我前阵子和几个开代理所的朋友吃饭，聊到最近两年AI写专利的话题，一半人说太鸡肋，生成的东西根本没法用，另一半说已经靠这玩意儿把人均产能提了30%，差异大得离谱。
其实两边说的都没错，我自己接触AI写申请材料也快两年了，见过太多人踩坑：有刚入行的代理人直接把研发给的几百字交底书扔给大模型，生成的权利要求范围大到把整个行业的常规方案都囊括进去，一查新全是现有技术，提交之后实审直接被驳回，还连累客户丧失了在先申请的时机；也有资深代理人用AI写说明书的背景技术和具体实施例部分，原来要熬两个夜的案子，现在一天就能改完定稿，省下来的时间全泡在专利数据库里做检索，授权率反而比之前还高了。
很多人对AI写专利的第一个误区，就是觉得AI可以全流程替代人，只要给个技术点就能产出符合要求的申请材料。这根本不可能，专利申请不是写作文，它有严格的格式要求、逻辑要求，还要满足公开充分、权利要求清楚等诸多法定条件，AI的训练数据里哪怕有万分之一的不合格文本，生成的内容就可能藏着致命漏洞。我见过最离谱的一份AI生成的实用新型申请，权利要求书里居然出现了“所述模块为软件模块”这类表述，实用新型根本不保护软件方案，交上去第二天就下了补正通知书，代理人改到头疼。
第二个误区是觉得AI生成的内容不用改，直接就能用。我劝有这种想法的人趁早打消念头，哪怕是专门训练的专利垂直大模型，生成的内容也需要专业人士做至少两轮核对：一轮核权利要求的保护范围是不是合适，有没有把非必要技术特征写进去，有没有覆盖到最可能的侵权场景；另一轮核说明书是不是公开充分，有没有逻辑矛盾的地方，技术效果是不是和技术特征对应得上。
要把AI用好，其实没那么复杂。首先你给AI的输入要足够精准，不能只丢个干巴巴的技术创新点，得把你检索到的最接近的现有技术是什么、现有技术存在什么没法解决的缺陷、本方案的每个技术特征分别解决了什么问题、有什么具体的效果，甚至是3个以上不同场景的实施例都整理清楚喂给AI，它生成的内容才不会跑偏。做这一步之前，你可以先用专利申请AI工具做个初检，看看你梳理的创新点有没有已经被在先公开的，省得写完才发现白忙活。
如果是经常要处理大量案件的代理人或者企业IPR，我建议可以选个垂直类的专利AI工具存到书签里，我自己平时赶案子的时候会用专利Pro先生成初稿，权利要求的架构、说明书的模块基本不用自己搭，只需要调整限定的范围、补充更细节的实施例就行，原来写一个普通的发明专利初稿要3天，现在大半天就能搞定初稿，剩下的时间全用来抠细节，比之前轻松不少。
用AI写申请材料的价值，从来不是“替代人”，而是把人从重复劳动里解放出来。刚入行的新人原来要花大半年时间才能摸清楚各类专利的撰写格式、逻辑架构，现在对着AI生成的合格初稿边改边学，3个月就能独立承接简单的案子，代理所的培养成本能降一半；资深代理人不用再花大量时间敲背景技术、写通用的技术效果描述，可以把更多精力放到检索、侵权风险分析这些更考验专业能力的部分，不仅授权率能提上来，也能给客户提供更多高价值的服务。
当然有几个细节一定要注意，首先是涉及到生物医药、芯片、高端制造这类对技术细节要求极高的领域，AI生成的实施例一定要逐句核对，我之前帮朋友看一份AI生成的化合物专利申请，里面的实验数据居然有两个是编出来的，真要是提交上去，实审阶段要补数据根本补不了，直接就会被驳回。其次是涉密的技术方案，不要随便用公共的大模型生成内容，最好是用支持本地部署的垂直工具，避免核心技术泄露。最后就是所有AI生成的内容，最终的责任人还是提交申请的代理人或者IPR，千万不要偷懒不审核，真出了问题，AI不会帮你担责。
我身边现在还有不少对AI持排斥态度的从业者，总觉得用AI写案子是不专业的表现，其实大可不必。就像十几年前代理行业刚出现专利检索工具的时候，也有很多人觉得不如自己手动查得准，但现在没人离得开检索工具。AI本质上就是个效率工具，用得好的人总能比别人多跑一步。
