專利分析項目中的技術(shù)標引究竟應(yīng)該由研發(fā)還是IPR執(zhí)行

專利分析中的技術(shù)標引，究竟應(yīng)由研發(fā)部門來執(zhí)行，還是應(yīng)由知識產(chǎn)權(quán)（ipr）部門來負責(zé)，這一問題在業(yè)界一直存在不同的聲音。
? ? 專利分析工作，特別是專利地圖分析（包括專利導(dǎo)航、專利預(yù)警或?qū)＠胺治觯╉椖浚瑯?gòu)成了企業(yè)知識產(chǎn)權(quán)部門工作的重要組成部分。這些項目與傳統(tǒng)的專利檢索分析項目不同，如專利申請前的查新檢索、無效穩(wěn)定性檢索分析等，后者僅需要找到準確的專利，而不涉及對大量專利進行逐一標引。
以“自動駕駛”為主題的專利導(dǎo)航或?qū)＠貓D項目為例，可能需要檢索并處理多達數(shù)千甚至數(shù)萬項專利。在完成數(shù)據(jù)清理工作后，分析人員需要對這些專利進行分類、標引或打標簽。這些專利可能被進一步細分為感知、高精度地圖、決策等多個模塊，其中感知模塊又可細分為攝像頭、激光雷達等子模塊，攝像頭模塊還可以進一步分為硬件部分和數(shù)據(jù)融合等軟件部分。專利分析工作的目的就是對這些數(shù)據(jù)進行標引或打標簽，將檢索到的專利分配到業(yè)務(wù)部門所需的標簽或分類中。
? ? 這一工作的繁雜和耗時程度可想而知，相當(dāng)于對每個專利進行解讀，并將其對應(yīng)到相關(guān)的分類中，或者說為每個專利打上標簽。顯然，所需打的標簽種類越多，專利數(shù)量越大，工作難度就越高。在大型分析項目中，專利標引或打標簽的時間有時可能占到項目總時長的一半以上，甚至有的項目主要工作即為標引，占比可達80%。
因此，評判一個專利分析報告的質(zhì)量，標引的質(zhì)量是一個重要的區(qū)分度。如果專利導(dǎo)航或?qū)＠貓D分析工作不需要進行數(shù)據(jù)標引，工作量將大幅減少，甚至可以借助軟件自動生成。面對這一既費時又費力的工作，究竟應(yīng)由技術(shù)人員還是知識產(chǎn)權(quán)人員來執(zhí)行，業(yè)界意見不一。
? ? 實際上，這需要根據(jù)項目的具體情境和目標來確定。總體而言，專利分析報告的標引工作應(yīng)由知識產(chǎn)權(quán)分析師負責(zé)執(zhí)行，同時在必要時尋求研發(fā)人員的協(xié)助。如果專利分析報告的主要目的在于為研發(fā)提供技術(shù)參考，研發(fā)人員提出幾個方向或模塊，并要求將相關(guān)專利分配到這些模塊中，那么無論是由研發(fā)人員還是企業(yè)ipr進行標引，只要標引的準確率符合要求即可。具體由誰來執(zhí)行標引，應(yīng)根據(jù)人員的工作任務(wù)飽和度和技術(shù)能力來決定。
然而，如果分析報告的目的是梳理技術(shù)路線圖、制作功效矩陣、確定核心專利等，那么這類報告的標引工作應(yīng)主要由知識產(chǎn)權(quán)人員負責(zé)。因為要準確完成這些分析模塊，必須對技術(shù)細節(jié)和技術(shù)全貌有深入了解。否則，如果僅由研發(fā)人員進行技術(shù)標引，而沒有對專利中反映的技術(shù)內(nèi)容進行全面和深入的了解，就無法準確完成上述模塊的分析。在這些項目中，如果讓研發(fā)人員進行技術(shù)標引，而由ipr完成報告編寫，就類似于讓研發(fā)人員體驗產(chǎn)品，卻由ipr來撰寫產(chǎn)品評價，研發(fā)人員去吃飯，由ipr來飯菜的味道感受，這可能導(dǎo)致報告存在質(zhì)量問題。
? ? ?當(dāng)然，即使是由ipr完全負責(zé)的分析報告，在遇到技術(shù)細節(jié)問題時，也需要研發(fā)人員的解釋。在標引工作開始之前，確定具體標簽內(nèi)容時，也需要研發(fā)人員的深入?yún)⑴c。只有研發(fā)和ipr深度合作，才能制作出符合要求的分析報告。
? ? 鑒于標引工作在專利分析中的重要性，許多人希望這一部分工作能夠由人工智能（ai）替代。maxipat提供了ai自動標引功能。該功能的邏輯相對簡單：用戶在進行專利分析項目標引時，可以先自行標引約10%至20%的專利，例如，在1000項專利中先標引200項，剩余的800項專利由maxipat自動標引。這200項人工標引的專利相當(dāng)于訓(xùn)練數(shù)據(jù)，告知系統(tǒng)按照前200項的標引方式來處理剩余的800項專利。這里需要注意的是，前200項的人工標引應(yīng)包含所有標引維度或標簽，確保系統(tǒng)按照用戶定義的標簽維度進行標引，而不是隨意創(chuàng)造新的維度。?
? ? 許多人會問，機器進行標引的準確度如何，能否真正替代人工。這個問題很難一概而論，因為機器標引的準確性與用戶的數(shù)據(jù)本身密切相關(guān)。也就是說，不同用戶使用相同系統(tǒng)時，準確度可能不同；相同用戶在不同項目中，ai標引的準確度也可能不同。ai標引的準確度就像薛定諤的貓，具有不確定性。
? ?這是因為數(shù)據(jù)的“稀疏性”和用戶設(shè)置的標引層級直接影響了標引的準確度。例如，如果用戶的數(shù)據(jù)包含汽車、果汁機、藥品三大類，且要求ai將相關(guān)專利分配到不同的標簽，這個任務(wù)對系統(tǒng)來說相對容易，因為這些類別之間的關(guān)聯(lián)性很低，沒什么血緣關(guān)系，即使是性能較差的系統(tǒng)也能進行區(qū)分。然而，如果標引數(shù)據(jù)全部是關(guān)于使用“雙齒輪”的果汁機，要求系統(tǒng)區(qū)分哪些專利的齒輪是串聯(lián)連接，哪些是并聯(lián)連接，以及串聯(lián)連接中是直接由電機驅(qū)動還是間接驅(qū)動，哪怕只有少數(shù)幾個標簽和層級，對ai來說難度也會大大增加。
原創(chuàng)?佑斌?
免責(zé)聲明：版權(quán)歸原創(chuàng)所有僅供學(xué)習(xí)參考之用，禁止用于商業(yè)用途，部分文章推送時未能及時與原作者取得聯(lián)系，若來源標錯誤侵犯到您的權(quán)益煩請告知我們將立即刪除。