIにより進化した企業知財の最前線」が開催されました。本ウェビナーは、2025年の知財情報フェアで好評を博したブースセミナーをWebで再開催したものです 。
この記事では、ミクシィが全社を挙げてAI活用を推進する背景から、特許分析ツール「サマリア」を用いた具体的な業務改革の事例まで、ウェビナーで語られた知財業務の"今"と"未来"をダイジェストでお届けします。
全社利用率99%！ミクシィを支えるAI推進体制
ミクシィにおける知財業務のAI活用は、知財室単独の取り組みではありません 2。その背景には、経営レベルでの強力な推進体制が存在します。
2023年から全社的な生成AI活用を推進し、2024年12月には「AI推進委員会」が発足。全従業員がChatGPT EnterpriseやGeminiといった最新のAIツールを自由に使える環境が整備されています。
その結果、全社でのAI利用率は99%に達し、月間で17,600時間もの業務時間削減を実現したというから驚きです。このような強力な土台があるからこそ、知財室でも「全ての特許業務にAIを活用する」という高い目標を掲げ、変革を加速させることができているのです。
AIは知財業務をどう変えたか？具体的な3つの活用事例
ウェビナーでは、特許情報に特化した生成AI分析プラットフォーム「サマリア」を活用した3つの具体的な事例が紹介されました。
1. 拒絶理由通知への対応（OA対応）を「1/3」に効率化
特許出願における拒絶理由通知への対応は、従来、多くの時間と労力を要する業務でした。ミクシィでは、このプロセスにAIを導入し、劇的な効率化を達成しています。

• ハイブリッドな新プロセス: サマリアによる初期分析、代理人の専門的知見、そしてミクシィが作り込んだ独自プロンプトを組み合わせることで、対応にかかる時間を従来の約40日から25日へと、およそ1/3も短縮しました。
• 品質は維持: スピードアップだけでなく、97〜98%という高い査定率を維持している点も注目すべきポイントです。品質を落とさずに、迅速な意思決定を実現しています。

2. 「ガチャ特許」分析で見えた新たな技術トレンド
ゲーム業界に特徴的な「ガチャ特許」。これらは既存の特許分類だけでは捉えきれない技術トレンドを秘めています。
ミクシィでは、AIを用いて1,400件のガチャ関連特許のクレームを分析し、独自の技術分類を付与することに挑戦。その結果、これまで見えにくかった技術の注力分野や市場の成熟度を可視化することに成功しました。
この手法は、人手では膨大な時間がかかる詳細な分類体系を迅速に構築できるため、特定の技術分野を深く理解するための強力な武器となります。
3. 検索式不要！分類ベースの新しい「FTO調査」
他社の特許権を侵害していないかを確認するFTO調査は、専門知識と多大な労力が必要な業務です。
栗山氏は、従来のキーワード検索に頼る手法ではなく、AIによる「分類ベース」という新しいアプローチを紹介。
まず、AIを用いて調査対象分野の技術を独自に分類します。次に、調査したい自社製品やサービスがその分類のどこに該当するかをAIに分析させ、関連する特許群を効率的に抽出します。これにより、検索式の作成という専門スキルへの依存度を下げ、よりスピーディな調査が可能になるといいます。
明日からAI活用を始めるための3つのステップ
ウェビナーの最後には、これからAI活用を始めたいと考えている担当者に向けて、栗山氏から実践的なアドバイスが送られました。

1. 社内の制約を確認する: まずはセキュリティルールやコンプライアンス規定を把握し、どのようなツールや情報を扱えるのかを確認することから始めましょう。
2. 公開情報から着手する: 特許情報は公開情報がほとんどです。今回紹介された特許分類の構築などは、秘密情報を扱うことなく試せる有効な第一歩です。
3. 小さな成功体験を積み重ねる: 大きな目標を一度に達成しようとせず、短期間で効果を検証できる小さなプロジェクトから始め、成功体験を積み重ねていくことが重要です。

まとめ：AIは知財担当者の価値を再定義する
「特許業務とAIの親和性は極めて高い。AI活用はもはやオプションではなく、必須のものになってきている」と栗山氏は語ります。
AIの登場は、私たち知財担当者の価値が再定義される時代の到来を意味しています。AIに任せられる処理的な業務はAIに任せ、人間はより戦略的で創造的な業務へとシフトしていく。そうすることで、組織の規模に関わらず、知財の力でビジネスに大きく貢献できる可能性が広がっています。
今回のウェビナーは、AIと共に進化する知財業務の未来を具体的に描き出す、非常に示唆に富んだ内容でした。ミクシィの先進的な取り組みは、多くの企業の知財部門にとって、次の一歩を踏み出すための大きなヒントとなるでしょう。
 
 
生成AIにより進化した企業知財の最前線【栗山 幸介 先生】【サマリアウェビナー】
https://www.youtube.com/watch?v=L65EENTdQxw
 
 
The Cutting Edge of Corporate Intellectual Property Evolved by Generative AI [Mr. Kousuke Kuriyama]
The booth seminar held at the 2025 Intellectual Property & Information Fair was delivered as a webinar on Friday, October 10, 2025.
In the session titled “The Cutting Edge of Corporate Intellectual Property Evolved by Generative AI,”
Mr. Kousuke Kuriyama, Director of the Intellectual Property Department, Compliance Division, MIXI, Inc., discussed the company’s organization-wide promotion of AI utilization, as well as concrete examples of business process transformation using the patent analysis tool “Summaria.”

米国特許商標庁（以下USPTO）は2025年10月8日に、AIが自動生成した先行技術調査の結果を審査前に特許出願人に提供するパイロットプログラムの導入を公表しました。
USPTOは、本試行プログラムにより、先行技術文献調査における AI ツールの有効性を試す狙いがあるとしています。このプログラムを通じて、特許審査官による実体審査の前に当該出願に関する潜在的な先行技術を出願人が認識でき、自発的な補正や出願の放棄といった手続・対応の促進が期待されています。
本試行プログラムについて生成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。
 
USPTO launches new AI Pilot for pre-examination utility application search
October 8, 2025Press Release25-13
https://www.uspto.gov/about-us/news-updates/uspto-launches-new-ai-pilot-pre-examination-utility-application-search
 
USPTO、AI ツールによる自動先行技術調査の試行プログラムを開始
2025 年 10 月 8 日
JETRO NY 知的財産部
https://www.jetro.go.jp/ext_images/_Ipnews/us/2025/20251008.pdf
 
米国特許商標庁による自動調査パイロットプログラムの開始に関して （2025年10月8日）
https://www.itohpat.co.jp/ip/2748/
 
 
USPTO AI Automatic Prior Art Search Pilot Program
On October 8, 2025, the United States Patent and Trademark Office (USPTO) announced the launch of a pilot program in which artificial intelligence automatically generates prior art search results and provides them to patent applicants before examination.
According to the USPTO, this pilot program aims to test the effectiveness of AI tools in conducting prior art searches. Through this initiative, applicants will be able to recognize potential prior art related to their applications before substantive examination by patent examiners begins, thereby encouraging voluntary amendments or even the withdrawal of applications as appropriate.
A generative AI model conducted an in-depth analysis of this pilot program.
Please note that the following investigation and analysis are based solely on publicly available information and may not fully reflect actual circumstances; inaccuracies or errors may also be included.
 

10月8日、ライオン株式会社は、『ものづくりDX』を加速する目的で、AWS協力のもと、オリジナル生成AIモデル「LION LLM」の開発を始動したと発表しました。
生成AIに、ライオンの独自生成AI「LION LLM」の開発に関して深掘りさせ、この「LION LLM」によってライオンの知財活動はどう変わるかを推測させました。
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。
 
2025年10月8日
ライオン株式会社
独自AIで『ものづくりDX』を加速
～AWS協力のもと、オリジナル生成AIモデル「LION LLM」の開発を始動～
https://doc.lion.co.jp/uploads/tmg_block_page_image/file/11002/20251008.pdf
 
ライオンが独自生成AI「LION LLM」開発　AWSジャパン協力、従来ツールより情報の網羅性が向上
2025/10/08
https://enterprisezine.jp/news/detail/22885
 
 
How Will Lion’s Proprietary Generative AI “LION LLM” Transform Its Intellectual Property Activities?
On October 8, Lion Corporation announced the launch of its original generative AI model, “LION LLM,” developed in collaboration with AWS, with the aim of accelerating its Manufacturing DX (Digital Transformation) initiatives.
Using generative AI, an in-depth analysis was conducted to explore the development of Lion’s proprietary model “LION LLM” and to predict how this initiative might transform Lion’s intellectual property (IP) activities.
Please note that the findings and analyses generated by AI are based solely on publicly available information. They may not necessarily reflect the actual situation and could include inaccuracies.

2025年10月8日に行われたサマリアウェビナー「OA対応における生成AIの活用例」では、弁理士法人はるか国際特許事務所パートナーの竹下賢弁理士が登壇し、特許庁からの拒絶理由通知（Office Action、OA）への対応業務における生成AIの実践的活用法を具体的に紹介しました。
以下は、生成AIによる要約版です。やはり実際の動画の視聴をお勧めします。


OA対応における生成AIの活用例【竹下 賢 先生】【サマリアウェビナー】
https://www.youtube.com/watch?v=dING_HwuVZk&t=3s
 
 
OA対応 × 生成AI ― 特許実務の新しい生産性曲線へ
2025年9月、知財・情報フェアで再演されたサマリアウェビナー「OA対応における生成AIの活用例」にて、弁理士法人はるか国際特許事務所の竹下賢 弁理士が講演。
生成AIが中間業務をどう変えるのか、その実践知を共有しました。
◆ OA対応は“避けられない壁”
日本の出願のうち、約86％が拒絶理由通知（OA）を受領。
進歩性（73.98％）、明確性（43.45％）、新規性（37.26％）が主な指摘理由です。
竹下氏は「特に外国OAは100ページを超えることもあり、人手不足の中で処理は極めて負担」と指摘。
業務効率化の鍵は「AIとの協働」にあると語ります。
◆ 生成AIが担う“読む・まとめる・比べる”
生成AIは文脈理解・要約・類似判断に優れ、OA対応では次のように活用できると紹介されました。

• 審査官指摘の段落をAIが自動要約し、技術要点を抽出
• 請求項と引用文献の一致点・相違点を整理
• 難解技術をAIに説明させ、理解支援に利用

「AIに“どこが重要か”を聞くだけで負担は劇的に減る」と竹下氏。
◆ 実務効果 ― サマリアで3～4割削減
竹下氏は特許読解支援AI「サマリア」を使用。
公報を自動解析し、該当段落の根拠付きサマリーを生成する「個別特許読解機能」や、
OA本文をアップロードして拒絶理由・補正案を可視化する「拒絶支援ワークフロー機能」により、
OA対応時間を3～4割削減できたといいます。
「AIは副操縦士。最終判断は人間が行う。」
AIは人を置き換えるのではなく、
知財実務の思考スピードと精度を拡張する存在として定着し始めています。
 
 
Practical Use of Generative AI in OA Response Work [Mr. Ken Takeshita]
At the Samaria Webinar held on October 8, 2025, titled “Practical Use of Generative AI in OA Response Work,” Ken Takeshita, patent attorney and partner at Haruka International Patent Office, presented specific, hands-on methods for applying generative AI in the process of responding to Office Actions (OA) issued by the Japan Patent Office.
The following is a summary generated by AI. However, it is highly recommended to watch the full video for a more comprehensive understanding.

2025 年 10 月 8 日（水）の NexTech Week 2025 特別講演「AI 役員」と共創する経営戦略では、キリンホールディングスの経営企画部の木村弥由氏とデジタル ICT 戦略部主務の真弓裕貴氏が、同社で開発・導入した AI 役員「CoreMate（コアメイト）」の裏側を公開し、現場の起案者と開発者が経営層を動かした舞台裏を解説しました。なかなか興味深い話が聞けました。
知財分野でも活用できるのではないかと思い、生成AIに提案させました。すでにキリンホールディングでは実行しているかもしれません。
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・人工知能EXPO特別講演
2025年10月08日（水）
https://biz.q-pass.jp/f/11187/ntwxr25/seminar_register?fid=im03U2cqisRetK9z&tag=14452
NT-A2
「AI役員」と共創する経営戦略
AI役員が経営会議に出席する時代 〜現場発の挑戦と組織カルチャーが実現した「AI×経営」〜
＜講演概要＞
「AI役員」が経営会議に参加!? Kirinが挑む意思決定の変革「CoreMate（コアメイト）」は、10年分の議事録や社内資料を分析し、人格化されたAIが議論を支援。現場の起案者と開発者が、経営層を動かした舞台裏をデモンストレーションと共にご紹介します
 
Kirin Holdings’ “AI Executive”: Could It Be Applied to the IP Field?
At the NexTech Week 2025 special lecture held on October 8, 2025 (Wednesday), titled “Management Strategy Co-Created with the ‘AI Executive’”, Ms. Kimura from the Corporate Planning Department and Mr. Mayumi, Principal of the Digital ICT Strategy Department at Kirin Holdings, revealed the behind-the-scenes story of the company’s internally developed and implemented AI executive system, “CoreMate.”
They explained how on-site proposers and developers influenced top management through this AI-driven initiative. It was a truly fascinating discussion.
I thought this concept could also be applied in the field of intellectual property (IP), so I asked a generative AI system to propose ideas for that possibility. It’s possible that Kirin Holdings has already begun exploring this application.
 

特許研究 第80号（2025年9月発刊）に掲載されている専修大学の谷口智紀教授の論文「AIを利用した資産評価と租税法上の意義―知的財産権の価値評価への利用とその課題―」は、AIと機械学習が、主観が入りやすく対立が生じがちな租税法上の資産評価問題をいかに解決できるかを探っています 。
論文によると、機械学習による評価は専門家の鑑定と比べて迅速性、正確性、中立性の点で優れており、評価の客観性を高める方法として有用であるとされていますが、特に知的財産権の分野では、AIの学習に不可欠な公開データが不動産などに比べて少なく、現段階での利用は難しいと指摘しています 。今後の課題として、機械学習による評価の法的な位置づけを明確にし、法整備を進めることで、納税者と租税行政庁との紛争を減らし、税法における公平性や予測可能性を高めることができると結論づけています 。
知的財産権の価値評価への利用は、まだまだ難しそうです。
生成AIにこの論文の学術的貢献、議論の長所と短所、そして今後の展望を含んだ包括的な評釈を作成させました。
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を利用した資産評価と租税法上の意義
―知的財産権の価値評価への利用とその課題―
https://www.inpit.go.jp/content/100885486.pdf
 
 
AI-Based Valuation of Intellectual Property Rights
Professor Tomonori Taniguchi of Senshu University published an article titled “AI-Based Asset Valuation and Its Significance under Tax Law: Application to the Valuation of Intellectual Property Rights and Related Issues” in Patent Studies No. 80 (September 2025 issue).
The paper explores how AI and machine learning can help resolve long-standing problems in tax law asset valuation, an area often characterized by subjectivity and disputes.
According to the paper, machine-learning-based valuation demonstrates clear advantages over traditional expert appraisal methods in terms of speed, accuracy, and neutrality, and can serve as a valuable approach for enhancing objectivity in valuation.
However, in the field of intellectual property (IP), the amount of publicly available data required for AI training is far smaller than in fields such as real estate, making practical application difficult at the current stage.
As a future challenge, the paper calls for clarifying the legal status of AI-based valuation and developing a legal framework to reduce disputes between taxpayers and tax authorities, thereby enhancing fairness and predictability in tax law.
In short, the application of AI to IP valuation still faces significant hurdles.
A generative AI model was tasked with producing a comprehensive commentary on this paper, including its academic contribution, strengths and weaknesses of the argument, and future outlook.
Please note that the analysis and findings generated by AI are based solely on publicly available information and may not fully reflect actual circumstances or contain inaccuracies.

Paragraph. 編集するにはここをクリック.​10月７日　
 
10月6日に行われた【サマリアウェビナー】「特許分析×生成ＡＩ活用の最新トレンド【上村 侑太郎 先生】」がYouTubeで無料公開されています。生成AIに概要をまとめさせましたので、参考にしてください。直接動画を視聴した方が良く理解できます。
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。
【題名】　特許分析×生成ＡＩ活用の最新トレンド【上村 侑太郎 先生】
【講師】　上村 侑太郎（株式会社LeXi/Vent）
https://www.youtube.com/watch?v=xY0mG5c4Be4
 
生成AIが変える特許情報分析の新時代
―レキシベント上村侑太郎氏が語る「知財×AI」の最前線と次の展望―
特許分析や知財戦略の現場で、生成AIが急速に存在感を高めています。
2025年10月6日に開催されたウェビナー「特許分析×生成AI活用の最新トレンド」（主催：パテント・インテグレーション株式会社）では、株式会社LeXi/Vent代表であり、大手化学メーカー知財部でもIPランドスケープを担当する上村侑太郎氏が登壇。
AIの進化と、特許情報分析の現場で何が起きているのかを、実例を交えながら解き明かしました。
________________________________________
生成AIの進化が知財実務に届いた瞬間
上村氏はまず、2017年の「Attention Is All You Need」論文から始まる生成AIの進化を振り返りました。
Transformerの登場からわずか数年で、GPTシリーズ、Claude、Geminiといった大規模言語モデル（LLM）が次々と登場。
「2025年は“エージェントAI元年”とも呼ばれ、AIが人の指示を待つ存在から、自律的に思考・判断する段階に入りつつある」と指摘します。
一方で、AIを知財業務に導入する際の課題も無視できません。
ハルシネーション（幻覚的な誤回答）、情報漏洩、著作権問題、トークン制約など、特許文書のような長文データを扱う際には注意が必要です。
「生成AIは確率的に“もっともらしい答え”を出す。だからこそ、RAG（Retrieval-Augmented Generation）や再学習制御を組み合わせ、信頼性を高める運用が求められる」と上村氏は語りました。
________________________________________
ツール群の進化：AIが“読む・分類する・分析する”
続いて上村氏は、特許調査・分析分野で登場している生成AIツールを体系的に紹介しました。
サマリア（Patent Integration）、ChatTokkyo（リーガルテック）、AcclaimIP、LexisNexis PatentSightなど、生成AIを搭載した知財ツールが次々と市場を席巻しています。
その中でも特に注目されたのが、サマリアの「分類展開・自動付与」機能です。
課題・解決手段・用途といった独自観点の分類を自動生成し、数千件の特許を数分でラベル付け。
Excel連携によるピボット分析やマッピングも容易で、従来数週間を要した工程が一気に短縮されます。
上村氏は「IPCやFIなど既存の分類だけでは、自社の戦略目的に即した粒度で技術を把握しにくい。
生成AIを使えば“自社語”での技術マップが描ける」と述べ、**AIによる“分類の民主化”**が進んでいることを強調しました。
________________________________________
発明アイデア創出へ：生成AIが「考える」時代へ
特許分析にとどまらず、生成AIは「発明アイデアの創出」にも応用されています。
上村氏は、川上成年氏（神戸大学）の「多空間デザインモデル」を紹介しながら、
「AIが技術情報と市場課題を結びつけ、価値あるアイデアを生み出すプロセスが現実になりつつある」と語ります。
実際の事例として、特許情報中の「酸化チタン含有フィルム技術」とスマートシティ関連市場データをAIに掛け合わせ、
“避難所用の遮光・断熱テント”や“IoTセンサー保護材”といった新しい用途を抽出。
これは人間の発想を補う「共創型アイデア創出」の好例です。
「技術棚卸し→市場課題設定→価値仮説→実現性評価」という流れをAIに担わせ、
知財部門が“守る”だけでなく“創る”活動へシフトする未来像を示しました。
________________________________________
企業導入と知財ガバナンス：実装のカギは「段階的検証」
講演後半では、生成AI導入を進める企業事例として、島津製作所・京セラ・旭化成などの取り組みが紹介されました。
上村氏は「ツール導入の成否を分けるのは、“どの業務に、どのリスクレベルで適用するか”を見極める判断軸だ」と述べ、
業務分解→評価→検証→標準化のサイクルを繰り返すことの重要性を強調しました。
また、プロンプトエンジニアリングに過度な依存を避け、ベンダー提供ツールで標準化と保守性を担保することも現実的な選択肢だと指摘。
「自社内でプロンプト管理をすべて行うと、メンテナンスコストが膨大になる。外部AIツールを適切に“共働者”として使うことが、実務的な最適解だ」と語りました。
________________________________________
AI時代の知財人材に求められる力とは
最後に上村氏は、生成AI時代における人間の役割について次のように述べました。
「AIにできないのは“仮説を立てる力”と“ストーリーを語る力”です。
作業はAIに任せ、人は意味づけと方向づけに集中する――それがこれからの知財部門の姿です。」
単なる業務効率化ではなく、AIを通じて知的創造の質を高めること。
それが、AI時代を生き抜く知財人材に求められる新しい力です。
________________________________________
おわりに：知財×生成AIが創る新しい知的生産の形
特許情報分析の世界は、いま「読解→分類→分析→構想」というすべてのフェーズでAIが支援できる段階に入りました。
上村氏の講演は、生成AIを“便利な道具”ではなく、“共に考えるパートナー”として捉えるための実践知に満ちています。
生成AIの進化が止まらない今、知財業務の本質は“保護”から“創造”へ――。
知的財産の未来は、AIとの協働の先に広がっています。
 
 
Latest Trends in Patent Analysis × Generative AI Utilization [Dr. Yutaro Uemura]
The Summaria Webinar titled “Latest Trends in Patent Analysis × Generative AI Utilization [Dr. Yutaro Uemura],” held on October 6, is now freely available on YouTube.
A summary of the session has been generated by AI for your reference, but we recommend watching the full video for a better understanding.
Please note that the research and analysis results produced by generative AI are based solely on publicly available information. They may not necessarily reflect actual circumstances and could contain inaccuracies, so please review them with due caution.

令和7年8月27日に中間判決が言渡された 令和６年（ネ）第１００３４号 特許権侵害損害賠償請求控訴事件 （原審・東京地方裁判所令和３年（ワ）第１５９６４号）は、発明の名称を「弾塑性履歴型ダンパ」とする特許権に基づく損害賠償請求について、一審の東京地裁が被告製品全ての非侵害を認定したのに対し、控訴審の知財高裁が被告製品6種のうち2種について文言侵害を認めるという、東京地裁の判断が部分的に覆された事案です。
生成AIに東京地裁の判決、知財高裁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。
 
令和6(ネ)10034特許権侵害損害賠償請求控訴事件
https://ipforce.jp/Hanketsu/jiken/no/14695
 
 
Case No. 2024 (Ne) 10034 “Elasto-Plastic Hysteretic Damper” (Interim Judgment)
In the appellate case Patent Infringement Damages (Case No. 2024 (Ne) 10034), for which an interim judgment was handed down on August 27, 2025, the invention in question concerns a patent titled “Elasto-Plastic Hysteretic Damper.”
In the first instance (Tokyo District Court, Case No. 2021 (Wa) 15964), the court found all of the defendant’s products to be non-infringing. However, on appeal, the Intellectual Property High Court partially overturned that decision, holding that two out of the six accused products constituted literal infringement of the patent.
A generative AI system was used to provide a commentary on both the Tokyo District Court’s and the IP High Court’s decisions.
Please note that the analysis and commentary generated by AI are based solely on publicly available information and may not fully reflect the actual facts; they may also contain inaccuracies. Please take these limitations into account when reviewing the content.

10月3日に行われた【サマリアウェビナー】「生成AIが拓く特許情報分析の新時代 ～特許情報の文脈理解による意味分類から新規事業構想まで～【川上 成年 先生】」がYouTubeで無料公開されています。生成AIに概要をまとめさせましたので、参考にしてください。直接動画を視聴した方が良く理解できます。
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。
 
生成AIが拓く特許情報分析の新時代 ～特許情報の文脈理解による意味分類から新規事業構想まで～【川上 成年 先生】【サマリアウェビナー】
https://www.youtube.com/watch?v=CQkWH_bXgFU&t=12s
 
生成AIが切り拓く特許情報分析の新時代
―― サマリア新機能と応用可能性の展望 ――
1. はじめに
2025年10月3日、株式会社知財デザイン代表取締役弁理士・川上成年氏によるウェビナー「生成AIが開く特許情報分析の新時代」が開催された。本稿では、その内容を整理し、知財実務における生成AI活用の現状と将来展望を検討する。


2. 特許分類手法の歴史的変遷
川上氏はまず、特許情報分析における分類手法の進化を俯瞰した。

1. 人手分類：深い意味理解を伴う一方、コスト・時間負担が大きく、再現性に欠ける。
2. 体系分類（IPC等）：網羅性・客観性に優れるが、意味解釈が難しい。
3. 機械学習によるクラスタリング：ビッグデータ処理に有効だが、解釈困難性が残る。
4. 生成AI分類：人手分類の意味性と機械処理のスケーラビリティを両立し得る「第四の方法論」として登場。

この流れを踏まえ、生成AIは「意味理解」と「対話的操作」を可能にする点で従来技術を凌駕する潜在力を持つと強調された。


3. サマリア新機能：AI分類レポート
今回のウェビナーの中心は、知財情報プラットフォーム「サマリア」に追加されたAI分類レポート機能である。

• ワンクリック可視化：AIによる分類結果を即時にグラフ化。
• ドリルダウン／アップ分析：課題と解決策を階層的に追跡可能。
• 対話的分析：グラフをクリックし、具体的特許文献へ直結。

従来の静的パテントマップに比し、「インタラクティブな知財分析」を実現する点が特筆される。


4. 応用事例：生成AIによるアイデア発想
川上氏は生成AIを用いた実験的応用として、製品コンセプト創出アプリを披露した。
「金曜夜に疲れを忘れさせるビール」というテーマから、生成AIは以下のような要素を導出した。

• 技術的着想：時間差放出技術、味覚シフト技術等の組合せ
• 市場的訴求：週末ストレス解消を訴求するキャッチコピー
• 顧客体験：飲用シーンを想定した具体的ストーリーボード

このデモンストレーションは、生成AIが単なる情報整理を超え、イノベーション触媒として機能する可能性を示した。


5. 新規事業構想への展開
さらに川上氏は、特許群を「課題×解決策マトリクス」で構造化し、新規事業コンセプト策定支援に応用する枠組みを提示した。

• 出願集中領域＝「レッドオーシャン」
• 出願空白領域＝「ホワイトスペース」

を可視化し、生成AIによる定性・定量分析を統合することで、戦略的提言の自動生成が可能となる。


6. 考察
生成AIによる特許分類は、従来法の限界を補い、

• 意味性（人間的解像度）
• 自動化（機械的スケーラビリティ）
  を兼備する稀有な技術的特性を持つ。

もっとも、出力の安定性や監査可能性といった課題も残されており、専門家によるフィードバックループを組み込むことが不可欠である。


7. 結論
本ウェビナーは、生成AIが特許情報分析において単なる効率化ツールにとどまらず、新規事業創出を駆動する基盤技術として位置付けられることを示唆した。
サマリアの新機能をはじめとする生成AI応用は、今後の知財実務におけるパラダイム転換の起点となり得るだろう。
 
 
The New Era of Patent Information Analysis Opened by Generative AI [Dr. Naritoshi Kawakami]
The Samaria Webinar titled “The New Era of Patent Information Analysis Opened by Generative AI — From Semantic Classification through Contextual Understanding of Patent Information to New Business Conception” (presented by Dr. Naritoshi Kawakami) held on October 3 is now available for free on YouTube.
A summary has been generated by generative AI for your reference, though watching the video directly will help you understand it more deeply.
Please note that the analysis and findings provided by the generative AI are based solely on publicly available information. They may not necessarily reflect the actual circumstances and could contain inaccuracies, so please use them with due caution.

10月2日に行われた【サマリアウェビナー】「特許調査における生成ＡＩ活用の最前線【角渕 由英 先生】」がYouTubeで無料公開されています。生成AIに概要をまとめさせましたので、参考にしてください。直接動画を視聴した方が良く理解できます。
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。
 
以下、生成AIによる概要
特許調査における生成AI活用の最前線
― 人とAIの役割分担を再定義する ―
弁理士法人レクシード・テック パートナー
弁理士・博士（理学） 角渕由英
1. はじめに
2025年10月2日、弁理士法人レクシード・テックの角渕由英弁護士によるウェビナー「特許調査における生成AI活用の最前線」が開催された。本ウェビナーは「2025知財情報フェア」で高い評価を受けたブースセミナーの再演である。
角渕氏は、自身の研究・実務経験を背景に、生成AIを知財調査に取り入れる際の基本原則・実践事例・課題と展望を整理し、今後の人とAIの役割分担を再定義する方向性を提示した。
2. 生成AIは「手段」であり「目的」ではない
講演の冒頭で強調されたのは、「AIは目的ではなく手段である」という基本姿勢である。
・調査自体は「目的」ではなく、その先にある出願・権利化・係争対応・ビジネス戦略を支えるための「手段」である。
・生成AIも同様に、業務効率化のために導入すべきであり、「AI活用そのもの」が目的化してはならない。
3. 生成AI活用の基本原則
角渕氏は、特許調査における生成AI活用の「三原則」として以下を提示した。
① タスクの細分化
「特許調査をしてください」と一括指示するのではなく、調査目的を段階ごとに明確化し、タスクを分解して実行する。
② 生成AIとの対話
初期段階では仮説的な問いを投げかけ、生成AIから項目や視点を列挙させ、その後深掘りを行う。
③ 問いを立て磨く
一度のプロンプトで最適解に至ることは稀であり、試行錯誤によって「問い」を洗練させる必要がある。
4. GPT-5による先行技術調査の実演
角渕氏は最新のGPT-5を活用した「宙に浮く箸」事例を用い、実際の調査デモを行った。
段階的アプローチ：
1. Web情報による市場・製品・プレイヤーの把握
2. 特許データベースを用いた網羅的調査
3. 分類整理・リスト化・タグ付け
4. グラフ化・レポート出力による可視化
数週間かかる作業を、数分〜15分程度でレポート出力することに成功した。
5. サマリアによる特化型AI活用
知財特化型AIツール「サマリア」の活用例も紹介された。
・分類支援（展開・構築・付与・クラスタリング）
33件の文献をわずか数分で分類展開、分類付与を実現。
・レポート機能
独自分類×特徴語でクロス集計し、先行技術や無効資料のスクリーニングに活用。
6. 無効資料調査の応用事例
GPT-5とサマリアを併用した無効資料調査の事例が紹介された。
・GPT-5：請求項PDFを入力すると、発明の要点を理解し、関連する先行技術との対比表や無効論の骨子を数分で生成。
・サマリア：調査観点を抽出し、関連特許を対比・整理。プロレベルでのチェックを容易化。
7. まとめと展望
角渕氏は、次のように総括した。
・まずは生成AIを使ってみることが重要
・タスク細分化・言語化・テンプレ化で組織的活用を促進
・AIは手段であり、目的から逆算した活用が不可欠
・完璧を求めず、「コスパ重視」のAI活用を行うべき
・汎用AIと特化型AIの適材適所の使い分けが組織力を高める
8. おわりに
本ウェビナーは、生成AI時代における知財実務の新しい地平を示すものであった。
調査の効率化にとどまらず、「人とAIの役割分担」を再定義し、問題設定・戦略判断に人間が集中する未来像が描かれた。
今後、知財部門においては、AI活用を「属人化させない仕組み化」と「人材育成」と両立させることが競争力の鍵となるだろう。
 
 
特許調査における生成ＡＩ活用の最前線【角渕 由英 先生】
https://patent-i.com/summaria/manual/S_20251002
 
特許調査における生成ＡＩ活用の最前線【角渕 由英 先生】【サマリアウェビナー】
https://www.youtube.com/live/FK6GTh6zPpg
 
 
The Cutting Edge of Generative AI Utilization in Patent Searching [Lecture by Yoshihide Ysunobuchi]
The Samaria Webinar titled “The Cutting Edge of Generative AI Utilization in Patent Searching [Lecture by Yoshihide Tsunobuchi],” held on October 2, is now available for free on YouTube.
Below is a summary generated by generative AI for your reference. However, you will gain a much deeper understanding by watching the video directly.
Please note that the following analysis and summary were created solely based on publicly available information and may not accurately reflect the full reality of the content. Some inaccuracies or errors may also be included, so please keep that in mind when reviewing it.

令和7年6月26日に判決が言渡された 令和6年(ネ)第10086号 意匠権侵害差止等請求控訴事件.（原審・東京地方裁判所令和3年(ワ)第20229号）は、意匠に係る物品を「収納容器」とする意匠権に基づく侵害行為差止等請求につき、被告商品に係る意匠は原告意匠と類似しないとした事例です。
本事件は、第1審判決（東京地判令和6年10月30日）では、被疑侵害意匠（被告意匠）が意匠権に係る意匠（原告意匠）と類似すると判断され被疑侵害品の差止め等が認められましたが、控訴審判決では、類似しないと判断されたもので、意匠の類否について知財高裁が第1審と異なる判断をしたことで注目されている事例です。
生成AIに知財高裁令和6年(ネ)第10086号判決を評釈させ、判決へのコメントなどを調査させました。
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。
 
令和６年(ネ)第１００８６号 意匠権侵害差止等請求控訴事件 （原審・東京地方裁判所令和３年(ワ)第２０２２９号）判決
https://www.courts.go.jp/assets/hanrei/hanrei-pdf-94249.pdf
https://www.courts.go.jp/assets/hanrei/hanrei-point_pdf-94249.pdf
 
2025年07月10日
知財高裁令和６年（ネ）第１００８６号　意匠権侵害差止等請求控訴事件
（原審：東京地裁令和３年（ワ）第２０２２９号）
https://www.sun-group.co.jp/news/3702.html
 
特許法の八衢　2025-07-13
意匠類否判断が第1審と控訴審とで異なった事案 ― 東京地判令和6年10月30日（令和3年(ワ)第20229号）・知財高判令和7年6月26日（令和6年(ネ)第10086号）
https://patent-law.hatenablog.com/entry/2025/07/13/114149
 
知財高裁で逆転勝訴! 令和６年(ネ)第１００８６号 意匠権侵害差止等請求控訴事件
https://www.youtube.com/watch?v=QeJE6E0PYqE
 
人大江橋法律事務所　知的財産ニュースレター 2025.10月号
意匠の類否につき知財高裁が第1審と異なる判断をした事例
https://www.ohebashi.com/jp/newsletter/IPNewsletter202510.pdf
 
 
Case No. (Ne) 10086 of 2024: Appeal Case for Injunction, etc. Based on Design Right Infringement
The judgment in Case No. (Ne) 10086 of 2024, Appeal Case for Injunction, etc. Based on Design Right Infringement (original instance: Tokyo District Court Case No. (Wa) 20229 of 2021), was rendered on June 26, 2025.
This case involved a claim for an injunction, etc., based on a design right for an article described as a “storage container.” The Intellectual Property High Court held that the design of the defendant’s product was not similar to the plaintiff’s registered design.
In the first instance (Tokyo District Court judgment of October 30, 2024), the court determined that the allegedly infringing design (defendant’s design) was similar to the plaintiff’s registered design, and thus granted the injunction and other relief sought.
However, in the appeal judgment, the IP High Court reached the opposite conclusion—that the two designs were not similar—thereby reversing the lower court’s ruling.
This case has attracted attention because the IP High Court reached a different conclusion from the trial court regarding the similarity of designs.
Generative AI was tasked with providing commentary on the IP High Court judgment in Case No. (Ne) 10086 of 2024 and investigating public comments and analyses concerning the decision.
Please note that the investigation and analysis conducted by generative AI are based solely on publicly available information and may not accurately reflect actual circumstances. They may also include erroneous information, so please refer to them with due caution.