专利分析项目中的技术标引究竟应该由研发还是IPR执行

专利分析中的技术标引，究竟应由研发部门来执行，还是应由知识产权（ipr）部门来负责，这一问题在业界一直存在不同的声音。
    专利分析工作，特别是专利地图分析（包括专利导航、专利预警或专利全景分析）项目，构成了企业知识产权部门工作的重要组成部分。这些项目与传统的专利检索分析项目不同，如专利申请前的查新检索、无效稳定性检索分析等，后者仅需要找到准确的专利，而不涉及对大量专利进行逐一标引。
以“自动驾驶”为主题的专利导航或专利地图项目为例，可能需要检索并处理多达数千甚至数万项专利。在完成数据清理工作后，分析人员需要对这些专利进行分类、标引或打标签。这些专利可能被进一步细分为感知、高精度地图、决策等多个模块，其中感知模块又可细分为摄像头、激光雷达等子模块，摄像头模块还可以进一步分为硬件部分和数据融合等软件部分。专利分析工作的目的就是对这些数据进行标引或打标签，将检索到的专利分配到业务部门所需的标签或分类中。
    这一工作的繁杂和耗时程度可想而知，相当于对每个专利进行解读，并将其对应到相关的分类中，或者说为每个专利打上标签。显然，所需打的标签种类越多，专利数量越大，工作难度就越高。在大型分析项目中，专利标引或打标签的时间有时可能占到项目总时长的一半以上，甚至有的项目主要工作即为标引，占比可达80%。
因此，评判一个专利分析报告的质量，标引的质量是一个重要的区分度。如果专利导航或专利地图分析工作不需要进行数据标引，工作量将大幅减少，甚至可以借助软件自动生成。面对这一既费时又费力的工作，究竟应由技术人员还是知识产权人员来执行，业界意见不一。
    实际上，这需要根据项目的具体情境和目标来确定。总体而言，专利分析报告的标引工作应由知识产权分析师负责执行，同时在必要时寻求研发人员的协助。如果专利分析报告的主要目的在于为研发提供技术参考，研发人员提出几个方向或模块，并要求将相关专利分配到这些模块中，那么无论是由研发人员还是企业ipr进行标引，只要标引的准确率符合要求即可。具体由谁来执行标引，应根据人员的工作任务饱和度和技术能力来决定。
然而，如果分析报告的目的是梳理技术路线图、制作功效矩阵、确定核心专利等，那么这类报告的标引工作应主要由知识产权人员负责。因为要准确完成这些分析模块，必须对技术细节和技术全貌有深入了解。否则，如果仅由研发人员进行技术标引，而没有对专利中反映的技术内容进行全面和深入的了解，就无法准确完成上述模块的分析。在这些项目中，如果让研发人员进行技术标引，而由ipr完成报告编写，就类似于让研发人员体验产品，却由ipr来撰写产品评价，研发人员去吃饭，由ipr来饭菜的味道感受，这可能导致报告存在质量问题。
     当然，即使是由ipr完全负责的分析报告，在遇到技术细节问题时，也需要研发人员的解释。在标引工作开始之前，确定具体标签内容时，也需要研发人员的深入参与。只有研发和ipr深度合作，才能制作出符合要求的分析报告。
    鉴于标引工作在专利分析中的重要性，许多人希望这一部分工作能够由人工智能（ai）替代。maxipat提供了ai自动标引功能。该功能的逻辑相对简单：用户在进行专利分析项目标引时，可以先自行标引约10%至20%的专利，例如，在1000项专利中先标引200项，剩余的800项专利由maxipat自动标引。这200项人工标引的专利相当于训练数据，告知系统按照前200项的标引方式来处理剩余的800项专利。这里需要注意的是，前200项的人工标引应包含所有标引维度或标签，确保系统按照用户定义的标签维度进行标引，而不是随意创造新的维度。 
    许多人会问，机器进行标引的准确度如何，能否真正替代人工。这个问题很难一概而论，因为机器标引的准确性与用户的数据本身密切相关。也就是说，不同用户使用相同系统时，准确度可能不同；相同用户在不同项目中，ai标引的准确度也可能不同。ai标引的准确度就像薛定谔的猫，具有不确定性。
   这是因为数据的“稀疏性”和用户设置的标引层级直接影响了标引的准确度。例如，如果用户的数据包含汽车、果汁机、药品三大类，且要求ai将相关专利分配到不同的标签，这个任务对系统来说相对容易，因为这些类别之间的关联性很低，没什么血缘关系，即使是性能较差的系统也能进行区分。然而，如果标引数据全部是关于使用“双齿轮”的果汁机，要求系统区分哪些专利的齿轮是串联连接，哪些是并联连接，以及串联连接中是直接由电机驱动还是间接驱动，哪怕只有少数几个标签和层级，对ai来说难度也会大大增加。
原创 佑斌 
免责声明：版权归原创所有仅供学习参考之用，禁止用于商业用途，部分文章推送时未能及时与原作者取得联系，若来源标错误侵犯到您的权益烦请告知我们将立即删除。