• 2026年08月31日(月) 10:00 ~ 17:00

１．特許情報分析とは
　　（１）．特許情報分析の基本と特許情報の読み解き方
　　（２）．特許情報分析の活用ケースと部門別活用ステージ
　　（３）．特許情報分析フロー（目的設定～プレ分析～現状分析）
　　（４）．仮想事例：市場の技術トレンド把握（水素燃料電池）
　　（５）．事業戦略立案フレームワークと特許ポートフォリオ

２．IPランドスケープの概要
　　（１）．IPランドスケープとは・定義・知財ガバナンスとの関係
　　（２）．公開事例と生成AI活用事例
　　（３）．対象ケース
　　　　ａ．既存事業強化
　　　　ｂ．用途探索
　　　　ｃ．新規事業探索
　　　　ｄ．アライアンス先探索　等

３．生成AIの基本と特許情報分析への活用
　　（１）．生成AIの基本概要と主要ツール比較
　　　　ａ．ChatGPT
　　　　ｂ．Claude
　　　　ｃ．Gemini
　　　　ｄ．NotebookLM
　　（２）．生成AIの仕組みとハルシネーション－なぜ起こるか、知財実務での注意点
　　（３）．生成AI活用による「効率化」と「質の向上」の両立
　　（４）．よくある誤解と正しい使い所

４．IPランドスケープが失敗する理由と生成AIによる克服
　　（１）．失敗の典型パターン
　　　　ａ．目的不明確
　　　　ｂ．事業理解の浅さ
　　　　ｃ．次アクション未接続　等
　　（２）．生成AIを組み込むことで失敗をどう減らせるか
　　（３）．IPランドスケープに生成AIを活用するメリット
　　　　ａ．初速
　　　　ｂ．情報幅
　　　　ｃ．プレ分析
　　　　ｄ．戦略整理
　　　　ｅ．提案作成

５．特許分析を支援する汎用生成AIツールとその使い分け
　　（１）．特許情報分析フロー×生成AIツールのマッピング
　　（２）．ChatGPT活用例
　　　　ａ．論点整理
　　　　ｂ．テキストマイニング
　　　　ｃ．共起ネットワーク
　　　　ｄ．BCGマトリクス　等
　　（３）．Claude活用例
　　　　ａ．ダッシュボード
　　　　ｂ．ビジネスモデルキャンバス
　　（４）．NotebookLM活用例
　　　　ａ．RAGによるフレームワーク分析
　　（５）．Gemini活用例
　　　　ａ．AI関数による分類付与

６．AI－in－the－Loop―人間×AIの協働設計
　　（１）．AI－in－the－Loopとは何か
　　（２）．人間が担う役割とAIが担う役割
　　（３）．運用で外してはいけない点

７．プロンプトエンジニアリングと品質設計
　　（１）．プロンプトエンジニアリングの基本原則と迷信
　　（２）．データ分析視点のプロンプト設計
　　　　ａ．構造化出力
　　　　ｂ．RAG
　　　　ｃ．Few－shot
　　（３）．「一気に出力」が品質を壊す―Chain of Thoughtの考え方
　　（４）．「品質は工程で作り込む」―工程ごとの品質確定設計
　　（５）．リスクレベルに応じた生成AIの使い分け

８．【実践編】生成AI×IPランドスケープ実践フロー（６段階）
　　（１）．目的設定・問いの設計
　　（２）．調査設計・母集団形成
　　（３）．プレ分析（ランドスケープ俯瞰）
　　（４）．現状分析（深掘り分析）
　　（５）．戦略の方向性整理
　　（６）．提案・意思決定への接続

９．仮想事例
　　（１）．半導体企業A社×飲料メーカーのアライアンス
　　（２）．Visionalの生成AIを活用した新事業探索

１０．分析から提案に変える方法
　　（１）．ファクト→示唆→提案→次アクションの変換
　　（２）．エグゼクティブサマリーの作り方
　　（３）．良い成果物と悪い成果物の違い

１１．組織への実装とポイント
　　（１）．依頼・受託構造とKPIの設計
　　（２）．運用ルール・レビュー体制・企業事例

１２．アイデア創出と生成AI
　　（１）．アイデア創出手法と多空間デザインモデル×生成AI
　　（２）．自社技術を活用したテーマ創出フロー・事例

１３．まとめ

オンラインセミナー