AIビジネスの特許と費用対効果：アルゴリズムの秘匿と知財ポートフォリオ戦略

株式会社IPリッチのライセンス担当です。昨今、AI技術を中核に据えた新規事業を展開する企業が急増しています。しかし、その過程で「自社のAIシステムは特許になるのか」「どこをブラックボックス（営業秘密）にして、どこを特許出願すべきか」といった悩みを抱える経営者や知財担当者の方は少なくありません。抽象的なAIアルゴリズム単体は特許の対象になりにくく、戦略を誤れば競合他社に貴重なノウハウを公開するリスクも伴います。本記事では、AIビジネスにおける特許取得と秘匿の使い分けについて、投資対効果（ROI）の観点から専門的に解説します。自社のAI技術をどう守り、どうマネタイズするかを検討するための具体的な判断材料を提供します。

自社のコア技術を適切に保護することは、効果的な知財収益化を実現するための第一歩です。特許をはじめとする知的財産権は、自社製品やサービスを模倣から守るだけでなく、他社へのライセンス供与によって新たな収益源を生み出す強力な武器となります。弊社が運営する特許収益化プラットフォーム「PatentRevenue」では、自社で活用しきれていない知財や休眠特許と、それを必要とする企業をマッチングし、最適なライセンス契約によるマネタイズをサポートしています。知財を活用した収益化にご関心のある方は、ぜひPatentRevenueへの無料登録をご検討ください。

AIアルゴリズムをどう守り、どうマネタイズするかという結論

AIビジネスにおける知財戦略の結論は、「オープン＆クローズ戦略」の徹底にあります。すべての技術を特許出願して公開する（オープン）のでもなく、すべての情報を社外秘として隠し通す（クローズ）のでもなく、技術の性質に応じて法的保護の手段を明確に使い分けることが、投資対効果を高める有力な方法です。

具体的には、外部からリバースエンジニアリングや動作の観察が可能な領域は、特許出願を行って権利化を目指す価値があります。例えば、ユーザーインターフェース（UI/UX）、センサーから取得したデータの特徴的な前処理方法、あるいはAIの推論結果を用いて特定のハードウェアやロボットを制御する仕組みなどが該当します。これらは自社製品として市場に出た際、他社に模倣された場合に侵害を発見しやすく、特許権を行使して差し止めや損害賠償を請求する実効性を確保しやすいためです。また、自社の技術力が可視化されることで、他社に対する牽制効果や、投資家への説明材料としても機能します。

一方で、クラウドサーバーのバックエンドで稼働する領域については、営業秘密としての保護を優先して検討する場合があります。AIを学習させるためのデータセット、個別のニューラルネットワークの重み付けパラメータ、最適化された内部アルゴリズムなどは、外部から侵害の事実を立証することが難しい場合があるためです。これらを特許出願のために明細書へ記載して公開すると、競合他社にノウハウを知られる一方で、権利行使が難しいという状況になりかねません。

ただし、バックエンド技術であることだけを理由に、特許出願の対象から一律に除外するべきではありません。サーバー側の処理であっても、入出力や公開された仕様から侵害を把握できる場合、他社へのライセンスを予定している場合、将来の標準化や競合他社への牽制に活用できる場合には、特許化する価値があります。侵害発見の容易性、技術の陳腐化速度、公開による不利益、ライセンス可能性を比較し、特許と営業秘密のどちらを選ぶかを個別に判断することが重要です。

AIビジネスを支える知財ポートフォリオの基本知識

AI技術を事業化し、それを継続的にマネタイズするためには、単一の特許に頼るのではなく、複数の知的財産権を多角的に組み合わせた「知財ポートフォリオ」を構築する必要があります。AIビジネスを取り巻く主要な知的財産には、特許権、営業秘密、限定提供データ、著作権という四つの要素が含まれます。

第一の要素は特許権です。特許権は「自然法則を利用した技術的思想の創作」を保護するものであり、AIの分野においては、アルゴリズムを特定の業務プロセスやシステム全体に適用した「方法」「システム」「プログラム」などを保護の対象とします。特許庁の審査を通過して登録されれば、独占排他的な権利が発生し、他社に対するライセンス供与の基盤となります。

第二の要素は営業秘密（トレードシークレット）です。特許のように国に登録する制度ではありませんが、自社内で秘密として管理された有用かつ非公知の技術情報や営業情報は、不正競争防止法によって保護される可能性があります。AIビジネスにおいては、学習済みモデル、独自の学習データ、前処理方法、パラメータの調整方法などが、営業秘密として管理する対象になり得ます。

営業秘密には特許権のような存続期間の制限がなく、秘密として適切に管理されている限り保護され得るというメリットがあります。ただし、競合他社による独自開発や、契約違反などを伴わない適法なリバースエンジニアリングまで排除できる権利ではありません。この点は、独占排他的な権利である特許権との大きな違いです。

第三の要素は限定提供データです。これは、業として特定の者に提供する情報として、電磁的方法により相当量蓄積され、管理されている技術上または営業上の情報を保護する枠組みです。コンソーシアム内で共有するデータや、契約した事業者だけに提供するデータサービスなどが対象となり得ます。

2024年4月に施行された改正後は、秘密として管理されているデータについても、営業秘密に該当しない場合には限定提供データとして保護される可能性があります。AIの精度向上に他社とのデータ連携が必要になる場合、契約上の利用制限に加え、限定提供データとしての要件を満たす管理体制を整えることが、不正取得や不正利用への対策となります。

第四の要素は著作権です。AIを実装するためのソースコード自体は、創作性が認められる範囲でプログラムの著作物として保護されます。ただし、著作権はあくまで具体的な「表現」を保護するものであり、アルゴリズムという背後にある「アイデア」自体を保護するものではありません。競合他社がソースコードを複製した場合には著作権侵害を問える可能性がありますが、アルゴリズムの仕組みを参考にして別のコードを書いた場合、著作権だけで対抗できるとは限りません。そのため、特許や営業秘密との組み合わせによる包括的な知財ポートフォリオ戦略が重要となるのです。

自社のAIシステムは特許になるのかに関する法制度と審査

自社のAIシステムが日本の特許庁で特許として認められるためには、特許法が定める要件をクリアする必要があります。特許庁が公表している審査基準や審査ハンドブックには、コンピュータソフトウエア関連発明やAI関連発明の審査実務が示されています。

まず関門となるのが「発明該当性」です。純粋な数学的アルゴリズムや、単なるビジネス上の取り決めは、自然法則を利用した技術的思想の創作に当たらず、特許の対象にならない場合があります。AI関連発明が特許として認められるためには、ソフトウエアによる情報処理が、ハードウエア資源を用いて具体的に実現されていることなどが必要です。

つまり、AIのアルゴリズムを抽象的に示すだけでなく、「このアルゴリズムを用いて、コンピュータ上でどのような情報処理を行い、どのような課題を解決するのか」が分かるように特許請求の範囲や明細書を構成する必要があります。

次に「新規性」と「進歩性」の要件があります。AIの分野では、既存の機械学習モデルを特定のビジネス分野、例えば医療画像の診断や小売業の需要予測などに適用しただけでは、既存技術から容易に想到できるとして進歩性が否定される可能性があります。

特許取得を目指す場合は、特定の課題を解決するために、入力データへ特殊な前処理を施したこと、学習モデルの構造や学習方法に独自の工夫を加えたこと、出力結果を特定の機器制御や業務処理に結びつけたことなどを具体的に説明する必要があります。精度の向上や計算負荷の軽減など、従来技術から予測しにくい有利な効果が確認できる場合は、進歩性の判断を支える事情になり得ますが、顕著な効果がすべてのAI発明に一律に求められるわけではありません。

さらに、AI特許では「記載要件（実施可能要件・サポート要件）」も重要です。特許は技術を公開する代償として独占権を与える制度であるため、明細書を読んだ当業者が、そのAIシステムを実施できる程度に記載されていなければなりません。

AI発明においては、学習データの内容、入力と出力の関係、モデルの構成、学習方法、得られる効果について、技術的な裏付けが不足していると、実施可能要件やサポート要件を満たさないと判断される可能性があります。どのようなデータを用い、どのような処理によって目的とする結果を得るのかを、発明の内容に応じて具体的に説明することが重要です。

どこを秘匿し特許出願すべきかの実務と費用対効果

自社のAI技術について、特許出願による公開を選ぶか、営業秘密としての秘匿を選ぶか。この判断は、技術の「侵害発見の容易性」と「陳腐化のスピード」を軸に、費用対効果（ROI）の観点から行うべきです。

特許取得には一定のコストがかかります。2026年8月時点における日本の特許庁の料金では、通常の特許出願料は14,000円、出願審査請求料は138,000円に請求項数1項につき4,000円を加えた金額です。さらに、弁理士への代理人費用、拒絶理由通知への対応費用、特許査定後の特許料などが必要となります。

発明の内容や審査経過によって費用は大きく異なりますが、代理人費用を含めると、日本国内だけでも1件当たり数十万円以上の投資になる場合があります。米国、欧州、中国などへの外国出願を行えば、翻訳費用や現地代理人費用も必要となり、対象国や審査対応によっては数百万円規模となる場合もあります。

投資対効果を測る際は、その特許によって確保できる市場、競合他社への牽制効果、ライセンス収入、資金調達や事業提携への寄与が、特許取得・維持コストを上回るかを検討する必要があります。また、AIのアルゴリズムは技術の進歩が速いため、審査や権利化に要する期間中に技術の事業価値が低下するリスクも考慮しなければなりません。

したがって、クラウド環境で稼働し、API経由で結果だけを返すAIの推論ロジックについては、特許出願よりも情報セキュリティや営業秘密管理へ予算を振り向ける方が、費用対効果に優れる場合があります。競合他社が非公開サーバー内で同じ技術を使用しても、その事実を把握できなければ、特許権を取得しても権利行使の実効性が低くなる可能性があるためです。

一方で、エッジAIとしてユーザーの手元のデバイスで処理される技術、外部から観察可能なユーザー体験、製品の制御方法などは、侵害を発見しやすいため、特許化への投資を積極的に検討できます。ただし、エッジ技術やUIであることだけで出願を決めるのではなく、権利範囲、市場規模、技術寿命、競合他社の実施可能性を含めて判断することが必要です。

AIビジネスを成功に導く契約実務とリスク管理

AIの技術を自社で抱え込むだけでなく、他社に提供して収益化を図る場合、契約実務の精度が事業の成否に大きく影響します。経済産業省が策定しているガイドラインやチェックリストでも、AI開発やデータ利用に関する契約上の論点が示されています。

AIビジネスでは、本格的な導入の前に顧客企業のデータを用いて技術検証を行うPoC（Proof of Concept：概念実証）が実施されることがあります。ここで問題となるのが、自社のコア技術やノウハウの意図しない流出です。AI開発では、開発開始時点で得られる精度や成果物を確定的に予測することが難しく、検証を重ねながら次の段階へ進む「探索的段階型」の進め方が用いられる場合があります。

PoCで秘密情報を相手方へ開示する場合は、NDA（秘密保持契約）やPoC契約を締結し、秘密情報の範囲、利用目的、アクセスできる者、第三者への開示、契約終了後の返還・削除などを定めることが重要です。一般的なNDAの雛形をそのまま使うのではなく、開示するAIアルゴリズム、前処理方法、学習データ、モデルの情報などを踏まえて、秘密情報の範囲を具体化する必要があります。

また、PoC契約においては、検証作業を通じて生成された「学習済みモデル」や「派生データ」について、知的財産権の帰属だけでなく、利用できる当事者、利用目的、利用期間、第三者提供、再学習への利用などを事前に合意しておくことが不可欠です。

データ一般には、物の所有権と同じ意味での「所有権」が当然に成立するわけではありません。そのため、顧客から提供されたデータについては、顧客が提供する権限を有しているか、AIベンダーがどの範囲で利用できるか、契約終了後に保存できるかなどを契約で明確にします。

プログラム、既存モデル、開発過程で得られたノウハウ、学習済みモデルについても、常にAIベンダーまたは顧客の一方へすべて帰属させる必要はありません。各当事者の寄与、開発費用、利用目的、将来の事業展開を踏まえ、権利帰属と利用条件を切り分けて設計することが、自社のコア技術を守りながら取引を成立させるために重要です。

技術ライセンス契約における必須知識とロイヤルティ

特許化したAI技術を他社にライセンス供与する際は、ライセンスの形態や条件を正しく理解し、自社の事業方針に合わせて設計する必要があります。

まず、特許法上の実施権には大きく分けて「専用実施権」と「通常実施権」が存在します。専用実施権は、設定された範囲において、専用実施権者が特許発明を独占的に実施できる強力な権利です。特許庁の特許原簿に設定登録しなければ効力が発生せず、専用実施権者は、自らの名前で侵害者に対して差止請求や損害賠償請求を行うことができます。

専用実施権を設定した範囲では、特許権者自身も原則として自由に特許発明を実施できなくなります。そのため、ライセンサーとしては、対象製品、地域、期間、利用分野など、専用実施権を設定する範囲を慎重に検討する必要があります。

一方で、技術ライセンスの実務において用いられることがあるのが「独占的通常実施権」です。これは特許法に定められた独立の実施権ではなく、通常実施権に第三者へのライセンスを制限する契約上の約束を加えたものです。例えば、特許権者が「契約期間中は、同じ範囲について他の企業にライセンスしない」と約束する形態です。

独占的通常実施権者には、専用実施権者と同じ法定の差止請求権が当然に認められるわけではありません。損害賠償請求の可否についても、契約内容、独占性の程度、実際に生じた損害などによって判断が分かれる可能性があります。そのため、侵害が発見された場合の通知、証拠収集、訴訟の実施主体、費用負担、回収金の配分などを定めた権利行使協力条項を契約に組み込むことが重要です。

次に、ロイヤルティ（ライセンス対価）の設計です。従来の製造業では「製品の販売価格の数％」といったランニング・ロイヤルティが用いられてきましたが、SaaS形式で提供されるAIアルゴリズムの場合、売上との因果関係を直接算定しにくいケースがあります。

そのため、AI分野では、APIのコール数に応じた従量課金、処理したデータ容量に応じた課金、ユーザー数に応じた課金、サブスクリプションモデルによる月額固定のライセンス料など、実際の利用量や提供価値に連動したロイヤルティ設計が考えられます。どの方式が適切かは、技術の提供形態、計測可能性、顧客が得る経済的利益などによって異なります。

また、特許を活用してライセンス交渉を行う際に重要となるのが「クレームチャート」の作成です。クレームチャートとは、自社の特許請求の範囲の構成要件を分解し、相手方のAI製品やサービスの仕様と対応付けた対比表です。

特許侵害が成立するためには、原則として、特許請求の範囲に記載された構成要件を相手方の製品やサービスがすべて満たしている必要があります。Webサイトの記述、公開マニュアル、API仕様書などは検討材料になりますが、外部から見えない内部処理について、公開情報だけで構成要件の充足を断定することはできません。交渉用のクレームチャートと、訴訟で侵害を立証できる証拠は区別して検討する必要があります。

さらに、ライセンス契約では監査条項の設計も重要です。ライセンシーが申告するAPI利用回数や売上を、ライセンサーが確認できない場合、ロイヤルティの計算が適正かを検証できません。

ただし、ライセンサーがライセンシーのサーバーへ自由にアクセスできる条項を設けることが常に適切とは限りません。セキュリティ、個人情報、第三者の秘密情報などへの配慮も必要です。独立した監査人による確認、監査対象となるログや帳簿、監査の頻度、事前通知、監査費用、秘密保持、申告との差異が確認された場合の精算方法などを、取引内容に応じて定めることが現実的です。

営業秘密と限定提供データによる情報保護の要件

AIのコア技術を特許出願せず、ブラックボックス化する選択をした場合、その情報が不正競争防止法によって保護される状態を維持することが重要です。単に「これは社外秘である」と口頭で伝えるだけでは、退職したエンジニアが競合他社にデータを持ち出したり、取引先が情報を目的外利用したりした際に、営業秘密としての保護を受けることが難しくなる可能性があります。

不正競争防止法上の営業秘密として保護されるためには、「秘密管理性」「有用性」「非公知性」という三つの要件を満たす必要があります。

第一に「秘密管理性」です。これは、情報を保有する企業がその情報を秘密として管理する意思を持ち、情報に接する従業員や取引先が秘密情報であると認識できる状態にしていることを意味します。

具体的な管理方法としては、学習データやアルゴリズムが保存されているサーバーへのアクセス権限を業務上必要な者に限定すること、IDやパスワードによる認証を設けること、秘密情報を保存する場所を区分すること、電子ファイルやフォルダに秘密表示を付すこと、秘密保持契約や社内規程で対象情報を明確にすることなどが考えられます。

ただし、これらの措置をすべて一律に実施しなければ営業秘密として認められないわけではありません。企業の規模、情報の性質、従業員数、利用方法などに応じ、情報に接する者が秘密であると認識できる合理的な管理措置を講じているかが重要です。

第二に「有用性」です。そのAIアルゴリズムやデータセットが、事業活動に役立つ技術上または営業上の情報であることが求められます。AIの学習モデル、学習データ、評価方法、パラメータ調整のノウハウなどは、その内容に応じて有用性を満たす可能性があります。

第三に「非公知性」です。その情報が、一般に知られておらず、保有者の管理下以外では容易に入手できない状態であることが必要です。設定ミスによって公開状態のサーバーやGitHubなどへソースコードを掲載し、一般にアクセスできる状態になれば、非公知性を失う可能性があります。

また、公開によって発明の新規性が失われれば、後から特許を取得することも難しくなります。ただし、日本では、自らの行為によって発明を公開した場合などに、一定の要件と手続を満たせば、公開から1年以内の特許出願について新規性喪失の例外が適用される可能性があります。

この例外は、公開しても安全であることを保証する制度ではありません。第三者が先に出願していた場合などには特許を取得できず、外国では日本と異なる制度が適用されることもあります。公開後の救済を前提にせず、発明を公開する前に出願の要否を判断することが原則です。

また、コンソーシアムなどで複数企業とデータを共有しつつ法的保護を受けたい場合は、「限定提供データ」としての要件を満たす管理体制を敷くことが有効です。業として特定の者に提供する情報として、電磁的方法により相当量蓄積され、管理されている技術上または営業上の情報に該当すれば、不正な取得、使用、開示に対して差止請求や損害賠償請求が認められる可能性があります。

ただし、契約した相手方によるすべての目的外利用が、当然に限定提供データに関する不正競争へ該当するわけではありません。データの提供目的、利用範囲、再提供の可否、契約終了後の取扱いなどを、契約でも明確に定めておく必要があります。

自社特許を収益につなげる次の一手

AIビジネスにおいて自社の技術を守り、利益を最大化するためには、技術の特性を見極めた上で「特許によるオープンな権利化」と「営業秘密によるクローズドな秘匿」を戦略的に使い分けることが不可欠です。まずは、現在自社が保有しているAIのアルゴリズム、学習データ、ユーザー体験の機能リストを棚卸しし、どの技術が外部から侵害発見可能であり、どの技術をブラックボックスとして管理できるのかを仕分けする作業から着手してください。

強固な知財ポートフォリオは、事業の自由度を確保するための交渉カードになります。AI分野で先行する他社から特許侵害の警告を受けた際、自社も相手方の事業に関係する有効な特許を保有していれば、クロスライセンスなどの交渉を進めやすくなり、賠償や事業停止のリスクを軽減できる可能性があります。ただし、自社特許を保有しているだけで、相手方特許の侵害責任がなくなるわけではありません。

すでに特許として権利化されているものの、自社の主力事業の変遷により活用しきれていないAI関連特許がある場合、それは眠れる資産です。適切なライセンシーを見つけ、クレームチャートによる的確な提示、監査条項を含む実務的なライセンス契約、そして事業実態に即したロイヤルティ設計を行うことで、その特許は新たなキャッシュフローを生み出す原動力に変わる可能性があります。

自社の知財資産の価値を客観的に把握し、積極的なマネタイズに向けたアクションを起こしたい方は、特許収益化プラットフォーム「PatentRevenue」をぜひご活用ください。御社の保有する価値あるAI特許を必要とするパートナーと結びつけ、最適なライセンス契約の構築から収益化の実現までをサポートいたします。まずは無料登録から、知財を利益に変える第一歩を踏み出しましょう。

（この記事はAIを用いて作成しています。）