キーパーソン(重要発明者)の抽出と分析

キーパーソン(重要発明者)の抽出と分析

本記事では、特許出願データから発明者を整理し、競合他社のキーパーソン(重要発明者)を抽出・分析する手法をご紹介します。
抽出した発明者情報は、競合の技術重点領域や組織的な研究開発の方向性を把握するために活用できます。

本事例による出力結果は、生成AIによる分析であり、不正確な情報が出力されることがあります。
あくまで補助やスクリーニングとして利用し、重要な判断を行う際は、必ず弁理士等の専門家による精査を行ってください。

分析の流れ

1.出願ごとに「発明課題ラベル」を付与する
 課題ラベルは、すでに手元にあるものを使用するか、こちらの事例の「1.ラベル作成」を参照して、生成AIにラベルを作成させることもできます。
 本事例では、あらかじめ定義したラベル体系(1~10)を用いて分類します。
2.発明者ごとに情報を集約し、集約結果からキーパーソンを抽出する

1.出願ごとに「発明課題ラベル」を付与する

分析設定

「新規分析設定(β版)」を選択し、以下指示文を入力します。

以下で示す指示文のように、分類精度向上のため、各ラベルの定義と具体例を指示文に含めることをおすすめします。
次のステップの分析を効率化するため、出力列(公報番号、出願年、出願人、発明者など)を明示します。

<指示文>

Quote
発明課題ラベルの作成した分類ラベルに従って、各出願に1つのラベルを付与してください。
ラベルを付与した根拠を記載してください。根拠は、このリストをもとにエンジニアに納得できるように記載。
ただし、150文字以内におさめること

また、指定したラベルに該当しない場合は、「その他」ラベルを付与し、ラベル付与する場合想定されるラベルを簡潔に記載すること

結果は、出願番号、出願年、出願人、発明者、ラベル、ラベル付与根拠の列を含む形式で出力すること。


1自動作業・施工精度向上

説明: 作業機械による掘削、積込、整地などの自動作業や施工において、その精度や品質、目標への追従性を高めることに関する課題。

例: 目標施工面への正確な追従、掘削形状の最適化、自動積込時の衝突回避、作業機の姿勢制御精度向上。

2走行・移動制御最適化

説明: 作業機械の走行や移動における安定性、効率性、快適性、および複数車両の連携に関する課題。

例: 無人車両の効率的な経路設定、走行中のショック低減、直進性の向上、特定の地形(崖など)における走行制御。

3安全性・異常時対応

説明: 作業機械の運用における事故防止、故障発生時の安全確保、および異常状態への適切な対処に関する課題。

例: 自然発車の抑制、故障時の最低限の稼働性維持、自動制動の適切な解除・復帰、操作レバー異常時の安全な制御。

4オペレータ支援・視認性向上

説明: オペレータの操作負担軽減、作業状況の視認性改善、および必要な情報の効果的な提供に関する課題。

例: 遠隔操作時の遠近感の改善、表示画面の視認性・操作性向上、運転室からの死角低減、オペレータの状態に応じた警報通知。

5現場環境認識・データ活用

説明: 作業現場の地形、障害物、作業対象などの環境情報を正確に認識し、それを作業計画や制御に活用することに関する課題。

例: 現況地形データの高精度作成、崖や障害物の自動認識、仮想壁の簡易設定、水中での作業機位置把握。

6作業効率・生産性向上

説明: 個々の作業(掘削、積込など)や作業サイクル全体の効率を高め、現場全体の生産性を向上させることに関する課題。

例: 掘削・積込サイクルタイムの短縮、積載量の最大化、作業負荷の軽減、マテリアル山の形状予測。

7動力・油圧システム最適化

説明: 作業機械の動力源(エンジン、電動機)や油圧システムの性能、効率、耐久性、および制御に関する課題。

例: 油圧式ブレーキのオーバーヒート抑制、電動機駆動への対応、油圧流量制御の最適化、走行駆動系の効率改善。

8機械構造・部品配置最適化

説明: 作業機械の物理的な構造、各部品の配置、およびそれによる機能性、メンテナンス性、耐久性、安全性に関する課題。

例: 冷却装置の小型化、アンテナやセンサの保護・盗難防止、キャブの脱着性向上、作業者の安全確保のための手すり配置。

9データ収集・管理・通信

説明: 作業機械から生成される各種データの効率的な収集、記憶、管理、および遠隔地との通信における課題。

例: 通信環境が悪い場所でのデータ損失防止、通信遅延による操作性の低下抑制、作業状態の正確な推定。

10システム較正・診断精度向上

説明: 作業機械に搭載されるセンサやシステム全体の計測精度、および異常診断の精度を高めることに関する課題。

例: 3次元センサやスイング角度センサの校正、車体座標系の高精度設定、旋回軸受の異常判定。


出力形式

「表形式」を選択してください。


<分析対象設定>

以下の項目を選択します。
要約、課題(JP)、効果(JP)、権利者/出願人横断 原語
書誌事項:出願年、出願番号、発明者横断


<AIモデル設定>

「gemini-3-flash-preview」を選択します。
分析対象となる母集団の件数が多くなる可能性があり、geminiシリーズは、最大入力トークン数(入力文字数)が多いためです。

検索条件設定

分析となる母集団作成には、今回は全文検索「建設機械」で検索を実行します。
あくまでサンプルなので、ご自身の分析したいテーマに応じて検索条件は設定ください。



<対象設定>

追加件数は、「300」にします。
今回の検索条件では、207件ヒットするため、207より大きい数字を指定します。


出力結果

指示文で入力したとおり、リストが作成されて、出力されました。

2.発明者ごとに情報を集約し、集約結果からキーパーソンを抽出する

さきほど得られた出力結果を利用して、追加指示に以下の指示文を入力します。

<指示文>

Quote
以下の2つのステップの処理を順番に実行。
#STEP1
分類付与結果に基づいて、発明者ごとに課題ラベルを整理してほしい。

#STEP2
STEP1で整理した内容に基づき、キープレイヤとなる発明者を抽出。出力はテキストで出力。


出力結果

指示文で入力したとおり、STEP1とSTEP2がそれぞれ、出力されました。
STEP2では、各企業ごとのキーマンとなる発明者情報を抽出することができています。

※個人名の部分は伏せています。


    • Related Articles

    • 技術や競合企業の動向解析

      Patentfield AIRの「新規分析設定(β版)」を使用して、SDIで収集した出願について発明課題ラベルを付与して、付与したラベルのうち、特定の企業に関する動向解析の手法について紹介をします。 Step1 出願リストの公報にラベルづけする 「新規分析設定(β版)」を利用して、SDIで収集した特許出願リストの各特許に「発明課題ラベル」を付与します。 ...
    • SDIで収集した情報を自動分類・トレンド分析

      この活用事例では、SDIとして定期的に収集している特許情報をAIに自動で分類させ、技術トレンドを可視化するまでの一連の手順を解説します。 手作業での分類、グラフ作成にかかる時間を大幅に削減できます。 Part 1: AIに分類ラベル作成させる まず、分析対象の特許集合を読み込ませ、どのような分類項目(ラベル)で整理するのが適切か、AIに考えさせます。ここでは発明課題ラベルを作成させます。 ステップ1:指示文の入力 Patentfield ...
    • 用途探索向け対比表作成

      R&Dや事業企画の現場では、「この技術はどこで使えるのか?」が議論となることが少なくありません。 本記事では、Patentfield AIRの「新規分析設定(β版)」とAIサマリーを組み合わせ、金属加工用3Dプリンタの用途(製品名)を日本国内の特許出願から抽出・整理する手順を紹介します。 以下のような検索式を作成し、ヒットした集合について用途探索に関わる処理を行なっています。 <コマンド検索式> 以下の検索式をコマンド検索の入力欄にコピー&ペーストすると実行できます。 (KWC:金属積層造形 ...
    • 出願経過を踏まえた請求項の内容解説

      登録された特許の内容を正確を把握するためには、特許請求の範囲の記載だけでなく、明細書の定義や、特許庁審査官とのやり取り(出願経過)を考慮する必要があります。 特に、審査段階で拒絶理由を解消するために行った「補正」や「意見書」での主張は、権利範囲を解釈する重要な手がかりとなります。 この事例は、これらの情報を総合的に分析し、「最終的に特許がどのような範囲をカバーしているか」を解説させるものです。 本事例による出力結果は、生成AIによる分析であり、不正確な情報が出力されることがあります。 ...
    • 請求項の対比表作成(構成要素ごとの記載箇所特定)

      特許の出願前調査・審査請求前の調査において、請求項(クレーム)案と先行文献を対比し、構成要件の充足性を確認する作業を効率化するための事例です。 AIセマンティック検索の検索結果を利用して、類似上位10件の先行文献の「どの段落」に、構成要素が記載されているか、あるいは「記載がない」かを判定し、対比表形式で出力させることができます。 本事例による出力結果は、生成AIによる分析であり、不正確な情報が出力されることがあります。 ...