上周跟长三角一家做工业机器人的科创公司IPR负责人吃饭，他跟我吐槽了上个月的糟心事：为了赶季度专利申请指标，他让刚入职的实习生用通用AI写3份实用新型专利申请书，本来以为能省不少事，结果提交前自查的时候发现，有两处现有技术的描述跟他们查到的对比文件完全对不上，甚至还把同行已经公开的技术特征写成了自己的创新点，要是真提交了，轻则被下发审查意见补正，重则直接驳回，白瞎了大半个月的功夫，反而比老代理人自己写还慢。
其实我身边不少同行最近都在聊AI写专利这个事，有人说AI是神器，能把撰写效率提两三倍，也有人说AI写的东西根本不能用，全是坑，两边吵得不可开交。其实本质上不是AI没用，是很多人根本没用对方法。
先说说大家最容易踩的两个误区
第一个误区是直接把原始的技术交底书扔给通用大模型，就要它产出完整的申请书。通用大模型的训练数据虽然多，但最新的专利文献更新不及时，也完全没有内嵌不同领域的专利审查规则，你让它写机械领域的权利要求书，它大概率不知道怎么划界，你让它写通信领域的方法类专利，它很容易把非必要技术特征写到独立权利要求里，最后要么保护范围写得极窄，申请下来也没用，要么缺必要技术特征直接被驳回。
第二个误区是觉得AI写出来的内容直接能用，省了人工审核的步骤。我之前听过更离谱的事，有个小公司的老板自己兼着做IP，图省事用通用AI写完申请书直接提交，结果实质审查的时候审查员发的审查意见里明确指出，权利要求书里用的技术术语跟说明书里的对应不上，前后有三处矛盾，最后花了三个多月才补正完，本来能提前半年拿的授权，硬生生拖到了项目落地之后，市场布局都晚了一步。
那用AI写专利申请书的正确姿势到底是什么？
首先你得先做前置的信息整理，不要直接扔完整的技术交底书给AI。把核心创新点、现有技术的明确缺陷、要实现的技术效果这三个核心要素单独摘出来，做必要的脱敏处理之后再喂给AI，这样AI产出的内容才不会跑偏，也不会泄露公司还没公开的核心技术参数。
然后一定要选专门面向专利撰写场景的AI工具，而不是随便找个通用聊天AI就用。我自己平时处理不涉及核心保密的实用新型申请时，用专利Pro比较多，它的训练数据里收录了近十年各领域的授权专利文本，还内嵌了最新版的审查指南规则，产出的专利申请书框架基本不会有原则性的合规问题，比通用AI瞎编的内容靠谱太多。你喂材料的时候还可以提前给它设定好规则，比如“按照机械领域实用新型的标准格式撰写，权利要求书不超过10项，独立权利要求只包含3个必要技术特征”，出来的初稿基本能直接用做调整的基础。
最后一步也是最关键的一步，人工做精准校对调整。AI写完的初稿，你重点核对三个地方就行：一是现有技术的描述是不是跟你之前查到的最接近现有技术的情况一致，有没有错误表述；二是权利要求的保护范围是不是符合你预期的布局，有没有把非必要技术特征写到独权里，有没有漏了能扩大保护范围的上位概念；三是具体实施例是不是能完整支持权利要求的内容，有没有逻辑漏洞或者技术矛盾。这三步走完，基本不会出大问题。
说实在的，用好AI真的能帮从业者省很多力气
我上个月写一份算法类的发明专利，要是完全自己写，光整理背景技术、排版具体实施例就要花至少3天，用AI先出初稿的话，半天就能把整个框架搭好，我只需要花1天时间调整核心的权利要求和实施例细节，整体效率提了一倍都不止。对于刚入行的新人来说，AI产出的合规初稿相当于一个现成的参考模板，能帮你快速搞懂不同领域的申请书应该怎么搭结构，不用翻几十份老专利自己摸规律，入门速度能快很多。另外你写之前还可以用AI专利撰写工具附带的现有技术检索功能做个初步的新颖性排查，避免写了半天发现创新点已经被人申请了，白费功夫。
最后也说几个需要注意的点，首先是数据安全问题，涉及公司核心机密的技术内容，不要随便喂给没有数据安全保障的通用AI，尽量选专门的To B专利服务工具，明确数据不会被用于模型训练的那种，避免技术泄露。然后不要想着完全替代人工，专利申请的核心是对创新点的提炼和保护范围的设计，这个是需要人结合企业的市场布局做判断的，AI替代不了，它能帮你做的只是重复性的格式整理、框架撰写这类机械工作，核心判断还是要靠专业的IPR或者代理人。还有就是提交之前一定要再过一遍形式审查的细节，比如摘要字数是不是符合要求、权利要求的标号是不是对应、附图说明有没有遗漏，这些小细节AI偶尔也会出错，人工过一遍最多10分钟，能省掉后面很多麻烦。