誤字脱字のチェックに生成AIはどこまで使えるか ― 公開特許公報20件での検証

本記事の数は、いずれも生成AIが挙げた候補の数であり、確定した誤記・不備の数ではありません。対象とした公報は実在する案件であり、取り扱いに注意が必要であるため、本記事では特定していません。本記事は検証結果の報告であり、特定のサービスやモデルの利用を推奨するものではありません。

この記事の要約

何をしたか

ITソフトウェア関連の公開特許公報20件を対象に、本文（要約・特許請求の範囲・発明の詳細な説明）を生成AIに読ませ、誤字脱字や用語の不統一、符号の不整合など、文面の不備と思われる箇所を挙げさせました。

AIが挙げた箇所を、本記事では「指摘候補」と呼びます。AIの判断であって、確定した誤りではありません。

分かったこと

指摘候補は、20件の公報で計468か所ありました。そのうち、誤字脱字に当たるものは119か所です。

誤字脱字の候補は20件中18件の公報にあり、AIが「明白な誤字」と判定したものに限っても15件にありました。用語の揺れや符号の不整合まで含めると、20件すべての公報に何らかの表記の不備の候補がありました。

原文で確認した実例には、英字の綴り誤り、同音語の誤変換、脱字、重複、符号の不整合のほか、請求項に残った誤変換が審査で明確性（特許法36条6項2号）の拒絶理由とされた例も含まれています。

特許事務所・知財部門への示唆

出願前の自己点検に、生成AIを「候補を出す役」として使う余地は大きいと考えます。用語の統一、符号と図の整合、請求項の文言といった表記の点検は機械的な作業に向いており、今回の候補の約6割がこの種のものでした。

一方で、候補には空振りも含まれます。AIの指摘をそのまま反映するのではなく、人が原文と照らして最終判断する運用が前提になります。

調査の背景：なぜ公開公報を生成AIに点検させたのか

誤字脱字や用語の揺れの点検は、明細書作成の仕上げに欠かせない一方で、注意力を長時間保つ必要がある、認知負荷の高い作業です。

生成AIが実用段階に入った今、こうした作業はできるだけAIに代替させる方が、人の時間を発明の把握や請求項の設計に振り向けられる分だけ有意義ではないか。これが本調査の仮説です。

そこで、実際に公開されている特許公報を生成AIに点検させ、どの程度の候補が挙がるのか、どのような不備が実際に残っているのかを確かめました。

公開公報を対象にしたのは、出願人が完成稿として提出した文面がそのまま読める、公的な資料だからです。

調査の方法

対象

ITソフトウェア関連の2019〜2020年出願の公開公報20件です。524件の母集団から乱数順に抽出し、審査請求され、初回の審査結果が出ているものを採用しました。初回の審査結果は、拒絶理由通知18件・特許査定2件です。

なお、具体的にどの公報を対象としたかは、実在する案件であり取り扱いに注意が必要であるため、本記事では割愛しています。本記事は、あくまで検証の結果のみを報告するものです。

公開公報と審査経過の確認：J-PlatPat（特許情報プラットフォーム）

手順

生成AI（claude-fable-5-1）に、公報ごとに新しい会話で本文（要約・特許請求の範囲・発明の詳細な説明。図面は含めない）を渡し、所定のプロンプトで点検させました。

プロンプトは、誤字脱字・用語の不統一・符号の不整合・技術的矛盾を確認することに加えて、請求項の引用関係や処理内容を順に点検する手順を指示したものです。

出力は所定の形式（JSON）で受け取り、各公報につき1回だけ実行しました。出力は変更できない形で保存し、ハッシュ値を記録しています。

「指摘候補」の扱い

本記事の数は、すべてAIが挙げた候補の数です。468か所すべてを精査したものではなく、本記事に掲載した実例については、公報の原文にその記載があることを確認しています。

結果1：指摘候補はどれくらい挙がったか

指摘候補の数を表1に示します。20件の公報に対して計468か所、1件あたり平均23か所でした。誤字脱字に分類された候補は119か所です。

公報の件数で見ると、誤字脱字の候補は18件にあり、AIが「明白な誤字」と判定した候補に限ると15件です。誤字脱字に用語の揺れ・符号の不整合を加えた「表記の不備」で見ると、20件すべてに候補がありました。

表1　指摘候補の数（公報20件）

区分別の内訳は図1のとおりです。誤字脱字（119か所）、用語揺れ（85か所）、番号符号（65か所）の表記系で全体の約6割を占め、残りが技術的な矛盾や記載要件に関わる候補、改善提案でした。

結果2：どのような不備が残っていたか

候補の中から、公報の原文にその記載があることを確認した例を表2に示します。いずれも、AIが示した修正候補が妥当と考えられるものです。

表2　原文で確認した実例

明細書中の誤変換や脱字は、読めば意味が取れる場合がほとんどです。一方、請求項に残った誤記は扱いが異なります。

表2の最後の「係数手段」については、審査官が拒絶理由通知の中で「計数手段」の誤りであると指摘し、特許法36条6項2号（明確性）の拒絶理由の一つとしました。AIはこの箇所を誤記として検出していましたが、記載要件に関わる問題とは分類していませんでした。

誤記であっても、請求項にあれば拒絶理由になり得るという例です。

出典：特許法（e-Gov法令検索） 第36条第6項第2号

結果の読み方

• 数はAIの候補の数です。候補をすべて精査したものではなく、表2の実例について原文を確認しています。
• 各公報1回の実行であり、同じ入力で再実行した場合のばらつきは確認していません。
• 対象はITソフトウェア関連・2019〜2020年出願の20件です。他の分野、他のモデル、他の時点に当てはめる根拠はありません。

特許事務所の運営や実務に置き換えると

今回の検証を、明細書の出願前チェックの手順に置き換えると、次のような使い方が考えられます。

AIは「候補を出す役」、人は「原文と照らして決める役」

出願前の最終確認の前に、明細書と特許請求の範囲を生成AIに渡し、誤字脱字・用語の不統一・符号の不整合の候補を一覧にさせます。担当者は、その一覧を原文と照らして、直すものと直さないものを決めます。

今回の候補の約6割は表記系のものでした。こうした候補は、原文を見ればその場で採否を判断できるものが多く、確認の時間を大きく取られる性質のものではありません。

請求項は、候補の有無にかかわらず人が確認する

表2の「係数手段」のように、請求項の誤記は審査で拒絶理由になり得ます。AIが候補を挙げなかった箇所が正しいとは限らないため、請求項については、AIの一覧とは別に、人が最後まで読む手順を残しておくのが安全です。

空振りを前提に、採否を記録する

候補には、原文のままで問題ないものも含まれます。採用しなかった候補とその理由を簡単に記録しておくと、プロンプトの改善や、担当者ごとの判断のばらつきの確認に使えます。

未公開の明細書を入力する前に、利用規約とプランを確認する

出願前の明細書は未公開の情報です。生成AIに入力する前に、使うサービスのプランで、入力内容が学習に使われないか、秘密保持の定めがあるかを確認してください。プランごとの違いは汎用型生成AIの利用規約比較表にまとめています。

本記事について

• 本記事は、2026年10月時点で実施した検証の結果を報告するものです。数はいずれも生成AIが挙げた候補の数であり、確定した誤記・不備の数ではありません。
• 対象とした公報は実在する案件であり、取り扱いに注意が必要であるため、本記事では特定していません。表2の抜粋は、公開特許公報に掲載された文面から、案件を特定しない範囲で引用しています。
• 本記事は一般的な情報提供を目的とするもので、法的助言ではありません。生成AIの利用の可否や、入力してよい情報の範囲は、各サービスの最新の規約と、締結している契約書面を確認したうえで、ご自身の責任でご判断ください。
• 本記事は、特定のサービスやモデルの利用を推奨または非推奨するものではありません。
• 更新履歴：2026年10月17日 初版公開／2026年10月19日 「本記事について」の運営元に関する記述を削除

ルビコン 知財実務 × 生成AI 共創コミュニティ

ルビコンに参加しませんか（参加無料）

ルビコンは、特許事務所の弁理士・特許技術者・事務スタッフや、企業の知財部員など、知財実務に携わる人のための生成AIコミュニティです。Discordを拠点に、次のような活動をしています。

• 毎週「今週のプロンプト」を公開し、プロンプト全文と検証結果を共有
• 知財実務に関わる生成AIの最新ニュースを共有
• 実務での使い方や困りごとを、実務家どうしで気軽に相談

参加は無料です。参加方法は「参加案内」ページをご覧ください。

参加案内ページを見る