2025年的到來，象徵著人工智慧正邁入「AI代理」（AI Agent）的新階段，AI將取代傳統的工作方式，並能自主執行任務。對專利產業而言，這樣的趨勢亦不容忽視，那就是AI正在改變專利實務的遊戲規則，企業必須善用AI改變專利運營的戰略。經過機器學習和模型訓練後，目前利用AI專利翻譯的技術成熟度最高可達90%，可替企業省下大幅的專利翻譯成本與時間；AI語義分析可涵蓋欲檢索標的之技術全貌，縮短檢索時間、加速初步判斷專利無效的可能性。透過AI工具的輔助撰寫專利，可以改善人工撰寫專利申請書曠日費時、成本昂貴的問題，並將更多時間用在提升專利品質。
AI正在從各種層面翻轉產業生態，專利產業當然也不例外。在2024年12月20日全國工業總會舉辦的《2024兩岸專利論壇》中，因子數據共同創辦人暨AI技術長許正乾分享AI對專利實務的影響與應對經驗。許正乾指出， AI現已運用在專利翻譯、專利檢索、專利挖掘、專利價值預測等範疇，都已有極高的技術成熟度，並已開始翻轉專利產業生態。
細數目前AI共有四大語言模型，除了最廣為人知Open AI的GPT，應用涵蓋ChatGPT、DALL-E等，卓越的生成能力適用於語言處理、對話、圖片及影片生成等場景；還有美國AI新創公司Anthropic的Claude模型，較注重AI的安全與倫理、聚焦AI的透明性和可控性，目標是打造出適合人類價值的生成式模型；而Google用來和旗下產品相整合的Gemini模型，致力於提升語言理解的深度；最後一個是Meta的LLaMA模型，特點是高效能、可擴展，注重語言理解與生成，並與美國AI新創公司Hugging Face合作，推動AI開源與技術交流。這四大語言模型均以Transformer架構為基礎，而專利實務多為自然語言的屬性，因此要在專利實務導入生成式AI，幾乎不脫這四大語言模型的範疇。
AI專利翻譯、專利檢索
許正乾指出，在專利實務結合AI的各項運作模式中，最低成本、高價值的應用首推AI專利翻譯。過去運用人工進行專利翻譯，不但曠日費時、且成本較高，專利說明書內有許多重複性高的敘述，人工翻譯照樣算錢。現在透過基於Transformer模型而做的深度學習，預訓練模型（Pre-trained Model）和提示工程（Prompt Engineering），AI專利翻譯的技術成熟度最高可達90%，準確度也比以往的Google翻譯高出許多，一篇翻譯最多可為企業省下99%的成本。
另外，透過AI的語義分析，現在也能讓AI專利檢索的結果更精準。因為專利檢索依賴使用者主觀下關鍵詞或檢索式，會隨著使用者的背景知識不同，檢索出的答案可能差異甚遠，若僅依賴關鍵詞或檢索式，有可能無法得知欲檢索標的之技術全貌。導入AI技術後，透過AI語義分析可涵蓋欲檢索標的之技術全貌，加上檢索時間大幅縮短，降低使用者門檻，發明人也可協助IP人員先行檢索，加速初步判斷專利無效的可能性。
AI專利挖掘
AI專利挖掘是讓AI從企業內建RAG或既有的資料庫、任何文件檔當中尋找文獻，再由智權部門、發明人、決策者、PM、業務透過AI的語義分析檢索，結果將更為精準。
RAG（Retrieval-Augmented Generation）是一種檢索增強生成的人工智慧技術，讓大型語言模型（LLM） 不用經過再訓練，就能利用更多資料資源改善生成式AI的品質。許正乾解釋，RAG透過資料向量化可優化檢索與模型的回覆正確度與完整度，確保動態即時更新資訊。
一般公司若要進行專利挖掘，必須依賴IP部門遊走各部門瞭解研發上可能產出的專利，但IP部門對於技術的理解畢竟有限，有時會錯過專利保護時機。透過企業內建的RAG，可將AI專利檢索功能普及至發明人、決策者、PM、業務等部門，隨時透過與AI對話，協同發現市場商機、專利申請與專利迴避設計。
AI專利說明書撰寫與答辯
透過生成式AI的輔助撰寫專利說明書，可以節省大量時間與成本，省下來的時間可專注在提升專利品質。雖然目前利用AI進行專利說明書撰寫與答辯，技術成熟度還在約50%，不過在申請日、產品上市或回覆官方審查意見的壓力下，透過人力大量的專利撰寫或答辯，將可能無法全面性地顧及專利品質，AI工具的輔助可以改善人工撰寫專利申請書曠日費時、成本昂貴、品質良莠不齊的問題。
AI專利價值預測
專利價值會隨著隨產業趨勢波動，不論領域專家或分析師，都難以從千百萬的科技文獻中⼀⼀閱讀與分析。必須綜合過去的數據，引用文獻數、被引用文獻數、申請數量、功效矩陣、SEP、申請國、IPC 等諸多變數，加上專家經驗判斷、金融市場與產業輿情等即時動態，才能預測出專利價值；而藉由AI技術的輔助，經由超過1,000萬篇的文本進行訓練，AI可模仿決策者的思維。基於客觀且多面向的大數據與AI的輔助，除了可以節省大量時間與成本，企業還可以快速反應產品或服務的調整，把握最佳時機做專利交易或授權，極大化專利運營的產值。
AI專利組合、AI技術演化預測
傳統上判斷專利組合的方式，是依賴過去的統計數據和人為直覺做判斷，缺乏進退依據。AI可以準確推測各項技術的成成長性，因應市場成長率的變遷，AI隨時調整專利組合。基於市場的運作邏輯與AI輔助，企業可快速調整佈局策略，也可在最佳時機做專利交易或授權，極大化專利運營之價值。
許正乾指出，AI技術演化預測超過1,000萬篇的文本訓練後，不僅消除AI幻覺，且還可巨量閱讀並理解所有的文獻，進而推算該技術未來貢獻在財務方面的成長機率，並且預測「毛利率」、「營業利益率」和「稅後淨利率」等三率。透過AI大量計算專利結合市場動態資訊，投資者或決策者更即時掌握技術走向，隨時調整資本支出或營運策略。
除了AI專利組合，借助AI最擅長的巨量閱讀與分析、歸納統整能力，可用來預測AI技術演化，協助領域專家與分析師迅速掌握快速變遷的產業方向，協助企業用最低成本取得投資佈局的先機，或是做為輔助國家或民間企業做產業決策或資本支出時的參考數據。
未來展望：數據驅動決策
許正乾建議，企業應該要善用AI提早改變專利運營的戰略，結合既有的IP團隊和AI工程師，由IP團隊對數據/AI工程師進行專利概念、公司IP策略等IP教育訓練，另一方面，數據或AI工程師應對IP部門分享AI工具的使用方法與手冊，並為公司建立RAG、機器學習、提示工程應用，建構屬於IP部門的「AI大腦」。多數企業的IP部門都蘊藏了90%未被探勘的資料，透過人機協作將IP結合產品或服務，以達到獲利最大化、成本最小化。
資料來源：
- 2024/12/20，全國工業總會舉辦「2024兩岸專利實務論壇」《線上活動》，許正乾簡報。
|
