随着全球创新格局的快速演变,各种力量正在改变着专利信息的消费和使用状况。新技术、千变万化的商业需求以及不断发展的人才市场,都持续影响着专利数据的性质、形态和转化价值。

在这种新形势下,专利情报的可获得性和自主性增强了,这一显著的变化正在重新定义专利情报专业人员（专利研究人员）的角色。

专利信息领域的变化趋势可以反映更广泛的信息服务领域的趋势,美国高德纳咨询公司（Gartner）预测“拥有自助能力的商业用户其分析产出将超过专业数据科学家。”¹(1 Gartner, Inc. "Gartner Says Self-Service Analytics and BI Users Will Produce More Analysis Than Data Scientists Will by 2019." Press Release, January 25, 2018.)

那么,自主服务对专利研究人员意味着什么呢?随着易用性的增强和人工智能驱动的专利研究解决方案的出现,专利研究员这一角色会被淘汰吗?对于依赖和利用专利数据来指导关键业务决策的组织而言,这种演变所带来的风险和机会又有怎样的变化呢?

为了适应这个新范例,组织需要借助特定的工具、流程和框架来有效利用数据,从而使新手用户和专家级用户都能根据专利研究做出更好的决策。本文探讨了自主式专利研究的兴起和专利研究者角色的演变。为了确保专利研究的价值能够嵌入到组织结构中,本文还概述了需要关注的重点领域。

为了保证观点的全面性和代表性,我们采访了多个行业的专利研究人员、专利律师和研发专家,这些行业与知识产权密切相关。他们就以下方面进行了阐释：

◆ 自主专利研究的收益与风险

◆ 避免专利研究的误区

◆ 现代专利情报部门的特征

无论组织的规模如何,本文都有助于其建立对专利情报领域发展趋势的认识,绘制从内部专利研究中获益所需的具体架构。大公司借助本文可以指导其专利情报部门增加附加值、促进创新、推动增长。小公司也可以从本文所描述的最佳实践中受益,既可以促进内部专利研究,也可以成为自身专利的有效消费者。

过去20年,专利搜索和分析（专利研究）发展显著。旧模式侧重于由独立部门开展专门的专利研究,由于缺乏灵活性和适应性,正遭遇越来越多的挑战。新模式则意味着专利信息的获取能力加强,解决复杂业务问题的能力提升,借助强大的工具可以实现更高效的快速洞察,以及最终用户（法律、研发和企业战略等领域专家）的增长。

无论如何,专利研究的重要性始终如一。完善的专利研究支撑着技术创新的方方面面。新思想诞生于前人的发明创造;高质量的专利申请基于与现有技术的精准差异;关于生产什么以及在哪里生产和销售等商业决策取决于可靠的自由实施（FTO）研究;实际操作中的一些潜在壁垒可能受益于全面的专利无效分析;专利信息中包含的技术/商业情报可以为研究、开发和商业战略提供宝贵信息。

现代组织常常优先考虑工作结果和关键理念,而不是具体的人员或流程。尽管拥有大量有用的数据,但缺少有经验的专利研究人员导致大多数组织出现人才缺口。由于专利团队多年来一直依靠不足的人手进行专利检索和分析,于是自主服务应运而生。

对于所有依赖知识产权进行研发决策的企业来说,易于使用的专利研究平台必不可少。一个设计良好的平台可以让专家专注于战略研究,也可以让更多的最终用户随时获取关键数据。专利数据在企业内部流通所带来的新机遇是在传统模式下无法实现的。

最终用户经常执行的操作包括：

◆ 早期可专利性检索

◆ 技术情报和竞争情报的高水平专利全景地图绘制

◆ 支持战略研发规划的专利情报检索

◆ 法律部门的专利组合评估

◆ 通过技术和竞争对手监测进行情报跟踪

在一些组织中,在先技术的检索一般交由研发团队的学科专家负责,因为他们能更好地理解复杂的技术概念。专利研究人员在此过程中的作用是就数据采集、检索式构造以及数据库和工具的选择提出建议,使研发人员更深入地参与专利文献的检索和结果筛选。

随着简便易用的专利研究解决方案的发展,现在最终用户很容易就可以获得大量信息。这种趋势同样出现在更广泛的数据科学和商业情报领域,在这些领域,自主服务解决方案越来越被各级管理人员所接受。高德纳公司最近对全球3 000多名首席信息官的调查结果证实,为了在日常业务中普及先进技术,自主商业情报已被广泛采纳。²(2 Gartner, Inc. "Gartner Says Self-Service Analytics and BI Users Will Produce More Analysis Than Data Scientists Will by 2019." Press Release, January 25, 2018.)

虽然自主服务模式富有成效,但同时蕴含风险,需要警惕并降低的风险包括：

◆ 无法从现有数据中识别出有价值的见解

◆ 无法正确解读结果

◆ 无法有效运用洞察力

自主服务可能会导致研究走上错误的道路,也可能会造成高价值机会被完全错失。这两种结果都会对公司的经营和声誉造成严重影响。在实施自主专利研究方案时,需要解决下列问题：

◆ 海量的信息

◆ 语言翻译问题造成的信息理解偏差

◆ 专利信息的复杂性和晦涩性

◆ 从技术概念到检索式的转换

专利文献旨在用最简洁的法律语言对专利进行描述,因此难免造成理解上的偏差。而且,原专利权人可能在对发明的理解和描述上有自己独特的方式,也会导致理解困难。这些都给终端用户和专业人员带来了诸多障碍。

为了创造实际价值,专利研究人员需要具备足够的学识去寻找专利数据间的细微差别,需要拥有丰富的经验将自己的见解与法律、技术以及商业知识相结合。一般的专利代理人或研发专家很少具备这种综合技能。所以多数情况下,终端用户会向专利研究人员寻求帮助。

总体来说,终端用户和专利研究人员之间的合作会产生良好的结果。而实现这一目标离不开专利研究解决方案,既能满足终端用户和专利研究人员的需求,又能实现二者间的无缝工作流程。为了提升专利研究人员的研究成效,提高新手用户的专利获取能力,并改进有经验的专利研究人员和终端用户之间的工作流程,需要丰富灵活的方式。

此外,终端用户和专利研究人员还需要强大的、可访问的专利分析和可视化工具。专利信息在战略规划和商业情报中的应用,取决于对技术、市场和关键参与者的发展态势进行识别和描述的能力。专利研究解决方案应该能实现数据的挖掘和过滤,以及数据集直观的和可定制的可视化。重要的是,能够实现专利信息的快速沟通。

专利研究工具的核心是获取全面可靠的、高质量的专利数据集。基于零散、不完整的数据集进行研究是无效且危险的。

1950年代初,专利信息市场的创立者之一、德温特世界专利索引（Derwent World patent Index）的创始人Monty Hyams首次认识到专利处理的困难。以母语发布且经常使用晦涩的法律术语进行描述,这给专利的检索和理解造成很大困难。

Hyams建立了一套专利文件的摘要和索引系统,使检索更加精确,同时使检索结果更易理解。他还通过创建专利家族解决了由于同一项发明由不同的国家发布而造成的被重复阅读的低效问题。这些创新为专利数据和专利研究工具的现代化铺平了道路。

直到今天,德温特仍在提供经过编辑的、易于阅读的专利记录,帮助专家和新手游刃有余地面对专利信息的复杂性。可以说50多年前Monty Hyams创建的德温特改进了专利信息的使用方式。

如何设置和利用专利信息部门对于每个组织都非常关键。最有效的专利研究是跨职能的、涉及整个企业且与业务方式广泛融合。

专利信息部门的设置至关重要,因为它在组织内部具有传感效应。它的工作重点很大程度上取决于在组织内的位置和地位,而位置和地位又很大程度取决于环境,既取决于组织的创新战略和专利成熟度,也取决于周边行业的竞争格局。

组织需要将专利重点和数据需求与特定的行业诉求结合起来。

在一些高诉讼或竞争激烈的领域,如电信领域,更需要专利研究人员与法律部门密切合作。与法律部门紧密结合通常意味着更加关注战术型专利检索,诸如现有技术、自由实施（FTO）、专利无效性等检索请求直接来自与研发部门或科学家合作的专利律师。

专利研究人员与研发部门合作可以更好地支持创新过程,因为通过专利检索和专利分析的有效配合可以实现组织的与时俱进,同步于新技术和竞争对手。专利研究人员可以发挥更广泛的作用,不仅可以提供研究方向和过往研究的知识和经验,还可以从事更复杂的规范性分析,支持研发战略。

另一种常见做法是将专利信息部门设立在企业图书馆或知识中心,由学科专家专门研究各种信息源。

无论信息部门隶属法务部门抑或研究部门,都会带来一个问题,即该部门如何集中。大型组织通常有独立的部门,而小企业则依赖于集成和内部沟通。总之,这是一个关于专利部门的问题。选项包括：

◆ 集中模式,信息部门独立存在并支持各个业务单元。

◆ 分散模式,专利专家嵌入各个业务部门。

◆ 混合模式,既包括独立的信息部门,又将专利专家团队嵌入到某些业务单元。

拥有成熟专利的大型企业通常高度重视专利信息,大多会将专利研究能力划分为不同的功能单元。虽然各个单元都需要对专利信息有深刻理解,但每个特定的活动和角色都拥有与之最匹配的技能。例如,有些团队专注于法律检索,而有些团队则专注于支撑研究和战略决策制定的分析工作。

在消费品行业的一家大型跨国企业集团里,信息部门负责专利检索和分析。检索人员与技术主管共同创建数据集,之后传递给分析人员,分析人员再利用专业工具对数据进行清洗、分析和可视化。分析人员还将与业务主管合作,帮助他们充分理解专利信息。

在专利研究的全工作流程中对角色或部门予以明确的定义,不仅可以提高运行效率,还可以根据专利研究人员的各自优势为他们提供不同的职业路径。这也有利于吸引和招募优秀人才。

专利研究表现出色的组织都得益于深入的专业知识、战略伙伴关系以及在专利研究人才的组织上重心明确。此间的最佳实践者已经确立了五个重点领域,传统模式面临调整和改进。

信息数量的增长不一定会带来实际的价值。现在比以往任何时候都更需要“翻译家”为数据情报和企业战略搭建桥梁。尽管专利研究工具和其他技术取得了重大进展,但成功越来越多地取决于对数据的认识和运用,而不是数据本身。

麦肯锡全球研究所（McKinsey Global Institute）预计,到2026年,仅美国对数据翻译人员的需求就可能达到200万到400万。³(3 McKinsey & Company. "Analytics translator: The new must-have role." Article, February 2018.)

专利情报极其复杂,充满了法律和技术术语,而且很可能与业务的关注点不一致。因此常常无法给出清晰的业务信息,无法准确理解检索结果或无法根据检索结果采取行动。尽管术语在任何行业都不可避免,但由于专利研究领域对技术方法高度依赖,这个问题尤为突出。

对于任何一个参与数据分析和数据呈现的研究人员来说数据转换过程中都隐藏着陷阱。复杂数据集的处理、高级统计模型的创建以及结果图表的绘制,这些都需要技巧、经验和大量的努力,所以最终呈现的研究结果往往是复杂的。但有时会过于复杂,原因可能是专利研究人员缺乏翻译技巧,也可能源自一种深刻的愿望,希望外界能了解他们所面临的困难和付出的努力。

为确保将所有深刻的洞察转化为商业价值,专利研究人员需要在法律/专业技术和公司战略之间搭建桥梁。这个过程涉及针对业务需求提出问题,针对问题收集数据并提供见解,并且提出潜在的新的问题和数据要求以支持业务决策。

然而,实现有效的数据翻译并非易事,专业技术人员不能只沉浸于技术世界,还需要掌握沟通、项目管理和业务技巧等多种技能。在将重要见解转化为可执行的决策的过程中沟通至关重要。就像自然语言一样,一一对应的翻译并不一定可行。所以,专利专业人员解读数据的基础是强大的语境分析能力和对业务的深刻理解。

本质上,技术专家通常高度关注细节,而业务人员需要的是高层级的指导和建议。因此,专利研究人员需要适应他们不同的风格,以成功解决有效沟通的问题。

引发知识产权行业持续演变的另一关键因素是知识流程外包（KPO）的发展。专利研究人才稀缺,但需求旺盛。人手不足的机构通常会通过与专业合作伙伴的合作来达到补充人员或给予项目全面支持的目的。

通过利用外部资源,机构可以避免陷入持续不断的招聘和培训工作。由于服务供应商能够为机构提升价值并弥补缺陷,因此与外部合作伙伴的长久稳定关系有利于业务发展。对组织来说,在保持对关键业务流程的控制的同时,发展和维护值得信赖的知识产权服务伙伴关系至关重要。

选择外部合作伙伴和监督外包服务的任务基本上由内部信息专家负责。只有对本机构有充分深刻的了解才能把握关键的业务问题,才能对外部公司的知识能力、优势和劣势进行评估。内部专利信息部门可以利用可信赖的知识产权服务合作伙伴来扩大业务的规模和范围,以及增加专业的完整性。

卓越中心的设立旨在将人才集聚一堂。当来自不同背景的人有机会共享知识和资源时,专业知识便会随之集中,凝聚力也会随之增强。如果让专利信息部门发挥卓越中心的作用,可以确保在全公司范围内执行统一标准,推行最佳实践,有效监督工具和数据质量。

终端用户中,独立部门和自主专利研究的出现和发展可能导致风险增加。而优秀的卓越中心的业务实践能够赋予业务快速、自给自足和更具可控性等优势,从而应对潜在的风险。随着机构的发展壮大,在用户中创建最佳实践模型的机会越来越多。

卓越中心因为聚集了各类人才,所以可以形成一个影响广泛的支持者网络,从而进一步促进最佳实践、观点共享和协同合作,实现价值创造。久而久之,这里会成为大家分享成功的场所,会激发人们投身专利研究的兴趣。卓越中心有助于修正流程、赋能终端用户,并改进专利研究指导方针。

富有成效的卓越中心促进了人们之间的交流,从而推动了创新。自上而下推进可以实现有效的规划和高效的管理者支持,从而最终实现资源共享和有效的业务流程。通过提高数据透明度、翻译质量和机构整体性,卓越中心可以在专利领域发挥巨大的作用。

随着大数据的兴起,专利研究人员需要与其他数据专家和数据科学家进行跨机构合作。单独的专利信息通常不足以支持更复杂的业务问题,业务主管需要对数据集进行汇总和集成。关键数据的垂直转换配合数据集的水平集成帮助人们做出更好的决策。例如,在制药领域,常见的做法就是将专利信息与科学文献、在研药物数据和市场数据相结合。

随着专利信息与商业的集成,企业级发现系统将实现对数据结构的快速直观研究和分析。专利信息专家的作用是帮助企业提出恰当的问题、构建正确的检索式并有效转化数据,从而实现商业价值。

人工智能（AI）和机器学习（machine learning）是现代商业环境中的常见术语,也逐渐浸入知识产权和专利研究领域。这些技术正在改变传统的布尔模型和邻近搜索方式,提高了检索效率和准确率。

自然语言处理和机器学习可以在短时间内实现对海量专利数据的挖掘,从而识别数据信息并给出行动建议。然而,能否获得有价值的答案取决于人们能否提出正确的问题。当组织专注于开发企业级人工智能数据解决方案时,专业的专利研究人员有机会影响底层算法,并协助训练人工智能系统理解和分析复杂的专利数据集。

例如,德温特的智能检索功能就利用了人工智能技术,基于德温特世界专利索引中经过编辑改写的专利内容,利用AI驱动的专有算法对高级检索流程进行建模。

专利号为US 9971771B2的专利对有关“用于搜索、识别、检索和提交电子文档的方法、系统和软件”的一些基本概念进行了描述。

一家著名的德国制药公司不仅意识到了这一发展趋势,还通过创立“数字技术”集团充分利用这些新技术。他们认为文本挖掘和机器学习等技术已得到广泛应用,应当成为企业核心功能的一部分。大数据带给专利领域的好处非同一般,利用人工智能和机器学习不仅可以对数据进行聚集还可以进行智能提取和合成,

管理层的支持、企业的意识和部门的整合都会对专利发展环境产生影响。为了在研究部门和知识产权部门实现价值的嵌入,专利研究人员需要和业务主管通力合作。缺乏管理层的理解和支持就难以明确目标问题,专利研究也无法服务于决策制定。专利信息部门面临的挑战包括重组、离岸管理和业务外包等。成本也是一个影响因素,所以要求专业人员具备高度的灵活性和适应性。与以往相比,现在专利信息部门更需要向高级决策者展示其价值,证明其对组织整体经济增长的贡献。

自主情报服务和外包的集成使专利研究人员能够专注于更复杂和更关键的任务,从而支持企业决策。当技术人员有机会从事增值工作、支持更广泛的任务目标和更好的决策时,就能建立起更强的竞争优势。

“在充斥着无效信息的世界里,清晰即力量。”

——Yuval Noah Harari

对于任何希望提升价值和推动增长的组织来说,专利研究不仅是一种响应式服务更是组织的重要组成部分。专利研究不仅能保护企业,更有助于促进和实现基于原创性和实用性的产品或过程。最重要的是,获得有用的专利数据有助于人们做出更好的决定。

大数据和商业情报的发展为专利数据的使用创造了令人兴奋的新机遇。全球已发布的专利文件数量超过1.25亿份,并以每年600多万份的速度增长⁴(4 Derwent Innovation, All collections.)。这已经不仅仅是数据获取的问题,更是分析和应用的问题。所以,现在比以往任何时候都更需要一种成熟的方法来保证信息的清晰和可控。

终端用户的自主式专利研究将持续发展,早期采用了这种模式的组织有望大受裨益。未来的成功不仅取决于技术,还取决于关键技术和人力资源的合理整合。随着机器学习和基于人工智能的专利搜索和分析工具的不断发展,专利研究人员将面临越来越大的增值压力,他们需要充当连接技术世界与商业世界的桥梁。

专利研究表现出色的组织都得益于深入的专业知识、战略伙伴关系以及在专利研究人才的组织上重心明确。同样,利用技术人才有效增加内部资源,并开发新的业务技能和新的合作机会,这样的意愿也非常重要。专利研究的未来和专利转化的价值将在很大程度上取决于对这些关键需求的识别和利用能力。

Vashe Kanesarajah是科睿唯安知识产权业务（德温特）的客户支持总监,通过与知识产权和研发部门的密切合作,帮助德温特更好地理解客户当前及未来的需求。Vashe是一位经验丰富的专利分析师,曾负责欧洲的专利分析业务,还担任过亚洲的首席顾问。他与致力于科技发展的企业、政府和研究机构通力合作,为全球提供有助于推动研发和知识产权战略的可行性情报。他的职责还包括在专利分析、投资包评估、专利许可、竞争情报和新兴技术扫描等方面提供专业见解和最佳实践知识。他曾代表德温特在知识产权、研究发展和学术界发表演讲,还曾在欧洲和亚洲的大学担任客座讲师。

翻译：莫京 孙运涛 审校：翁彦琴