教育・EdTech
教育コンテンツの分析や個々の学習者に応じた学習支援に用いられるAI技術の特許業務を担当しました。学習データの処理や、サービスを支えるシステム構成に関する発明を取り扱っています。
AI特許の検討は、技術の仕組みを理解することから始まります。データ処理、学習、推論、実装における独自の工夫を捉え、出願・分析・事業化に向けた方針に反映します。

写真:スタートアップチームに助言する金容德
教育・医療・製造から生成AI・ロボティクスまで、各産業で活用されるAI・ソフトウェア技術の特許業務を担当してきました。分野ごとに、取り扱った技術とクライアントをご紹介します。
教育コンテンツの分析や個々の学習者に応じた学習支援に用いられるAI技術の特許業務を担当しました。学習データの処理や、サービスを支えるシステム構成に関する発明を取り扱っています。
大学のAI・機械学習に関する研究成果について、特許出願を担当しました。研究成果に含まれる発明の特徴を分析し、明細書および特許請求の範囲に反映しました。
医療データの処理・分析、デジタル治療、治療・健康管理用ソフトウェアに用いられるAI技術について、特許業務を担当しました。
畜産・建設・製造現場での状態把握、異常検知、運用の最適化に用いられるAI技術の特許業務を担当しました。センサーデータの分析、制御、意思決定に関する技術を取り扱っています。
画像内の物体やその状態の認識、デジタル信号の解析に用いられるAI技術の特許業務を担当しました。データの前処理から推論、出力結果の活用までの処理構成を取り扱っています。
LLMを活用したサービスの特許業務を担当しました。検索対象の選定、コンテキストの構成、外部ツールとの連携、生成結果の検証など、サービスの実装に関わる技術を取り扱っています。
通信・ロボティクス分野の特許業務と、金融分野のAI・ソフトウェア関連業務を担当しました。制御ロジック、ネットワーク構成、金融データ処理に関する技術を取り扱っています。
ゲーム・デジタルコンテンツサービスの知的財産業務を担当しました。サーバー側・クライアント側の処理、インターフェース、コンテンツ配信用ソフトウェアを取り扱っています。
MakinaRocks・BISTel
VUNO・SUALAB・SI Analytics
SELVAS AI・Baidu・Xiaomi・Tmaxグループ各社・Netmarble・Kakao Games
LG電子・サムスン電子
同じモデルを用いていても、データの流れやシステムの制御は異なります。実装の各段階における独自の処理と、その技術的効果を検討します。
検索対象の選択、リランキング、フィルタリング、コンテキストの構成、前処理を明確にします。
LLMへの情報の受け渡し方と、外部API・ツールとの連携方法を検討します。
ツールの選択、実行順序、利用者の承認、エラー時の再試行、例外処理を検討します。
出力の検証・修正が、その後のシステム動作や技術的効果にどうつながるかを整理します。
独自の技術的特徴とその効果を特定し、実装を十分に説明するために必要な情報を整理します。
データの取得・選択・拡張・ラベリング・前処理・特徴抽出における独自性を検討します。データ自体の権利と、処理方法の特許による保護は、別の論点として整理します。
モデル構造、学習目標、損失関数、ファインチューニング、強化学習における相違点を明確にし、測定された効果と、それを生む技術的特徴を結び付けます。
検索と生成、推論経路、メモリ・遅延の管理、オンデバイス実装、機器制御を検討します。公開モデルを組み込んだシステムの改良も対象とします。
先行特許、論文、開発計画を検討します。自社技術の保護と第三者の権利の評価を区別し、事業上の必要性に応じて検討範囲を定めます。
金容德の公開された実務経験から、現職および前職で担当した主な案件をご紹介します。


世界のAI特許戦略、スタートアップによる知的財産の活用、特許とオープンソースの関係を考察します。
出版のお知らせを読む書籍情報を見る ↗

知的財産教育やスタートアップ支援の活動を、各活動の内容・背景とともにご紹介します。


124件
該当する記事はありません。検索語を変えてください。
完成した特許明細書は必要ありません。技術の仕組みと開発状況が分かる資料をご用意ください。詳細資料の共有方法は、初回のご相談で確認します。
事務所へのお問い合わせ ↗公開モデルを使っているかどうかだけで特許性は決まりません。処理、統合、制御、学習、推論における具体的な改良点を特定し、先行技術と開示要件に照らして検討します。
解決する技術的課題、入出力の流れ、従来手法との違い、比較結果、公開・提供開始の予定を整理してください。関連論文、発表資料、先行特許も役立ちます。まず概要をお知らせいただき、詳細資料の共有方法を相談します。
すべてのコードや重みを開示しなければならないという一律の要件はありません。ただし、出願では発明を十分に説明し、その本質的な特徴を実施し、請求項を裏付けるために必要な情報を記載する必要があります。
特許出願では自社技術をどう保護するかを検討します。FTOでは対象国、時期、製品構成を定めて第三者の権利を分析します。自社で特許を保有していても、それだけで侵害リスクがなくなるわけではありません。
データ・学習・推論の流れと産業分野ごとの実装を検討し、生成AI、製造、医用画像、生体信号、車載レーダーの技術的特徴と特許上の論点を確認します。
検索対象の選択、評価、リランキング、フィルタリング、コンテキストの構成、LLMへの情報の渡し方を検討し、特徴的な出力検証・修正方法も確認します。
ツールの選択、タスクの実行順序、API実行、利用者の承認、エラー、再試行、例外処理、検証について説明してください。実際の制御フローを把握することで、技術的な違いを特定できます。