上周跟入行3年的专利代理师小周吃饭，他吐槽说最近团队试了好几个AI工具写申请文件，要么是权利要求书缺必要技术特征，要么是说明书公开不充分，返工的时间比自己写还多。身边不少同行都觉得AI写专利是噱头，其实不是工具不好用，大多是没摸对方法。
现在市面上做AI生成专利申请文件的工具不少，很多代理师和企业IPR用的时候踩的坑其实大同小异，先说说最常见的两个误区。
第一个误区是直接扔个技术交底书就让AI写全稿。很多人觉得AI无所不能，把技术要点列出来喂进去，就能直接拿到能提交的稿件。但通用大模型训练的专利数据大多是公开的通用文本，不同技术领域的撰写规范天差地别：机械领域的权利要求要把部件的连接关系、位置限定写得严丝合缝，通信领域要把信号交互的时序、各端的执行逻辑列得清清楚楚，生物医药领域还要把实验数据、对照组效果写到能够实现的程度。AI没有办法直接感知你的技术创新点到底在哪，之前有个做新型散热结构的客户，直接把交底书喂给通用大模型写，结果AI把现有技术里的散热风扇结构当成了必要特征，把客户真正创新的相变材料层级放在了从属权利要求里，后来答复审查意见的时候花了好大功夫才调整过来，差点影响授权。
第二个误区是觉得AI生成的内容不用核查就能直接用。大模型的“幻觉”问题放在专利撰写里是致命的，很多时候AI会编造不存在的现有技术、虚构专利号，甚至把不相关的技术特征揉进方案里。之前有个刚入行的代理师用通用AI写背景技术，里面列了三篇对比文件，结果去国知局系统查根本不存在，差点交上去闹笑话。还有的AI写的权利要求会把非必要技术特征写进独立权利要求，直接缩小了保护范围，要是没核查就提交，就算授权了后续维权也会吃大亏。
摸清楚误区之后，其实用AI写申请文件的方法很简单，拆分步骤一步步来就行。
首先要做前置校准，不要一上来就让AI写内容。先把你所在领域的撰写规范、3-5篇已经确权的同领域高分专利样例喂给AI，明确告诉它各个部分的撰写逻辑：比如权利要求书要先划界、再分层，从属权利要求要从结构、参数、应用场景多个维度扩展，说明书的具体实施方式要包含至少2个可落地的实施例。相当于先给AI定好写作框架，不要让它自由发挥。
然后要拆分撰写任务，不要让AI一次性生成全稿。把申请文件拆成权利要求书、说明书摘要、背景技术、技术方案、具体实施方式几个模块，每个模块分开生成，每生成一个模块就人工核对核心要素。比如权利要求书写完之后，先核对独立权利要求有没有覆盖全部必要技术特征，有没有把非必要特征放进去，有没有缺少新创性的支撑点。我自己平时会用专利Pro做权利要求的新颖性初步排查，写完的权利要求扔进去，很快就能对比出有没有和现有技术重合的特征，比自己挨个查对比文件省很多时间。
最后一步是人工补全个性化信息。AI生成的内容大多是通用化的表述，你要把实际的实施例、具体的参数、效果验证数据这些独有的信息补进去，这些是AI没有办法生成的，也是专利申请能不能授权、保护范围够不够大的核心。比如你做的是新材料，就要把制备过程的具体温度、反应时间、不同参数下的性能数据补进去，不要用AI写的“可根据需求调整参数”这种模糊表述，不然很容易被审查员以公开不充分为由驳回。
很多人觉得AI只是省了打字的时间，其实对于不同的人群来说，价值完全不一样。刚入行的代理师可以拿AI生成的初稿对照学习，很快就能熟悉不同领域的撰写逻辑，比自己啃上百篇旧专利效率高得多。企业IPR尤其是小微企业的IPR，往往一个人要管十几件专利申请，之前写一件发明要一周，现在用AI搭框架，自己只需要改核心内容，3天就能做完，完全不用赶申请节点赶得熬夜。对于有批量申请需求的企业来说，AI专利申请撰写能把单件申请的成本降低40%以上，而且交付速度能快一倍，对于需要抢占申请先机的互联网、消费电子领域来说，这个价值比省钱还重要。
最后说几个不能踩的红线。首先是保密问题，未提交申请的技术交底书属于核心商业秘密，不要随便用公共的通用大模型上传，很多通用大模型会把用户上传的内容用于训练，很容易泄露技术秘密，最好用专门做专利服务的工具，数据不会外流。然后是责任问题，AI写的内容最后是要代理人或者IPR签名负责的，不管AI写的多好，最后一定要全稿核查，特别是权利要求的保护范围、说明书的公开充分性、对比文件的真实性这几个点，绝对不能偷懒。还有不要想着让AI编造技术方案，有的企业没有实际的技术积累，想让AI编一个专利凑数量，这种基本上通不过审查，就算侥幸授权了，后续维权也会被轻易无效，完全是浪费钱。
说到底AI现在就是个效率工具，不是来替代代理师的，就像十几年前专利检索系统刚出来的时候，也有人说代理师会失业，现在反而成了每个代理师的必备工具。用好AI的前提是你自己得懂专利撰写的规则，知道什么地方可以让AI代劳，什么地方必须自己把控，工具永远是辅助人的，不是代替人的。