DPMAの会長は、2026年3月2日付の第1/26号通知において、審査機関が調査時に外部の電子調査源を「場合によっては人工知能アプリケーションの活用を含む形で」利用することを認める一方で、求められる慎重さにもかかわらず残存リスクを完全には排除できないことを認めた。すなわち、用語、シーケンス、化学構造式、または未公表の出願に含まれるテキストが第三者に閲覧される可能性がある。これを受け、DPMAは明示的に、出願人がこのリスクを回避したい場合には、調査や審査の申請を公表後に行うことを検討するべきであるとする。
この一節は、特許弁護士業界および社内IP責任者の間に、技術的な“どうして起こり得るのか”という点だけでなく、助言の実務的な意味として“明日から優先出願、ポートフォリオ戦略、責任はどうなるのか”という点で顕著な戸惑いを生んだ。
1) DPMAが実際に変更したもの – そして変更していないもの
DPMAは、利用可能な範囲で世界的な技術水準を考慮するという法的任務を説明すると同時に、まだ公表されていない特許出願に関する情報を機密として扱うという任務を説明している。外部の電子調査源は、社内で許容される場合、AIを用いた形で利用することも許可される。
重要なのは、DPMAは「データを公的なAIに提供する」とは言わないことだ。同時に、残存リスクを明示的に掲示している。
これにより、調査チェーンでの情報セキュリティは、クラウドサービス、コラボレーションツール、あるいは「Bring your own AI」に似た、現実的な助言のテーマとなる。
2) なぜ公表前の段階がこれほど敏感なのか
特許出願は最初は18か月秘密にされている。この段階は重要な場面で決定的になることが多い：
- 製品開発
- 投資家との交渉
- パイロット顧客
- 標準化
- F&E-戦略
小さな情報漏洩でも戦略的影響をもたらす可能性がある。
3) KIリサーチにおける“残存リスク”は実務上何を意味するのか？
核心は「KI」そのものより、外部システムの典型的な性質にある。
- 不明瞭なデータフロー（ログ、保存、第三国）
- 意味的検索（厳密な問い合わせではなく）
- モデルやシステムの改善への利用の可能性
- 機微な断片の処理
4) 戦略的な問い: 申請を遅らせるべきか？
DPMAの公表後にのみ調査または審査の申請を出すという選択肢は、決して簡単ではない。
それは確立されたコンサルティング論理と衝突する：
- 時期を確保するための早期出願
- 国際戦略のためのより迅速な知見
- Time-to-Grantの経済的意味
➡️ 結果: 標準解はなく、むしろ文書化された個別事例の判断
5) 特許弁護士が今具体的にするべきこと
5.1 顧客説明の標準化
この残存リスクは初回相談の確固たる要素として組み込むべき。
5.2 決定を文書化
早期または遅い調査/審査を選択する決定は、文書化して記録するべき。
5.3 センシティビティクラスの導入
特に重要なのは：
- バイオテック／化学／配列
- 構造的に機微なプロトコルやモデルを扱うIT
- 高品質な戦略的IP案件
5.4 公式KI利用への代替手段
- 古典的データベースでの統制された事前調査
- 機微な詳細を含まない抽象的な初期分析
- 情報の戦略的一般化
5.5 弁護士事務所内KIガバナンス
実務上の重要なポイント：
多くの法律事務所は調査や文書化に自社のAI支援ツールを利用している。
したがって、以下を検討するべきである：
- 外部ツールのデータフロー
- 保存場所とロギング
- 下請け業者
- 内部の「クライアント機密なし」ポリシー
➡️ 例: :contentReference[oaicite:0]{index=0} のような弁護士事務所向けソフトウェアは、AI機能、API、およびデータ処理の点で明確に設定されているべきです。
6) 反応の整理
3つの視点が支配的である：
- 制度的な信頼と責任の対立
- 調査におけるAIの実務的な受け入れ
- 手続きの経済性と経済的影響に焦点を当てる
いずれも正当である—重要なのは、助言の構造化された適応である。
7) DPMAに合理的に求められること
- 外部システムに関する透明性の向上
- データ処理に関する明確な標準
- 監査とインシデント対応プロセス
8) 終わりに: アドバイスはより正確になり、難しくはならない
DPMA通知は特許制度自体を変えるものではない—しかし、助言におけるリスクの扱い方を変える。
決定的になるのは：
- 技術的理解
- 文書化されたリスク評価
- 明確なクライアントとのコミュニケーション
それを体系化する者は、不確実性を勝ち取るのではなく、助言の鋭さを得る。
Haptische Realität trifft digitale Unsicherheit
そしてここで、現代の知識労働の興味深いパラドックスが生まれる。デジタルシステムがますます複雑になるほど、日常生活における単純で掴みやすい明確さがより価値となる。
現代の作業組織の実践例として、TimeSpin Würfelのアプローチが挙げられる。時間をソフトウェアに抽象的に隠すのではなく、物理的に把握可能にする。詳しくは: https://www.timespin.net
法的手続きがAI支援システムによってますます影響を受ける一方で、追跡可能で人間が制御できるデータソースの需要が同時に高まっている。
結論
もはや問われているのは、リサーチにAIを使うかどうかではない。
むしろ：
どれだけの不確実性が許容されるべきか、良い助言にはどれだけの透明性が必要か？
そして、データ志向が進む労働環境では、ある原則は変わらない。明確なデータがなければ、どの決定も解釈の一部に過ぎない。
