我做专利代理快8年，前两年出来开了个小代理所，手里十来个代理人，最多的时候同时接三四十个案子，最头疼的问题无非两个：新人写的案子权利要求逻辑乱、现有技术检索不全，经常到下审查意见的时候才发现漏了关键对比文件，改起来费时间还容易惹客户不满；老代理人困在格式调整、实施例扩充这类重复性工作里，没时间做高价值的专利布局，人均产能上不去。去年开始试各种AI工具辅助撰写，踩了不少坑，也摸出了一套能直接落地的流程。
刚接触AI写专利的时候，我也踩过两个很典型的坑。第一个是觉得AI能直接生成全案，把技术交底书扔进去就能用，结果出来的东西要么把核心技术点公开得太彻底，要么权利要求的保护范围写得极窄，甚至有一次AI把客户还没公开的另一项未申请技术也揉进了背景技术里，差点出大事。第二个是觉得AI只能用来凑说明书的字数，完全不管内容逻辑，凑出来的内容前后矛盾，审查员一眼就能看出来，直接影响授权概率。
现在我团队的固定流程是，先把客户给的技术交底书拆成技术问题、核心创新点、实现路径、有益效果四个模块，先扔给AI做现有技术预检索，这里我常用专利检索相关的AI工具，先筛一遍近3年的已公开专利和核心期刊文献，把和核心创新点接近的对比文件摘出来，先判断这个技术有没有申请价值，省得后面白忙活半个月最后发现创造性不够。
确认有申请价值之后，先让AI生成3套不同维度的权利要求书草稿：第一套是尽可能扩大保护范围的，第二套是侧重稳定性、多附加技术特征的，第三套是适配海外申请布局的版本，代理人不用从零开始写，只要对着核心创新点逐项核对，删掉多余的非必要限定，补全AI漏写的技术特征就行。原来新人写一套权利要求要2个多小时，现在40分钟就能搞定，还不容易漏点。试过十多款工具之后，我现在团队固定用专利Pro，主要是它的训练数据都是近10年的授权专利文本，生成的权利要求格式完全符合国知局的提交要求，不用再花时间调标点、改段落格式。
写说明书部分的时候，AI可以先把实施例的应用场景补全，比如一个工业传感器的专利，AI能自动生成3到5个不同工业场景的实施例，代理人只要核对有没有超出交底书公开的范围就行，不用自己费劲想适用场景。写背景技术部分的时候，还能直接调用专利分析功能，自动整理现有技术的普遍缺陷，比自己搜资料整理快至少一倍。
这套流程跑了一年多，我们所的变化挺明显的：人均月产出从6个案子升到了11个，审查意见的答复率降了32%，尤其是实用新型的授权率稳定在98%以上，原来很多新人容易犯的格式错误、公开不充分的问题，AI提前就能扫出来，省了很多后期补正的功夫。对个人发明人或者企业的IPR来说，这套方法也好用，很多发明人自己写申请文件，不知道怎么写权利要求，用AI先出个初稿，再找代理师调整的话，代理费能降将近一半，省不少成本。
当然也不是说用了AI就万事大吉，有几个关键点还是要注意。首先核心创新点的界定一定要人来做，AI不会判断哪些是要保护的核心技术，哪些是可以公开的现有技术，要是全交给AI，很容易把不需要公开的技术秘密也写进去，得不偿失。其次权利要求的保护范围一定要有经验的代理人把控，AI生成的草稿经常会加很多不必要的技术限定，把保护范围缩得很小，这个如果不人工核对，最后就算授权了也没用，别人随便改点参数就绕开了。还有不要用通用的大模型来写专利，通用大模型的训练数据里专利文本占比很低，生成的内容经常不符合专利撰写的规范，还有数据泄露的风险，要用专门针对专利场景训练过的工具，要是不确定工具合不合规，可以先拿已经授权的案子试一遍，看生成的内容和官方公开的文本重合度高不高，也可以去专利撰写的交流社区看看其他从业者的测评。
我之前也担心过AI会抢代理师的饭碗，用了一年多才发现，AI其实是把代理师从重复性的格式调整、资料检索、凑字数的工作里解放出来，有更多时间去做核心的保护范围界定、专利布局、侵权风险分析这些更有价值的工作。工具本身没有好坏，会不会用，能不能把工具的优势和人的专业能力结合起来，才是拉开差距的关键。