AI関連発明の審査事例とは、特許庁が審査ハンドブックに載せた判断例のことです。

AI関連発明の国内出願は、2023年の出願年ベースで約11,400件に達しました（出典: 特許庁審査第四部審査調査室「令和7年度簡易型技術動向調査 －AI関連発明－ 調査結果の概要」令和7年10月）。件数が増えたぶん、明細書の書き方ひとつで記載要件の判断が割れる場面も増えています。この記事では、特許庁が公表しているAI関連技術の審査事例を材料に、明細書のどこを確認しておくと出願前に手戻りを減らせるのか、そして生成AIで下書きを作る場合に何を検証工程として置くのかを整理します。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。

AI関連発明の出願はどこまで増え、審査の判断はどこで分かれているのか

先に結論を書くと、AI関連発明の審査で判断が割れる場所は、発明の中身そのものよりも、教師データに含まれる複数種類のデータの間に相関関係などが存在することを明細書がどう裏付けているか、という一点に集中しています。特許庁の審査事例は、この一点を肯定側と否定側の両方から並べる形で作られています。

出願の規模感から押さえます。特許庁審査第四部審査調査室がまとめた令和7年10月の調査結果の概要によると、AI技術そのものに特徴があるAIコア発明と、AIを各種用途へ適用した発明を合わせたAI関連発明の国内出願は、2023年出願分で約11,400件でした。同じ資料で、AIコア発明の出願は約2,400件と示されており、近年は横ばい傾向にあると説明されています（出典: 令和7年度簡易型技術動向調査 －AI関連発明－ 調査結果の概要）。つまり増えているのは、AIそのものの発明ではなく、AIを自社の業務や製品に適用した発明のほうです。弁理士が日々受ける相談の肌感と、この数字はおおむね一致するはずです。

同じ調査は、2023年のAIコア発明について、中国への出願が101,459件、米国への出願が19,336件だったと示しています（出典: 同調査結果の概要）。国内の依頼人が海外展開を視野に入れている場合、日本語の明細書をそのまま翻訳して各国へ流すのではなく、日本の審査事例が求める裏付けの水準を最初から満たしておくほうが、後工程が軽くなります。

審査事例の整備の経緯も押さえておきます。特許庁は第四次産業革命に関連する技術についての審査事例として、平成28年9月に12事例、平成29年3月に11事例を審査ハンドブックへ追加し、その後、AI関連技術に関する記載要件と進歩性の事例を10件作成したと説明しています（出典: 特許庁審査第一部調整課審査基準室「AI関連技術に関する事例の追加について」平成31年1月30日）。この資料では、AI関連技術等の審査は現行の審査基準等に基づいて特段問題なく行えていると考えられるとしたうえで、AI関連技術との関わりが少なかった出願人にも運用を分かりやすく示すため事例を充実させた、という趣旨の説明がされています。最新の事例一覧は特許庁のAI関連技術に関する特許審査事例のページにまとまっています。

ここで実務上の意味を引き出しておきます。事例が示しているのは新しい規範ではなく、既存の記載要件と進歩性の枠組みをAI案件に当てはめた判断の型です。根拠となる条文は、実施可能要件が特許法第36条第4項第1号、サポート要件が同条第6項第1号、進歩性が特許法第29条第2項です。事務所の中で明細書のレビュー基準を作るなら、この条文と事例の対応関係を先に共有しておくと、担当者ごとの判断のばらつきが小さくなります。

教師データの裏付けをどう書くか 審査事例46から51が示す明細書の7確認軸

結論から書きます。AI関連発明の明細書は、次の7つの軸を順に確認していくと、記載要件と進歩性の論点をほぼ拾えます。いずれも特許庁が公表した事例の判断から逆算したもので、事務所の独自基準ではありません。

第一の軸は、入力と出力の相関関係が出願時の技術常識から推認できるかどうかです。事例47の事業計画支援装置は、ウェブ上の広告活動データおよび言及データと売上数との間の具体的な相関関係が明細書に書かれていなくても、出願時の技術常識に鑑みて相関関係が推認できるとして拒絶理由なしとされました。事例48の自動運転車両も同様に、運転者の撮影画像が示す行動状態と運転への即応性の程度との間の相関が推認できるとされています（出典: AI関連技術に関する事例の追加について）。

第二の軸は、推認が難しい組み合わせのときに、明細書の説明や統計情報で裏付けたかどうかです。事例49の体重推定システムでは、顔の形状を表現する任意の特徴量という上位概念のままの請求項1がサポート要件と実施可能要件の両方で拒絶理由を受け、フェイスライン角度に限定した請求項2は、その余弦とBMIとの間に統計的に有意な相関関係があることが明細書に示されていたため拒絶理由なしとされました（出典: 同資料）。同じ発明でも、裏付けが届く範囲まで請求項を絞れば通り、届かない範囲まで広げれば止まる、という構図です。

第三の軸は、実際に作ったモデルの性能評価結果を書いたかどうかです。事例50のアレルギー発症率の予測方法では、学習に用いなかったデータで学習済みモデルの予測精度を確認した実験結果が明細書に記載されていた請求項2が拒絶理由なしとされています。第四の軸は、その裏付けが及ぶ範囲を超えて上位概念で書いていないかです。同じ事例50の請求項1は、細胞の形状変化を示すデータ群という広い書き方のままだったため、発明の詳細な説明に開示された内容を拡張ないし一般化する根拠を見いだせない、と説明されています。

第五の軸は、AIの予測結果だけを根拠に物を特許請求していないかどうかです。事例51の嫌気性接着剤組成物は、学習済みモデルが所定の硬化強度を示すと予測したことは書かれているものの、実際に製造して硬化強度を測定した実施例がなく、予測精度の検証もされていないとして、サポート要件と実施可能要件の両方で拒絶理由を受けました。材料や医薬の分野でAI設計を売りにした出願を扱うときに、最初に確認しておきたい事例です。

第六の軸は、人が行ってきた判断の単純なシステム化になっていないかです。事例33の癌レベル算出装置は、医師がマーカーの測定結果から癌の可能性を評価していた引用発明に、学習済みニューラルネットワークを用いる周知技術を適用しただけとして進歩性が否定されました。第七の軸は、教師データの追加や前処理に顕著な効果を書けているかです。事例34の水力発電量推定システムは、回帰式モデルをニューラルネットワークに置き換えただけの請求項1が進歩性を否定された一方、入力データに上流域の気温を加えた請求項2は、雪解け水による流入量増加に対応した高精度の推定が可能になるという効果が引用発明から予測困難として進歩性が肯定されています。事例36の認知症レベル推定装置も、質問者の質問種別を特定して回答と関連付けるという前処理の具体性で進歩性が肯定された例です。

この7軸を生成AIに下書きさせる場合、確認の順番をプロンプトに埋め込んでおくと出力が安定します。事務所の標準プロンプトとして次のような形が使えます。発明の内容は架空の甲社の事例に置き換えて入力し、実際の依頼人情報は入れません。

あなたは特許明細書のレビュー担当です。以下の明細書ドラフトについて、次の7点を順に確認し、
各点について「記載あり／記載なし／判断に必要な情報が不足」の3択で答え、根拠となる段落番号を必ず引用してください。
推測で補わず、書かれていないことは「記載なし」と答えてください。

1. 教師データの入力と出力の相関関係が、技術常識から推認できる旨の説明があるか
2. 推認が難しい場合、統計情報による裏付けの記載があるか
3. 実際に生成したモデルの性能評価結果の記載があるか
4. 請求項の上位概念が、3の裏付けが及ぶ範囲を超えていないか
5. AIの予測結果のみを根拠に物を請求していないか
6. 引用発明との相違が、人手の判断を単純にシステム化しただけになっていないか
7. 教師データの追加または前処理について、効果の記載があるか

出力形式: 各項目ごとに「番号／判定／根拠段落／不足している記載」の4行

もう一段踏み込んで、裏付けの文章そのものを起草させる場合は、材料をこちらから与えます。数値や実験条件をAIに考えさせないことが要点です。

以下の実験データと条件だけを使い、明細書の「発明の効果」および「実施例」に入れる説明文の下書きを作成してください。
与えていない数値・条件・出典は一切追加しないでください。不足があれば「不足: ○○」と列挙して止めてください。

・入力に用いた特徴量: {列挙}
・出力: {列挙}
・学習に用いなかったデータでの検証結果: {実測値}
・比較対象とした従来手法: {名称と結果}

出力形式: (1)効果の説明文案 (2)実施例の記載案 (3)不足リスト

いずれの場合も、出力をそのまま明細書に貼らない工程を手順として固定します。具体的には、7軸の判定結果を担当弁理士が原稿と突き合わせて確認し、引用された段落番号が実在するかを目視で照合し、数値と実験条件は依頼人から受け取った一次資料に当たり直す、という三段階です。この最終確認を担当弁理士が行う前提を崩すと、下書きの速さは事故の速さに変わります。明細書の品質管理の全体像は特許明細書のAI下書きを品質担保する手順の記事でも扱っています。

未公開の発明をAIに入れる前に決めておく4点 弁理士法第30条と事務所規程

ここが士業事務所にとっての本丸です。明細書の下書きに使う情報は、ほぼ例外なく未公開の発明であり、依頼人の営業秘密そのものです。

根拠条文から確認します。弁理士法第30条は秘密を守る義務の見出しのもと、弁理士または弁理士であった者が、正当な理由がなく、その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。生成AIへの入力がこの条文との関係でどう位置づけられるかは、入力先の契約条件と情報の流れ方によって変わるため、事務所として一律の答えを持つのではなく、ツールごとに整理しておく形が現実的です。

決めておく1点目は、入力したデータが学習に使われるかどうかと、その設定がアカウント単位で固定できるかです。ベンダーによって既定値が異なり、個人向けプランと法人向けプランで扱いが変わる場合もあります。ベンダーの公表ドキュメントを事務所側で保存し、更新日を記録しておくと、後から依頼人に説明するときの材料になります。生成AIの利用一般に関する注意点は、個人情報保護委員会が公表している生成AIサービスの利用に関する注意喚起等が出発点になります。

2点目は、どの情報を入れないかの線引きです。実務的には、出願人名と発明者名、依頼人固有の型番や製造条件、未公開の実験データの生の数値を外部サービスへ渡さない運用が扱いやすくなります。7軸の確認プロンプトを架空の甲社に置き換えて使う理由もここにあります。

3点目は、依頼人への説明と同意の取り方です。委任契約書または業務委託の条件書に、生成AIを補助的に用いる範囲と、用いない範囲を書き分けておくと、事後の説明が短くて済みます。書き分けの粒度は事務所の方針によりますが、最終的な明細書の起案責任が担当弁理士にあることを明示しておく形が一般的です。

4点目は、事務所規程への落とし込みです。運用例としては、利用を認めるツールの一覧と各ツールの学習利用設定、入力禁止情報の列挙、アカウントの発行と停止の手順、ログの保存期間、違反時の報告経路までを一枚にまとめる形が取り回しやすくなります。弁理士向けの規程整備の考え方は弁理士のAIガイドラインを事務所ルールに落とす記事でも整理しています。

明細書のAI下書きで起きる3つの失敗と、その手前で止める仕組み

第一の失敗は、存在しない先行技術や条番号が出力にまぎれ込み、そのまま原稿に残ることです。生成AIは、もっともらしい文献名と番号を作ることがあります。止め方は単純で、AIが出した番号は一つ残らずJ-PlatPatやe-Gov法令検索の原文に当たり直す工程を、レビューのチェックリストに入れることです。先行技術調査での使いどころは特許庁のAI活用と先行技術調査を扱った記事でも触れています。

第二の失敗は、裏付けのない相関を文章のうまさで埋めてしまうことです。事例46の糖度推定システムは、人相と野菜の糖度に一定の関係性があると述べるにとどまり、具体的な相関関係の記載も、生成した判定モデルの性能評価結果もなかったため、実施可能要件違反の拒絶理由を受けた例として公表されています（出典: AI関連技術に関する事例の追加について）。生成AIは、この種の説明を自然な日本語で書くのが得意です。だからこそ、裏付けの有無は文章の読み心地ではなく、実験データの有無で判定する運用にします。

第三の失敗は、未公開出願の情報が事務所の管理外に出ることです。担当者の個人アカウントで下書きを作り、そのまま退職してログの所在が分からなくなる、という形が典型です。アカウントを事務所名義で発行し、案件終了時と退職時に停止する手順を、規程と実際の運用の両方でそろえておきます。

費用と工数をどう見積もるか 検証工程は誰が持つのか

費用の内訳は、ツールのライセンス料よりも、検証工程の人件費のほうが大きくなります。生成AIの下書きで削れるのは文章化の時間であって、裏付けを確認する時間は削れないからです。ここを見誤ると、導入したのに単価が下がらないという結論になります。

体制の作り方は、事務所の規模で分かれます。弁理士が数名の事務所であれば、7軸の確認を担当弁理士本人が行い、チェックリストの記入だけを事務スタッフが担う形が回しやすくなります。十名を超える規模になると、レビュー基準の更新担当を一人決めておかないと、事例の追加や審査ハンドブックの改訂に事務所全体が追随できなくなります。特許庁は事例の一覧をAI関連技術に関する特許審査事例のページで公開しているので、更新の有無を定期確認する係を置く形が現実的です。

ライセンスの持ち方も先に決めておきます。弁理士ごとに個別契約を結ぶ形は、初期の試行段階では動きが速い一方、退職や案件終了のたびにアカウントの所在を追いかける負担が残ります。事務所名義の法人プランに寄せて、利用者の追加と停止を管理担当が握る形にしておくと、守秘義務の説明を依頼人にするときの話が短くなります。費用の比較は月額の単価だけでなく、学習利用の既定値と管理機能の有無を並べて判断する材料にします。

工数の目安を出すときは、案件あたりの削減分ではなく、案件あたりの追加分から見積もることをおすすめします。下書き作成で浮いた時間から、7軸の確認と番号の照合に使う時間を差し引いて、残りがプラスかどうかを案件種別ごとに測ります。数件回してから判断すれば足り、最初から全案件に広げる必要はありません。

AI生成物をめぐる記載要件の議論はどこへ向かうのか

今後の論点は二つに整理できます。一つは、学習済みモデルの予測結果が実験結果に代わりうるかという技術常識の水準が、分野ごとにどう動くかです。事例51は、予測精度が検証されておらず、予測結果が実際の実験結果に代わりうるとの技術常識が出願時にあったわけではない、という趣旨で判断されています。裏を返せば、分野によっては将来この前提が変わりうる、という書き方でもあります。弁理士の側では、依頼人がAI設計を根拠に出願を急ぐ場面で、検証データの有無を最初に確認する運用が当面続く見込みです。

この論点は、依頼人との会話にも影響します。AI設計で候補物質を絞り込んだ段階で出願したい、という相談は今後も増えます。そのときに弁理士が示すのは、出願そのものの可否ではなく、いま手元にある材料でどこまでの範囲を書けるか、という範囲の話です。検証データが揃うまで待つのか、予測に基づく範囲を狭く書いて先に押さえるのか、判断の材料を並べて依頼人に選んでもらう形が、事務所側の説明としても残しやすくなります。

もう一つは、生成AIが作った文章そのものの扱いです。特許庁はAIを利活用した創作の特許法上の保護の在り方に関する調査研究を公表しており、発明者の記載や保護の枠組みは引き続き検討の対象になっています。事務所としては、AIをどこまで使ったかを案件ごとに記録に残しておくと、将来この論点が動いたときに説明の材料が手元に残ります。

よくある質問

AI関連発明の審査事例は、審査基準とは別物ですか

審査事例とは、審査基準の考え方を具体的な出願例に当てはめて示した判断例のことです。特許庁は、AI関連技術等の審査は現行の審査基準等に基づいて行えているとしたうえで、運用を分かりやすく示すために事例を充実させた、という趣旨の説明をしています（出典: AI関連技術に関する事例の追加について）。新しい規範が加わったというより、既存の枠組みの当てはめ方が見えやすくなった、と捉えると実務に落としやすくなります。

教師データの相関関係は、統計データで示すことが求められますか

いいえ、統計データに限られるわけではありません。特許庁の事例では、出願時の技術常識から相関関係が推認できる場合に拒絶理由なしとされた例と、統計情報で裏付けた例、実際に作ったモデルの性能評価結果で裏付けた例の三通りが並べられています（出典: 同資料）。どの手段を選ぶかは、入力と出力の組み合わせが世の中でどれだけ知られているかによって変わります。

生成AIで作った明細書の下書きは、そのまま出願に使えますか

使えるかどうかは検証工程を置いているかで変わります。特許庁の事例が示すとおり、記載要件の判断は明細書に書かれた裏付けの中身で分かれるため、下書きの文章がなめらかであることと、裏付けがあることは別の問題です。担当弁理士が数値と実験条件を一次資料に当たり直す工程を挟む運用が、現時点では現実的な形になります。

未公開の発明を生成AIに入力することは、弁理士の守秘義務との関係でどう整理すればよいですか

まず条文を確認するところから始まります。弁理士法第30条は、正当な理由がなく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。入力先の契約条件、学習利用の設定、依頼人の同意の有無によって整理の仕方が変わるため、事務所としてツールごとに条件を書き出し、依頼人への説明の形をそろえておくことが論点になります。

事務所として最初に手をつけるなら、どこからですか

明細書レビューのチェックリストに、この記事の7軸を追加するところからです。ツールの導入や規程の全面改訂より先に、判断の基準を紙にしておくほうが効果が出ます。基準が共有できていれば、生成AIを使うかどうかにかかわらず、出願前の手戻りは減ります。

海外出願を前提にする場合も、日本の審査事例を見ておく意味はありますか

あります。裏付けの水準を日本の事例に合わせて最初から書いておくと、翻訳後に各国で追加の説明を求められたときに、手元の材料で答えやすくなります。特許庁の調査でも、AIコア発明の出願が中国と米国に集中している状況が示されています（出典: 令和7年度簡易型技術動向調査 －AI関連発明－ 調査結果の概要）。

AI関連発明の事例は、今後も追加されますか

追加の有無は特許庁の公表に依存します。特許庁はAI関連技術に関する特許審査事例のページで事例の一覧を公開しており、AI関連発明の施策全体はAI関連発明のページにまとまっています。事務所側では、更新の確認を定例業務に入れておく形が扱いやすくなります。

参考文献

• e-Gov法令検索 特許法第36条
• e-Gov法令検索 弁理士法第30条
• 特許庁 AI関連技術に関する特許審査事例
• 特許庁審査第一部調整課審査基準室 AI関連技術に関する事例の追加について（平成31年1月30日）
• 特許庁審査第四部審査調査室 令和7年度簡易型技術動向調査 －AI関連発明－ 調査結果の概要
• 特許庁 AI関連発明の出願状況調査
• 個人情報保護委員会 生成AIサービスの利用に関する注意喚起等

※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/