この記事のポイント
AI・機械学習分野の特許出願戦略を解説。学習モデル、データ処理、推論方法の権利化テクニック、審査のポイント、クレームの書き方を具体例付きで紹介。
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
AI・機械学習の特許出願は急増しており、2026年には世界のAI関連出願は年間10万件を超えています。AI特許は従来の技術と異なる出願テクニックが求められます。
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。
AI特許の特殊性
特許化が可能なAI技術
| カテゴリ | 具体例 | 特許性 |
|---|---|---|
| 学習モデルのアーキテクチャ | 新しいニューラルネットワーク構造 | ◎ |
| データ前処理方法 | 特徴量抽出、データ拡張の新手法 | ◎ |
| 学習アルゴリズム | 新しい最適化手法、損失関数 | ○ |
| 推論方法 | 高速化手法、軽量化技術 | ◎ |
| AI応用システム | AIを組み込んだ具体的なシステム | ◎ |
| 学習済みモデル自体 | パラメータの数値 | △（困難） |
特許化が困難な領域
- 抽象的なアルゴリズムのみ（数学的手法）
- 発見・法則そのもの
- 学習データそのもの
クレーム設計のテクニック
装置クレーム（情報処理装置）
AIシステムを「装置」として請求する場合、各構成要素を機能的に記載します。
- 取得部（データ取得）
- 学習部/処理部（AI処理）
- 出力部（結果出力）
方法クレーム
処理のステップを時系列で記載します。
- データ取得ステップ
- 前処理ステップ
- 学習/推論ステップ
- 出力ステップ
プログラムクレーム
「コンピュータに〇〇を実行させるプログラム」として請求します。
審査のポイント
進歩性の判断基準
AI特許の審査では以下が重視されます:
- 技術的な課題解決: 単なるAIの適用ではなく、具体的な技術課題を解決しているか
- 特有の工夫: AI技術自体に新規な工夫があるか、適用対象に特有の工夫があるか
- 顕著な効果: 従来技術と比べて参考値できない顕著な効果があるか
明細書の記載ポイント
- 実施例の充実: 学習データの例、パラメータ設定、評価結果を具体的に記載
- 技術的な意味の説明: なぜその構成が有効かの技術的根拠
- 比較実験: 従来手法との比較データ
AI特許の出願動向
主要なAI特許出願企業（2026年現在）:
- 日本: トヨタ、ソニー、NEC、富士通、日立
- 米国: Google、Microsoft、IBM、Amazon
- 中国: Huawei、Baidu、Tencent、Alibaba
- 韓国: Samsung、LG
まとめ
AI特許は「AIを使った」だけでは権利化が困難です。具体的な技術課題の解決と、AI技術自体の工夫を明確にすることが重要です。クレーム設計ガイドとソフトウェア特許ガイドも合わせて参照してください。