把自己从重复的劳动里捞出来~

我把《专利导航指南》做成了可复用的工作流

前面五篇,一篇拆一类,讲的是:标准讲了什么.

有读者私信我：标准我读懂了,可真要做一个导航的项目,还是有点棘手:先花两周搭框架,列清单,做表格模板,又是翻标准又是找数据,每次接新项目都重来一遍——有没有省点力的办法?

这话戳到我了.我明白了:"标准"好读,现成的理论摆在那,而一个"标准里有的流程,每次按同一套动作跑完"的办法才是应该最值得关注,去讨论的.于是我做了 Patent Navigation Buddy——把前面专利导航五篇内容,进行拆解工程化,和大家相互交流.

一.我为什么做这个 Skill

做过导航项目的人都知道,真正累的不是分析本身,是分析之前和分析之后.

分析之前要做什么?接到一个区域导航的委托,第一周基本就在翻标准,找模板,对口径,列数据采集项.一边翻标准一边想:这一类导航要不要产业,科教,专利三本账都得做?采集清单列到什么颗粒度才不返工?字段口径按什么走?这一周做的活,下次接另一个项目,原样还得再来一遍.

那分析之后呢?报告大纲,章节结构,图表类型,图谱配色,每份新报告都从白纸开始.同一团队不同人写出来的报告,框架还经常不一样,甲方会挑刺.

我想要解决的问题其实有三个:

一是准备快.第一个项目的经验能在第二个项目直接复用,不要每次都从零搭脚手架.

二是质量稳.同一套工作流出来的报告,框架,字段,判据,图表风格应该一致,甲方看着也踏实.

三是省下脑子去做判断.把机械的事——翻章找条款,列清单,算指标,套模板——交给一套固定动作,分析师把精力放在必须靠人做的判断上:对标对象怎么选,资源怎么配,技术路线往哪偏?

怎么做?把国标里那些流程,字段,判据,模板,固化成一份"作业指导书".这份指导书里写清楚:接到一句话,先判断走哪一类导航;判断完,采集哪些字段,字段按什么口径对齐;按什么判据算四象限或五维度;报告怎么排,图谱怎么画;交付前自检什么?AI 拿到这份指导书,每次遇到导航类需求就直接照着走.

插一句:Patent Navigation Buddy 是给 AI 装的一份作业指导书.

二.专利导航标准五部分:一个模子

结合先前五篇文章分析,把国家标准本身看清楚.

总则(GB/T 39551.1-2020)第5到9章定的是通用流程:项目启动,信息采集,数据处理,专利导航分析,成果产出,成果运用与绩效评价.

五个专项部分(.2 到 .6)不一样的是哪一环?只有"专利导航分析"这一环——不同类型导航,分析的具体方法和判据不同.其余环节怎么写?标准的原文一律写"参照 GB/T 39551.1-2020 第X章的规定"。

其中,人才管理类最典型.它的第8,9,10章,成果产出,成果运用,绩效评价三条,全部只有一句话:参照总则.研发活动类的成果产出也一样.

这就是说,五类导航共用同一套流程,只有中间分析那一栏的填法不同.

(图1:流程共用,分析各异)

流程共用,分析各异.它是我做这个 Skill 的起点.

三.三个条件,把方法固化下来

再看,方法要变成可复用的固定动作,得同时满足三条,缺一条就只能停在纸面上.

第一,步骤要能拆开:每一步的输入和输出要清楚.上一步的产物就是下一步的原料.专利导航的步骤是天然能拆的——总则把项目启动,信息采集,数据处理,导航分析,成果产出串成一条流水线,每一步在标准里都有专门章节交代输入输出.

第二.判断要有依据:分析不能靠"专家凭经验感觉",得能写出可比的指标.同族规模,引证次数,专利控制力,产业链集中度,技术功效矩阵——这些全是可计算的量,不是模糊的形容词.

第三.成果要有定式:报告不能每次从白纸起,得有固定结构,总则第7章把成果形式定死了:分析报告或数据集,有了固定结构,才能有模板.

三条都满足,剩下的事就是把这些步骤,判据,模板,规规矩矩记进一份作业指导书.

四.这个 Skill 长什么样:一次导航要走完的八步

我把流程拆成了八步,每一步做什么,产出什么,用什么判据,先搞清楚：

(图2:导航要走完的八步)

这八步里,前七步照总则走,第八步做交付前的质量自检.其中第3步是强制暂停点——AI 不替你检索,也不替你采集数据,只生成采集清单,等你实际拿到数据后再继续.

怎么判断该走五类中的哪一类?靠一张路由表——根据用户给出的需求关键词,定位到对应那一类(如下):

五.它给做导航的人省下什么?

这一节是本Skill中最有价值的部分.同一个导航项目,前后两种干法：

(图3:六个环节,前后两种干法的对比)

展开说下：

第一环节,需求确认和场景判断.结合路由表,用户给出诉求关键词,直接对照定位.判定不准会自动提问,不擅自猜测.这一环节可直接辅助确定前期方向.

第二环节,列出要采哪些数据.这是最容易翻车的环节——现在一次出全清单,每个字段的来源,口径,格式,字段名都标清楚,采完可按照清单,人工再对接数据库.

第三环节,数据清洗统一口径.不同来源的数据,企业名有"公司/有限公司/集团"三种写法,专利申请人有全称简称,合并名,错名,产业代码有新旧两套.现在用批量规则做名称归一,产业分类映射,专利申请人合并,人只做完成内容检查.

第四环节,专项分析与计算.标准中,每一类都有现成的字段表,判据表,计算公式.不用每次都现想指标,现搭表格.

第五环节,报告与图谱素材.报告章节结构固定下来,每一节该写什么,配什么图,用什么数据,都有模板,图谱素材按统一风格出,配色,字体,图例都标准化.不用每次从白纸起排版。

第六环节,交付前自检.报告出去之前,对照清单逐条核对——数据来源有没有说明,判据有没有出处,结论有没有超出分析范围,对标对象选取有没有偏差?这一步以前靠老同志过一遍,现在每次照单子走一遍,新人也能交出和老同志一样稳的活.

注意:这张图里"现在"那栏写的是 Skill 替人干的部分,不是 Skill 替人下结论的部分.判断,决策,责任,依然在人.(合规不能少)

六.拆一个区域规划类

以区域规划类为例,看一个分析包里具体长什么样:

整个过程里,AI 干的是"把数据变成价值",人来做的是"依据这张图做决定".

七.五类导航,都能帮我们多少?

首先,不是五类自动化空间都一样大.按"这个 Skill 能替人干多少活"排个序(如下):

规律很清楚:越是"统计型"的环节越省人工,越是"判断型"的环节越靠人.这个排序也告诉做导航的人——统计型的人容易被工具替代,判断型的人永远是核心.

八.AI辅助,四条不能越的线

人为主,AI为辅,目前仍然是不能变的基本准则.

(图4:AI 出证据,人出结论)

四条红线,一条都不能松:

第一,数据闸门.AI 不自动访问任何数据库,所有数据来自人工导出,全程可溯源.

第二,资质门槛不能绕过.标准对分析人员是有硬要求的:做人才评价,分析人员宜具备 3 年以上专利权利稳定性分析或侵权风险分析的实务经验;做研发活动类导航,技术人员宜具备技术领域教育背景且近 3 年连续从业.AI 可以替这类人做前期准备,但不能替代他们出具结论.

第三,个人信息合规.人才管理类本质是从专利数据里"挖人"——发明人姓名,经历,获奖都属个人信息,受《个人信息保护法》约束.用于人才遴选要有合法依据和告知,不能拿公开专利数据无限关联,画像,建库.

第四,AI 不出法律结论.权利稳定性,侵权风险,授权前景,AI 只能给分析线索和风险关注度,终局判断归人.

九.从"解读"到"我把它做出来"

把标准讲明白,是解读者;把标准变成能跑的工作流,是实践者.

专利导航这件事,"一家机构,一份报告,一次性交付".报告交完就锁进柜子,换个区域,换个产业,从头再来一遍.原因不是方法不对,是方法一直装在人脑子里,没固定为程序化.

而这套标准的骨架结构,恰恰给了它一个可以程序化的机会.

我做了 Patent Navigation Buddy,就是想试试这条路能不能走通.如果你正在做做导航,欢迎拿去改,用,调,提意见——大家讨论.

本文系作者基于《专利导航指南》（GB/T 39551 系列）的个人解读与实践设计，仅供学习交流，具体实施请以标准原文为准。文中所述 Skill 为方法论设计，不构成法律意见。