AI関連発明の審査基準2026

内容見直し済み（2026-05-28） このページの費用・軽減制度・PCT国際出願・年金に関する情報は、制度改定や為替・個別条件で変わります。意思決定前に、産業財産権関係手数料ページ、料金軽減・免除制度、PCT国際出願制度等の一次情報で最新条件を確認することを推奨します。本文中の金額は断定ではなく、確認項目を理解するための参考整理です。

一次情報チェック中（2026-05-28追記） 本記事は制度・費用・実務上の一般情報を含みます。最新条件や個別判断は一次情報や専門家の確認も併用してください。主な参照先: 法令改正情報 / e-Gov特許法 / 手数料ページ

一次情報チェックポイント（2026-05-28確認）

費用・軽減制度・PCT国際出願・年金は、年度改定・請求項数・出願形態・国際調査機関・為替・個別要件によって変わります。この記事では断定的な金額表ではなく、次の一次情報で確認すべき項目を整理します。

確認項目	一次情報	見るポイント
国内出願・審査請求・特許料（年金）	産業財産権関係手数料ページ	出願料、審査請求料、請求項数別加算、年次別特許料
軽減・免除制度	料金軽減・免除制度	対象者、対象手続、軽減割合、申請期限・必要書類
中小・ベンチャー向け軽減	中小・ベンチャー企業向け料金軽減措置	自社が対象に入るか、どの費用が軽減されるか
PCT国際出願	PCT国際出願制度 / WIPO PCT	国際段階・国内移行期限・手数料・国際調査/予備審査
公的相談	INPIT 知財総合支援窓口	無料相談、専門家支援、地域窓口

この記事内に過去の金額例・割合例・ケース別試算が残る場合も、最終判断には使わず、上記リンク先で最新の表・条件を確認することを推奨します。

はじめに

AI関連特許の出願は年々増加し、2025年の日本産業財産権情報サイトへの出願件数は前年比約20%増となりました。産業財産権情報サイトは審査基準の事例集を随時更新しており、生成AIや大規模言語モデル（LLM）に関する新たな事例も追加されています。本記事では、2026年時点での最新審査基準を解説します。

AI関連発明の特許適格性

基本的な考え方

日本の特許法では、AI関連発明は「ソフトウェア関連発明」として審査されます。特許適格性が認められるためには、ソフトウェアによる情報処理がハードウェア資源を利用して具体的に実現されていることが必要です。

特許適格性の判断基準

判断要素	特許適格あり	特許適格なし
技術的課題との関連	具体的な技術課題を解決	抽象的な概念の提示のみ
ハードウェア資源の利用	CPU・メモリ等の具体的活用	ソフトウェアの概念的記載のみ
技術的効果	定量的な改善効果あり	単なるデータ処理の自動化

生成AI関連の審査動向

大規模言語モデル（LLM）

LLM自体のアーキテクチャ（Transformerなど）はすでに公知技術ですが、特定の技術課題に対する応用は特許対象となり得ます。

特許化のポイント:

特定ドメインに特化したファインチューニング手法
ハルシネーション（幻覚）を低減する技術的手段
推論コストを削減するモデル圧縮・量子化技術

画像生成AI

拡散モデルの改良やControlNetのような制御技術、高速サンプリング手法などが特許出願の対象となっています。

クレーム記載の実務ポイント

推奨されるクレーム構成

学習装置クレーム: 学習データの前処理、モデル構築、パラメータ最適化
推論装置クレーム: 学習済みモデルを用いた推論処理
学習方法クレーム: 学習プロセスの手順
プログラムクレーム: コンピュータに実行させる処理

記載上の注意

技術的課題の明確化: 「精度向上」だけでなく、具体的な問題設定を記載
入出力データの明示: 学習データの種類と出力結果を具体的に記載
比較実験: 従来手法との定量的な比較データを実施例に含める

拒絶理由への対応

AI関連出願で多い拒絶理由と対応策を示します。

進歩性欠如: 公知のモデルとの技術的差異を実験データで明確に示す
記載不備: 技術的手段とその効果の因果関係を具体的に記載する
発明該当性: ハードウェア資源との連携を補正で明確にする

まとめ

AI関連発明の特許化には、技術的課題と効果の明確化、ハードウェア資源の利用の記載、定量的な比較データの提示が重要です。生成AI分野は急速に進化しているため、出願のタイミングも権利化の成否を左右します。