AI特許リスクの継続監視：サービス停止を防ぐFTO調査と知財戦略

株式会社IPリッチのライセンス担当です。AI（人工知能）を活用したサービスやプロダクトの開発において、リリース前の特許調査（FTO調査：Freedom to Operate）の重要性は広く認知されるようになりました。しかし、AI分野では技術開発や特許出願が活発であり、一度の調査だけで、将来にわたって他社の特許権を侵害しないと判断することはできません。ローンチから半年、1年と経過するうちに、新たな競合出願が公開されたり、自社サービスの機能が変更されたりすることで、当初の調査時には把握できなかった特許リスクが生じる可能性があります。対応を誤れば、サービスの仕様変更や提供停止を求められる事態にもつながりかねません。この記事では、AIサービスに特許の継続監視がなぜ必要なのか、競合特許のウォッチ手法、新機能追加時に再FTOが必要となるケース、そして経営層と共有すべき知財KPIについて、実務的な視点から詳しく解説します。

知的財産は、事業を守るための防御手段にとどまらず、新たな収益を生み出す攻めの資産でもあります。自社で活用しきれていない特許や、開発の過程で生まれた独自のアルゴリズム技術などは、他社へのライセンス提供を通じてロイヤルティ収益の源泉となる可能性があります。株式会社IPリッチでは、貴社の保有する特許資産を最大限に活用し、最適なライセンシーとのマッチングを支援する知財収益化プラットフォーム「PatentRevenue」を提供しています。自社特許の収益化ポテンシャルを把握するための第一歩として、ぜひPatentRevenueへの無料登録をご検討ください。

結論：AIサービスにおける特許の継続監視が必要な理由

AIサービスやソフトウェアプロダクトの開発において、ローンチ前の単発的なFTO調査だけでは将来の知財リスクを十分に把握できない大きな理由は、「特許出願から公開までのタイムラグ」と「AIサービスの短い開発・更新サイクル」のミスマッチにあります。日本をはじめとする主要な特許制度では、特許出願は原則として出願日または優先日から18か月を経過するまで公開されません。

この18か月という期間は、アジャイル開発が主流のAI・ソフトウェア業界においては、一つのプロダクトの企画から開発、リリース、複数回のアップデートまでが進むほどの長い時間です。PCT（特許協力条約）に基づく国際出願についても、原則として優先日から18か月経過後に国際公開されます。一方、各国への国内移行後は、審査の進行、請求項の補正、権利化の範囲などが国ごとに異なるため、公開公報だけでなく、その後の審査経過や法的状態も確認する必要があります。

これはつまり、自社が新サービスの仕様を確定し、その時点で公開されている特許文献を対象に厳密なFTO調査を行ったとしても、競合他社がすでに自社サービスと近い発明を出願していて、まだ公開されていなければ、公開データベースから発見することはできないということです。ローンチ時点では問題が確認されなかった機能について、サービス開始後に関連する他社出願が公開され、その後の審査を経て特許権が成立する可能性があります。

一度サービスが本番環境で稼働し、多くのユーザーに利用され始めてから、システムの根幹に関わる部分の設計変更を強いられることは、企業にとって多大なコストと開発工数の損失を意味します。公開後の出願を早期に検知できれば、将来の権利範囲を検討し、必要に応じて先行技術文献などを特許庁へ情報提供する、ライセンス交渉の可能性を検討する、または仕様変更を準備するといった対応が可能になります。ただし、情報提供を行ったからといって、必ず拒絶や特許化の阻止につながるわけではありません。

このような未公開期間に由来するリスクを、公開後できるだけ早く把握するためには、サービス稼働後も定期的に特許データベースを確認する継続監視体制が重要です。

基本知識：AI特許の出願動向とFTO調査の役割

特許の継続監視を効果的に運用するためには、AI関連発明の全体的な出願動向と、FTO調査の基本プロセスを正しく理解しておく必要があります。技術のトレンドや競合の出願傾向を把握していなければ、どの技術領域を重点的に監視すべきかのリソース配分を誤る可能性があります。

日本国特許庁が公表しているAI関連発明の出願状況調査によれば、AI関連発明の国内出願件数は、ディープラーニングが注目を集め始めた2014年以降、顕著に増加しています。AI関連発明は調査上、大きく二つのカテゴリに整理されています。一つは、ニューラルネットワークの構造そのものや機械学習のアルゴリズムなど、AI技術自体に特徴がある「AIコア発明」です。もう一つは、それらの基礎技術を画像処理、音声認識、医療、自動運転、ビジネスなどに適用した「AI適用発明」です。

特許庁が2023年までの出願データを基に更新した調査では、国内のAI関連発明の出願件数は2023年に約1万1,400件となっています。AIコア発明は近年横ばいである一方、AI技術の適用先は拡大しており、2022年から2023年にはビジネスに適合した情報通信技術に関する分類が付与された出願の増加が確認されています。

深層学習の手法別に見ると、CNNやRNN・LSTMに言及する出願は2021年まで増加した後に減少へ転じています。一方、トランスフォーマーに言及するAI関連発明の出願件数は増加を続けています。ただし、技術名称への言及数は出願動向を把握する一つの指標であり、個別特許の権利範囲や事業上の重要性を直接示すものではありません。

こうした技術競争の中、自社サービスが他社の有効な特許権を侵害していないかを確認するFTO調査は、事業の自由度を確認し、サービス停止や仕様変更のリスクを抑えるための重要な手続きとなります。FTO調査は、サービスの要件定義や基本設計が固まり、具体的な構成を特許請求の範囲と比較できる段階で行われることが一般的です。

関連する特許文献から検索式を用いて母集団を形成し、スクリーニングを経て重要な特許や出願を抽出します。その後、対象となる特許の請求項と自社製品の構成要素を対比し、権利の有効性、存続期間、対象国、審査経過なども含めてリスクを評価します。

継続監視では、毎月または四半期ごとに新たな公開公報を追加確認し、リスクの高い出願が発見された場合に詳しい請求項対比を行う方法が現実的です。継続監視のたびに、ローンチ前と同じ規模のFTO調査を全面的に繰り返す必要があるわけではありません。

制度：特許侵害の判断基準と損害賠償制度

継続監視を行わず、結果として他社の特許権を侵害してしまった場合、企業にはどのような法的リスクが生じるのでしょうか。特許権に基づく主な請求として、経営に大きな影響を与えるのが「差止請求」と「損害賠償請求」です。

特許権侵害の判断では、原則として、特許請求の範囲に記載された構成要件のすべてを自社のプロダクトやサービスが満たしているかが検討されます。一般に「オールエレメントルール」と呼ばれる考え方で、一つでも構成要件を欠いていれば、原則として文言侵害は成立しません。

ただし、形式的な文言が異なっていても、特許発明の本質的部分ではなく、置換可能性などの要件を満たす場合には、均等論によって特許発明の技術的範囲に属すると判断される可能性があります。AI特許では、学習データの処理、特徴量の生成、推論処理、出力の制御などが請求項にどのように記載されているかを確認し、自社システムの具体的な処理と比較する必要があります。

侵害が認定された場合、特許権者は特許法第100条に基づき、侵害行為の停止または予防を請求できます。ウェブサービスやAIアプリの場合、差止めの対象となる機能がサービスの中核部分に組み込まれていれば、その機能の停止、仕様変更またはサービス提供方法の変更を迫られる可能性があります。実際の影響は、対象となる請求項、差止めの範囲、システム構成、代替機能の有無などによって異なります。

損害賠償額の算定については、2019年の特許法改正によって、特許法第102条の規定が見直されました。改正後は、特許権者の実施能力に応じた数量を超える部分などについても、ライセンス料相当額として損害を算定できることが明確になっています。

また、ライセンス料相当額を算定する際には、特許権侵害があったことを前提として当事者間で合意されるであろう対価を考慮できることも明文化されました。このため、事前に通常のライセンス契約を締結していた場合と同じ料率が、そのまま侵害時の損害額として採用されるとは限りません。

もっとも、損害賠償額は、特許発明の寄与、対象製品の売上、代替技術の有無、競合関係、実施料率など、個別の事情に基づいて算定されます。法改正だけを理由として、すべての特許侵害事件で賠償額が高額になるわけではありません。

実務：競合特許をどうウォッチするかとAIを活用した特許分析

AI分野では多数の特許出願が継続的に公開されています。これを知財担当者だけで網羅的に目視確認することは、対象範囲によっては大きな負担になります。そこで、検索式による定期監視に加え、自然言語処理や類似度分析を備えた特許調査ツールを補助的に利用する方法があります。

従来の特許調査は、特許分類と技術キーワードを組み合わせた検索式を中心に行われてきました。しかし、AI関連発明は技術用語の表現が出願人ごとに異なることがあり、同じような機能でも異なる用語が使用されます。そのため、キーワード検索だけでは検索漏れが生じる一方、検索範囲を広げすぎると関係の薄い文献が大量に抽出される可能性があります。

AIを利用した特許調査ツールの中には、特許文書の意味的な類似度を評価する概念検索や、関連度に応じた順位付けを行う機能を備えたものがあります。自社サービスの仕様書、関連する技術文書、自社特許などを参照文書として利用し、意味的に近い特許文献を候補として抽出する方法です。

実務上の継続監視では、まず自社のコア技術に関連する特許分類、キーワード、競合企業、発明者、引用関係などを整理し、監視用の検索条件を設定します。その上で、月次または四半期ごとに新たな公開公報を抽出し、必要に応じて概念検索や類似度分析を併用します。

ツールが関連度の高い文献として抽出した候補のうち、事業との関連性が高いものについて、弁理士や知財担当者が請求項、明細書、審査経過、法的状態を確認します。さらに、自社システムの構成と請求項を対比し、実際の侵害リスクを評価します。

AIツールが算出する類似度は、技術内容の近さを示す参考情報にすぎません。特許侵害は請求項の解釈と自社製品の具体的な構成に基づいて判断されるため、類似度スコアだけで侵害または非侵害を結論付けることはできません。AIツールは、検索漏れの抑制やレビュー対象の優先順位付けを支援するものとして利用し、最終判断は専門家が行う必要があります。

契約：リスク発見時のライセンス交渉と標準必須特許への対応

FTO調査や継続監視の過程で、自社サービスが抵触する可能性の高い他社特許が発見された場合でも、直ちに事業を中止しなければならないとは限りません。特許の有効性や権利範囲を確認した上で、回避設計、ライセンス取得、無効資料の調査などを検討します。技術的な理由や製品コンセプト上の理由から回避設計が困難な場合は、特許権者とのライセンス交渉が選択肢となります。

ライセンス交渉の初期段階で、自社の未公開の技術仕様やビジネス計画を開示する必要がある場合には、必要に応じてNDA（秘密保持契約）を締結します。ただし、すべての交渉でNDAが必須というわけではなく、開示する情報の内容や交渉段階に応じて判断する必要があります。

その上で、対象特許、許諾地域、許諾製品、実施期間、ロイヤルティ、報告義務などを協議します。権利の許諾方法には、特許法上の専用実施権、契約上の独占性を付した通常実施権、非独占的な通常実施権などがあり、それぞれ法的効果が異なります。

自社が相手方にとって有用な特許を保有していれば、双方の技術を相互に利用するクロスライセンスによって、金銭的な支払いを調整できる場合もあります。また、ライセンス契約には売上報告や帳簿確認のための監査条項が設けられることがあるため、経理システムや社内管理の負担も確認しておく必要があります。

さらに、AIサービスやIoTデバイスが通信規格などの標準規格を実装する場合には、標準必須特許への対応が必要になることがあります。標準必須特許とは、特定の標準規格に準拠するために実施が避けられない特許です。すべてのAIサービスに標準必須特許が関係するわけではありませんが、通信機能や標準化されたデータ処理技術を採用する製品では確認が必要です。

経済産業省の「標準必須特許のライセンスに関する誠実交渉指針」では、FRAND宣言がなされた標準必須特許の二者間交渉について、主要な四つのステップを示しています。具体的には、権利者によるライセンスオファー、実施者によるFRAND条件で契約する意思の表明、権利者による具体的な条件の提示、条件を受け入れない場合の実施者による対案の提示です。

権利者によるライセンスオファーでは、特許番号、代表的な特許のクレームチャート、製品が規格に準拠していることを示す情報、FRAND宣言に関する情報などの提示が求められています。クレームチャートについては、実施者が求める場合、非公知情報を含むなどの事情がなければ、NDAの対象外として提供することが望ましいともされています。

同指針は法的拘束力を持たず、記載された順序がすべての交渉に一律に適用されるわけでもありません。また、指針に沿って行動すれば、個別訴訟で誠実な交渉を行ったと必ず評価されるものでもありません。差止請求の可否や権利濫用の判断は、当事者双方の交渉態度を含む個別事情に基づいて判断されます。

リスク：新機能追加時に再FTOが必要なケースと国外サーバーの判断

継続監視と並行して、開発・知財担当者が警戒すべきなのが、自社サービス側の仕様変更に伴うリスクの変動です。AIを組み込んだSaaSプロダクトやソフトウェアでは、リリース後もユーザーのフィードバックを受けながら、短いスパンでアップデートを繰り返すことがあります。

しかし、機能追加や仕様変更によって、自社システムが新たな特許の構成要件を満たす可能性があります。したがって、すべての軽微な更新について全面的なFTO調査を行うのではなく、特許リスクに影響する変更を事前に抽出し、必要な範囲で再調査する運用が重要です。

例えば、初期リリース時には「ルールベースのデータ検索機能」しか持たなかったアプリが、アップデートによって「ユーザーの行動履歴から特徴量を抽出し、機械学習モデルを用いてパーソナライズされた結果を推論・出力する機能」を追加したとします。

初期の仕様では、対象となる他社特許の「機械学習による推論」という構成要件を満たしていなかったとしても、レコメンド機能を追加することで構成要件を満たす可能性があります。このように、サービスの中核的な処理方法を変更する機能追加は、再FTOを検討すべき典型的な場面です。

機能面だけでなく、システム構成の変更にも注意が必要です。ドワンゴ対FC2事件では、国外サーバーと国内端末を組み合わせたネットワーク関連発明について、日本の特許権の効力が及ぶかが争われました。

2025年3月3日の最高裁判決は、我が国の特許権の効力は原則として国内で認められるという属地主義を維持しました。その一方で、システムを構築する行為の一部やサーバーが国外に存在する場合でも、行為とシステムを全体として見て、実質的に日本国内における「生産」や「電気通信回線を通じた提供」に当たると評価できる場合には、日本の特許権が及び得ると判断しました。

したがって、「メインサーバーが海外にある」という事情だけで、日本の特許権侵害リスクが低いと判断することはできません。国内ユーザーに向けたサービスか、発明の効果が国内端末で生じるか、国内における事業や特許権者の経済的利益にどのような影響を与えるかなど、システム全体を確認する必要があります。

新しいAIモジュールの導入、処理フローの変更、他社APIとの連携、通信規格への対応、国内外のサーバー構成の変更などを行う場合には、コーディング後ではなく、仕様を確定する段階で特許リスクへの影響を確認することが望まれます。

収益化：経営会議で確認すべき知財KPIと無形資産の評価

ここまで述べてきた特許リスクの管理、FTO調査、継続監視、ライセンス交渉は、知財部門や開発部門だけで完結させるべき問題ではありません。企業の持続的な成長と事業継続に関わる経営上のテーマとして、経営陣や取締役会が確認すべき事項です。

2026年7月に公表された最新のコーポレートガバナンス・コードでは、取締役会が、経営戦略や経営計画の実現に向けて、研究開発、人的資本、知的財産などの無形資産への成長投資を含む経営資源の配分について、具体的に何を実行するのかを説明すべきことが示されています。

また、知的財産等の無形資産への投資については、競争力や企業価値向上の源泉であることを踏まえ、その創出、取得、強化、保護、収益化に戦略的に取り組むべきであるとされています。

内閣府と経済産業省が策定した「知財・無形資産ガバナンスガイドラインVer.2.0」も、知財を単なる費用として扱うのではなく、企業価値の創出や競争優位性につなげ、投資家や金融機関との対話に活用するための枠組みを示しています。

経営会議や役員会において、従来の「特許出願件数」や「特許登録率」だけを報告しても、それが事業の競争力やリスク管理にどのようにつながっているのかは十分に伝わりません。知財KPIは、事業戦略との関係を説明でき、継続的に測定可能な指標を設定する必要があります。

第一に「防御的KPI」です。継続監視の対象となっている重要技術の割合、新規公開案件のレビュー件数、重要案件の対応完了率、新機能のうち再FTOの要否を確認した割合、調査開始から事業部への報告までの所要期間などが考えられます。推定損害賠償額を示す場合には、前提条件によって数値が大きく変動するため、算定根拠と不確実性を併記する必要があります。

第二に「競争力KPI」です。自社サービスの重要機能をカバーする有効特許の数、主要製品の売上に対する特許カバー率、競合との技術的な差別化に利用できる特許群、データやノウハウを含む無形資産がサービスの性能や顧客維持に与えている効果などを確認します。単に特許数を増やすのではなく、事業上重要な機能や市場と結び付いているかを評価することが重要です。

第三に「収益化KPI」です。自社事業で利用していない特許の棚卸し件数、ライセンス候補として評価した特許数、交渉中の案件数、成約件数、ライセンス収益、PatentRevenueのようなプラットフォームを通じて得られた問い合わせやマッチングの件数などが考えられます。

守りのリスク管理による損失回避と、知財ライセンスによる収益化を両輪で進め、その成果を検証可能な指標として経営陣に定期報告することで、全社的な知財ガバナンスを機能させやすくなります。ただし、KPIを設定すること自体が目的にならないよう、各指標が事業上の意思決定にどのように利用されたかも併せて確認する必要があります。

自社特許を収益につなげる次の一手

AI技術の進化と特許出願の増加が続く中、自社のサービスを法的なリスクから守るためには、ローンチ前のFTO調査だけでなく、公開公報の継続監視と、重要な機能追加・仕様変更時の再評価が必要です。AIツールを補助的に利用した継続監視体制を構築し、重要な文献について専門家が請求項を確認する運用は、限られた人的リソースの中で調査を継続するための一つの方法となります。

特許リスクを早期に把握できれば、対象特許の有効性や権利範囲を精査し、回避設計、情報提供、ライセンス交渉などの選択肢を、サービスへの影響が大きくなる前に検討できます。継続監視は、すべての侵害リスクを排除するものではありませんが、事業停止や大規模な仕様変更の可能性を抑えるための重要な基盤となります。

そして、リスク管理を徹底する一方で、自社の知的財産を単なる「守りの盾」として保有するだけでは、知財の事業価値を十分に活用できない場合があります。事業環境の変化やピボットによって自社では利用しなくなった技術や、ポートフォリオの見直しによって価値が再確認された特許は、他社の製品やサービスに利用できる可能性があります。

知財部門をコスト管理だけでなく、経営に直接貢献する部門へと発展させるためには、まず自社の特許ポートフォリオを可視化し、現在の事業との関係、将来の活用可能性、第三者へのライセンス可能性を整理することが必要です。

株式会社IPリッチが提供する「PatentRevenue」は、貴社の保有特許をライセンスや売買の候補企業へ結び付けるための知財収益化プラットフォームです。事業を守るための特許管理と併せて、保有特許の収益化に向けた次の一手として、ぜひ無料登録をご活用ください。

（この記事はAIを用いて作成しています。）