AIが強化する先行技術調査：セクション102・103拒絶のハードル上昇に備える

2026年3月14日

株式会社IPリッチのライセンス担当です。本記事では、米国特許商標庁（USPTO）における人工知能（AI）技術の導入が、特許審査プロセス、特に先行技術調査にどのような革命的変化をもたらしているかを詳細に分析します。近年、審査官はAIツールの活用により、これまで以上に的確かつ強力な文献の組み合わせを提示することが可能となり、出願人が直面する新規性（102条）および進歩性（103条）のハードルは実質的に上昇しています。本報告書では、最新の審査トレンドや判例を踏まえ、複雑化する拒絶理由に対して出願人が取るべき戦略的対応について解説します。

特許制度の進化に伴い、企業には単なる権利取得を超えた「知財の収益化」という視点が強く求められています。高品質な特許を戦略的に活用し、ライセンス料や売却益を通じて研究開発投資を回収することは、競争力維持の要です。弊社が運営する特許売買・ライセンスプラットフォーム「PatentRevenue」では、特許権の売買やライセンスを希望する皆様の技術資産を適切なパートナーへと繋ぐ支援を行っております。現在、プラットフォームへの特許登録は無料で行うことができ、専門家によるマッチングサポートも提供しています。将来的な収益化の機会を逃さないためにも、ぜひこの機会に「PatentRevenue」（ https://patent-revenue.iprich.jp/#licence ）へのご登録をご検討ください。

USPTOにおけるAI検索ツールの導入と審査プロセスの変革

米国特許商標庁（USPTO）は、審査の質と効率を大幅に向上させるため、AIを基盤とした新たな先行技術検索ツール「PE2E Search」の導入を加速させています。従来の審査官による調査は、主にキーワードベースの検索戦略に依存しており、関連性の高い文献を見落としたり、あるいは進歩性拒絶の根拠として不適切な複数の文献を提示したりする可能性が少なからず存在していました。しかし、セマンティック検索や自然言語処理機能を備えたAIツールの普及により、審査官は膨大な特許データベースの中から、出願内容に極めて類似した技術思想を瞬時に特定できるようになっています。

特に注目すべきは、USPTOが実施している「自動検索パイロットプログラム（ASAP!）」の動向です。このプログラムは、正式な審査が開始される前に、AIツールを用いて自動的に先行技術調査を行い、その結果を「自動検索結果通知（ASRN）」として出願人に提供するものです。ASRNにはAIが関連性の高いと判断した上位10件の文献がリストアップされており、出願人は審査官とのやり取りが始まる前に、自らの発明が直面し得る潜在的な拒絶理由を把握することが可能となります。このようなAIによる「事前選別」は、審査官がより強力な拒絶理由を構築するための強固な土台となっており、結果として102条や103条に基づく拒絶の質が格段に向上しています。

AIツールの進化は、単に関連文献の検索を高速化するだけにとどまりません。最新のAIモデルは、出願された明細書、クレーム、要約、および特許分類（CPC）から文脈情報を抽出し、人間の研究者では網羅しきれない広範なソースから類似性を評価します。これにより、審査官は論理的な拒絶理由の構築に、より多くの時間を割くことができるようになり、出願人が拒絶を克服するためのハードルは一段と高まっているのが現状です。

102条（新規性）および103条（進歩性）における拒絶の高度化

AIの導入により、審査官は「どんぴしゃり」の先行技術をより少ない文献数で見つけ出す能力を手に入れました。これは、35 U.S.C. 102条に基づく新規性拒絶が、より具体的かつ反論の困難な形で提示されることを意味します。AIは、発明の細かな構成要素の組み合わせを高度なベクトル空間で分析し、従来のキーワード検索では埋もれていた、発明の本質を突く単一の先行文献を特定することに長けています。

さらに深刻な影響を及ぼしているのが、103条に基づく進歩性（非容易推考性）の判断です。AIツールの支援を受けることで、審査官は関連性の高い文献同士を論理的に組み合わせる「動機付け」を、より洗練された形で提示できるようになっています。かつては、無関係な分野の文献を無理に組み合わせたような「無理のある」拒絶理由も散見されましたが、AIは技術分野を横断した課題解決のアナロジーを特定する能力に優れており、審査官はこれまで以上に説得力のある組み合わせ理由（Rationale to Combine）を構築できるようになっています。

AIが提示する高度な文献の組み合わせは、出願人に対して「文献同士の技術的特徴の差異」を争うだけでは不十分な状況を作り出しています。審査官は、AIの提案に基づき、複数の文献を組み合わせることの妥当性を技術的および法的な観点から精緻に論じることが可能となり、出願人はより高度な法的・技術的推論を用いた反論を余儀なくされています。このような変化は、特許実務家が拒絶対応において、単なる構成要件の有無の議論から、後述する「組み合わせの論理」そのものへの攻撃へと戦略をシフトさせる必要性を浮き彫りにしています。

進歩性拒絶に対する反論戦略と結合の論理への攻撃

AIによって強化された進歩性拒絶に対抗するためには、審査官が提示する「文献を組み合わせる動機付け（Motivation to Combine）」の脆弱性を突くことが極めて重要です。AIは既存の膨大なデータから類似性を抽出しますが、それは往々にして、発明の内容を知った後に先行技術をパズルのように組み合わせる「後知恵（Hindsight）」のバイアスを含んでいる可能性があります。

審査官が多数の無関係な文献を繋ぎ合わせて一つの発明を再構築しようとする場合、それは前向きな進歩性分析ではなく、後知恵による再構成であると指摘すべきです。特に、文献の数が5件、7件と増えるにつれ、それらすべての文献を当業者が同時に選択し、特定の順序で組み合わせることを期待するのは不合理であるという議論が有効です。既存の判例においても、文献の数が増えるほど「成功の妥当な期待（Reasonable Expectation of Success）」を立証する審査官側の負担は重くなることが示唆されています。

また、AIが生成した「類似性」に基づく組み合わせが、必ずしも技術的な整合性を保証するものではないという点も、有力な反論材料となります。出願人は、引用された文献同士が技術的に不整合であることや、特定の文献の教示が他の文献の目的を損なうものであること、あるいは組み合わせによって予期せぬ物理的・機能的な不具合が生じることを具体的に論じる必要があります。審査官がAIの提示した「外見上の類似」に依存している場合、その裏にある技術的な「組み合わせの不可能性」を指摘することは、進歩性拒絶を覆すための強力な手段となります。

グラハム要素と二次的考慮事項による非容易性の立証

米国の進歩性判断における不動の指針である「グラハム要素（Graham Factors）」は、AI時代の特許実務においてもその重要性が再認識されています。グラハム要素は、（1）先行技術の範囲と内容、（2）先行技術とクレームされた発明の差異、（3）当該技術分野における通常の知識を有する者（当業者：PHOSITA）のレベル、そして（4）非容易推考性の客観的証拠（二次的考慮事項）の4点から構成されます。

AIの普及により、要素（1）と（2）については審査官側の情報収集能力が飛躍的に高まっています。そのため、出願人は要素（4）である「二次的考慮事項」をこれまで以上に積極的に活用すべきです。二次的考慮事項は、先行技術文献の文字面からは現れない、現実世界における発明の価値と非容易性を裏付ける事実です。これには、商業的成功、長年解決されなかったニーズへの対応、他者の失敗、予期せぬ顕著な効果、業界からの称賛、競合他社による模倣などが含まれます。

特に、当業者が「到底不可能である」と考えていた課題を解決したことや、業界の専門家が当初抱いていた懐疑論（Skepticism）を払拭した事実は、後知恵に対する最も強力な反証となります。これらの証拠を有効に機能させるためには、証拠となる事実と発明の技術的特徴との間に「ネクサス（密接な関連性）」があることを明確に示す必要があります。 AIがどれほど巧妙な文献の組み合わせを提示したとしても、その発明が社会や市場に与えた現実のインパクトを無視して進歩性を否定することはできません。

教示示唆（Teaching Away）と制止（Dissuasion）の活用

審査官が提示する文献の組み合わせを拒絶するためのもう一つの重要な法的ツールが「教示示唆（Teaching Away）」です。これは、先行技術の中に「ある修正や組み合わせを行うと、本来の機能が失われる」あるいは「望ましくない結果を招く」といった記載が含まれている場合に、その組み合わせが当業者にとって自明ではないとする理論です。 AIは「要素の存在」を検索することには長けていますが、その要素を組み合わせることの「副作用」や「技術的な禁忌」までを考慮して検索結果を整理することは困難です。

さらに、近年の判例（Ravgen事件やArctic Cat事件など）では、明示的な否定文言がなくとも、当業者がその組み合わせを躊躇するような「制止（Dissuasion）」の証拠があれば、進歩性は否定されないという判断がなされています。例えば、ある特定の物質を使用することが特定の工程において欠陥を生じさせる懸念があるという技術常識があれば、それは当業者を組み合わせから遠ざける要因となります。

出願人は、先行技術文献を精読し、審査官の提案する組み合わせが技術的に「推奨されない」理由を見つけ出すことに注力すべきです。AIが機械的に結びつけた文献リストに対し、当業者の視点から見た「技術的なハードル」や「リスク」を丁寧に解説することは、審査官の論理を崩すための有効なカウンターとなります。

101条特許対象性とAI関連発明の最新審査基準

AI技術そのもの、あるいはAIを活用したソフトウェア発明にとって、最大の難関の一つが35 U.S.C. 101条に基づく「特許対象性（Subject Matter Eligibility）」の拒絶です。多くのAI関連発明は、単なる「抽象的アイデア」や「人間の思考プロセス（Mental Process）」のコンピュータへの置き換えであると見なされ、拒絶される傾向にありました。

しかし、2025年に入り、USPTOはこの分野の審査運用を改善するための新たなガイダンスを相次いで発行しています。最新の運用では、クレームされた発明が人間の頭脳（またはペンと紙）では現実的に実行不可能なほど複雑な処理を含んでいる場合、それを「思考プロセス」として一律に排除することを戒めています。特に、AIモデルの動作改善（例：学習の効率化、メモリ使用量の削減、処理の高速化など）に直結する技術は、コンピュータ機能そのものを改善する「技術的改善」として認められやすくなっています。

この101条拒絶に対応するための戦略的な手段として注目されているのが、「特許対象性宣言書（SMEDs: Subject Matter Eligibility Declarations）」の活用です。 2025年12月の局長メモでは、Rule 132に基づく宣言書を用いて、発明がいかに技術的な問題を解決し、実用的な応用において改善をもたらしているかを、当業者の視点から証拠として提出することを推奨しています。 SMEDsは、発明の「技術的な必然性」を記録に残すための重要なツールであり、AI時代のソフトウェア特許取得において不可欠な実務となりつつあります。

AI時代の発明者認定と2025年最新ガイダンス

AIが発明プロセスに関与するケースが増える中、誰を「発明者」として認めるかという問題も重要な論点です。2025年の最新ガイダンスおよび連邦巡回区控訴裁判所（CAFC）のThaler v. Vidal事件等の判決により、米国の特許法における発明者は「自然人（人間）」に限られることが再確認されました。

したがって、AIシステムそのものを発明者として記載することは認められず、そのような出願は拒絶されます。しかし、これはAIを使用した発明がすべて特許不可であることを意味するものではありません。重要なのは、発明の「着想（Conception）」に対して、一人以上の人間が「顕著な寄与（Significant Contribution）」を行ったかどうかです。 AIはあくまで高度な「ツール」であり、そのツールを用いて特定の課題を解決するための具体的な構成を着想した人間がいれば、その発明は特許保護の対象となります。

出願人は、AIの出力を単に採用しただけでなく、プロンプトの工夫や、AIが生成した複数の案からの選択・修正、さらにはAIの出力を具体的な技術実装へと落とし込む過程において、人間がいかなる創意工夫を凝らしたかを明確に説明できるようにしておく必要があります。今後の特許実務においては、発明の創出過程における「人間の寄与」を適切に記録し、証明することが、権利の有効性を維持するための鍵となるでしょう。

知財の収益化を支える特許ポートフォリオの質と価値

AIによる審査の高度化は、特許ポートフォリオの構築戦略に根本的な転換を迫っています。かつてのように、数さえあれば良いという「量の戦略」は、維持コストの増大と無効化リスクの上昇により、その有効性を失いつつあります。2026年に向けた世界的な潮流は、明らかに「量から質へ」とシフトしています。

高品質な特許とは、単に特許査定を受けたものではなく、競合他社に対して強力な参入障壁を築き、かつライセンスや売却を通じて確実なキャッシュフローを生み出せる「収益化可能な資産」であることを意味します。高品質な特許は、企業の評判（レピュテーション）を高め、資金調達や取引上の交渉力を強化する役割も果たします。逆に、広範すぎて不明確なクレームや、先行技術との差異が曖昧な特許は、維持費を浪費するだけの「不良資産」となるリスクを孕んでいます。

知財の収益化を最大化するためには、R&Dの初期段階から知財部門が深く関与し、将来の市場動向や標準化の動きを予測した上で、権利範囲の設計を行うことが不可欠です。 AIツールを用いた事前の先行技術調査を徹底し、審査官の攻撃をあらかじめ予見して明細書を補強しておくことで、強靭で価値の高い特許ポートフォリオを構築することが可能となります。このようなプロアクティブなアプローチこそが、厳しいAI審査の時代において、知財を真のビジネス武器へと変える唯一の方法です。

結論：AI時代の特許戦略

本報告書で見てきたように、AI技術の導入は特許審査の景色を一変させました。審査官はAIという強力な「目」を持ち、出願人が提出した発明をこれまで以上に厳しい基準で評価しています。しかし、AIはあくまで過去のデータの集積からパターンを見つけ出すツールであり、人間の独創性や、複雑な技術的制約の中での絶妙なバランス、そして社会的なインパクトまでを完全に理解しているわけではありません。

出願人に求められるのは、AIが提示する「形式的な類似性」に対し、法理と技術的洞察に基づいた「本質的な非容易性」を堂々と主張する姿勢です。グラハム要素に基づく客観的証拠の積み上げ、教示示唆や制止の理論を用いた組み合わせの拒絶、そしてSMEDsを活用した技術的改善の立証。これら一つ一つの実務を丁寧に行うことで、AI審査の壁を突破し、真に価値のある権利を手にすることが可能となります。

そして、取得した権利を「知財の収益化」へと繋げる視点を常に忘れないでください。質の高い特許は、変化の激しい市場において企業を守り、成長させるための最強の資産となります。私たち株式会社IPリッチは、皆様が心血を注いで生み出した技術が、正当に評価され、ビジネスの成果へと結実するよう、プラットフォーム「PatentRevenue」を通じて全力でサポートしてまいります。未来の知財戦略は、今この瞬間の、質へのこだわりから始まります。

（この記事はAIを用いて作成しています。）

参考文献