明細書作成支援機能とは、特許明細書の下書きと不備検出をAIが助ける機能のことです。

特許明細書の作成にAIを噛ませるかどうかの論点は、もう導入の可否ではなく、どの工程を任せてどの工程を人が持つかに移っています。この記事では、パテント・インテグレーションが提供する特許読解支援アシスタントの明細書作成支援機能を題材に、弁理士事務所が品質を担保しながら業務フローに組み込むための7工程を整理します。本記事は士業のチカラ編集部が、公表されている一次情報のみを根拠に作成しています。法令の条文はe-Gov法令検索の原文で、行政の見解は各府省庁の公表資料で確認しています。同機能のリリースはパテント・インテグレーションのプレスリリースで公表されており、明細書の記載不備を50以上のルールで検出するチェック機能を備えるとされています。

明細書作成にAIが入ってきた2026年の地形

結論を先に書きます。明細書作成の領域でいま起きているのは全自動化ではなく、工程の分解です。請求項の起案、実施例の展開、記載不備の検出という別々の作業が、それぞれ別の粒度でAIに寄っています。

パテント・インテグレーションは、特許読解支援アシスタントのサマリアを2024年5月27日から提供しており、拒絶理由通知への対応を支援する機能をワークフロー型のAIエージェントとして出してきた経緯があると同社のプレスリリースは説明しています。今回の明細書作成支援機能は、その延長線上で、読解と拒絶理由通知への対応に加えて作成側にも踏み込んだ位置づけになります。

機能の設計思想としてプレスリリースが強調しているのは、完全な自動化を目指していない点です。明細書作成については品質や実務適合性の観点から自動化が難しいという課題があり、人間の判断と確認を中心に据えながら生成AIが補助的な役割を担う設計にしたと同社は述べています。実務家から見ると、この立て付けは受け入れやすいものです。明細書は権利範囲そのものを決める文書であり、出力をそのまま出願する運用は成り立たないからです。

制度側の動きも並走しています。特許庁はAIビジョンに関するページを設け、審査や手続におけるAI活用の方向性を公表しています。また、AI関連技術の特許審査については審査事例のページで考え方が示されています。出願側がAIを使う流れと、審査側がAIを扱う整理が同時に進んでいるのが、いまの地形です。特許庁の動向は特許庁JPO AIビジョン策定と弁理士の実務論点でも扱っています。

弁理士事務所の側から見ると、この機能の登場は価値の置きどころを動かします。従来、明細書作成の付加価値は大きく3つに分かれていました。発明者から技術内容を引き出すヒアリング、権利範囲をどう切るかの設計、そして実施例をどこまで厚く展開するかの筆力です。このうち3つめの筆力の部分は、下書きの生成という形でAIに寄せられる余地が大きい領域です。一方で、ヒアリングと権利範囲の設計は、発明者との対話と事業理解を前提とするため、機械に渡しにくい領域として残ります。

この分解を事務所内で共有しておかないと、導入の議論が噛み合いません。ベテランの弁理士が抵抗を示す理由の多くは、権利範囲の設計まで機械に任せる話だと受け取っているところにあります。逆に、若手が過度に期待するのは、下書きが出れば明細書ができたように見えるからです。どの工程を任せる話なのかを最初に線引きしておくと、導入の合意が取りやすくなります。

もうひとつ、特許事務所と企業知財部では検討の重心が違う点も押さえておきます。事務所は受託業務としての品質責任と、クライアントの発明情報を預かる立場の重さが前に出ます。企業知財部は内製化によるコストとスピードの改善が前に出ます。同じ機能でも、事務所が見るべき論点は品質担保と守秘の設計に寄ります。

ここで押さえておきたいのが、明細書の記載要件が法定である点です。特許法第36条は、願書に明細書、特許請求の範囲、必要な図面および要約書を添付する旨を定め、発明の詳細な説明の記載について、その発明の属する技術の分野における通常の知識を有する者がその実施をすることができる程度に明確かつ十分に記載したものであることを求めています。特許請求の範囲の記載についても、発明の詳細な説明に記載したものであること、発明が明確であることなどが同条に規定されています。AIが下書きを出すようになっても、この要件を満たすかどうかの判断は出願を担う弁理士の側に残ります。

明細書作成支援機能を事務所に入れる7工程

工程の設計は、機能の使い方を覚えることではありません。事務所として、どの案件でどこまで任せるかの基準を作る作業です。以下は、既存の明細書作成フローに機能を差し込む順序で並べています。

第1工程は、3つの導線のどれを標準にするかを決めることです。同社は、特許請求の範囲から始める導線、明細書の下書きから始める導線、ゼロから始める導線の3つを用意していると説明しています。企業知財部の内製と特許事務所の受託では、標準にすべき導線が変わります。事務所の場合、クライアントから請求項案が来る案件と、発明提案書だけが来る案件で分岐させる設計が現実的です。

第2工程は、検証用の題材を選ぶことです。過去に権利化まで到達した自事務所の案件から、技術分野の異なるものを2つ選びます。すでに結論が出ている案件を使うと、AIの出力を実際の登録明細書と突き合わせて評価できます。守秘の観点から、検証時に外部サービスへ載せる範囲は第4節で扱う基準に従います。

第3工程は、ドラフト生成の段階ごとに人の確認を挟むことです。同社の説明によれば、ドラフト生成は請求項の作成、効果説明とイントロの生成、先行技術文献の挿入、用語と図面と符号説明の生成、実施形態の骨格の生成、各グループごとの実施例詳細の作成という順で段階的に進みます。この段階分けは、確認ポイントの設計に使えます。骨格が固まる前の段階で発明の把握がずれていれば、後段の実施例をいくら直しても戻りません。骨格の段階で弁理士が目を通す工程を明示的に置きます。

第4工程は、AIエージェント機能の使い分けを決めることです。各ブロックに対して質問を投げる操作と、編集を実行する操作が分かれており、質問で内容を確認してから編集を実行することで品質を担保しながら進められると同社は説明しています。事務所の運用としては、いきなり編集を走らせず、まず質問で意図を確かめる順序を標準手順に書き込むのが安全側です。

第5工程は、チェック機能の位置づけを決めることです。記載不備を検出する機能は50以上のルールに基づき、各不備事項に重要度のランクが表示されるとプレスリリースは述べています。事務所としては、このチェックを最終確認の代替にするのではなく、人の確認の前段に置く運用が想定されます。機械が拾える不備を先に潰しておけば、弁理士の確認は権利範囲と実施可能性の判断に集中できます。

第6工程は、編集履歴の扱いを決めることです。人とAIの操作がリアルタイムで可視化され、各アクションは承認後に本文へ反映される仕様だと同社は説明しています。この承認の記録は、後から品質を説明するための証跡になります。誰がどのアクションを承認したかを事務所の記録として残すのか、サービス内の履歴に委ねるのかを決めておきます。証跡の残し方は事務所のAI利用ログを監査証跡にする運用で整理しています。

第7工程は、登録明細書との突き合わせです。第2工程で選んだ案件について、AIが出した実施例と実際の登録明細書を比較し、記載の厚みの差、用語の統一度、実施形態の展開の広さを評価します。この比較で得た知見を、事務所のプロンプト定型と確認チェックリストに書き戻します。

検証記録を整理するためのプロンプト例を挙げます。事務所内の汎用AIで使う型です。

あなたは特許実務の記録整理を担当するアシスタントです。
以下に、同一の発明について2つの実施例記載を貼ります。
A: AIが生成した実施例のドラフト
B: 過去に権利化された登録明細書の実施例

次の5点を、表を使わず箇条書きで整理してください。
1. Bにあってaに無い技術的事項
2. Aの記載のうち、実施可能性の説明として弱い箇所
3. 用語の不統一が疑われる箇所
4. 変形例・別実施形態の展開が不足している箇所
5. 弁理士の判断が要る論点

法的評価や特許性の断定は書かないでください。
事実の差分と、確認が要る論点の列挙に留めてください。

請求項の起案を検討するときの型も挙げます。実在案件の情報は使わず、架空の発明で組み立てます。

架空の発明を前提に、請求項の検討用たたき台を作ってください。

前提: 架空の技術分野における架空の装置。実在の製品名・企業名は使わない。
出力してほしいもの:
- 独立請求項の案を3通り（上位概念の粒度を変える）
- 各案について、必ず明細書側で裏付けが要る記載事項の一覧
- 各案の記載が不明確になりやすい用語の指摘

特許性の有無は判断しないでください。
出願可否の結論は書かず、検討材料の列挙に留めてください。

この2本を回すと、事務所として任せる範囲の一次案が出ます。あとは技術分野ごとに調整していく作業です。

7工程の順序にも理由があります。導線の決定を第1工程に置いているのは、どこから始めるかで検証対象が変わるからです。ゼロから始める導線を標準にすると、発明の把握そのものをAIに委ねる比重が上がり、評価が難しくなります。請求項が固まった状態から始める導線なら、評価対象は実施例の展開の質に絞られます。検証は対象を絞るほど結論が出やすく、結論が出るほど業務に返せます。

また、第7工程の突き合わせを最後に置いているのは、ここが事務所のナレッジになる工程だからです。AIの出力と登録明細書の差分は、その事務所が何を明細書に書き込んできたかの棚卸しでもあります。ベテランが暗黙に書いていた記載事項が、差分として明文化される場面が出てきます。この副産物は、若手の育成資料としても使えます。導入の目的をAIの活用に閉じず、記載ノウハウの言語化として設計すると、投じた工数の回収先が増えます。

発明情報をAIに渡す前に決めておく3つのこと

先に結論です。明細書作成支援は、未公開の発明情報を扱う機能です。読解や調査で公開公報を扱うのとは、機微度の水準が違います。

ひとつめは、渡してよい情報の範囲です。出願前の発明内容は、公になっていない情報そのものです。弁理士については、弁理士法第30条が、正当な理由がなく業務上取り扱ったことについて知り得た秘密を漏らし、または盗用してはならない旨を定めています。外部サービスの利用がこの規定との関係でどう整理されるかは事案ごとに分かれる論点なので、事務所として、発明提案書のどの範囲までを載せるか、図面を含めるか、出願人名を伏せるかといった線を、条文を踏まえて自前で決めることになります。

ふたつめは、ベンダー側のデータ取扱いの確認です。プレスリリースには、同社が経済産業省のグレーゾーン解消制度等を活用した事前確認を実施していると記載されています。制度活用の事実と、入力データの学習利用の有無は別の論点です。事務所として確認したいのは、入力した明細書や発明提案書がモデルの学習に使われるか、保存期間はどれくらいか、どの国のサーバに置かれるかの3点です。契約書と利用規約で確認し、営業担当の口頭説明で済ませない運用にしておきます。

みっつめは、クライアントへの説明です。企業知財部が出願を委託する場合、発明情報が外部のAIサービスを経由することについて、委託元の社内規程が制約を置いていることがあります。委託契約の秘密保持条項が再委託や外部サービス利用をどう扱っているかは、案件ごとに確認する項目です。説明の型としては、利用するサービス名、載せる情報の範囲、学習利用の有無、成果物は弁理士の確認を経ること、の4点を書面で伝える方法があります。

事務所規程に落とすなら、運用例としては次の粒度になります。外部AIサービスに載せてよい情報の類型を列挙する。載せる前に伏せる項目を定める。ドラフト生成を実行してよい担当者の範囲を定める。出願前の最終確認者を定める。承認履歴をどこに残すかを定める。規程の作り方はAI事業者ガイドラインを事務所規程に落とす手順で扱っています。

明細書AIでつまずきやすい3つの失敗

ひとつめの失敗は、実施例の量産で満足してしまうことです。AIは実施形態のバリエーションを出すのが得意ですが、量が増えれば実施可能要件を満たすとは限りません。特許法第36条は、通常の知識を有する者が実施できる程度に明確かつ十分に記載することを求めています。増えた記載が、この観点で実質を持っているかどうかは、技術を理解した人の判断が要る領域です。分量を成果指標にしないことが回避策になります。

ふたつめの失敗は、用語の揺れを見逃すことです。AIが段階的に生成すると、前段で使った用語と後段の用語が微妙にずれることがあります。請求項と明細書で用語がずれれば、サポート要件や明確性の観点で後から問題になります。チェック機能で拾える範囲と拾えない範囲を第5工程で把握し、拾えない類型を人の確認項目として残します。

用語の揺れには、事務所特有の事情も絡みます。同じ技術用語でも、クライアントの社内呼称と業界標準の呼称が違うことは珍しくありません。人が書いていたときは、担当者がクライアントの呼称に自然に寄せていました。AIが段階的に生成すると、この寄せが途中で外れます。回避策としては、案件ごとに用語対応表を先に作り、ドラフト生成の前提情報として渡す運用があります。用語対応表は次回以降の案件でも使えるため、作る手間は初回だけです。

みっつめの失敗は、権利範囲の設計をAIの提案に引きずられることです。請求項の上位概念の取り方は、出願戦略そのものです。AIが提示した粒度が心地よく見えても、その粒度が事業上の狙いに合っているかは別問題です。回避策としては、請求項の起案フェーズでAIの案を3通り以上出させ、どれかを選ぶのではなく、比較材料として使う運用にすることです。前段のプロンプト例を3通り出力にしているのはこのためです。

費用と工数、そして誰が回すか

料金について書きます。サマリアの利用料金は公開情報から確定できないため、本記事では金額を示しません。要確認の事項として扱ってください。確認したいのは、明細書作成支援機能が既存プランに含まれるのか追加なのか、利用量に応じた課金があるのか、事務所単位とユーザー単位のどちらの契約形態かの3点です。

工数は、前述の7工程を通しで回すなら、技術分野ひとつあたり1営業日から2営業日が目安になります。重いのは第2工程の題材選定と第7工程の突き合わせです。登録明細書との比較は手間がかかりますが、ここを飛ばすと事務所として品質を語れません。最初のひとつの分野だけ丁寧にやり、以降は第3工程と第7工程だけを追加で回す進め方が現実的です。

体制は、技術分野ごとに検証担当を置き、任せる範囲の決定は所内の担当パートナーが持つ分担が組みやすいところです。同社は、CEOの大瀬佳之が自ら機能の設計に関与しており、明細書作成に関するオンライン講座を運営していると説明しています。受講者数は3,075名、レビュー評価は4.6とプレスリリースに記載があります。ツールの背後にある実務観がどこから来ているかを把握しておくと、出力の癖を読みやすくなります。

明細書作成AIの次の論点

短期の論点は、事務所の記載スタイルをどう学ばせるかです。明細書には事務所ごとの型があり、クライアントごとの好みもあります。汎用的な生成では、この型に寄せる作業が人の手に残ります。プロンプト定型や参照文書としてスタイルを渡す運用が、次の差になりそうです。

あわせて論点になるのが、報酬の考え方です。明細書作成の報酬は、請求項の数や分量を基準に組み立てられてきた面があります。下書きの生成が速くなったとき、その時間短縮を値引きとして還元するのか、確認と設計の密度を上げる原資にするのかで、事務所の立ち位置が変わります。前者に寄せると、価格競争の材料を自ら作ることになりかねません。工程が変わったときは、報酬の説明の仕方も同時に見直す前提で考えておくほうが安全です。

中期の論点は、外国出願を見据えた記載です。日本語で書いた明細書が翻訳を経て各国の要件に当たるとき、記載の粒度や用語の一貫性が効いてきます。日本語段階でのAI活用が、翻訳後の品質にどう影響するかは、これから事務所ごとにデータが溜まる領域です。

制度面では、特許庁のAI関連の施策が継続的に更新されています。AIビジョンのページや審査事例の更新を定点で追い、事務所の運用と規程を年に一度は見直す前提で組んでおくのが現実的です。調査業務側の設計は商標調査にAIを組み込む7工程にまとめています。

よくある質問

明細書作成支援機能を使えば、明細書は自動で完成しますか

完成しません。同社自身が、明細書作成については品質と実務適合性の観点から完全な自動化が難しいとし、人間の判断と確認を中心に据えた設計だとプレスリリースで説明しています。事務所の運用としても、出力は下書きとして扱い、出願前に弁理士が内容を確認する工程を置くのが前提になります。

出願前の発明情報を外部サービスに載せることは、守秘義務との関係でどう整理されますか

事務所ごとに整理が分かれる論点です。弁理士法第30条は業務上知り得た秘密を漏らし、または盗用してはならない旨を定めていますが、外部サービスの利用がどこまで許容されるかを条文が直接定めているわけではありません。実務では、載せる情報の類型を事務所として列挙し、委託元への説明と同意の取り方を決めたうえで運用する例があります。

チェック機能があれば、記載不備の確認は任せてよいですか

任せきりにはできません。50以上のルールに基づくチェックが備わるとプレスリリースは述べていますが、特許法第36条が求める実施可能性やサポート要件の充足は、技術内容の理解を前提とした判断です。機械的なチェックは人の確認の前段に置き、確認そのものを置き換えない運用が想定されます。

どの導線から使い始めるのがよいですか

事務所であれば、請求項が固まっている案件で実施例の展開から試すのが入りやすい進め方です。請求項の起案からAIに任せると、権利範囲の設計という最も判断色の濃い工程がいきなり検証対象になり、評価が難しくなります。判断の余地が小さい工程から順に広げていくほうが、事務所内の合意も取りやすくなります。

検証にはどのくらいの期間をかけますか

技術分野ひとつなら1営業日から2営業日で一巡できます。すべての技術分野を一度に検証しようとすると終わらないため、取扱量の多い分野から回し、結果をチェックリストに書き戻す運用が現実的です。書き戻しまで含めて一巡と数えてください。

クライアントに、AIを使っていることを伝える必要はありますか

委託契約の内容と、委託元の社内規程によって変わります。秘密保持条項が外部サービスの利用や再委託をどう扱っているかを確認したうえで、利用するサービス名と載せる情報の範囲を伝える運用を採る事務所があります。伝え方を定型化しておくと、案件ごとの判断がぶれにくくなります。

事務所の記載スタイルをAIに反映させることはできますか

参照情報として渡す形での反映は現実的な方法です。事務所の標準的な言い回し、実施形態の展開の型、用語の選び方をまとめた資料を用意し、生成の前提として渡す運用が考えられます。ただし、渡した資料が外部サービス上でどう保持されるかは、データ取扱いの確認項目に含まれます。スタイル資料にクライアント固有の情報が混ざっていないかも、渡す前に見ておく項目です。

若手の育成にはプラスに働きますか、マイナスに働きますか

使い方次第で両方に振れます。下書きを読んで直す作業は、ゼロから書く作業とは別の技能なので、それだけを繰り返すと起案力が育ちにくい面があります。一方で、AIの出力と登録明細書の差分を見る作業は、何を書くべきかの言語化として学習効果があります。育成の観点では、第7工程の突き合わせを若手に担当させ、その所見をベテランが講評する運用が組みやすい形です。

特許庁の資料はどこを見ればよいですか

AI関連の施策は特許庁のAIビジョンのページに、AI関連技術の審査の考え方は審査事例のページにまとまっています。出願側の運用を設計するときは、審査側がAIをどう扱う整理をしているかを併せて見ておくと、記載の力点が定めやすくなります。

参考文献

• パテント・インテグレーション 生成AIを活用した明細書作成支援機能をリリース
• 特許庁 AIビジョン
• 特許庁 AI関連技術に関する審査事例
• e-Gov法令検索 特許法第36条（特許出願）
• e-Gov法令検索 弁理士法第30条（秘密を守る義務）

※士業のチカラでは、生成AIの導入支援から運用最適化まで、貴事務所の業務に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://shigyonochikara.jp/contact/