? ? ?專利分析中的技術標引，究竟應由研發部門來執行，還是應由知識產權（IPR）部門來負責，這一問題在業界一直存在不同的聲音。

? ? 專利分析工作，特別是專利地圖分析（包括專利導航、專利預警或專利全景分析）項目，構成了企業知識產權部門工作的重要組成部分。這些項目與傳統的專利檢索分析項目不同，如專利申請前的查新檢索、無效穩定性檢索分析等，后者僅需要找到準確的專利，而不涉及對大量專利進行逐一標引。

以“自動駕駛”為主題的專利導航或專利地圖項目為例，可能需要檢索并處理多達數千甚至數萬項專利。在完成數據清理工作后，分析人員需要對這些專利進行分類、標引或打標簽。這些專利可能被進一步細分為感知、高精度地圖、決策等多個模塊，其中感知模塊又可細分為攝像頭、激光雷達等子模塊，攝像頭模塊還可以進一步分為硬件部分和數據融合等軟件部分。專利分析工作的目的就是對這些數據進行標引或打標簽，將檢索到的專利分配到業務部門所需的標簽或分類中。

? ? 這一工作的繁雜和耗時程度可想而知，相當于對每個專利進行解讀，并將其對應到相關的分類中，或者說為每個專利打上標簽。顯然，所需打的標簽種類越多，專利數量越大，工作難度就越高。在大型分析項目中，專利標引或打標簽的時間有時可能占到項目總時長的一半以上，甚至有的項目主要工作即為標引，占比可達80%。

因此，評判一個專利分析報告的質量，標引的質量是一個重要的區分度。如果專利導航或專利地圖分析工作不需要進行數據標引，工作量將大幅減少，甚至可以借助軟件自動生成。面對這一既費時又費力的工作，究竟應由技術人員還是知識產權人員來執行，業界意見不一。

? ? 實際上，這需要根據項目的具體情境和目標來確定。總體而言，專利分析報告的標引工作應由知識產權分析師負責執行，同時在必要時尋求研發人員的協助。如果專利分析報告的主要目的在于為研發提供技術參考，研發人員提出幾個方向或模塊，并要求將相關專利分配到這些模塊中，那么無論是由研發人員還是企業IPR進行標引，只要標引的準確率符合要求即可。具體由誰來執行標引，應根據人員的工作任務飽和度和技術能力來決定。

然而，如果分析報告的目的是梳理技術路線圖、制作功效矩陣、確定核心專利等，那么這類報告的標引工作應主要由知識產權人員負責。因為要準確完成這些分析模塊，必須對技術細節和技術全貌有深入了解。否則，如果僅由研發人員進行技術標引，而沒有對專利中反映的技術內容進行全面和深入的了解，就無法準確完成上述模塊的分析。在這些項目中，如果讓研發人員進行技術標引，而由IPR完成報告編寫，就類似于讓研發人員體驗產品，卻由IPR來撰寫產品評價，研發人員去吃飯，由IPR來飯菜的味道感受，這可能導致報告存在質量問題。

? ? ?當然，即使是由IPR完全負責的分析報告，在遇到技術細節問題時，也需要研發人員的解釋。在標引工作開始之前，確定具體標簽內容時，也需要研發人員的深入參與。只有研發和IPR深度合作，才能制作出符合要求的分析報告。

? ? 鑒于標引工作在專利分析中的重要性，許多人希望這一部分工作能夠由人工智能（AI）替代。Maxipat提供了AI自動標引功能。該功能的邏輯相對簡單：用戶在進行專利分析項目標引時，可以先自行標引約10%至20%的專利，例如，在1000項專利中先標引200項，剩余的800項專利由Maxipat自動標引。這200項人工標引的專利相當于訓練數據，告知系統按照前200項的標引方式來處理剩余的800項專利。這里需要注意的是，前200項的人工標引應包含所有標引維度或標簽，確保系統按照用戶定義的標簽維度進行標引，而不是隨意創造新的維度。?

? ? 許多人會問，機器進行標引的準確度如何，能否真正替代人工。這個問題很難一概而論，因為機器標引的準確性與用戶的數據本身密切相關。也就是說，不同用戶使用相同系統時，準確度可能不同；相同用戶在不同項目中，AI標引的準確度也可能不同。AI標引的準確度就像薛定諤的貓，具有不確定性。

? ?這是因為數據的“稀疏性”和用戶設置的標引層級直接影響了標引的準確度。例如，如果用戶的數據包含汽車、果汁機、藥品三大類，且要求AI將相關專利分配到不同的標簽，這個任務對系統來說相對容易，因為這些類別之間的關聯性很低，沒什么血緣關系，即使是性能較差的系統也能進行區分。然而，如果標引數據全部是關于使用“雙齒輪”的果汁機，要求系統區分哪些專利的齒輪是串聯連接，哪些是并聯連接，以及串聯連接中是直接由電機驅動還是間接驅動，哪怕只有少數幾個標簽和層級，對AI來說難度也會大大增加。

原創?佑斌?

免責聲明：版權歸原創所有僅供學習參考之用，禁止用于商業用途，部分文章推送時未能及時與原作者取得聯系，若來源標錯誤侵犯到您的權益煩請告知我們將立即刪除。