AIを使ったサービスや機能を作ったとき、「これは特許になるのだろうか」と感じる方は少なくありません。
特に最近は、ChatGPTを活用した機能・AIエージェント・RAG（検索拡張生成）・業務自動化・推薦ロジックといった要素を組み込んだAI SaaSや社内ツールが急速に広がっています。
「ChatGPTを使っているだけでは？」「AIを入れただけで、発明になるのか？」という疑問もよく耳にします。
結論から言えば、AIを使っていること自体は、そのまま特許の核にはなりません。ただ、AI機能の中には、どのように処理を組み立てているかに、技術的な工夫が潜んでいることがあります。
この記事では、AI機能を特許の観点から見るときに、どこを整理すべきかを説明します。
「AIを使っただけ」では、通常は足りない
まず前提として、「生成AIを使っていること」自体は、それだけでは発明の核になりません。ChatGPTに文章を書かせる・AIに質問を投げる・RAGで検索して回答させる——これだけでは、抽象的な利用方法に近く、特許の検討対象になりにくい場合があります。
一方で、実際のAIサービスでは、「AIに質問して終わり」ではなく、その前後に多くの制御処理が組み込まれています。
- 入力データの整理・分類
- 出力結果の判定・検証
- 外部システムとの連携
- 人による確認フロー
- エラー処理・例外制御
- 推薦順位の動的制御
- 権限管理
- 検索対象の絞り込み
特許の観点では、こうした「AIの前後で、どのような処理を行っているか」が重要になります。
「AIを使っただけ」と「発明になり得る工夫」の違い
| ケース | 特許検討の余地 |
|---|---|
| ChatGPTに文章を作らせるだけ | 低い |
| 入力内容を分類し、用途ごとにプロンプトを切り替える | あり得る |
| RAGで社内文書を検索して回答するだけ | 低〜中 |
| 文書種別や権限に応じて検索範囲を制御する | あり得る |
| AIエージェントに作業を任せるだけ | 低い |
| 複数エージェントの役割分担や再実行制御を行う | あり得る |
| AIで推薦するだけ | 低い |
| ユーザー状態に応じて推薦順序を動的に変える | あり得る |
重要なのは、「AIを使ったか」ではなく、「どのような処理構造・制御・連携を設計しているか」です。
ChatGPT活用機能では、どこを見るのか
ChatGPTを組み込んだ機能では、モデルそのものよりも、その周辺の処理設計に特徴が現れやすい傾向があります。具体的には、
- 入力文の種類を判定し、プロンプトを切り替える
- 出力結果をルールで検証する
- NG回答を自動で再生成させる
- 一定条件で人間の承認を要求する
- 外部システムに適した形式へ変換する
「AIそのもの」よりも、その前後に組み込まれた処理の仕組みに工夫が存在することは、実際のサービス開発では珍しくありません。
RAGでは、どこに工夫が出るのか
RAG（Retrieval-Augmented Generation：検索結果を参照しながら回答を生成する構成）は、検索と生成AIを組み合わせる手法として広く普及しています。単に「文書を検索してAIに渡す」だけでは一般的な実装に近くなりますが、以下のような点に工夫が現れることがあります。
- 文書の分割方法・粒度の設計
- 検索対象の絞り込みロジック
- 更新日・鮮度の扱い
- 権限ごとの検索制御
- 部署別の検索範囲制御
- 顧客別データの分離
- 文書カテゴリごとの重み付け
- 回答根拠の提示方法
- 業務ごとの検索ルール
- ノイズ情報の除外
特に実務では、「どの情報を、どの条件で検索対象にするか」がサービス品質に直結します。こうした部分は、単なる"AI利用"ではなく、処理設計として整理できる可能性があります。
AIエージェントでは、何が論点になるのか
AIエージェントは「自律的に動く」ように見えることがありますが、実際には多くの処理条件や実行制御によって構成されています。特許の観点では、「AIエージェント」という名称そのものではなく、内部の処理構造が問われます。
- タスク分解の方法
- 実行順序の制御
- ツール選択のロジック
- 失敗時の再実行処理
- 人への確認タイミング
- 複数エージェントの役割分担
- 実行ログの管理
- 権限制御の設計
特に近年、複数のAIエージェントを連携させる構成が増えています。その場合、「どのエージェントが、どの条件で、どの処理を担うのか」という制御設計が、技術的な特徴として浮き上がることがあります。
業務自動化・推薦ロジックでも、整理は必要になる
AI関連の特許では、高度なモデルそのものより、業務設計の側に特徴があることも少なくありません。
業務自動化では、どの作業をAIに任せるか・どこで人が確認するか・例外処理をどう扱うか・誤処理をどう検出するかといった設計が論点になります。推薦ロジックでは、何を特徴量として使うか・どのタイミングで推薦するか・推薦順位をどのように変えるか・ユーザーの反応をどう反映するかが問われます。
よくある質問
ChatGPTを使っているだけでは難しい場合がほとんどです。ただし、入力処理・出力制御・外部システム連携・判定ロジック・業務フロー設計などに技術的な特徴があれば、特許の検討対象になり得ます。
RAGという構成を使うこと自体ではなく、検索対象の制御・文書管理・権限処理・回答根拠の提示・更新情報の扱いなどに、具体的な工夫があるかどうかがポイントになります。
「AIエージェント」という名称ではなく、タスク分解・実行制御・例外処理・複数エージェントの連携・人間確認フローなど、処理構造に特徴があるかを見ます。
指示文そのものではなく、どの条件でプロンプトを切り替えるか・出力結果をどう制御するか・他の処理とどう連携するかを含めた、システム設計として整理できるかが重要になります。
「AIを使ったか」ではなく、「どこに工夫があるか」
AIサービスでは、「AIを使っている」という事実そのものよりも、どのように入力を整理するか・どのように出力を扱うか・どのように業務へ組み込むか・どのように制御するかという設計の中に、発明の手がかりが存在することがあります。
「まだ整理できていない」「どこが発明なのかわからない」という段階でも、構いません。発明の余白では、AI機能の発明の核を、事業・開発フローも踏まえながら一緒に整理しています。