AIで特許分類 — IPCコードの自動付与と技術マッピング

ランキング・比較・相談導線の見直し済み（2026-05-28） このページのランキング・比較・おすすめ・マッチング/相談導線は、成果・登録・費用低減・最適な専門家選定を保証するものではありません。掲載順や比較表は検討材料であり、最新条件・専門性・費用・利益相反・対応可否は、一次情報や各専門家・相談窓口の確認も併用してください。

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） 公的手数料・減免・補助制度は、対象者・請求項数・年度・為替・申請条件で変わります。金額や軽減率は固定値として扱わず、一次情報で確認することを推奨します。主な参照先: 手数料ページ / JPO減免制度

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。

特許分類とAI

特許分類（IPC: 国際特許分類、CPC: 共同特許分類）は、特許文献を技術分野ごとに整理するための体系です。正確な分類は先行技術調査やパテントランドスケープの基盤となりますが、約70,000以上のサブグループからなる分類体系を正確に適用するには高度な専門知識が必要です。

特許分類の課題

課題	内容
分類体系の複雑さ	IPC/CPC合わせて数十万の分類コード
分類の属人性	審査官により分類が異なる場合がある
融合技術の分類	AI×医療等、複数分野にまたがる技術の分類が困難
分類の更新	技術進歩に伴い分類体系が改訂される

AIによる自動分類の技術

機械学習アプローチ

AIによる特許自動分類は、以下の技術を活用しています。

テキスト分類モデル: 特許明細書のテキストから適切な分類コードを見通し
階層型分類: IPC/CPCの階層構造（セクション→クラス→サブクラス→グループ）に沿った多段階分類
マルチラベル分類: 1つの特許に複数の分類コードを同時に付与
転移学習: 大規模言語モデルを特許分類タスクに微調整

各関連ページの取り組み

産業財産権情報サイト	AI分類の取り組み	現状
JPO（日本）	AI分類付与支援ツール	審査官の分類作業を支援
USPTO（米国）	CPC自動分類システム	参考分類の自動付与を実施
EPO（欧州）	IPCCAT	IPCの自動分類サービスを公開
WIPO	WIPO AI分類	多言語対応の自動分類研究

EPOのIPCCAT

EPO（EPO）が提供するIPCCATは、テキスト入力に対してIPC分類コードを自動付与するツールです。無料で利用可能であり、特許出願前の分類確認や先行技術調査の分類設定に活用できます。

IPCCATの使い方

EPOのIPCCATウェブサイトにアクセス
技術説明のテキスト（英語・フランス語・ドイツ語）を入力
推奨されるIPC分類コードが比較検討リスト形式で表示
各分類コードの信頼度スコアを確認

技術マッピングへの応用

パテントランドスケープとの連携

AI自動分類は、パテントランドスケープ（特許の技術動向分析）において以下の応用が可能です。

技術トレンド分析: 分類別の出願数推移を自動集計
ホワイトスペース発見: 出願の少ない分類領域（技術空白地帯）の特定
競合分析: 競合他社の出願分類分布を自動マッピング
クロスドメイン分析: 複数分野にまたがる技術融合の傾向を可視化

可視化ツール

分類結果をバブルチャートやヒートマップで可視化することで、経営層にも理解しやすい技術マップを作成できます。

自動分類の精度

精度指標

学術研究やベンダー資料では、AIの特許自動分類精度は分類粒度・言語・学習データ・評価方法によって大きく変わります。固定の精度表として扱わず、導入前に自社データで検証してください。

分類レベル	確認ポイント	備考
セクション/クラス	大分類では比較的安定しやすい	ただしデータセット依存
サブクラス以下	誤分類が業務影響を持ちやすい	人間の確認が必要

細かい分類ほど精度が低下するため、サブグループレベルの分類は人間の確認が不可欠です。

実務家へのアクションポイント

出願前調査: AIで分類コードの候補を取得し、調査の網羅性を向上させる
パテントランドスケープ: 大量の特許を自動分類し、技術動向マップを効率的に作成する
ポートフォリオ管理: 自社特許の分類を再評価し、技術カバー範囲を可視化する
精度の理解: AIの分類は「参考」として活用し、重要な判断には人間の確認を入れる

AI特許分類は、特許情報の整理・分析を効率化する強力なツールであり、特に大量データの処理が必要なパテントランドスケープで真価を発揮します。