生成AIを用いたパテントマップ活用と意思決定の高速化＜基礎と実践＞

☆生成AIによる特許情報の分析・活用は、2026年現在、どこまで応用が可能なのか？
☆本セミナーでは、プロセス効率化の実務ノウハウをあらゆる視点から徹底検証いたします。
☆事業企画・研究開発・知財部門等の新人から中堅の方に至るまで、ご参加をお待ちしております！

【テーマ名】
生成AIを用いたパテントマップ活用と意思決定の高速化＜基礎と実践＞
～特許情報分析とポートフォリオの基礎、主要支援ツールと使い分け、分析フローとプロンプト、ケーススタディ等～

【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3月11日(水) 13:00-16:00

【受講料】
●見逃し視聴なし：1名40,700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29,700円

●見逃し視聴あり：1名46,200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35,200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
　本セミナーは、生成AIを活用して特許情報を効率的に分析・活用する方法を習得し、事業戦略や新規事業創出に役立てることを目的としています。特許ポートフォリオ分析やパテントマップ作成において、ChatGPTやGoogle NotebookLMなど最新の生成AIツールを導入することで、技術動向の把握から戦略立案、提案書作成までのプロセスを飛躍的に効率化できます。
　セミナーでは、特許情報の基本から実際のAI活用事例、ビジネスフレームワーク分析やBCGマトリクスによる戦略検討まで、実務に直結するノウハウを体系的に学べます。事業企画・研究開発・知財部門に携わる方を対象に、特許情報を事業に結びつけるスキルを段階的に習得できる内容となっています。

■主な受講対象者様
①GPT-Plusなどエクセルを生成AIツールなどにインポートできる方
②事業企画部門、研究開発部門、知財部門に携わっているキャリア中堅～新人の方
※上記記載以外のご担当者様も大歓迎です。

■受講後、習得できること
・生成AIを活用した特許情報分析手法の理解
・特許情報を分析することで事業に関わる技術動向分析や事業戦略への特許情報の活用

■プログラム項目
1. はじめに：生成AI時代の特許分析とは
　a. 本セミナーの目的とゴール
　b. 事業企画・研究開発・知財担当者が抱える課題（情報のサイロ化、分析の工数、戦略への活用難）
　c. 生成AI活用による「効率化」と「質の向上」の両立
　d. 生成AIの基本概要
　e. 生成AI（ChatGPT, Claude等）とは何か
　f.. 活用におけるリスクと注意点（ハルシネーション、機密情報の取り扱い、著作権）

2. 特許情報分析とポートフォリオの基礎
　a. 特許情報分析の基本
　b. 特許情報に含まれる要素（発明の名称、請求項、出願人など）とその読み解き方
　c. 部門別活用ケース（事業企画、R&D、知財、営業）
　d. 特許ポートフォリオとは
　e. 技術資産の可視化と競合差別化のための整理・評価
　f. 評価軸の設定（技術的観点、ビジネス的観点、法的観点）

3. 特許分析を支援する生成AI・ツール群
　a. 主要ツールの特徴と使い分け
　b. ChatGPT (OpenAI)：自然言語処理による要約、Pythonを使ったグラフ作成
　c. Claude (Anthropic)：長文読解、Artifactsによるビジュアライズ
　d. Perplexity AI：リアルタイムウェブ検索とソースの明示
　e. Google NotebookLM：RAG（検索拡張生成）を活用した信頼性の高い要約・分析
　f. 特許特化型AI：Tokkyo.ai、サマリア（特許文書読解支援）

4. 実践：生成AIを活用した分析フローとプロンプト
　a. Step 1: 目的の設定とプレ分析
　b. Perplexityを用いた市場環境・技術トレンドの初期調査
　c. 論点・課題の可視化（大論点・小論点の整理）
　d. Step 2: 現状分析（特許マップと可視化）
　e. 検索式作成：GPTを活用した同義語展開と検索式の構築
　f. 分類の自動化：サマリアやGPTを用いた技術分類（大分類・小分類）の自動生成
　g. データの可視化：Python（Code Interpreter）を用いたバブルチャート、共起ネットワーク、ヒートマップの作成
　h. テキストマイニング：ワードクラウドによる技術要素の俯瞰
　i. Step 3: 戦略の方向性定義（フレームワーク分析）
　j. BCGマトリクス：市場成長率×シェア（または技術独自性）によるポートフォリオ評価
　k. ビジネスモデルキャンバス (BMC)：特許情報と市場情報を統合したビジネスモデルの可視化
　l. SWOT/PEST分析：Google NotebookLMを用いた外部環境・内部環境分析　
　m. Step 4: 実行可能性評価とアライアンス検討
　n. AIを用いた技術マッチングとアライアンス先企業の探索・評価

5. ケーススタディ：分析の実例
　a. 提案・報告への落とし込み
　b. 意思決定を促すアウトプット
　c. エグゼクティブサマリーの作成
　d. 提案内容の自己評価（市場性、技術優位性、リスク、コスト）
　e. 戦略レイヤー（経営・事業・マーケティング）を意識した提案

6. 将来展望とまとめ

7. 質疑応答

• セミナーホームページを見る