PateLensパテレンズ

漫画で始まり、実際のアウトプットで見る。

特許の世界を、もっと見やすく。

特許調査の最初の一歩を、AIで。

膨大で複雑な特許情報を、AIで集め、整理し、比べ、見える形にする。PateLensは、AIを活用した特許調査の事例を、実際に作成したレポートや資料とともに紹介するサイトです。

AIを活用すると、こんな調査資料が作れる。そこに至る考え方と、AIだけでは言えないことも、あわせてお伝えします。

吉田君

今日も電話一本から、AI特許調査が始まる。

PateLensは事例を共有するサイトです。調査のご依頼・お見積り・個別相談はお受けしていません。

こんな場面、ありませんか?SCENES

調べたい。でも、ピントが合わない。

特許調査の相談は、整った依頼書から始まるとは限りません。

  • 事例①

    「色を保つ技術の、出願の流れをつかみたい」

    まだ特許のリストもない。まず、どこまで広く探すかを決めたい。

  • 事例②

    「緑の野菜の色あせを防ぐ手を、ほかの青果物の世界から探したい」

    特許のリストは手元にある。でも、1,000件を超える公報のどこから見ればいいのか分からない。

  • 事例③

    「周辺の分野の技術を、比べられる形で知りたい」

    ゆでたブロッコリーや枝豆が、売り場に並ぶころには黄ばんでしまう。ヒントは、意外な分野にあるかもしれない。

そんなとき、AIをどう使えば、ピントが合うのか。吉田君の事例で、のぞいてみてください。

PateLensとはABOUT

Patent特許×Lensレンズ

PateLens(パテレンズ)は、AI特許調査を見るための「レンズ」です。

このサイトでは、AIを活用した特許調査の事例を紹介しています。

相談をどう問いに変え、どんな資料にまとめ、相手にどう伝えたのか。実際のアウトプットを見ながらたどります。

AIは、人がよりよく判断するために、視野を広げ、焦点を合わせる道具。PateLensでは、AIが役立つところと、人が確かめるべきところを、事例の中で正直にお伝えします。

  1. 01事例を見る。
  2. 02考え方に触れる。
  3. 03自分の仕事に置き換える。

ただし、レンズは判断しません。

判断するのは、
レンズを覗く人です。

事例紹介CASES

吉田君の調査を、ひとつのぞいてみませんか。

事例は、物語でたどる「本編」と、作成したExcelの報告書を実際のシートで読み解く「解説記事」の2本立てです。

SINGLE独立した事例

事例①調査対象母集団を作る|検索式レポート Excel 8シート

緑色野菜の色あせを抑える技術の出願動向|4つの検索案から1,950件の一次判定まで

「ほかではどうやって色を保っているのか、全体の流れを知りたくて」

食品事業部の村井さんからの電話。「ゆでた緑色野菜の色がくすむ」という相談を調べられる観点に置き換え、82行の検索式を組みました。広さの違う4つの案から母集団を選び、関連度で読み分けるところまでの記録です。

検索式
82行
27本の検索ルートを、最終行で一つにまとめる
母集団の案
4つ
狭い案から広い案まで、入れ子で比べる
採用した標準案
1,950件
名称・要約・請求項1で一次判定

SERIES青果物の変色抑制

ひとつの特許リスト(1,339件・分析対象646件)を、2つの視点で読みました。

  1. 事例②特許の出願動向を確認する
  2. 事例③個別の特許技術を確認する

事例②特許の出願動向を確認する|特許調査報告レポート Excel 11シート

青果物の変色抑制、特許1,339件から緑色野菜への転用候補を探す

「緑の野菜の色あせを防ぐ手を、ほかの青果物の世界から探したい」

食品原料部の森下さんからの電話。預かった特許リストを○・△・×に読み分け、646件に8つの観点でラベルを付けて、全体の地図にしました。依頼の問いごとに、答えがどのシートにあるかを示しています。

特許リスト
1,339件
分析の観点
8つ
レポート
11シート

事例③個別の特許技術を確認する|特許技術把握レポート Excel 9シート

緑色野菜の色を守る技術を、周辺の分野から探す

「カット野菜や果物の変色の話、それに包装の会社の技術なんかも、使えないかなと思って」

食品事業部の三浦さんからの電話。同じ646件を、8つの分類項目ごとに同じ5つの分析軸で読み、技術を項目ごとにたどれるレポートにまとめました。

分析の対象
646件
項目×分析軸
8×5
レポート
9シート

件数は読む対象の規模で、関係する特許の数ではありません。数字は各事例の情報の時点(2026年10月)のものです。人物・会話・相談の経緯は、実際の調査のアウトプットをもとに再構成したフィクションです。

記事の楽しみ方HOW TO READ

物語で流れを知り、解説で数字の出どころをたどる。

どの事例も、目的の違う2本の記事でできています。どちらから読んでも、行き来しながら読んでも楽しめます。

MAIN STORY

本編吉田君のAI特許調査奮闘記

一本の電話が、調べられる問いになり、報告書になり、評価を受けるまで。AIを活用した特許調査の流れと、その途中の判断を物語でたどります。

  1. STORY MAP全体の地図
  2. PHASE 01相談を観点に置き換える
  3. PHASE 02読み分けて整理する
  4. PHASE 03答えの位置を探す
  5. PHASE 04照合して届け、評価を受ける
見せ方
場面ごとの漫画、話者名つきの会話、「吉田君 心の声」、NEXT SCENE
見どころ
納品前の照合(答えた問いと、まだ答えていない問いを分ける)と、依頼者・上司の二つの評価
テイスト
実務の悩みから入る、親しみやすい物語
こんな方に
まず、調査の流れをつかみたい方

READING GUIDE

解説記事成果物の読み方

生成AIで作ったExcelの報告書を、表紙から順に読みます。どの数字がどの表から来ているか、どこからが推論かを、読み手が自分で確かめられるように。

  1. GUIDEこの記事で分かること
  2. PART 1全体の地図をつかむ
  3. PART 2分類や推移を読む
  4. PART 3答えと確からしさを読む
  5. PART 4次の作業を決める
見せ方
実際のシートの画像、出典のセル範囲つきの表、「読み違えやすい点」
見どころ
最後にまとめる「読むときのコツ」
テイスト
事実と推論を分けて書く、落ち着いた実務の解説
こんな方に
報告書を受け取る側・作る側として、読み方を身につけたい方

章の名前と数は、事例によって少しずつ異なります。

どの記事にも共通すること

  • 件数は読む対象の規模で、関係する特許の数ではないと書く
  • 判定の根拠にした範囲(名称・要約・請求項など)を書く
  • 生成AIを活用したこと、人物と会話が架空であることを書く
  • 最後に「生成AIを活用するメリット」と「注意点」を振り返る

良い報告書とは、結論が強い資料ではなく、読み手が根拠まで自分でたどれる資料です。

吉田君(事例② 解説記事より)

AIを活用すると、こんな報告書が作れるOUTPUTS

特許番号の一覧では、終わらない。

3つの事例で作成したExcelの報告書を、「どんな報告書なのか」に絞って紹介します。中身の読み方は、各事例の解説記事で紹介しています。

件数を見たら、行番号を見る。

検索式と、母集団の広さを報告するブックです。「結論 → 設計 → 式 → 確かめ → 判定」の順に並びます。

このレポートで分かること

  • 表紙だけで、4つの案の件数と、検索式の最終行が分かる
  • 82行の検索式を、最終行から一段ずつたどれる
  • 前提と限界のシートが、次に人が確かめる事項を先に示している
解説記事で読み方を見る
検索式レポート|緑色野菜の色あせ.xlsx
  1. 0_表紙・目次
  2. 1_調査の概要
  3. 2_案の比較(図解)
  4. 3_検索ルートの構成
  5. 4_検索式
  6. 5_案ごとの公報の簡易確認
  7. 6_前提と限界・用語
  8. 7_関連公報の抽出
シート名は実際のブックに基づいています。画面はイメージです。

AIが出した答えをそのまま渡すんじゃなくて、考えるための資料にする。そこが腕の見せどころです。

吉田君

4つのレンズFOUR LENSES

AI特許調査を読み解く、4つのレンズ。

PateLensの事例は、レンズの4つの働きに沿って進みます。

  1. START

    はじまり

    相談を、調べるべき「問い」に変える

    何を知りたいのか、何に使うのか。そして、どの資料で答えるのか。

  2. LENS 01

    広く見渡す

    相談の言葉を、検索できる語や分類に置き換え、母集団をつくる。

  3. LENS 02

    焦点を合わせる

    テーマとの近さで文献を分け、分析する範囲を決める。

  4. LENS 03

    詳しく見る

    誰が、いつ、どんな工夫をしてきたのか。課題と解決手段を比べ、手薄なところを探す。

  5. LENS 04

    見えるようにする

    報告書、一覧、図など、読み手と場面に合った形にまとめる。答えがどこにあるかも示す。

  6. AND

    そして

    確かめ、次につなぐ

    答えられたことと、まだ答えていないことを分け、次の確認へ渡す。

すべての事例で、全工程・全種類の分析を行うわけではありません。

吉田君と、事例の楽しみ方STORY

今日も電話一本から、AI特許調査が始まる。

「吉田君、ちょっと急ぎで特許を調べてほしいんだけど……」

舞台は、AI知財部と通常の知財部がある架空の中堅商社。開発、営業、事業部門から、調査担当の吉田君に今日も相談が舞い込みます。

「さて、AIと作戦会議だ。」

吉田君は万能ではありません。調査の問いを決め、AIの力を借りて資料にまとめ、依頼者と上司の評価を受けて、次の調査に生かします。

主人公は吉田君。でも、主役はAI特許調査です。

PHASE 01一本の電話から

森下さん(食品原料部)

ほうれん草や枝豆の加工品で、どうしても緑がくすむんです。カット野菜や果物の変色を防ぐ技術って、たくさんありますよね。あれ、緑の野菜にも使えないかなと思って。

吉田君

ほかの品目で使われている手段を、緑の野菜に持ってこられないか、ということですね。お手元のリストを預かって、品目と手段の組合せで見てみましょうか。

事例② 本編より

二つの評価納品のあと、吉田君の報告書は二人の目で評価されます。(事例③ 本編より)

三浦さん依頼者|業務での使いやすさ

02のシートが助かりました。どの表にも重点層と周辺層の特許が4件ずつ並んでいて、横に見ていくと違いが分かります。

ただ、どれを候補にするかは、一緒に絞らせてください。

大野課長上司|根拠と検証の追跡性

件数の分母がシートごとに書いてあるのはいい。ただ、読んだのは第1請求項と要約までだね。

なら、候補を絞った特許から、そこを確かめていこう。

人物・会話・相談の経緯は、実際の調査のアウトプットをもとに再構成した物語です。

AIの役割、人の役割AI & HUMAN

レンズで見渡す人と、手に取って確かめる人。

場面AIが力を発揮するところ人が決め、確かめるところ
調査の設計観点の洗い出し、抜けの発見何を知りたいか、どこまで調べるか
検索と選別検索式の説明、文献の要約・分類案母集団の広さの選択、境界にある文献の判断
資料化構成案、図表、用途別の資料づくり数値が元資料と一致するか、条件を落としていないか
結論論点の整理どこまで言えるか、法的な判断

← 横にスクロールできます →

事例でも、限界はそのまま書いています。

事例③では、納品の前に、依頼の観点と報告書の答えの位置を照らし合わせました。「周辺の品目で使われ、緑色野菜ではまだ少ない手段(転用の候補)」の観点は、比べる材料まではそろったものの、候補の一覧はまだありません。吉田君はそれを答えたことにせず、「候補は次の打合せで一緒に絞る」と次の一手に回しています。

事例①でも、一次判定は名称・要約・請求項1の記載だけに基づくこと、ゆでた野菜に転用できる手段はまだ答えが出ていないことを、はっきり書いています。

AIが整理する。人が根拠を確かめる。そして、何を言えるかを見極める。

PateLensの3つの約束PROMISE

「何が分かったか」だけでなく、「どう考えたか」も伝えたい。

  1. 1

    実際のアウトプットを出発点にする

    調査の件数や結果を、物語のために創作しません。

  2. 2

    できたことも、限界も伝える

    答えられたことと、まだ答えていないことを分けて書きます。

  3. 3

    自分の仕事に置き換えられる事例にする

    結果だけでなく、問いの立て方、資料の見せ方、伝え方まで紹介します。

AI特許調査を、もっと身近に。
けれど、判断はもっと丁寧に。

留意事項を見る

よくある質問FAQ

はじめての方へ。

Q調査を依頼できますか?

Aいいえ。PateLensは、AIを活用した特許調査の事例を共有するサイトです。調査の受託、お見積り、個別相談は行っていません。

Q料金はかかりますか?

Aかかりません。掲載している事例は、すべて無料でご覧いただけます。

Q吉田君やAI知財部は実在しますか?

Aいいえ。人物・会社・会話は架空です。調査のテーマ、件数、アウトプットは、実際の調査に基づいています。

よくある質問をすべて見る

PateLens

見えれば、次の一手が決まる。

AIを活用すると、どこまで見えるのか。どこから人が確かめるべきなのか。
まずは、ひとつの事例をのぞいてみてください。

特許の世界を、もっと見やすく。

そして今日も、吉田君の電話が鳴る。プルルルル……。