专利申请数量的迅速增长和复杂性的急速上升，使全球专利体系的可持续性面临压力。 在那些专利申请数量增长最快的国家中，审查能力缺口会导致专利申请处理延迟、专利质量面临风险、客户满意度降低，以及创新和投资步伐减缓。
提高专利申请处理的及时性和专利审查质量
减少专利申请处理延迟，是各专利局在寻求提高客户满意度和促进创新的过程中的共同优先目标。 专利申请处理延迟给发明人带来法律上的不确定性，使他们对投资心存顾虑。 巴西最著名的专利律师之一、Gusmao & Labrunie 的合作人 Juliano Ryota Murakami 强调了知识产权利益相关者所面临的风险：
“专利审查的过度延迟会损害一个国家的创新和经济发展。 使对其发明寻求法律保护的公司丧失信心，因为当专利最终被授权时，受保护的技术可能已完全过时。 专利审查的过度延迟还会使专利再生产的排他性和发明的潜在商业化产生不确定性。”
确保专利申请处理的及时性和专利审查质量的重担主要落在专利审查员肩上——依赖于审查员快速找到现有技术以加快审查的能力。 然而，先有技术的检索非常耗时，需要复杂的检索策略和深厚的主题专业知识。然而，现有技术检索非常耗时，需要复杂的检索策略和精深的专业知识。
根据欧洲专利局 (EPO) 对其工作人员检索活动的分析显示，一个全面的专利申请检索利用了 179 个数据库中的 13 亿项技术记录，这导致每月出现在检索结果中的文件量约为 6 亿份。 不出所料，日本专利局的一项研究估计，审查员们花费了大约 40% 的时间进行现有技术检索和审阅检索结果。 如果审查员缺乏时间、专业知识或轻松获取现有技术的技术资源，那么专利质量就会受到影响。
AI 赋能的检索解决方案，在提高整个专利生态系统的效率和专利审查质量方面能够发挥重要作用。 AI 赋能的检索解决方案可以帮助专利局更快地进行专利审查，并使创新者能够尽早地发现现有技术，避免在不良专利的申请或有效性质疑上浪费时间和金钱。 这是我们将 AI 现有技术算法添加至 CAS SciFinder Discovery Platform 和 STNext® 解决方案中的原因，用以改进科学和知识产权信息检索。
新方法支持专利局业务可持续性
各专利局正在通过采取能够确保长期业务可持续性的措施，来解决专利申请处理延迟和效率低下的问题。 欧洲专利局 (EPO) 就员工敬业、数字化转型、有效的专利授权流程和高影响力的国际合作制定了可持续发展目标。 其他专利局也在为提高其效率制定类似的优先目标。
为了提供更快、更高质量的专利审查，各专利局正雇佣更多的专利审查员，部署 AI 等节省时间的技术，并革新工作流程：
- 美国专利商标局 (USPTO) 依据其优化专利质量和审查及时性的战略计划，于 2021 年聘请了数百名审查员来应对不断增长的工作量。 USPTO 同时也在扩大AI在专利分类和检索方面的应用，使审查员们能够更容易地获取现有技术。
- 英国知识产权局 (UK Intellectual Property Office) 基于早先对 2021 年专利申请数量呈两位数增长的预期，在前一年将审查人员人数增加了一倍。 其制定的实现精简和现代化流程的5年计划旨在提升至少 3.5% 的核心业务成本的效率。 在加大对服务交付投入的同时，其还在评估如何充分利用 AI 技术。
- EPO 在一项名为“Master the Prior Art”的重要举措中，正在改进专利分类程序，以提高检索的准确性，并在审查中更早地获取相关文件。 EPO 正在系统地应用人工智能、机器学习和其他技术，以创建一个更高效的端到端的数字化专利授予程序。
AI 赋能的解决方案可以被专利局用于现有技术检索之外的诸多职能，包括： 专利分类的和转换、用于更高效传递文档的 API 中、用于审阅和分析的在线工具等。 通过提高效率、专利质量和客户服务，这些解决方案会产生乘数效应，帮助专利局实现业务可持续性和全球创新的战略目标。
AI 技术和工作流程革新有望减少专利申请延迟
CAS 最近与巴西国家工业产权局 (INPI) 合作完成了一个项目，该项目通过整合人工标引的数据、人工智能技术、定制化工作流程和外包的 IP 检索服务，简化了巴西 INPI 现有技术检索流程。 该项目带来了显著的效益：
- 可消减多达 50% 的专利审查时间；
- 77% 的全国受理申请所需审查员检索时间减少；
- 29% 的全国受理申请需要极少或不需要审查员的额外检索；
- 生产力的提高使专利局积压的工作减少了 80% 之多。
在现有技术检索中优化 AI 的经验
AI 因其可快速分析数百万个数据集并提供相关结果的能力，而越来越受到各专利局的关注。 世界知识产权组织 (WIPO) 称，目前有 27 家专利局正在进行 70 多个 AI 相关的项目，其中 19 家专利局专注于现有技术检索和审查流程。
CAS 与巴西 INPI 的合作强化了优化 AI 在现有技术检索中应用的几个基本原则：
- 干净、结构化的数据显著提高了预测的准确性；
- 需要多种算法来返回相关性最高的相似检索结果；
- 利用人类专业知识增强的AI技术能够改善结果。
数据质量：大多数公开可得的未经人工标引的科学和专利数据给各专利局带来了固有挑战。 这些挑战通常包括：转录错误、单位标记错误和过于复杂的专利语言。 非本国语言也带来了特殊的挑战。
以结构化格式规范化、预处理并建立关联的人工标引的数据能够改进 AI 算法的训练，并提升现有技术检索能力。 人工标引的数据能够揭示出更多相似专利，并识别可能会引起显著关注的相近专利。
多种算法：使用针对特定检索方法定制的多种算法能够提高AI的表现能力。 在巴西 INPI，我们开发了 10 种算法来提供第一轮检索结果。 再利用另一种集成学习算法对第一轮检索结果进行分析，产生一组高度相关且按相关性排序的最终结果集。
工作流程优化：CAS 为巴西 INPI 提供的定制化工作流程解决方案将现有技术检索步骤减少了一半。 CAS 解决方案还可通过一站式云界面提供专利和非专利的检索结果及用于排序、过滤和可视化的工具，来节省时间。 定制化工作流程可以是完全自动化的，也可以利用专利局外部的检索专家来验证算法模型和筛选检索，以增强审查员的审查能力。
有兴趣详细了解专利局中的 AI 工作流程方法以及预测技术如何帮助确保整个知识产权生态系统的可持续性吗？ 阅读我们的 CAS 洞察报告“解决全球专利制度的可持续性问题：人工智能在提高生产力中的作用”