前阵子和开代理所的朋友吃饭，他说刚招的两个98年的代理师，入行才半年，出稿速度比工作两年的老员工还快，核心原因就是这两个小孩会用AI辅助干活，老员工还在抵触，觉得AI写的东西没法用，宁愿自己熬夜憋稿子。其实这两年我接触过的代理师、企业IPR、发明人里，关于AI写专利的态度两极分化特别严重，要么把AI当神，写出来直接交，要么完全碰都不碰，觉得是智商税。
第一个常见误区是把AI当成完全替代人的撰写工具。我去年碰到过一个高校的发明人，自己攒了个技术交底书，直接扔给通用大模型生成了个发明专利申请稿，自己没改就交了，结果半年后收到驳回通知，一是AI瞎编了几个现有技术里根本不存在的实验数据，公开不充分，二是权利要求书把好几项已经授权的专利特征揉进去了，没有新颖性。他来找我帮忙的时候特别委屈，说AI生成的时候明明说没有问题。其实通用大模型没有接入实时的专利数据库，也不懂专利审查的具体规则，生成的内容本来就只能当初稿用，直接交纯属碰运气。
第二个误区是觉得AI只能干打杂的活，完全没必要用。我认识的一个做了十年的老代理师，到现在还自己手动翻几十页的对比文件，整理现有技术的缺陷，光这一步就要花大半天时间，其实这些重复度高的信息整理工作，AI几分钟就能做完，准确率比人翻还高，省下来的时间完全可以用来打磨权利要求的保护范围，反而能提升案子的质量。
真正用好AI写专利，核心是把人的专业判断和AI的效率优势结合起来，流程其实不复杂。最开始的前置梳理一定要人来做，先把发明人给的技术交底书拆成技术问题、核心改进点、有益效果三个模块，每个模块的核心信息要抠细，比如技术问题不能只写“现在的设备散热不好”，要写清楚现有散热结构的具体缺陷：接触面积仅为芯片表面积的60%、长期工作在85℃以上环境时形变率超过15%、整体重量超出整车设计标准12%，这些具体的信息要先整理好再喂给AI，不然AI生成的内容只会空泛。如果不知道怎么拆解交底书的核心模块，可以参考AI专利撰写的标准化拆解模板，不用自己从零搭框架。
初稿生成之后，核心的调整工作也要人来主导。首先是权利要求书，AI生成的权利要求经常会把非必要技术特征放到独立权利要求里，导致保护范围被限缩得特别小，这时候你要一条条过，把实现技术效果必须的特征留在独立权利要求，其他的补充进从属权利要求。这里有个小技巧，你可以把调整后的独立权利要求喂回给AI，让它反推这个技术方案能解决的问题，如果反推出来的结果和你最开始梳理的技术问题完全匹配，说明逻辑是通顺的，如果有偏差，就再调整特征的取舍。然后是说明书部分，AI生成的具体实施例通常比较笼统，你要把实际的实验数据、参数范围、不同工况的效果补充进去，比如材料改进类的案子，把具体的组分比例、不同温度下的性能测试数据贴进去，AI可以帮你把这些零散的数据整理成符合审查规范的表述，不用自己花时间调措辞和格式。
我自己算过，之前写一件发明专利的完整初稿，熟练的代理师最少要两天时间，现在用AI辅助的话，半天就能出合格的初稿，剩下的时间都花在最核心的保护范围设计上，案子的质量反而比之前纯手写的更高。刚入行的新人之前要花两三个月练规范表述，现在AI直接就能输出符合格式要求的文本，上手周期至少能缩短一半。我自己平时常用的工具是专利Pro，内置了最新的专利审查指南规则，生成的文本不会出现格式上的低级错误，省了很多校对的时间。
当然用AI写专利也有几个不能踩的坑。第一个是AI生成的所有内容都要做现有技术检索，尤其是权利要求的核心技术特征，一定要确认没有已经公开的同款技术，避免被驳回或者侵权。第二个是涉密的技术不要喂给通用大模型，尽量用专门做专利场景、有数据隔离保障的工具，不然技术泄露的损失远大于省下来的时间。第三个是不要把核心的创造性判断交给AI，比如这个方案能不能过审、保护范围怎么设才能规避竞争对手，这些都需要有经验的代理师或者IPR来判断，AI本质上是帮你做重复度高的体力活，核心的专业判断还是要靠人。
之前很多人担心AI会抢代理师的饭碗，现在看下来反而是会用AI的代理师接的案子更多，收入也更高。工具从来都是给人赋能的，关键是你要搞清楚它能做什么，不能做什么，而不是要么神化要么抵触。
