生成AI・機械学習を活用した
特許(技術)調査・分析と技術マーケティングへの応用
【 2日間セミナー 】
【基礎編】&【実践テクニック・応用編】で徹底解説
特許調査・分析はどこまで高速・高精度化/俗人化脱却ができるのか? 技術マーケや新規事業への展開法は?
生成AI時代に知財と事業をつなぐAI活用テクニックを多数紹介!
受講可能な形式:【Live配信(アーカイブ配信付)】のみ
AIによる高精度な「セマンティック検索」、膨大な公報を瞬時に読み解く「AI要約」、
競合動向を可視化する「AIパテントマップ」など、特許調査・分析を高速化・高精度化する実践テクニックを紹介。
さらに、自社技術の「新たな応用先」や「市場の空白領域(ホワイトスペース)」を探索し、
技術マーケティングや新規事業開発に繋げる応用手法も深掘りします。
1日目の基礎編は、代表的な特許調査タスクの整理から、AI/機械学習の基本概念仕組みの理解や、
知財・技術情報の調査における活用可能性や限界など、実践・応用に向けて必要な知識を基礎から整理しますので、
生成AI/機械学習と特許調査や技術マーケティングとの関係を体系的に押さえておきたい、という方にもおすすめです。
競合動向を可視化する「AIパテントマップ」など、特許調査・分析を高速化・高精度化する実践テクニックを紹介。
さらに、自社技術の「新たな応用先」や「市場の空白領域(ホワイトスペース)」を探索し、
技術マーケティングや新規事業開発に繋げる応用手法も深掘りします。
1日目の基礎編は、代表的な特許調査タスクの整理から、AI/機械学習の基本概念仕組みの理解や、
知財・技術情報の調査における活用可能性や限界など、実践・応用に向けて必要な知識を基礎から整理しますので、
生成AI/機械学習と特許調査や技術マーケティングとの関係を体系的に押さえておきたい、という方にもおすすめです。
|
[1日目]2026年1月22日(木) 10:30~16:30
【 1日目:基礎編 】
1. はじめに
2. 特許調査と検索の基礎 3. 機械学習・深層学習の基礎 4. 商用AI特許調査ツールの活用事例 5. 生成AIの基礎と特許調査における可能性 6. RAGとベクトル検索の基礎 7. プロンプト設計と簡易評価 8. AIを利用した知財・技術分野での活用例 9. 特許実務へのAI利用の現状のまとめと将来展望 【付録】自分でできる特許情報解析ツール紹介① |
[2日目]2026年1月29日(木) 10:30~16:30
【 2日目:実践テクニック・応用編】
1. はじめに
2. なぜ今、特許業務にAIなのか? 3. 実践テク① AIによる特許調査・読解の高速・高精度化 4. 実践テク② AIによる特許分析・可視化 5. 応用編:技術マーケティング・新規事業への展開 6. 実務①:構成要素抽出と対比表自動化 7. 実務②:コーパス拡張とRAG設計 8. AI導入と未来展望 【付録】自分でできる特許情報解析ツール紹介② |
★講師の実演に倣ってご自身でハンズオン学習もしていただきやすいようなデータを収録した【付録】付き
※1日目、2日目だけの受講も可能です※
| 日時 | [1日目]基礎編 2026年1月22日(木) 10:30~16:30 |
|||
|---|---|---|---|---|
| [2日目]実践テクニック・応用編 2026年1月29日(木) 10:30~16:30 |
||||
|
受講料(税込)
各種割引特典
|
99,000円
( E-Mail案内登録価格 94,050円 )
S&T会員登録とE-Mail案内登録特典について
定価:本体90,000円+税9,000円
E-Mail案内登録価格:本体85,500円+税8,550円
|
|||
|
E-Mail案内登録なら、2名同時申込みで1名分無料
1名分無料適用条件
2名で99,000円 (2名ともE-Mail案内登録必須/1名あたり定価半額の49,500円)
1名申込みの場合:77,000円 ( E-Mail案内登録価格 73,150円 ) 定価:本体70,000円+税7,000円 E-Mail案内登録価格:本体66,500円+税6,650円 ※1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。 ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。 ※他の割引は併用できません。 単日(1日目のみ/2日目のみ)受講料
2名で55,000円 (2名ともE-Mail案内登録必須/1名あたり定価半額の27,500円) ※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。 ※3名様以上のお申込みの場合、1名あたり定価半額で追加受講できます。
1名で 44,000円(E-Mail案内登録価格 42,020円) 定価:本体40,000円+税4,000円 E-Mail案内登録価格:本体38,200円+税3,820円 ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。 ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。 ※他の割引は併用できません。 |
||||
| 配布資料 | PDFテキスト(印刷可・編集不可) ※開催2日前を目安に、弊社HPのマイページよりダウンロード可となります。 | |||
| オンライン配信 | ZoomによるLive配信 ►受講方法・接続確認(申込み前に必ずご確認ください)
セミナー視聴・資料ダウンロードはマイページから お申し込み後、マイページの「セミナー資料ダウンロード/映像視聴ページ」に お申込み済みのセミナー一覧が表示されますので、該当セミナーをクリックしてください。 開催日の【2日前】より視聴用リンクと配布用資料のダウンロードリンクが表示されます。 アーカイブ(見逃し)配信について 1日目:1月23日(金)~2月5日(木) 2日目:1月30日(金)~2月13日(金) ※アーカイブは原則として編集は行いません ※視聴準備が整い次第、担当から視聴開始のメールご連絡をいたします。 (開催終了後にマイページでご案内するZoomの録画視聴用リンクからご視聴いただきます) ※視聴についてのお問合せ対応等は年内営業日までの受付となりますので予めご了承ください | |||
| 備考 | ※セミナーの録音・撮影はご遠慮申し上げます。 ※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。 | |||
セミナー講師
アジア特許情報研究会 安藤 俊幸 氏
元花王(株) 知的財産部 技術情報戦略G
【専門】知財情報解析、AI活用、機械学習、テキストマイニング、分析化学
元花王(株) 知的財産部 技術情報戦略G
【専門】知財情報解析、AI活用、機械学習、テキストマイニング、分析化学
情報科学技術協会、人工知能学会、データサイエンティスト協会 各会員
1985年 現花王株式会社入社、研究開発に従事
1999年 研究所の特許調査担当(新規プロジェクト)、2009年 知的財産部
2011年よりアジア特許情報研究会所属
2020年 特許情報普及活動功労者表彰 日本特許情報機構理事長賞「技術研究功労者」受賞
2024年 花王定年退職 、AI技術情報アドバイザーとして活動
第49回「情報科学技術協会賞」研究発表賞受賞
2025年 ソフィア・リサーチラボ起業
1985年 現花王株式会社入社、研究開発に従事
1999年 研究所の特許調査担当(新規プロジェクト)、2009年 知的財産部
2011年よりアジア特許情報研究会所属
2020年 特許情報普及活動功労者表彰 日本特許情報機構理事長賞「技術研究功労者」受賞
2024年 花王定年退職 、AI技術情報アドバイザーとして活動
第49回「情報科学技術協会賞」研究発表賞受賞
2025年 ソフィア・リサーチラボ起業
セミナー講演内容
※イントロ部など、1日目、2日目で一部重複する内容がございます。
1日目 2026年1月22日(木)
1日目 2026年1月22日(木)
| 基礎編 |
[趣旨]
本セミナー〈1日目:基礎編〉は、2日目の「生成AI・機械学習を活用した特許(技術)調査・分析と技術マーケティングへの応用〈実践テクニック・応用編〉」を最大限活用していただくための土台づくりを目的としています。
基礎編の前半では、特許文献の構成や新規性・FTO・無効・動向といった代表的な特許調査タスク、および従来の検索・対比表作成の流れを整理し、その中でどこにAIの余地があるかを明確にします。後半では、機械学習・深層学習・生成AI(大規模言語モデル)の基本概念、RAG(検索拡張生成)やベクトル検索のイメージ、プロンプト設計と簡易な評価の考え方を解説し、特許・技術分野での具体的な活用例と留意点までを概観します。AIの仕組みと限界を理解したうえで、〈実践テクニック・応用編〉で扱う「特許調査フローへの組み込み」「技術マーケティングへの応用」にスムーズに進めることを狙いとしています。
基礎編の前半では、特許文献の構成や新規性・FTO・無効・動向といった代表的な特許調査タスク、および従来の検索・対比表作成の流れを整理し、その中でどこにAIの余地があるかを明確にします。後半では、機械学習・深層学習・生成AI(大規模言語モデル)の基本概念、RAG(検索拡張生成)やベクトル検索のイメージ、プロンプト設計と簡易な評価の考え方を解説し、特許・技術分野での具体的な活用例と留意点までを概観します。AIの仕組みと限界を理解したうえで、〈実践テクニック・応用編〉で扱う「特許調査フローへの組み込み」「技術マーケティングへの応用」にスムーズに進めることを狙いとしています。
[プログラム]
1.はじめに
1.1 講師自己紹介
1.2 アジア特許情報研究会紹介
2.特許調査と検索の基礎
2.1 特許文献の基本構成:請求項・明細書・図面・書誌
2.2 主な調査タスク:新規性/FTO/無効資料/動向調査
2.3 調査対象と調査範囲の特定・明確化
2.4 マッチングと適合
2.5 特許調査における再現率(網羅性)と適合率(効率)
2.6 「完全一致」⇔「最良一致」検索モデルの比較
2.7 従来の特許調査標準フロー
2.8 典型的なアウトプット:対比表、技術動向レポート
2.9 従来の人手作業による課題と限界
3.機械学習・深層学習の基礎
3.1 人工知能(AI:Artificial Intelligence)とは
3.2 AIの使用と情報要求
3.3 AI/機械学習/深層学習の関係(用語整理)
3.4 タスク例:分類・回帰・クラスタリング・生成
3.5 特徴量・モデル・評価指標(精度・再現率など
3.6 データサイエンスベースの特許調査
3.7 実践的なAI活用と注意点
3.8 機械学習/AIの原理的な限界
4.商用AI特許調査ツールの活用事例
4.1 AI特許調査ツールへの要求性能
4.2 PatentfieldのAIセマンティック検索
4.3 PatentfieldのAI分類予測
4.4 PatentSQUAREのAI検索・AI分類
4.5 Amplified.aiのAI検索
4.6 THE調査力AI(Deskbee5)のSDI調査事例
4.7 最新AI特許調査ツールの開発動向
5.生成AIの基礎と特許調査における可能性
5.1 生成AIのしくみと限界
5.2 OpenAIのChatGPT5
5.3 Google Gemini 2.5Pro
5.4 Anthropic Claude4
5.5 要約や要点の自動生成
5.6 特許明細書の査読支援
5.7 特許明細書の自動作成支援
5.8 質問応答やクエリ生成
5.9 AI特許調査ツールと生成系AIの連携
6.RAGとベクトル検索の基礎
6.1 RAG(検索拡張生成)
6.2 「事前学習モデル」+「自社/公報データ」の発想
6.3 埋め込みベクトル(意味の近さ=距離の近さ)
6.4 ベクトル検索→関連文書取得→LLMで回答生成
7.プロンプト設計と簡易評価
7.1 良いプロンプトの要素:役割指定・条件・出力形式・禁止事項
7.2 出典必須プロンプト/「わからない」と答えることの許容
7.3 簡易評価の型:少数サンプルでの比較・チェックリスト評価
7.4 実践編で使うプロンプト(構成要素抽出・対比表生成)の“前振り”
8.AIを利用した知財・技術分野での活用例
8.1 利用例(特許領域):要約・翻訳、構成要素抽出、先行技術サマリ、動向マップ
8.2 利用例(技術・事業側):アイデア発散、技術比較、技術→市場の言い換え
8.3 留意点:秘密情報・個人情報、権利関係、責任分担
8.4 EvalOps(評価運用)・FinOps(費用最適化運用)のごく簡単な紹介
9.特許実務へのAI利用の現状のまとめと将来展望
9.1 特許庁(JPO,USPTO)におけるAI技術の活用動向
9.2 特許調査分野におけるAI技術の活用動向
9.3 国産大規模言語モデルの開発動向
9.4 知財DXにおけるAIの効果を引き出すための3要素
【付録】 自分でできる特許情報解析ツール紹介
生成AIをExcelマクロ(VBA)より利用する
termextractによる専門用語(キーワード)自動抽出
Cytoscapeによる文脈語のネットワーク分析
1.はじめに
1.1 講師自己紹介
1.2 アジア特許情報研究会紹介
2.特許調査と検索の基礎
2.1 特許文献の基本構成:請求項・明細書・図面・書誌
2.2 主な調査タスク:新規性/FTO/無効資料/動向調査
2.3 調査対象と調査範囲の特定・明確化
2.4 マッチングと適合
2.5 特許調査における再現率(網羅性)と適合率(効率)
2.6 「完全一致」⇔「最良一致」検索モデルの比較
2.7 従来の特許調査標準フロー
2.8 典型的なアウトプット:対比表、技術動向レポート
2.9 従来の人手作業による課題と限界
3.機械学習・深層学習の基礎
3.1 人工知能(AI:Artificial Intelligence)とは
3.2 AIの使用と情報要求
3.3 AI/機械学習/深層学習の関係(用語整理)
3.4 タスク例:分類・回帰・クラスタリング・生成
3.5 特徴量・モデル・評価指標(精度・再現率など
3.6 データサイエンスベースの特許調査
3.7 実践的なAI活用と注意点
3.8 機械学習/AIの原理的な限界
4.商用AI特許調査ツールの活用事例
4.1 AI特許調査ツールへの要求性能
4.2 PatentfieldのAIセマンティック検索
4.3 PatentfieldのAI分類予測
4.4 PatentSQUAREのAI検索・AI分類
4.5 Amplified.aiのAI検索
4.6 THE調査力AI(Deskbee5)のSDI調査事例
4.7 最新AI特許調査ツールの開発動向
5.生成AIの基礎と特許調査における可能性
5.1 生成AIのしくみと限界
5.2 OpenAIのChatGPT5
5.3 Google Gemini 2.5Pro
5.4 Anthropic Claude4
5.5 要約や要点の自動生成
5.6 特許明細書の査読支援
5.7 特許明細書の自動作成支援
5.8 質問応答やクエリ生成
5.9 AI特許調査ツールと生成系AIの連携
6.RAGとベクトル検索の基礎
6.1 RAG(検索拡張生成)
6.2 「事前学習モデル」+「自社/公報データ」の発想
6.3 埋め込みベクトル(意味の近さ=距離の近さ)
6.4 ベクトル検索→関連文書取得→LLMで回答生成
7.プロンプト設計と簡易評価
7.1 良いプロンプトの要素:役割指定・条件・出力形式・禁止事項
7.2 出典必須プロンプト/「わからない」と答えることの許容
7.3 簡易評価の型:少数サンプルでの比較・チェックリスト評価
7.4 実践編で使うプロンプト(構成要素抽出・対比表生成)の“前振り”
8.AIを利用した知財・技術分野での活用例
8.1 利用例(特許領域):要約・翻訳、構成要素抽出、先行技術サマリ、動向マップ
8.2 利用例(技術・事業側):アイデア発散、技術比較、技術→市場の言い換え
8.3 留意点:秘密情報・個人情報、権利関係、責任分担
8.4 EvalOps(評価運用)・FinOps(費用最適化運用)のごく簡単な紹介
9.特許実務へのAI利用の現状のまとめと将来展望
9.1 特許庁(JPO,USPTO)におけるAI技術の活用動向
9.2 特許調査分野におけるAI技術の活用動向
9.3 国産大規模言語モデルの開発動向
9.4 知財DXにおけるAIの効果を引き出すための3要素
【付録】 自分でできる特許情報解析ツール紹介
生成AIをExcelマクロ(VBA)より利用する
termextractによる専門用語(キーワード)自動抽出
Cytoscapeによる文脈語のネットワーク分析
| 得られる知識 ・AI、機械学習による先行技術・技術動向調査の効率化 ・特許調査における生成AI利用の現状と注意点 |
| 受 講 対 象 ・研究者・エンジニア・知的財産部門の担当者・マネジャー・技術マーケティング・新規事業開発・企画担当者 ・生成AI/機械学習の概要は聞いたことがあるが、特許調査や技術マーケティングとの関係を体系的に押さえておきたい方 |
| 予備知識、前提スキル ・数式やプログラミングの詳細知識は不要です。 ・特許に関する基本用語(請求項・明細書・公報番号など)の初歩的な理解があることが望ましいですが、必須ではありません。AI・機械学習・生成AIの仕組みは、図解と実務イメージを中心に平易なレベルで説明します。 ・PC操作(ブラウザ・Officeソフト等)の基本に慣れていること。 |
【キーワード】特許調査、機械学習、AI、生成AI、知財情報解析
1日目の基礎編の内容を前提として、2日目の実践テクニック・応用編では
特許調査フローへの具体的なAI組み込みや技術マーケティングへの展開を詳しく扱います
特許調査フローへの具体的なAI組み込みや技術マーケティングへの展開を詳しく扱います
2日目 2026年1月29日(木)
| 実践テクニック・応用編 |
[趣旨]
特許情報は「技術の宝庫」ですが、その膨大な量と複雑さから調査・分析は属人化し、事業活用にも壁がありました。本セミナー〈実践編〉では、ChatGPTに代表される「生成AI」と「機械学習」が、この状況をどう劇的に変革するかを解説します。AIによる高精度な「セマンティック検索」、膨大な公報を瞬時に読み解く「AI要約」、競合動向を可視化する「AIパテントマップ」など、特許調査・分析を高速化・高精度化する実践テクニックを、デモを交えて具体的に紹介します。さらに、AIを活用して自社技術の「新たな応用先」や「市場の空白領域(ホワイトスペース)」を探索し、技術マーケティングや新規事業開発に繋げる応用手法も深掘りします。
研究、知財、マーケ、新規事業の各担当者がAIを「共通言語」とし、部門の壁を越えて「技術的優位性」を「事業成果」に繋げるための、明日から使えるAI活用法を学びます。機密保持など、導入時のリスク管理についても解説します。
研究、知財、マーケ、新規事業の各担当者がAIを「共通言語」とし、部門の壁を越えて「技術的優位性」を「事業成果」に繋げるための、明日から使えるAI活用法を学びます。機密保持など、導入時のリスク管理についても解説します。
[プログラム]
1.はじめに
1.1 講師自己紹介
1.2 アジア特許情報研究会紹介
2.イントロダクション:なぜ今、特許業務にAIなのか?
2.1 本講演のゴールと対象
2.1 特許情報活用における「3つの壁」とAIによる変革
(1) 調査の壁(キーワード検索の限界)
(2) 読解の壁(文献の膨大さ)
(3) 活用の壁(分析の属人化)
2.3 本日紹介する「AIツールボックス」の全体像
2.4 AI/ML搭載の統合型特許調査・分析プラットフォーム PatSnap, Derwent Innovation, Orbit Intelligence
2.5 生成AI・特化型AIを活用した調査・分析ツール Amplified, LexisNexis PatentSight, AI Samurai
2.6 汎用的な生成AIの応用 ChatGPT-5, Gemini 2.5 Pro, Claude 4 Opus など
2.7 特定タスク向けツール Deep Research, NotebookLM, Perplexity, Felo.AI(検索エンジン)
3.実践テクニック①:AIによる特許「調査・読解」の高速化・高精度化
3.1 【調査編】「思い込み」を排除するAI検索術
3.2 テクニック1:概念(セマンティック)検索の活用
3.3 テクニック2:生成AIによる検索クエリ拡張
3.4 【読解編】「読む時間」を1/10にするAI要約術
3.5 テクニック3:クレーム(請求項)の構造的解読(
3.6 テクニック4:外国語公報のピンポイント翻訳・要約
3.7 テクニック5:複数特許の自動比較分析
4.実践テクニック②:AIによる特許「分析・可視化」
4.1 【分析編】「勘と経験」を「データ」で裏付ける
4.2 テクニック6:AIパテントマップ(ランドスケープ)の活用
4.3 テクニック7:大量文献からの技術トレンド抽出
4.4 【評価編】「質の高い特許」を見抜く
4.8 テクニック8:AIによる特許価値評価(スコアリング)とその活用
5.応用編:技術マーケティング・新規事業への展開
5.1 知財部と事業部を「繋ぐ」AI活用 .
5.2 テクニック9:技術シーズの「応用先(他業界)」探索
5.3 テクニック10:AIマップによるホワイトスペースの特定
5.4 「売れる技術」にするためのAI活用 .
5.5 テクニック11:特許文書からマーケティング資料への自動変換
5.6 テクニック12:シナジー候補(提携・M&A先)の探索
6.実務①:構成要素抽出と対比表自動化
6.1 請求項の要素分割テンプレ/生成AIの安全プロンプト(出典必須・引用表記)
6.2 「要素×文献×根拠」対比表(◎/◯/△)と該当スニペット自動貼付
6.3 先行技術の欠落要素抽出 → 進歩性/差別化要素の仮説化
7.実務②:コーパス拡張とRAG設計
7.1 データ取得→正規化(番号・重複・ファミリー)→段落化→embedding
7.2 チャンク粒度とウィンドウ拡張、メタデータでの再ランキング
7.3 コスト最適化:二段推論(粗=廉価モデル/最終=高精度)、キャッシュ、しきい値
8.AI導入と未来展望
8.1【最重要】AI活用の「落とし穴」と鉄壁のリスク管理 .
8.2 機密保持の徹底(入力データの管理) .
8.3 ハルシネーション(嘘)の見抜き方と対策
8.4 部門別・AI導入のファーストステップ (研究員・知財・マーケ・新規事業担当者への提言)
8.5 未来展望:AIエージェントと知財人材の進化
【付録】 自分でできる特許情報解析ツール紹介
Deep ResearchによるAI関連特許調査ツールレポート
□質疑応答□
| 得られる知識 ・AIによる「概念検索(セマンティック検索)」の活用法 ・AIによる「大量文献の高速読解・要約」テクニック ・AIによる「パテントマップ(競合分析)」の自動可視化 ・AIを使った「技術の応用先(マーケティング)」探索 ・AI活用の「最重要リスク管理(機密保持・ハルシネーション対策)」 |
| 受 講 対 象 研究員・エンジニア・知財部員・マーケ・新規事業担当 |
| 前提スキル:実践テクニック・応用編では、受講者が任意でハンズオン学習もしていただけるよう、実演を多く取り入れております。以下前提スキルがあるとより体験的に学習していただけいます。 ・検索や特許の基礎用語が分かる ・Python/Excelの基本操作 (※ハンズオンはノーコード/ローコードを併用。数式やプログラミングの詳細知識は不要です。) |
【キーワード】特許調査、機械学習、AI、生成AI、知財情報解析
関連商品
当サイトはグローバルサイン社によりセキュリティ認証をされています。
SSL/TLS対応ページ(https)からの情報送信は暗号化により保護されます。
SSL/TLS対応ページ(https)からの情報送信は暗号化により保護されます。