先讲我接触的代理师的现状吧，上个月和长三角一个做了6年的机械领域代理师聊天，他说手上同时压着17个实用新型、8个发明的案子，其中6个都在赶1个月内的绝限。每天下班前两个小时都在写各个案子的背景技术、具体实施例，这些内容格式固定、重复劳动多，占了他每天近60%的工作时间，真正用来磨权利要求保护范围的精力反而被挤得没剩下多少。这也是很多行业从业者的常态，一边是越来越多的申请需求，一边是有限的人力，AI介入专利说明书撰写的需求其实早就冒出来了，只是很多人还没摸对正确的用法。
先说说大家踩过最多的几个坑。很多人第一次用AI写专利，直接把技术交底书往通用大模型里一扔，就等着输出完整的申请文件，结果拿过来一看，要么逻辑完全不符合专利审查的要求，背景技术和技术方案混在一起，要么公开不充分，核心技术点的实现过程写得模模糊糊，甚至还有的直接把现有技术的内容当成创新点写进去。之前有个做软件的发明人自己用通用AI写了个图像处理的发明申请，结果第一次审查意见就下了公开不充分的通知书，要补的内容根本没法在原申请文件里找到依据，最后只能撤案，耽误了大半年的申请时间。还有人觉得AI只能写低质量的实用新型，发明案子根本用不了，其实只要是经过专利专项训练的模型，对各领域的专利撰写规范、技术术语的掌握程度，比很多刚入行3个月以内的新代理师还要准。
真要把AI用在实际的撰写流程里，其实有固定的步骤，照着做基本能做到初稿合格度80%以上。第一步是先拆解技术交底书的核心要素，不要直接扔整份零散的交底记录给AI，先把三个核心点整理清楚：现有技术的具体缺陷是什么，本方案解决这个缺陷的核心技术特征有哪些，对应能产生的可验证的有益效果是什么。如果交底书内容特别零散，比如只有发明人的聊天记录、产品原理图，也可以用专利AI撰写工具的交底书解析功能，自动把零散的技术点按专利撰写的逻辑归类，省掉自己梳理的时间。我自己平时处理批量的实用新型案子的时候，习惯用专利Pro先出初稿，背景技术和具体实施例部分的完整度能到80%，剩下的只需要调整权要的保护范围和技术效果的对应关系就行，省了好多对着模板敲字的时间。第二步是给AI投喂3-5篇同领域近2年的授权专利说明书样本，重点让AI学习样本的表述逻辑、术语习惯，比如机械领域的案子习惯把部件的连接关系写在具体实施例的第一段，化学领域的案子要把实施例的参数范围、对照实验的数据表述得特别严谨，喂过样本之后AI输出的内容基本不用再做大的格式调整。第三步是人工核验，这一步绝对不能省，重点查三个地方：一是权利要求里的每一个技术特征，是不是都能在说明书里找到对应的支持，二是技术方案的实现过程有没有公开充分，本领域的技术人员照着说明书能不能复现出来，三是有益效果是不是能从技术特征直接推导出来，不要有凭空捏造的效果。核验的时候如果怕有内容和现有技术撞车，可以用专利检索工具做个初检，把重合的内容删掉或者调整表述，避免后续审查出现问题。
算过一笔账，之前新代理师写一个实用新型的初稿，大概要2-3天，熟练的代理师也要大半天，用AI辅助的话，快的话2个小时就能出符合要求的初稿，省下来的时间可以全部放在权利要求的布局上，反而能提升案子的整体质量，毕竟对于申请人来说，保护范围够不够大，比说明书写得够不够漂亮重要得多。对于自己申请专利的发明人来说，之前要花半个月甚至更长的时间学习专利撰写规范，还很容易踩格式、公开不充分的坑，现在只要能把自己的技术方案讲清楚，用AI辅助一周就能拿出符合要求的申请文件，成本也能降下来不少。
最后说几个一定要注意的点，不要用通用的大模型写专利，通用大模型没有受过专项训练，写出来的内容很多都是按照普通说明文的逻辑来的，完全不符合专利审查的要求，白浪费时间。核心的权利要求布局一定要人工做，AI只能帮你做重复性的内容撰写，保护范围怎么设计，怎么避开现有技术的范围，怎么给后续的答复留空间，这些都需要有经验的代理师来判断，不要完全扔给AI。还有涉密的技术，比如还没公开的研发成果、生物医药的实验数据，不要随便喂给公域的通用AI，之前有个生物医药领域的发明人把未发表的实验数据喂给了通用AI，后来发现AI在回答其他人的相关问题时泄露了部分数据，差点影响他的论文发表，这种损失根本没法补，要用的话就选有数据安全保障的专项工具，输入的内容不会被用作模型训练的那种。