Media > AI活用ユースケース > 知財 > 知財部が保有する特許の被引用・実施の状況・関連する事業の売上から Python で維持年金を払い続けるかの見直しの候補を出す

知財部が保有する特許の被引用・実施の状況・関連する事業の売上から Python で維持年金を払い続けるかの見直しの候補を出す

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

3か月後に特許料の納付期限が来る特許を毎月まとめ、被引用の件数・実施の状況・関連する製品の売上・残りの期間から、維持を見直す候補を Python で判定します。知財委員会に出す一覧の下地が、理由付きで毎月そろいます。

サマリー
連携・自動化
Python
対象業界
IT・SaaS/医療/商社/製造
対象部門
知財
対象業務
比較検討/集計・分析
主な課題
データ分析に時間がかかる/判断に時間がかかる/属人化している
AIで行う処理
判定
主な効果
判断支援/属人化解消/工数削減
導入難易度
★★★★☆
実装レベル
本格構成
費用感
個別開発(大)
人間の確認
条件付き
現在工数
50h/月
AI導入後
10h/月
想定削減
80%
年間削減
480h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 知財管理システムから、3か月後に納付期限が来る特許の一覧を書き出す
  2. 1件ずつ、契約している特許情報サービスで被引用の件数と、引用している会社の名前を調べる
  3. 実施の状況の調査票を開き、その特許の回答を探して写す
  4. 実施製品が書かれていれば、販売管理の製品別売上から直近1年の売上を引いて写す
  5. 知財管理システムで、次の年金の額、残りの期間、過去に見直した記録を確かめる
  6. 担当者の目で「維持」「見直し候補」に振り分け、見直し候補には理由を一言書く
  7. 見直し候補を事業部に照会し、回答をまとめて知財委員会に出す
導入後(After)
  1. 自動毎月1日の朝、知財管理システムから3か月後に納付期限が来る特許の一覧を書き出す
  2. 自動被引用の件数、実施の状況の調査票、製品別売上、過去の決定を特許番号で結び付ける
  3. 自動実施中・許諾中・係争中などの決まりに当たるものを「維持(確認のみ)」に置く
  4. 自動残りを学習済みのモデルにかけ、過去に放棄と決めた特許への近さ(0〜1)を出す
  5. 自動近さが一定以上を「見直し候補」、データが欠けたものを「要確認」にし、理由の上位3つを付ける
  6. 自動一覧を知財部の共有フォルダに書き出し、担当者に知らせる
  7. 人担当者が「見直し候補」と「要確認」を開き、理由と数値を確かめて照会の対象を決める
  8. 人事業部と発明者に照会し、知財委員会で維持か放棄かを決める
  9. 【人/自動】 決定を知財管理システムと決定の記録に残し、次の学習の手本に加える
各工程の詳しい説明を読む
  1. 知財管理システムから、3か月後に納付期限が来る特許の一覧を書き出す
  2. 1件ずつ、契約している特許情報サービスで被引用の件数と、引用している会社の名前を調べる
  3. 実施の状況の調査票を開き、その特許の回答を探して写す
  4. 実施製品が書かれていれば、販売管理の製品別売上から直近1年の売上を引いて写す
  5. 知財管理システムで、次の年金の額、残りの期間、過去に見直した記録を確かめる
  6. 担当者の目で「維持」「見直し候補」に振り分け、見直し候補には理由を一言書く
  7. 見直し候補を事業部に照会し、回答をまとめて知財委員会に出す

(a)1件あたりの情報集めが長い。 2〜5番目は、それぞれ別の画面と別の表を開く作業です。4つの場所から数値を集めて1行にそろえるだけで、1件7分かかります。 判断らしい判断は6番目だけです。

(b)見直しの目の付けどころが担当者で違う。 ある担当者は被引用が0件なら候補にし、別の担当者は売上が無ければ候補にします。同じ数値の特許が、担当によって候補に入ったり入らなかったりします。 知財委員会で「なぜこれが候補で、あれが候補でないのか」と聞かれても、答えが担当者の頭の中にしかありません。

(c)件数が多い月は「とりあえず払う」になる。 200件を3名で見ると、丁寧に見るほど照会の期限に間に合いません。忙しい月は6番目を省き、全件を維持のまま流します。 特許料は年数が進むほど高くなる仕組みなので、使われていない権利を払い続ける費用は、年を追って重くなります。

(d)過去の決定が生かされていない。 去年「事業撤退で放棄」と決めた特許と同じ事業の特許が、今年は誰の目にも止まらずに維持されます。決定の記録はあるのに、次の判断の材料になっていません。

  1. 【自動】 毎月1日の朝、知財管理システムから3か月後に納付期限が来る特許の一覧を書き出す
  2. 【自動】 被引用の件数、実施の状況の調査票、製品別売上、過去の決定を特許番号で結び付ける
  3. 【自動】 実施中・許諾中・係争中などの決まりに当たるものを「維持(確認のみ)」に置く
  4. 【自動】 残りを学習済みのモデルにかけ、過去に放棄と決めた特許への近さ(0〜1)を出す
  5. 【自動】 近さが一定以上を「見直し候補」、データが欠けたものを「要確認」にし、理由の上位3つを付ける
  6. 【自動】 一覧を知財部の共有フォルダに書き出し、担当者に知らせる
  7. 【人】 担当者が「見直し候補」と「要確認」を開き、理由と数値を確かめて照会の対象を決める
  8. 【人】 事業部と発明者に照会し、知財委員会で維持か放棄かを決める
  9. 【人/自動】 決定を知財管理システムと決定の記録に残し、次の学習の手本に加える

7番目が、この設計の分かれ目です。人が開くのは候補と要確認だけです。 「維持(確認のみ)」と、近さが低い特許は一覧で件数を流し見て終わりにします。全件を人が見直す設計にすると、50.0時間はほとんど減りません。

3番目の決まりを、モデルより前に置いているのも意図してのことです。 実施を許諾している特許は、被引用が少なく売上の列が空でも、許諾料という形で価値を生んでいます。数値に出ない価値を、数値で判定させないためです。

02今回想定するシステム構成

構成図
知財管理システム(権利の一覧・登録日・次の納付期限・納付予定額・請求項の数)
実施の状況の調査票(表計算)/販売管理の製品別売上(月次の書き出し)
特許情報サービスの書き出し(被引用の件数・引用した出願人)
知財委員会の決定の記録(維持・放棄・理由・決定日)
   │
   ▼【トリガー】毎月1日 7時(社内のサーバーで動かす)
Python(pandas)
   ├──▶ 特許番号で結び付け、決定の時点の数値を組み立てる
   ├──▶ 決まりで外すもの(実施中・許諾中・係争中・審判中)を先に分ける
   ▼
scikit-learn(StandardScaler + LogisticRegression)
   │   過去に放棄と決めた特許への近さ(0〜1)と、理由の上位3つ
   ▼
Python ── 区分の付与(維持(確認のみ)/見直し候補/要確認)と一覧の書き出し
   ▼
【人が候補を確かめ、照会する特許を決める】── 知財部の担当
   ▼
事業部・発明者への照会 ── 知財委員会で決定
役割想定する製品代替候補
実行環境Python(pandas・scikit-learn)R
処理エンジンscikit-learn の LogisticRegression(StandardScaler と組み合わせる)scikit-learn の HistGradientBoostingClassifier、statsmodels のロジスティック回帰
集計Python(結び付け、決まりの適用、区分の付与)表計算の計算式
データの取得元知財管理システムと販売管理の書き出し、調査票、特許情報サービスの書き出し手作業で作った権利の一覧
結果の出力先知財部の共有フォルダの一覧知財管理システムの備考欄(人が写す)

知財管理システムには、何も書き込みません。 毎月書き出してもらった一覧を読むだけで、維持か放棄かは人が決め、人が登録します。 書き込みを足すと、判定の誤りがそのまま納付の止まりに進みます。

土台になるのは、scikit-learn の LogisticRegression です。 2つの区分のどちらに当たるかの確からしさを predict_proba で返し、列の並びは classes_ の順です。各特徴量の重みは coef_ に入り、2区分の問題では形が (1, 特徴量の数) です。重みが読めるので、「なぜ候補になったか」を数値で説明できます。 これがこの題材で決定木の集まりより先にこれを選ぶ理由です。

書き方の注意が1つあります。 公式のドキュメント(1.9.1)では、penalty は1.8で非推奨になり1.10で削除予定とされ、l1_ratio と C で正則化を指定するよう案内されています。l1_ratio=0 が従来の L2 に当たり、既定値です。C は正則化の強さの逆数で、小さいほど強く効きます。 古い書き方の例をまねないでください。

生成AIを使わないのも、意図してのことです。 この判定に使うのは、件数・金額・年数・区分といった数値と記号だけで、文章を読む工程がありません。 文章を読む必要が出るのは、候補になった特許の請求項を検討する段階で、それは UC-0108 のような中身の検討の仕事です。数値の判定を生成AIに任せると、同じ入力でも理由の書き方が月ごとに揺れ、知財委員会で「先月と言っていることが違う」と言われます。 重みが固定されたモデルなら、同じ数値には同じ近さと同じ理由が返ります。

モデルの外に置く「決まり」は、知財部が持つ文書です。 どの契約を決まりで外すか、登録から何年以内を対象外にするかは、知財部長の承認で変える取り決めにします。決まりを変えた月は、変える前と後の両方で一覧を作り、件数の差を確かめてから切り替えます。

03どうやって実装するのか

Step1

処理の起点を決める

毎月1日の朝7時に、社内のサーバーで動かします。 3か月後の月に納付期限が来る特許が対象です。1日に動かすのは、事業部への照会に1か月、知財委員会の審議に1か月を残すためです。

前月末に、知財管理システムの一覧と販売管理の製品別売上を共有フォルダへ書き出してもらいます。2つのファイルの日付が今月のものであることを最初に確かめ、古ければ止めて担当者に知らせます。 古い売上で判定すると、事業が伸びている特許が候補に出ます。

このほか、知財委員会で決定が出た翌日に、決定の記録の取り込みだけを動かします。 モデルの学び直しは半年に1回で、毎月は行いません。

Step2

入力データを集める

データ中身取得元
権利の一覧特許番号、出願日、登録日、次の納付期限、何年分か、納付予定額、請求項の数、技術分類、担当の事業部知財管理システムの書き出し
実施の状況特許番号、実施している製品のコード、「実施していない」「分からない」、回答日、回答者調査票(表計算)
製品別売上製品のコード、月ごとの売上販売管理の書き出し
被引用特許番号、他社の出願から引用された件数、直近3年の件数、引用した出願人特許情報サービスの書き出し
契約・係争実施許諾・クロスライセンス・係争・審判の対象になっている特許番号法務・知財の契約台帳
過去の決定特許番号、決定日、維持/放棄、理由知財委員会の決定の記録

質を決めるのは、下の2つです。 契約・係争の台帳が抜けていると、許諾料を生んでいる特許が候補に出ます。過去の決定に理由が書かれていないと、後で「なぜこの手本で学ばせたのか」を説明できません。

被引用は、契約している特許情報サービスから書き出したものを使います。 サービスごとに数え方(審査官の引用を含むか、ファミリーで数えるか)が違うので、どの数え方で書き出したかを一覧の最初の行に残します。 数え方が変わった月の前後で、数値をそのまま比べないためです。

Step3

データの取得方法を決める

取るものどこから何に使うか
3か月後に期限が来る特許権利の一覧の「次の納付期限」判定の対象を決める
何年分の特許料か、残りの期間出願日と「何年分か」残りの年数を出す
実施製品と売上調査票の製品のコード→製品別売上直近12か月の売上の合計
被引用特許情報サービスの書き出し全体の件数と直近3年の件数
決まりで外すもの契約・係争の台帳モデルにかけない特許を決める
手本過去5年の決定の記録学習のときだけ使う

残りの期間は、出願日から数えます。 特許法第67条第1項は、特許権の存続期間を特許出願の日から20年で終わると定めています。延長登録があったものは、知財管理システムの満了日を優先します。

特許料の納め方も、法律の文言で確かめておきます。 第108条第2項は、第4年以後の各年分の特許料を「前年以前に納付しなければならない」としています。この構成が3か月前に一覧を出すのは、その「前年以前」の期限の前に、照会と審議を終えるためです。

売上は、実施製品が複数あれば合計します。 1つの製品に複数の特許が関わるときは、売上を特許の数で割りません。 割ると、関わる特許が多い主力製品ほど1件あたりの売上が小さく見えます。

Step4

AIへ渡す前に整形する

  1. 特許番号の書き方をそろえる … 「特許第」「号」、全角数字、ハイフンを取り、7桁の数字にそろえます
  2. 書き出しの日付を確かめる … 権利の一覧と売上が今月のものでなければ止めます
  3. 決定の時点の数値を作る … 学習用には、決定日より前の調査票・売上・被引用だけで数値を組み立てます
  4. 欠けた値に印を付ける … 実施の状況が「分からない」「空欄」のものは、0で埋めずに欠けた印を付けます
  5. 決まりで外す … 実施中(売上あり)・許諾中・係争中・審判中のものを「維持(確認のみ)」に分けます
  6. 数値をそろえる … 売上と被引用は件数の偏りが大きいので、1を足して対数を取ります
  7. 重複を除く … 分割出願や同じ特許番号の行が二重にあれば1行にします

3番目がいちばん大事です。 放棄と決めた特許は、決めた後に調査票で「実施していない」に書き換えられることがあります。いまの数値で学ばせると、決定の結果を原因として覚えます。 学習の精度は見かけ上とても高くなり、新しい特許にはまったく当たりません。

4番目も同じくらい効きます。 「分からない」を0件の売上として扱うと、調べていない特許が、使われていない特許として候補に出ます。 欠けているという事実は、それだけで「要確認」の理由です。

Step5

AIに処理させる

させるのは、決まりで外れなかった特許について、過去に放棄と決めた特許への近さを0〜1で出し、その近さを押し上げた数値の上位3つを書き出すことだけです。

特徴量中身欠けたときの扱い
残りの年数満了日までの年数欠けない(必須)
次の特許料の額知財管理システムの納付予定額欠けない(必須)
被引用(全体・直近3年)対数を取った件数書き出しに無ければ「要確認」
実施製品の売上(直近12か月)対数を取った合計「分からない」は「要確認」
実施していないと答えた年数調査票で続けて「実施していない」の回数0から数える
技術分類社内の技術区分(ダミー変数)その他にまとめる
担当事業部の状態継続/縮小/撤退経営企画の区分を使う

学習は、scikit-learn の Pipeline に StandardScaler と LogisticRegression をつないで行います。 数値の大きさをそろえてから学ばせると、coef_ の大きさを特徴量どうしで比べられます。放棄の決定は維持より少ないので、class_weight="balanced" を使います。 公式のドキュメントでは、これは n_samples / (n_classes * np.bincount(y)) で重みを付ける指定です。

理由の上位3つは、標準化した値と coef_ の掛け算で出します。 掛け算が大きいものから3つを、「直近3年の被引用が0件」「実施していないと3年続けて回答」のような日本語の文に置き換えます。文に置き換える対応表は人が作り、モデルには作らせません。

させないこと理由
維持か放棄かの結論事業の見通しと交渉の材料は数値に出ない。知財委員会が決める
決まりで外した特許の判定許諾料・係争は数値で測れない
欠けた値の推測「分からない」を0に置き換えると候補が増えすぎる
理由の文の作成対応表に無い言い回しで理由を書かせない
放棄の手続き納付を止めるのは人の決定の後
Step6

指示内容を固定する

この構成は生成AIに文章で指示する形ではなく、Python の設定ファイルに判定の決まりを書いて渡します。 担当者が読んで直せるように、設定は日本語の注記付きで持ちます。

# 維持の見直しの判定の設定(patent_review_config.yaml)

対象:
  納付期限の月: 実行月の3か月後
  除く: 存続期間の満了まで1年を切ったもの(最終年分は別の一覧で扱う)

決まりで「維持(確認のみ)」にするもの(モデルにかけない):
  - 実施製品があり、直近12か月の売上が0より大きい
  - 契約台帳で、実施許諾・クロスライセンスの対象になっている
  - 契約台帳で、係争・警告・交渉の対象になっている
  - 審判・訴訟が係属している
  - 登録から3年以内(学習の手本にほとんど無いため)

要確認にするもの:
  - 実施の状況が「分からない」または空欄
  - 被引用の書き出しに特許番号が無い
  - 担当事業部が空欄

モデル:
  pipeline: StandardScaler -> LogisticRegression
  LogisticRegression:
    C: 0.5          # 正則化の強さの逆数。小さいほど強く効く
    l1_ratio: 0.0   # L2。penalty は使わない(1.8で非推奨)
    class_weight: balanced
  学習の手本: 過去5年の決定(決定日より前の数値だけで作る)
  検証: 直近1年の決定を取り分け、それより前で学ばせて当たり方を見る

区分:
  見直し候補: 近さ 0.60 以上
  維持(確認のみ): 近さ 0.60 未満
  # しきい値は直近1年の検証で、候補の数が月40件前後になるように決める

理由の文の対応表(上位3つに使う):
  被引用_直近3年: "直近3年に他社から引用されていない"
  売上_12か月: "実施製品の直近12か月の売上が無い"
  不実施_年数: "実施していないと{n}年続けて回答"
  事業部_撤退: "担当事業部が撤退の区分"
  次の特許料: "次の特許料が{yen}円で、保有特許の上位にある"

「決定日より前の数値だけで作る」を設定に書いているのは、プログラムの書き手が替わっても守らせるためです。 ここを外すと、学習の当たり方は良く見えるのに、本番で何も当たらなくなります。一番気づきにくい誤りなので、設定の文字として残します。

しきい値を「候補の数」で決めているのも意図してのことです。 近さ0.60という数に意味はありません。事業部への照会を月に何件こなせるかが先に決まっていて、そこに合わせます。 照会しきれない数の候補を出すと、また「とりあえず払う」に戻ります。

Step7

出力形式を固定する

特許1件ごとに次の形の行を、一覧(CSV)と JSON の両方に書き出します。

{
  "patent_no": "7123456",
  "due_date": "2027-01-15",
  "year_of_fee": 9,
  "fee_yen": 0,
  "remaining_years": 11.2,
  "category": "review_candidate | keep_by_rule | keep | needs_check",
  "rule_hit": "",
  "score": 0.74,
  "reasons": [
    { "feature": "citations_3y", "value": 0, "text": "直近3年に他社から引用されていない" },
    { "feature": "nonuse_years", "value": 3, "text": "実施していないと3年続けて回答" },
    { "feature": "division_status", "value": "撤退", "text": "担当事業部が撤退の区分" }
  ],
  "missing": [],
  "model_version": "2026H2",
  "data_as_of": { "ip_list": "2026-10-31", "sales": "2026-10-31", "citations": "2026-10-30" }
}

1つ目の理由は、category と score を分けて持てることです。 決まりで外した特許は score を空にし、rule_hit に当たった決まりを書きます。決まりで外したのか、モデルが低く見たのかが、後から区別できます。

2つ目は、reasons を数値と文の組で持てることです。 担当者は文を読み、事業部に照会するときは数値を添えます。文だけだと「本当に0件か」を確かめる手段がありません。

3つ目は、data_as_of で、どの日の数値で判定したかが残ることです。 売上の書き出しが1か月遅れていた月の判定を、後から見つけられます。

category意味人がすること
keep_by_rule決まりで維持(確認のみ)件数と当たった決まりを流し見る
keep近さがしきい値未満件数を流し見る
review_candidate見直し候補理由と数値を確かめ、照会するかを決める
needs_checkデータが欠けている欠けた数値を事業部に問い合わせる
Step8

システムへ連携する

つなぎ先方式内容
知財管理システム月末の書き出しを読む権利の一覧と納付の予定
販売管理月末の書き出しを読む製品別売上
調査票・契約台帳共有フォルダの表を読む実施の状況と決まりで外す特許
特許情報サービス担当者が書き出したファイルを読む被引用の件数
知財部の共有フォルダファイルの書き出し判定の一覧と JSON
社内の連絡の場通知一覧ができたことと区分ごとの件数

どのシステムにも書き込みません。 読むのは書き出されたファイルだけで、出すのは共有フォルダの一覧だけです。 知財管理システムの「放棄予定」の印は、知財委員会の決定の後に人が付けます。

特許情報サービスへの自動の問い合わせは作りません。 契約によっては機械的な取得が制限されていることがあるため、担当者が画面から書き出したファイルを置く形にします。 自動で取りたい場合は、そのサービスの契約と提供されている仕組みを先に確かめてください。

Step9

人が確認する

人が開くのは review_candidate と needs_check だけです。 200件のうち、候補が40件前後、要確認が10件前後という想定です。

  1. needs_check を先に片付ける … 欠けた数値を事業部に問い合わせます。答えが来たら、その特許だけ判定をやり直します
  2. 候補の理由を数値で確かめる … 理由の文の横の数値を見て、書き出しの誤りでないかを確かめます。被引用0件は、特に書き出しの漏れを疑います
  3. 照会する特許を決める … 同じ事業部・同じ技術分類の候補はまとめて照会します
  4. 候補から外したら記録する … 外した理由(「来年の新製品で使う予定」など)を一行残します
  5. 知財委員会の決定を記録に戻す … 次の学習の手本になります

4番目を省かないでください。 担当者が候補から外した理由は、モデルが知らない情報そのものです。 同じ理由で外す特許が毎月出るなら、それは決まりに足すべきものです。

目標は、200件をならして1件3分です。 流し見の160件は1件あたり数十秒、候補と要確認の40〜50件は理由と数値を見て数分かかります。候補が月60件を超えるなら、しきい値か決まりを見直します。

Step10

例外に対処する

起きること対応
書き出しの日付が古い判定を止め、担当者に知らせる。古い売上で判定しない
特許番号が他の表と結び付かない番号の書き方を疑う。結び付かないものは needs_check
被引用の書き出しに無い特許0件として扱わず needs_check
実施製品のコードが販売管理に無い製品の廃番か付け替え。売上を0にせず needs_check
延長登録がある知財管理システムの満了日を優先して残りの年数を出す
期限までに決定が間に合わない維持として払う。放棄は次の年分で検討する
納付を忘れた・期限を過ぎた特許法第112条の追納の期間(期間の経過後6月以内、同じ額の割増特許料)を担当者が確かめる
学習の手本の放棄が少なすぎる学び直しを見送り、前の版を使い続ける
判定の処理が途中で止まる一覧を出さず、前月の一覧も上書きしない

6行目は、この構成の安全側の決めごとです。 判定は「見直す価値があるか」を言うだけで、期限までに人の決定がそろわなければ、払うほうに倒します。 払った1年分は取り戻せませんが、放棄した権利は戻せないことがあるからです。

7行目は、判定の外の話として書いておきます。 第112条は、納付の期間を過ぎても期間の経過後6月以内なら追納でき、そのときは特許料と同じ額の割増特許料を納めると定めています。この構成は追納の管理をしません。 知財管理システムの期限の管理を、そのまま使ってください。

Step11

記録を残す

  • 毎月の判定の一覧と JSON、そのとき読んだ書き出しのファイル(日付付き)
  • モデルの版(学習の期間、手本の件数、C と l1_ratio、しきい値、検証の結果)
  • 決まりで外した特許と、当たった決まり
  • 担当者が候補から外した特許と、その理由
  • 知財委員会の決定(維持/放棄、決定日、理由)と、そのときの判定の区分
  • 照会した事業部と、回答の日付

2つ目でモデルの版を残すのは、半年ごとに学び直すからです。 去年の放棄の決定が「なぜ候補に出たか」を説明するには、そのときのモデルと重みが要ります。 新しい版で計算し直すと、当時の理由とは違う理由が出ます。

4つ目と5つ目を並べて見ると、モデルの当たり方が分かります。 候補に出て放棄になった件数、候補に出て維持になった件数、候補に出ずに放棄になった件数の3つを半年ごとに数えます。最後の数が多いなら、モデルが見ていない理由で放棄が決まっています。

04実装レベルの3段階

最小構成:過去60件の数値を表に並べ、重みの向きを確かめる / 判定の手がかりの確認
半自動化:上記+毎月の書き出しを結び付け、決まりで外すものを分けて一覧にする / 情報集めと決まりの適用
本格構成:上記+学習済みのモデルで近さと理由を出し、区分を付けて知らせる / 見直し候補の洗い出しの全体

最小構成では毎月の件数がさばけません。 確かめるための段階です。 半自動化で、1件15分が6分程度になります。 4つの場所から数値を集める作業はなくなりますが、どれを候補にするかの判断が1件ずつ残ります。 本格構成で3分になり、この段階が本記事の想定です。差が大きいのは、200件すべてに目を通す作業が、候補と要確認だけになるからです。 半自動化で半年回してから本格構成に進んでください。 決まりで外す特許の件数と、担当者が手で候補にした特許の理由がたまり、しきい値と決まりを決める材料になります。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
3 名
月間件数
200 件
1件あたり現在時間
15 分
1件あたり導入後時間
3 分
現在  200件 × 15分 ÷ 60 = 50 時間/月
導入後 200件 × 3分 ÷ 60 = 10 時間/月
月間削減時間
40h
削減率
80%
年間削減時間
480h
年間金額換算(時間単価4,000円)
192万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 国内で1,000件以上の特許を持ち、毎月まとまった件数の特許料の納付期限が来る製造業・IT企業。知財管理システムに権利の一覧と納付の予定があり、事業部への実施の状況の調査を年に1回以上行っている場合。過去数年分の「維持した/放棄した」の決定が知財委員会の記録に残っている場合。年金の支払いが「とりあえず払う」になっていて、見直しの対象を絞る手がかりが欲しい場合。
向いていない
  1. 保有特許が数百件までで、知財担当が全件の中身と使われ方を覚えている場合。過去の放棄の決定がほとんど無く、学ばせる手本が無い場合。特許と製品の対応が社内のどこにも記録されていない場合。なお、維持するか放棄するかの決定、事業部・発明者への照会、ライセンスや係争の見通しの判断は、この構成では代替できません。

07最小構成で試す方法

  1. 過去1年に知財委員会で決定した特許から、放棄20件と維持40件を選ぶ
  2. その60件について、決定の前の時点の被引用・実施の状況・売上・残りの年数を表に並べる
  3. 表計算で、数値ごとに放棄と維持の平均を比べる
  4. Python の短いスクリプトで LogisticRegression を学ばせ、重みの向きと大きさを見る
  5. 重みの向きが担当者の感覚と合うかを、知財部の3名で話し合う

2番目の「決定の前の時点」は必ず守ってください。 ここを今の数値で作ると、どんな方法でもきれいに分かれて見えます。試す段階で、この誤りに気づけるかどうかが分かれ目です。

出てきた内容判断
被引用・売上の重みが担当者の感覚と同じ向き毎月の一覧づくりに進む
欠けた値が多く、重みが安定しない調査票の回収が先。モデルの問題ではない
放棄と維持の差がほとんど出ない過去の決定が数値以外の理由で決まっている。決まりの側を先に整える

3行目が出ることも珍しくありません。 その場合は、過去の決定の理由の欄を読み直してください。「事業部の要望」「交渉材料」のような理由が多いなら、それは決まりで外すべき特許です。

08実装時につまずきやすいポイント

問題対策
学習の当たり方が良すぎる決定の後の数値が混ざっている。 決定日より前の数値だけで作り直す
「分からない」が売上0として候補に出る欠けた印を付け、needs_check に回す
許諾中の特許が候補に出る契約台帳を決まりで先に当てる。台帳の更新日を確かめる
主力製品の特許が低く見える売上を特許の数で割らない
penalty を指定した古い例をまねる1.8で非推奨。 l1_ratio と C で書く
重みを比べても意味が分からないStandardScaler で大きさをそろえてから学ばせる
放棄の手本が少なく学習が偏るclass_weight="balanced"。それでも少なければ学び直しを見送る
候補が多すぎて照会しきれないしきい値を候補の数で決める
被引用の数え方が月で変わる書き出しの条件を一覧の最初の行に残す
担当事業部の撤退が反映されない経営企画の区分を毎月読み直す
モデルの判定がそのまま放棄になる決定は知財委員会。 一覧に「判定は見直しの候補」と書く
過去の判断の癖まで学ぶ候補に出ずに放棄になった件数を半年ごとに数える

上の2行が、この構成の失敗のほとんどです。 どちらも「数値がそれらしく見える」という同じ見た目から出発しています。数値を作った時点と、数値が欠けた理由を残しているかどうかで、運用に乗るかが決まります。

最後の行も、早めに効いてきます。 モデルは過去の決定をまねるので、過去に「とりあえず払う」が多かった分野は、いつまでも候補に出ません。 候補に出なかった放棄を数えることが、その癖に気づく唯一の手がかりです。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 保有特許の一覧、製品別の売上、実施の状況、他社への実施許諾と係争の対象、知財委員会の決定と理由です。

  1. 社外に出さない … 学習も判定も社内のサーバーで行います。どの特許を放棄しようとしているかは、競合にとって価値のある情報です
  2. 契約・係争の台帳の扱いを絞る … 決まりで外すのに使うだけで、一覧には「契約による維持」とだけ書きます。相手先の名前を一覧に出しません
  3. 判定を決定として扱わない … 一覧の見出しに「見直しの候補であり、維持・放棄の決定ではない」と書きます。放棄は取り消せないことがあります
  4. 期限に間に合わなければ払う … 判定が遅れた・データが欠けた特許は維持に倒す決まりを、知財部の手順書に書きます
  5. モデルの版と決定を対応させて残す … 後で「なぜこの特許を放棄したのか」と問われたときに、当時の数値と理由を出せるようにします
  6. 事業部の回答を評価に使わない … 調査票の「分からない」の多さを、事業部や発明者の評価の材料にしないでください。回答が正直でなくなります

誤りが起きた場合のリスクは、使われている特許を候補に出すことと、使われていない特許を見落とすことの2つです。 前者は照会で止まりますが、照会が形だけになると放棄まで進みます。後者は費用が減らないだけで、権利は失いません。どちらに倒すかを、設計の段階で「見落としのほうを許す」と決めておきます。

10まず何から始めるか

1週目:書き出しを日付付きで残し始める

知財管理システムの一覧、製品別売上、調査票を、今月から日付付きのファイル名で残します。 上書きをやめるだけで、半年後には決定の時点の数値を作れるようになります。

2週目:過去の決定を表にする

知財委員会の議事録から、過去1年の決定を特許番号・決定日・維持/放棄・理由の4列で表にします。理由の欄で「契約」「交渉」「事業部の要望」を数え、決まりで外すべきものを洗い出します。

3週目:60件で試す

放棄20件と維持40件について、決定の前の時点の数値を並べ、重みの向きを確かめます。担当者の感覚と違う向きの重みが出たら、そこが話し合いの材料です。

4週目:決まりとしきい値を決める

決まりで外す特許の条件と、月に照会できる件数を知財部で決めます。この時点ではモデルを使わず、決まりで外した残りの一覧を毎月作ります。

2か月目: 半自動化の一覧を毎月出し、担当者が手で候補にした特許とその理由を記録します。3か月目以降: 過去5年の決定でモデルを学ばせ、直近1年で当たり方を確かめてから区分を出します。候補に出ずに放棄になった件数を半年ごとに数え、決まりとしきい値を見直す運用が回った時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-10-28/最終更新:2026-10-28
確認した内容情報源確認日
LogisticRegression(1.9.1)で、penalty が1.8で非推奨・1.10で削除予定となり l1_ratio と C で指定するよう案内されていること。l1_ratio の既定が0.0であること。C が正則化の強さの逆数で小さいほど強いこと。class_weight="balanced" が n_samples / (n_classes * np.bincount(y)) で重みを付けること。predict_proba の列が classes_ の順であること。2区分の coef_ の形が (1, n_features) であることscikit-learn: LogisticRegression2026-10-28
特許法第67条第1項(存続期間は特許出願の日から20年)、第107条(特許料は存続期間の満了までの各年について、1件ごとの額に請求項の数に応じた額を加えた額)、第108条第2項(第4年以後の各年分の特許料は前年以前に納付)、第112条(納付の期間の経過後6月以内の追納と、特許料と同額の割増特許料)e-Gov 法令API: 特許法2026-10-28

維持するか放棄するかは、知財委員会と事業部で決めてください。 本記事は、上の公式ページで確認できた範囲だけを扱っています。特許料の具体的な額は政令で定められており、本記事では扱っていません。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-2142)についてのご相談はこちらから。

AI活用について相談する
目次