| 開催日 | 2026年7月29日(水) |
|---|---|
| 開催地 | Web |
☆より一歩踏み込んだ内容で‘生成AI×IPランドスケープ’の最前線をお届け！
☆事業企画・研究開発・知財部門・その他、幅広い担当者様のお申込み大歓迎です！
☆本講座は「7月28日のみ／7月29日のみ／両日参加」のご選択が可能です！
【テーマ名】
特許データを事業提案に変える 生成AI×特許情報分析・IPランドスケープ実践講座
～第2回（IPランドスケープ）：「分析で終わる」を卒業する 生成AI×IPランドスケープの実務設計と提案接続～
【講師】
LeXi/Vent
代表取締役
上村 侑太郎 氏
【学歴】
2011年～2015年 九州工業大学 生命情報工学科 卒業
2015年～2017年 九州工業大学大学院 学際情報工学専攻 卒業
【主な職歴】
2017年～2022年 JNC株式会社でデータサイエンス業務、知的財産アナリスト業務
2022年～2025年 大手化学メーカーで知的財産アナリスト・新規事業創出業務
2023年 LeXi/Ventを設立
現在に至る
【専門および得意な分野・研究】
・データ分析
・化学
【開催日時(オンライン配信)】
2026年7月29日(水) 13:00-16:30
【受講料】
☆①AI特許のみ申込みの場合☆
●見逃し視聴なし：1名45,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき34,100円
●見逃し視聴あり：1名50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円
☆②AI特許とセットで申込みの場合☆
●見逃し視聴なし：1名68,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき57,200円
●見逃し視聴あり：1名77,000円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき66,000円
※詳細な内容やお申込み要領等は、下段「セミナーホームページを見る」をご参照ください。
【セミナーの内容】
■講座のポイント
IPランドスケープは「分析作業」ではなく「意思決定支援」です。本講座では、IPランドスケープが失敗する典型パターンを整理した上で、生成AIを各工程にどう組み込めば提案の質と速度を両立できるかを6段階の実践フローに沿って解説します。AI-in-the-Loopの考え方、ハルシネーションを前提にした工程ごとの品質確定設計、そして分析結果を経営提案に変換する方法まで、仮想事例を交えながら実務で再現可能な形でお伝えします。
■受講後、習得できること
・IPランドスケープの定義・対象ケースと、失敗する典型パターンの理解および回避策
・生成AIをIPランドスケープの各工程（目的設定〜調査設計〜プレ分析〜深掘り〜戦略整理〜提案）に組み込む具体的手法
・AI-in-the-Loopの考え方 — 「人間が問いと提案を担い、AIが探索・整理を拡張する」協働設計
・ハルシネーションを前提にした工程ごとの品質確定設計（完了条件の定義と上流品質の作り込み）
・分析結果をファクト→示唆→提案→次アクションへ変換し、意思決定に接続するエグゼクティブサマリーの作り方
・少人数体制でもIPランドスケープを組織に実装するための運用設計（依頼・受託構造、KPI、レビュー体制）
■講演中のキーワード
・IPランドスケープ
・AI-in-the-Loop
・生成AI×知財戦略
・品質確定設計（工程品質管理）
・エグゼクティブサマリー
■プログラム項目
【IPランドスケープの概要】
1.1 IPランドスケープとは・定義
1.2 知財ガバナンスとの関係
1.3 公開されている他社事例と生成AI活用事例
1.4 IPランドスケープを行う対象・ケース（既存事業強化・用途探索・新規事業探索・アライアンス先探索等）
【生成AIとは何か】
2.1 生成AIができること／できないこと
2.2 生成AIの基本構造 —「もっともらしい次」を生成する仕組み
2.3 ハルシネーションとは何か — なぜ構造的に起こるのか
2.4 特許・知財実務で起こりやすい誤り
2.5 生成AIを「思考と探索を拡張する装置」として捉える
【IPランドスケープが失敗する理由】
3.1 失敗の典型パターン（目的不明確・事業理解の浅さ・期待値コントロール不足・次アクション未接続等）
3.2 IPランドスケープを実施している企業のタイプ
3.3 失敗を減らすために生成AIをどう組み込むか
【IPランドスケープに生成AIを活用するメリット】
4.1 調査の初速を上げる（論点整理・仮説発散・周辺領域の洗い出し）
4.2 情報収集の幅を広げる（自然言語検索・同義語展開・隣接市場探索）
4.3 プレ分析の高速化と深掘り分析の効率化
4.4 戦略整理・提案書作成の生産性向上
4.5 少人数でもIPランドスケープを回しやすくなる
【IPランドスケープを成功に導く「AI-in-the-Loop」】
5.1 AI-in-the-Loopとは何か — 人間→AI→人間のサンドイッチ構造
5.2 人間が担う役割（問いの設定・意味づけ・提案・意思決定接続）
5.3 AIが担う役割（情報収集・要約・分類・可視化・比較整理）
5.4 AI-in-the-Loop運用で外してはいけない点
【ハルシネーションを前提にした工程ごとの品質確定設計】
6.1 品質管理の基本思想 —「正しい結果」ではなく「検証可能な手順」を設計する
6.2 工程ごとの品質確定設計とは（入力・AI処理・人間確認・完了条件）
6.3 品質確定の基本チェック項目
6.4 「AIが出力した」で完了しない —「次工程に渡せる状態」で完了とする
【失敗しないための生成AI×IPランドスケープ実践フロー（6段階）】
7.1 目的設定・問いの設計
7.2 調査設計・母集団形成
7.3 プレ分析（ランドスケープ俯瞰）
7.4 現状分析（深掘り分析）
7.5 戦略の方向性整理
7.6 提案・意思決定への接続
【仮想事例】
8.1 仮想事例①：半導体企業A社×飲料メーカーのアライアンス
8.2 仮想事例②：A社の生成AIを活用した新事業探索
【分析から提案に変える方法】
9.1 ファクト→示唆→提案→次アクションの変換
9.2 エグゼクティブサマリーの作り方
9.3 良い成果物と悪い成果物の違い
【組織に実装するには】
10.1 依頼・受託構造の設計（誰が依頼し、誰が受け、どの会議体につなぐか）
10.2 KPIの設計とAIの標準化範囲
10.3 運用ルールとレビュー体制
【まとめ】
＜質疑応答＞
