特許の世界を、もっと見やすく。AI特許調査の実例と成果物から、活用のヒントを学ぶ。
お気軽にお問い合わせください。000-000-0000受付時間 9:00-18:00 [ 土・日・祝日除く ]
APPLICANT
特許の「担い手」を見る分析
どの企業が、どの技術に、いつ頃から出願しているのか。出願人を整理すると、テーマの中での役割分担や、1社が動かしている流れが見えてきます。AIを活用した事例の中で、出願人の動きをどう見せたのかを紹介します。
このページは事例の紹介です。分析のご依頼はお受けしていません。
この分析で答える問いQUESTIONS
事例で見るCASES
相談「青汁の苦味や青臭さを、各社はどう改善している？」
青汁編のレポートでは、特許調査の最初の章を「出願動向・出願人」とし、企業と時系列の偏りを一緒に見られるようにしました。出願人の属性も、すべての公報に付けた7つの切り口のひとつです。
吉田君は調査設計の段階で、「出願の全体像」という依頼者の問いを、この章で答えると決めていました。納品前の照合でも、「出願の推移・主要企業」は「出願年と公開年、出願人の整理」を確かめる項目にしています。
1社がある年にまとめて出願すると、全体の傾向がその1社に引っ張られます。そこで「全データ」と「集中出願者を除いた後」の両方で集計し、見かけの変化を点検しました。
相談「出願する前に、似た特許がないか見ておきたい」
出願前の先行技術調査では、語と分類に加えて「注目企業」14社を検索式に入れました。日本語と英語の表記を1行にまとめ、日本と海外の公報を一度に探せるようにしています。
14社の出願がテーマに関係するかは、検索式だけでは分かりません。アウトプットには「未確認」と書き、公報を読んで確かめる段階の確認事項にしました。
注目企業の14社がテーマに関係するかどうかも、査読と合わせて確認します。
上司の評価では、注目企業を選んだ元のリストがブックに含まれていない点が「改善の余地」として挙がり、次の報告で対応を残すことにしました。
情報の時点は2026年10月17日です。
出願人は110者で、そのうち70者は1件だけの出願でした。上位5社のシェアは31.2%と、出願は分散しています。ところが、両立を主目的とする中心の特許23件のうち12件は、1つの企業グループの出願でした。
総合分析の集計。情報の時点は2026年10月20日です。
アウトプットでの見せ方HOW TO SHOW
青汁編では、調査設計の段階で、依頼者の問いと答えるシートを対応させました。出願人の問いも、その中のひとつです。
| 依頼者の問い | Excelの確認先 | そのシートで見ること |
|---|---|---|
| 出願の全体像 | 特許① 出願動向・出願人 | 企業・時系列の偏りを確認 |
| どんな解決手段が多いか | 特許② 課題・素材・解決手段 | 課題と技術手段を比較 |
| 二粒子型に近い技術はあるか | 特許③ 製剤化・近年・対象技術／統合③ 対象技術の位置付け | 近接例と検討対象との違いを整理 |
| 次に何を検証するか | 統合⑤ 検証・最終評価 | 調査結果を開発時の確認事項へつなぐ |
← 横にスクロールできます →
青汁編・本編の表より。本編では、この設計書は完成した実績から事後に再構成したものと明記しています。
読むときのポイントREADING POINTS
出願しない方針の企業や、ノウハウとして守る技術もあります。
旧社名、英語表記、子会社などをまとめる「名寄せ」が欠かせません。
同じとは限りません。権利の状態は、別に確かめる必要があります。
PateLensの事例では、企業名は公報に記載された出願人として扱い、企業の評価や推奨はしていません。
AIのメリットと注意点AI & HUMAN
＋メリット
表記の揺れの洗い出し、企業ごとの集計、集中度の比較など、手間のかかる整理をAIが下支えします。日本語と英語の企業名を一緒に扱えるのも、AIを活用する利点です。
！注意点
企業グループのまとめ方や、合併・買収の時期の扱いは、公開情報で確かめる必要があります。