はじめに
はじめまして。LeXi/Vent（レキシヴェント） の上村侑太郎といいます。特許情報分析のコンサルティングをしています。
私たちのミッションは 「『やらない、やれない』という障壁を取り払う環境を創出する」 です。情報分析の難しさを取り払い、情報分析を身近にすることを目指しています。
この記事では、特許情報分析とは何をする仕事なのかを、実際に動かしているものと一緒に紹介します。知財部門向けの記事ではありません。
対象読者
- 新規事業の担当者
- 研究開発（R&D）に携わる方
- 経営企画で技術の目利きを求められている方
技術情報には三つの層がある
ある技術の動向を調べるとき、情報源は大きく三つに分かれます。それぞれ語ることが違います。
| 層 | 語ること | 情報の遅れ | 弱点 |
|---|---|---|---|
| 報道 | その企業が何をできたと言いたいか | ほぼゼロ | 誇張が入る。消えた計画は報じられない |
| 論文 | 何が技術的に可能になったか | 数か月〜1年 | 事業化の意思は読めない |
| 特許 | その企業が何を守ろうとしているか | 公開まで18か月 | 出願しない戦略もある |
この三つがずれているところに情報があります。
報道が盛り上がっているのに特許が増えていない領域は、まだ誰も本気で投資していないか、ノウハウで守る判断をしているかのどちらかです。逆に特許だけ静かに積み上がっている領域は、1年半後に表に出てきます。
事業開発の5フェーズで、特許情報に何ができるか
特許は権利の話に見えますが、膨大かつ信頼性の高いデータでもあります。従来の「知財分析」ではなく、事業創出につながるインサイト抽出として使うと、事業開発の全フェーズに効きます。
| フェーズ | 考え方 | やること |
|---|---|---|
| ① 課題探索・市場機会の発見 | まだ見ぬ市場の芽を、特許から見つける | 技術の潮流と出願の空白地帯を可視化し、先回りする仮説を描く |
| ② アイデア創出・仮説構築 | 技術と用途をつなげ、新しい発想を引き出す | 課題起点の発想を、特許データでロジカルに裏付ける |
| ③ 技術要素の評価・スクリーニング | 選ぶべき技術は、出願の文脈が教えてくれる | 競合状況や先行技術を俯瞰し、実行可能性の高い技術を見極める |
| ④ プロトタイピング・事業性評価 | 技術の優位性を、特許が証明する | 差別化の根拠と参入障壁を、データに基づいて可視化 |
| ⑤ 外部連携・投資判断 | 連携すべき相手は、すでに特許で動いている | 提携・M&A候補の技術力をスコア化し、連携の判断を支える |
研究開発の現場で一番使われるのは①と③です。「自分のテーマに誰が取り組んでいて、いつから増えたのか」「この領域はもう遅いのか」を、感覚ではなく出願の時系列で示せると、社内の議論が止まらずに進みます。
動かしているもの
フィジカルAI ニュース＆特許データダッシュボード
一時点のレポートは、納品した翌月には古くなります。それが嫌だったので、テーマを決めて貯め続ける仕組みを作り、公開しています。
報道7,500件超1と特許14,374件2を蓄積し、毎朝06:00 JSTに自動更新しています。GitHub Actionsでスクリプトを回し、JSONに貯めて静的HTMLを吐き、GitHub Pagesで公開するだけ。DBもサーバーもなく運用コストはゼロです。
on:
schedule:
- cron: "0 21 * * *" # UTC 21:00 = 翌日 06:00 JST
workflow_dispatch: {}
監視テーマは1ファイルにまとまっているので、他分野へ移すときはここだけ書き換えます。
TOPICS = [
{"id": "physical_ai_en", "label": "Physical AI (EN)",
"query": '"physical AI"', "lang": "en"},
{"id": "humanoid_ja", "label": "ヒューマノイド (JA)",
"query": "ヒューマノイドロボット", "lang": "ja"},
]
重要なのは技術ではなく、一時点ではなく差分を見られる状態になることです。「いま何が流行っているか」より「先月から何が変わったか」の方が判断に効きます。
大規模な母集団の分析
同じ母集団14,374件から、23章・図表24点のレポートを作りました。pandasとmatplotlibで処理しています。
このとき出てきた発見（3つ）
-
自動運転とヒューマノイドは、同じ母集団の中で逆方向に動いていた
自動運転の出願は106件から34件へ減り、ヒューマノイドは30件から166件へ増えた3。淘汰期と成長期が同居している -
出願件数の多い企業が、必ずしもその技術をやっているわけではない
ある半導体大手は1,059件を持つが、身体性に関わる分類の比率は15.7%だった -
市場予測の数字が20倍違って見えたのは、フローとストックの混同だった
一方は年間出荷台数、もう一方は累計稼働台数を指していた
3つ目は分析の基本ですが、公開されている予測をそのまま並べて比較している資料は珍しくありません。桁の合わない予測を見たら、まず単位と期間の定義を確認してください。
分析設計のアドバイスもしています
生成AIで分析作業は速くなりました。一方で困ることも増えています。答えが出ないことではなく、答えが毎回違うことです。
同じデータに同じ質問をしても、プロンプトの書き方や実行のタイミングで結果が変わる。これでは人に見せられません。見落としがちな分析のフローと仕組みづくりを整えることが、成果物の質を決めます。
各段階でどこを人が確認するかを先に固定します。この内容は共著で書籍にまとめました。おかげさまで初版が品切れになり、増刷が決まっています。
技術スタック
| 領域 | 使っているもの |
|---|---|
| 分析 | Python / pandas / matplotlib |
| 自然言語処理 | janome / テキストマイニング |
| 収集 | feedparser / requests / Google News RSS |
| 自動化 | GitHub Actions / GitHub Pages |
| 生成AI | Claude（工程ごとにスキルとして切り出し） |
特別なものは使っていません。手に馴染んだ道具で、工程を壊さずに回し続けることの方が効きます。
大事にしていること
- まず歩き出す
- コンテキストドリブン
- 知的財産権業務の経験を活かしたマーケティング
- リサーチ設計のノウハウ
- 情報分析のノウハウ
お客様の将来、ビジネスチャンスの創出・導入を自信を持って支援し、アクションを加速させるエージェントになることが私たちの価値です。
まとめ
- 技術動向は報道・論文・特許の三層で見る。ずれているところに情報がある
- 特許は権利の話ではなく、事業開発の全フェーズで使えるデータ
- 一時点のレポートより、差分を出し続ける方が判断に効く
- 生成AIで速くなったぶん、分析設計と検証の工程が価値になった
書いている人
上村侑太郎 / LeXi/Vent
事業会社の知財部門でIPランドスケープを8年、うち1年は事業開発を兼務していました。用途探索から顧客候補の特定、協業の構築まで、分析を事業の判断につなげる側で仕事をしています。
知財若手の会「GrIP」の運営と、Podcast「裏方の裏側」のパーソナリティもしています。
技術動向の見立てや、自社技術の転用先を探す話であれば、サイトのお問い合わせから気軽に声をかけてください 