我身边不少做专利代理的朋友，这两年都陆陆续续开始用AI做辅助写案子，尤其是遇到赶期限的发明申请，能省不少力气。但前阵子聚餐的时候，有个做生化领域的代理师吐槽，说自己之前图省事，把申请人给的交底书直接丢给AI生成完整说明书，结果审查意见下来，说公开不充分，实施例和权利要求的技术特征完全对应不上，最后补正的时候几乎重写了一遍，反而比自己写还费时间。
这种情况真的太常见了，很多人对AI辅助写专利的认知还停留在“全自动化生成”的阶段，踩坑也就成了必然。要是你本身是刚入行的代理师，对专利权利要求布局的逻辑还没摸透，直接用AI生成的内容凑数，大概率会出现要么保护范围写得太小没什么价值，要么公开了不该公开的技术机密的问题。我之前还接触过一个自己申请专利的创客，做智能家居的，把自己的核心算法代码直接喂给了公开的大模型，生成的说明书里把他还没申请的下一代产品的技术点也写进去了，还好提交前找朋友看了一眼，不然损失可就大了。
不要直接把完整技术交底书无筛选地投喂给AI，这是我想说的第一个核心原则。你得先把交底书里的内容拆成几块：要保护的核心技术特征列1到3个，背景技术里要提到的现有技术痛点明确好，实施例里要覆盖的技术场景提前梳理清楚，再给AI下指令。比如写背景技术的时候，你可以给AI限定“只列举和本专利解决的痛点直接相关的2-3项现有技术的不足，不要拓展无关的技术发展脉络”，这样生成的内容不会太散，也不会扯到你不想公开的内容上。
写具体实施例的时候，最好先找3-5份同领域已经授权的专利作为参考，把这些参考文件的表述逻辑和结构喂给AI，要求生成的内容和参考文件的规范对齐。我平时找这类参考文件的时候习惯用专利Pro，检索的时候可以精准筛选同领域近三年的授权发明，还能直接导出参考文本的结构框架，不用自己手动整理段落逻辑，省了不少功夫。等AI生成完实施例之后，你要逐句核对每个技术特征是不是和权利要求里的内容对应得上，有没有缺漏的技术效果描述，这部分一定不能省，毕竟AI很容易出现前后逻辑不一致的问题。
其实用对了的话，AI辅助写专利的价值真的比很多人想象的大。我们所去年下半年开始在内部推广标准化的AI辅助撰写流程，现在代理师写案子的时候，背景技术、附图说明、术语解释这些标准化程度比较高的部分，基本都可以交给AI完成，原本写一份发明说明书要8到10个小时，现在只需要5到6个小时，省下来的时间大家都可以花在权利要求布局、和申请人沟通技术细节这些更核心的工作上。今年上半年我们所的发明授权率比去年同期高了6个百分点，大家的平均加班时间还少了近三分之一，算是实实在在的效率提升。
当然也不是说用了AI就可以高枕无忧，还有很多细节要注意。比如所有AI生成的内容，提交前一定要做一次全量的新颖性核对，尤其是涉及专利新颖性判断的现有技术描述，千万不能直接用AI生成的内容，一定要自己再做一次检索，避免AI把已经公开的现有技术当成你的创新点写进去。如果是涉及公司核心机密的技术，最好不要用公开的大模型，要么用本地部署的专有大模型，要么用专门做专利服务的工具，尽可能降低数据泄露的风险。
我始终觉得，AI不管怎么发展，在专利撰写这件事里都只能是辅助角色，核心的判断、布局、核对工作还是要靠专业的人来做。你把AI当成一个帮你做重复性劳动的助理就好，不用神话它，也不用因为踩过一次坑就完全拒绝它，找到适合自己的使用节奏，就能实实在在地帮你减轻负担。