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.

自律型AIエージェント「Manus」は、知的財産（IP）業務のパラダイムシフトを加速させる可能性を秘めています。従来、時間と労力を要していた先行技術調査、出願書類作成、競合分析といった定型業務を自動化・高速化するだけでなく、社内に散在する非構造化データから発明の種を能動的に発掘し、データ駆動型のIP戦略立案を支援するなど、業務の「高度化」を実現でき、Manusの活用は、IP部門を管理機能から解放し、事業戦略の中核を担う戦略的ドライバーへと変革させるポテンシャルを秘めていると考えられます。
生成AIに、Manus を活用した知財業務の効率化と高度化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。
 
Enhancing Efficiency and Sophistication of IP Operations Using Manus
The autonomous AI agent “Manus” has the potential to accelerate a paradigm shift in intellectual property (IP) operations. It not only automates and accelerates routine tasks that traditionally required significant time and effort—such as prior art searches, preparation of application documents, and competitive analysis—but also enables a higher level of operations. For example, it can proactively uncover seeds of invention from unstructured data scattered across an organization and support data-driven IP strategy formulation.
The use of Manus is therefore expected to transform IP departments from administrative functions into strategic drivers at the core of business strategy.
I asked generative AI to conduct an in-depth analysis of how Manus can enhance the efficiency and sophistication of IP operations.
Please note that the research and analysis results generated by AI are based solely on publicly available information and may not necessarily reflect actual conditions. They may also contain inaccuracies, and should be reviewed with this in mind.

自律型AIエージェントであるManus（マナス）の劇的な進化と、その革新的な新機能について解説したYouTube動画「今リアルに一番使っているメインのAI「Manus」が最近凄すぎる件」(23分39秒)は、共感を持って視聴しました。
従来のチャット形式を超え、仮想PC上で自ら計画を立ててタスクを完遂する「自立型」で、Gemini, Claude, ChatGPTではできないこともやってのける自律型AIエージェントです。
このManusの最新の情報を生成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。
 
今リアルに一番使っているメインのAI「Manus」が最近凄すぎる件
https://www.youtube.com/watch?v=2wHAAk_XQOU
 
 
The Dramatic Evolution of the Autonomous AI Agent “Manus”
I watched with great interest a YouTube video titled “The AI I’m actually using the most right now—Manus has become insanely powerful lately” (23 minutes 39 seconds), which explains the dramatic evolution of the autonomous AI agent Manus and its innovative new features.
Going beyond the traditional chat-based interface, Manus operates as an “autonomous” agent that plans and executes tasks on its own within a virtual PC environment. It is capable of accomplishing things that even Gemini, Claude, and ChatGPT cannot.
I asked a generative AI system to conduct a deeper analysis of the latest developments surrounding Manus.
Please note that the analysis generated by AI is based solely on publicly available information and may not necessarily reflect the full reality. It may also contain inaccuracies, so please review it with this in mind.

マツダが日本製鉄との共創で取り組んだ調達の革新により新型「CX-5」における鋼材重量とコストの削減を実現した事例についての記事では、このマツダと日本製鉄の連携が従来の自動車業界の常識を覆す調達モデルの抜本的転換とされていましたので、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。
 
「マツダの本気」が日本製鉄を動かした、鋼板調達の新モデル　2026年03月26日
https://monoist.itmedia.co.jp/mn/articles/2603/26/news032.html
　
 
Mazda’s Procurement Innovation Through Co-Creation with Nippon Steel
An article introduced a case in which Mazda achieved reductions in both steel weight and cost for the new CX-5 through a procurement innovation initiative carried out in co-creation with Nippon Steel. This collaboration between Mazda and Nippon Steel was described as a fundamental transformation of the procurement model that overturns conventional practices in the automotive industry. Based on this, I asked generative AI to provide a deeper analysis.
Please note that the research and analysis results generated by AI are based solely on publicly available information and do not necessarily reflect actual conditions. They may also contain inaccuracies, so please review them with this in mind.

Anthropicが開発中の次世代AIモデル「Claude Mythos」に関する機密資料が外部へ流出した可能性が2026年3月26日に報じられました。報道によれば、コンテンツ管理システムの設定不備という人為的ミスにより、約3,000件の内部ドキュメントが一時的に公開状態となっていたとされています。この流出により、現行の最上位モデル「Claude Opus」を大幅に凌駕する「Claude Mythos」の驚異的な性能、特にソフトウェアの脆弱性を自動で発見・悪用しうる卓越したサイバーセキュリティ能力が明らかになり、AIによるサイバー攻撃の脅威を現実のものとして市場に強く意識させ、サイバーセキュリティ関連銘柄や暗号資産市場の急落を引き起こしました。
この件について、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。
 
2026/03/29
Anthropicから未発表の次世代AI「Claude Mythos」内部文書が流出
サイバーリスクへの警戒からソフトウェア株とビットコインが急落
https://www.sbbit.jp/article/cont1/183482
 
 
Confidential Documents on Anthropic’s Next-Generation AI Model Leaked Externally
On March 26, 2026, it was reported that confidential documents related to “Claude Mythos,” a next-generation AI model under development by Anthropic, may have been leaked externally. According to the reports, approximately 3,000 internal documents were temporarily exposed due to a human error involving misconfigured settings in a content management system.
This leak revealed the astonishing capabilities of “Claude Mythos,” which is said to significantly surpass the current flagship model, “Claude Opus.” In particular, its advanced cybersecurity capabilities—such as the ability to autonomously discover and exploit software vulnerabilities—have drawn serious attention. The incident has heightened market awareness of AI-driven cyberattack risks, contributing to sharp declines in cybersecurity-related stocks and the cryptocurrency market.
I conducted a deeper analysis of this issue using generative AI. 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.

リーガルテック株式会社は2026年3月23日、知財AIプラットフォーム「Tokkyo.Ai」に、ベテラン担当者の思考プロセスを可視化し、次世代の知財人材育成を支援する新機能「AIエージェント」を追加したことを発表しました。この機能は、特許の検索、評価、出願判断といった一連の業務における専門家の「暗黙知」をデータとして構造化し、組織内で再現・共有可能にすることを目的としています。
この新機能は、判断の「プロセス」そのものをデータ化するというアプローチで、従来のOJTに頼った育成モデルから、組織として知識を継承・発展させる「再現可能な育成基盤」への転換を促すものとして注目されますので、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。
 
知財業務の判断プロセスを可視化する育成支援AI機能を提供開始【リーガルテック】
属人化した暗黙知を構造化し、次世代知財人材の育成基盤を強化
リーガルテック株式会社
2026年3月23日
https://prtimes.jp/main/html/rd/p/000000454.000042056.html
 
 
AI for Human Resource Development that Visualizes Decision-Making Processes in IP Operations
On March 23, 2026, LegalTech Co., Ltd. announced that it has added a new feature, an “AI Agent,” to its IP AI platform Tokkyo.Ai. This feature visualizes the thought processes of experienced professionals and supports the development of next-generation IP talent.
The function aims to structure experts’ “tacit knowledge” as data across a series of tasks such as patent search, evaluation, and filing decisions, making it reproducible and shareable within an organization.
By taking an approach that digitizes the decision-making “process” itself, this new feature is drawing attention as a shift away from conventional OJT-dependent training models toward a “reproducible development infrastructure” that enables organizations to systematically inherit and evolve knowledge. Therefore, we asked generative AI to conduct a deeper analysis of this initiative.
Please note that the research and analysis results generated by AI are based solely on publicly available information and do not necessarily reflect actual conditions. They may also contain inaccuracies, so please review them 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４（特許電気）「クレームで用いられている用語の解釈と明確化」では、以下の３つの論点が議論されました。
論点１：明細書の記載に照らしたクレームの用語の合理的な解釈について
論点２：
明細書の記載に照らしたクレームの用語の合理的な解釈に影響すると思われる留意点について
論点３：クレームの用語が無数の解釈を有しうる事例について
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４（特許電気）「クレームで用いられている用語の解釈と明確化」
https://www.jpo.go.jp/resources/shingikai/kenkyukai/sinposei_kentoukai/document/2025_houkokusyo/01_electricity.pdf
 
 
Interpretation and Clarification of Terms Used in Claims
In the case study “Interpretation and Clarification of Terms Used in Claims” (Theme 4: Electrical Inventions) from the Trial Practitioner Study Group Report 2025 published by the Trial and Appeal Department of the Japan Patent Office, the following three issues were discussed:

• Issue 1: Reasonable interpretation of claim terms in light of the description in the specification
• Issue 2: Key considerations that may affect the reasonable interpretation of claim terms based on the specification
• Issue 3: Cases in which claim terms may admit multiple interpretations

A generative AI was used to further analyze these issues in depth. Please note that the results of this AI-based research and analysis are derived solely from publicly available information and may not necessarily reflect actual circumstances, and may also contain inaccuracies.

2026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.

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.

2026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.

2026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.

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.

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.

Anthropic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.

Sakana 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.

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.