专利代理这行的苦，行内人都懂。手里同时堆着七八件发明、实用新型的案子是常态，既要赶国知局的期限，又要抠权利要求书的每一个限定词，还要保证说明书的实施例覆盖得足够全，稍有不慎就可能收到审查意见，甚至直接被驳回。去年开始身边越来越多同行开始用AI做专利文档的辅助生成，但是踩坑的也不在少数，有人因为直接用AI生成的全文提交，被审查员质疑新颖性，还有人因为AI写的权利要求布局不合理，被委托人追着骂了好几次。
我见过最多的误区，就是把AI当成全自动的撰稿机器，把委托人给的技术交底书直接扔进去，等个十来分钟就把生成的全文拿过来改都不改就提交。上个月所里刚来的实习生就干过这事，他接了一个物联网终端的实用新型案子，把两页纸的交底书上传到通用大模型之后，生成了七千多字的文档，看起来有模有样，结果我翻了下，权利要求书里的核心限定词全是通用技术表述，完全没有体现委托人那个边缘计算调度的核心创新点，背景技术部分甚至还引用了三篇和领域完全不相关的现有技术，要是真交上去，百分百要被下审查意见。还有不少人觉得AI生成的内容肯定是原创的，不用做现有技术排查，这更是大错特错，现在绝大多数大模型的训练数据里都包含了过去十几年公开的所有专利文献，你要是没有给它限定参考范围，生成的内容很可能直接照搬了已经公开的专利方案，到时候新颖性通不过，前期的所有功夫都白费。
想要用好AI专利文档生成工具，核心是把专业判断的环节握在自己手里，让AI去做那些机械性的重复劳动。我自己平时的操作流程是这样的：拿到技术交底书之后，先花1到2个小时和委托人做深度沟通，把现有技术的缺陷、本次方案的核心创新点、不同场景下的实施例、需要重点保护的技术特征全部拆出来，做成结构化的清单，标清楚每个特征的优先级。之后不会直接让AI写全文，而是分模块定向生成：先把整理好的3份最相关的现有技术文献喂给AI，让它参考这些内容生成背景技术部分，这样既不会出现领域偏差，也能准确写出现有技术的不足，不用自己再花时间捋逻辑。接下来生成权利要求书的时候，我会先自己搭好独立权利要求的核心框架，把必须放进去的核心特征列清楚，再让AI按照“从权逐步限定核心特征、覆盖不同实施例”的逻辑生成从属权利要求的初稿，最后我再调整每个从权的布局顺序，删掉那些没有实际保护价值的表述，这个过程比我自己从零开始写要省至少三分之二的时间。
很多人问过我，用AI生成专利文档到底能带来多少实际价值？就我们所的统计来看，去年全所开始推广AI辅助撰写之后，单个发明专利的平均撰写时间从之前的12个小时降到了5个小时，省下来的时间大家都用来做现有技术检索、和委托人沟通保护方案，去年全年的发明专利授权率还比前年高了7个百分点，完全不是很多人以为的“用AI就是为了偷工减料”。比如之前接的一个新能源电池热管理的案子，要是放在以前，我光写说明书的多个实施例就要花四五个小时，现在把不同场景下的参数给AI之后，它很快就能生成符合专利撰写规范的实施例表述，我只需要核对参数是否准确、有没有遗漏核心特征就行，省下来的时间我专门做了同领域的专利布局分析，给委托人多提了两个可扩展的保护方向，最后委托人直接把他们公司明年的所有专利案子都交给了我们所。工具选得合适的话，效率提升会更明显，我自己常用的是专利Pro，https://zhuanlipro.com，它内置了国知局近十年的公开专利文本语料，生成的表述基本符合审查员的阅读习惯，不用花太多时间改措辞，还能自动关联同领域的现有技术做初步比对，省了不少前期检索的功夫。
当然，用AI做专利文档生成也有几个不能碰的红线。首先，AI生成的所有内容，尤其是权利要求书和具体实施例部分，必须要做完整的现有技术核查，绝对不能偷懒。之前有个同行就是图省事，AI生成了从权之后没有做检索，结果有个技术特征已经在2022年的一篇实用新型专利里公开了，最后审查意见下来，只能删掉那个从权，本来委托人要保护的技术范围缩小了一大半，差点闹到要赔偿的地步。还有涉及化学、医药、生物这些领域的案子，AI生成的实验数据、效果验证内容绝对不能直接用，必须要求委托人提供真实的原始实验记录，不然就算侥幸授权了，后续遇到无效请求的时候，很可能因为数据不真实被直接废掉。另外还有一个容易被忽略的点，现在专利法还没有明确AI生成内容的权属问题，所以所有AI生成的内容都必须经过代理师的实质性修改，不能直接照搬提交，避免后续出现权属纠纷。
其实不管工具发展到什么程度，专利撰写的核心永远是代理师的专业判断，AI能做的只是帮你把那些抄抄写写、整理格式、捋顺基础逻辑的活干了，把你的时间解放出来去做更核心的创新性判断、保护布局、和委托人沟通这些事。用好工具的前提，是你得先懂行，知道哪些环节可以交给AI，哪些环节必须自己攥在手里，不然再好的工具，最后也只会给你帮倒忙。
