夜雨聆风深圳 
IPWatchdog是美国知产圈最重要的行业媒体，创始人Gene Quinn自己就是做专利出身的。5月7日，他发了一篇长文，标题是《成功的专利从业者是怎么把AI用起来的》（点击文末阅读原文）。
这篇文章不是在讨论AI会不会取代专利律师，而是在讲一个已经发生的事情：美国那边做得好的专利律师，到底怎么用AI干活的？他们踩过什么坑，找到了什么有效的方法？
我把里面的干货整理了，跟大家分享一下。
两种用法，效果天差地别
IPWatchdog是美国知产圈最重要的行业媒体，创始人Gene Quinn自己就是做专利出身的。5月7日，他发了一篇长文，标题是《成功的专利从业者是怎么把AI用起来的》（点击文末阅读原文）。
这篇文章不是在讨论AI会不会取代专利律师，而是在讲一个已经发生的事情：美国那边做得好的专利律师，到底怎么用AI干活的？他们踩过什么坑，找到了什么有效的方法？
我把里面的干货整理了，跟大家分享一下。
两种用法，效果天差地别
作者开头就说了一个判断：现在美国专利圈里，AI的用法已经明显分成了两派。
一派是随便用。丢一个模糊的指令给AI，拿到输出就直接用，不验证，不调整。这种做法出来的东西质量不稳定，有时候还会出大问题。
另一派是当成工作流程的一部分来用。给AI提供足够的上下文，用专业判断去约束它，拿到结果后对照原始材料验证，再整合进自己的工作流程里。这些人已经尝到甜头了。
作者的原话是，AI不是法律判断、技术理解、权利要求策略或客户沟通的替代品。用对了，它是一个放大器。
USPTO的态度
2024年4月，美国专利商标局（USPTO）正式发布了AI使用指南。这份指南没有禁止在专利申请和审查过程中使用AI，但明确了一点：现有的诚信义务、签名责任、保密义务和职业操守规范照样适用。
说白了就是：AI是工具，你可以用；但用了之后出了问题，签字的人负责，不是AI负责。
不要让AI去做整件事
作者反复说的一件事是：做得好的人，不会让AI去做一整件事。
专利工作本身就是模块化的。你不会说"帮我写一个专利申请"就完事了。实际流程是：跟发明人沟通、识别发明点、看交底书、检索现有技术、判断权利要求范围、撰写权利要求、写说明书、预判规避设计、评估101和112风险、准备附图、然后进入审查。
这些环节可以一个一个拆开，让AI在每个环节里做它擅长的事。
比如处理发明交底书。你可以让AI先做一遍结构化整理：总结发明内容、找出缺失的技术细节、生成发明人访谈的问题清单、区分核心发明和具体实施例、把技术优点对应到它解决的技术问题上。这些事情不需要你放弃专业判断，但能让你在见发明人之前心里更有底。
作者特别提到了一个很实际的感受：就算你不同意AI的分析，你反驳它的过程本身会帮你把自己的思路理得更清楚。
AI检索
AI检索
现有技术检索是AI已经在产生实际价值的领域。传统的关键词检索有用，但不完整。同一个技术概念，在不同行业、不同国家、不同技术体系里的描述方式差别很大。AI的语义搜索能帮你找到关键词搜不到的文献。
但作者在这里给了一个很重要的提醒：
如果你让AI在所有数据库里去找跟某个发明最接近的文献，你大概率会对结果很失望。AI这东西，你问了它就一定会给你一个答案。在这种开放式场景下，它要么漏掉真正相关的，要么干脆编一个不存在的文献出来，而且编得看起来非常像真的。
但如果你给AI一个封闭的范围，比如把十篇文献放在它面前，问哪几篇最接近，这样结果会好得多。
AI干活好不好，全看你喂给它什么。
权利要求撰写
权利要求撰写是专利工作里最需要判断力的环节。Quinn说，AI在这里也能帮忙，但必须注意使用规范。
AI擅长的事情是，生成不同的权利要求结构、探索不同的独立权利要求写法、搭建从属权利要求的层次、测试某个权利要求是写窄还是写宽了。
AI容易出的问题在于: 生成的权利要求用词看起来没问题，但在说明书里找不到支撑；引入了说明书里没用过的术语；把不同的实施例混在一起；制造出先行词的问题；加入不必要的限定。
作者说得很直接，好的从业者用AI来压力测试权利要求的架构，但不会把架构本身外包给AI。
他还提到了一个特别有价值的用法，让AI扮演审查员、被告、PTAB请求人或者侵权被告的角色。给够上下文之后，AI可以找出101可专利性的薄弱点、112不确定性的问题、现有技术的攻击方向、分割侵权的风险，或者权利要求解释中可能出现的争议。输出不会完美，但能在申请提交前暴露出应该处理的问题。
这种用法的价值很大，AI不再是帮你写东西的，而是帮你找漏洞的。
说明书撰写
说明书是专利长期价值的基础。写得薄、支撑不够的说明书，几年后会在侵权诉讼和后续申请中带来麻烦。
AI能做的事情在于，在权利要求写完之后，让AI逐条对照，看每个技术特征在说明书里有没有明确的支撑。如果某个特征在说明书里找不到对应描述，AI可以标出来。如果权利要求用了一个词，但说明书详细描述部分从没出现过，AI也能识别。如果说明书只写了一种实施方式，AI可以建议其他实施方式供你参考。
作者很坦率地说，专利申请经常在预算压力和时间压力下完成。AI可以在提交之前提供一层内部质量检查。
但他也提醒，AI生成的实施例必须是技术上准确的、能够实施的、跟发明人实际发明的东西相关的。不能变成跟发明脱节的投机性填充。用好了，说明书更扎实；用随意了，反而埋雷。有些隐患可能几年后才暴露出来，到那时候已经来不及补救。
审查意见答复
审查意见答复是最适合用AI的场景之一，因为这项工作文件密集、结构重复、高度依赖权利要求和引用文件的逐条比对。
AI可以帮你做的事情在于，总结审查意见、识别驳回理由、提取审查员的具体论点、把引用的段落跟权利要求逐条对照、生成初步的论证框架、给出修改方案并评估不同修改之间的取舍。
比如收到一个103组合驳回，你可以让AI做一个逐条对照的表格：权利要求的每个技术特征对应审查员引用了哪篇文献的哪段内容。AI可以帮你找出审查员论证不充分的地方、引用文献没有公开某个技术特征的地方、组合理由比较薄弱的地方，或者通过修改就能区分现有技术的地方。
作者强调，这不意味着答复可以直接由机器写了就交上去。USPTO的AI指南明确提醒，所有提交的文件都受签名和证明义务的约束。正确的做法是，人主导答复策略，AI负责前期分析和比对，律师做最终决定并验证所有内容。
专利组合管理
作者说，AI在专利领域最成功的应用，有些不是发生在单个申请层面，而是在组合管理层面。
大型专利组合通常很乱，有历史遗留的旧资产，权利要求范围参差不齐，标签不统一，跟产品对不上，维护价值不清楚。AI可以帮你按技术领域、产品相关性、权利要求覆盖范围、到期日、同族状态、审查历史、标准相关性、竞争对手重叠度和潜在许可或诉讼价值来分类。
对企业IP部门来说，这个事情很实用。专利部门一直面临证明支出合理性的压力。AI可以帮我们把"我们有多少件专利"变成"哪些专利有用，为什么有用，它们支撑的是什么业务目标"。
作者的原话是，这件事早就该做了。专利组合不应该被当成一个静态的档案库来管理，它应该被当成一项经营性资产来运营。
风险和治理
文章最后一部分讲的是风险和治理。
专利工作涉及保密的技术信息、未公开的申请、商业秘密、出口管制材料、诉讼敏感分析和特权通信。任何AI部署，第一个要回答的问题是：输入了什么数据、数据去了哪里、谁能访问、会不会被用来训练模型。
AI系统会编造引用、歪曲文件内容、生成看起来很有把握但完全错误的分析。这不是假设，是已经出过事的。
所以律所和企业法务部门需要AI治理政策：哪些工具可以用、哪些数据可以输入、是否需要客户同意、怎么保护特权、人工审核的要求是什么、怎么做来源验证和审计追踪。
作者最后说了一句，能跑出来的不是买了AI会员的机构，而是建立了可重复操作流程的机构。
随便用，还是专业地用
作者在文章结尾说，现在已经不需要讨论AI会不会被用在专利实务里，它已经在使用中了。现在的问题是，你是随便用，还是专业地用。
随便用，迟早出事。认真用，确实能帮上忙。
这篇文章没有吹AI多厉害，也没有说不用就要被淘汰。它讲的就是一件正在发生的事：AI好不好用，全看用它的人懂不懂它能做什么、不能做什么，有没有把它放进一套靠谱的工作流程里。
对我们来说，道理就一句，别问AI能不能写专利，问你手上的活哪些可以让它帮忙，哪些必须自己盯着。想明白这件事，AI就不是来抢饭碗的，而是来帮你干活的。
【免责声明】
本系列文章旨在提供专业信息分享和学术探讨，内容基于公开法律文献、判例及研究资料，并力求准确。但知识产权法复杂且持续发展，本文不构成任何形式的法律建议或专业意见。具体法律问题请咨询具备资格的专业人士。
【免责声明】
本系列文章旨在提供专业信息分享和学术探讨，内容基于公开法律文献、判例及研究资料，并力求准确。但知识产权法复杂且持续发展，本文不构成任何形式的法律建议或专业意见。具体法律问题请咨询具备资格的专业人士。
近期精选：
权利要求里加了generally和substantially，法院到底怎么看？
美国外观专利大松绑：申请用户界面和图标，不用再画虚线屏幕了！
USPTO突发新政：以后打专利无效，还要看你在不在美国建厂？
那些不生产产品的公司，凭什么靠专利赚走几十亿？聊聊NPE的生意经
权利要求连接词之争: “configured to”意味着特定设计还是具备能力？
专利被驳回，可能只是因为没写好a和the？聊聊权利要求的前置基础
权利要求没写“突出”，法官凭什么读进去？Ninebot案教你避坑权利要求解释
86 万砍到 2.9 万！Ninebot如何靠一个设计改动逆袭美国专利诉讼？
一个连词定专利生死！困扰美国专利界20年的“和”与“或”语法陷阱
亚马逊链接能当现有技术驳回专利？“便池防溅网” 案教你怎么反驳！
