FTO 代理人：不只是效率工具，而是製造業的核心機密治理架構

大型語言模型（LLM）的出現，為專利檢索這類知識工作帶來前所未有的效率，卻也對製造業的核心機密構成潛在威脅。當研發團隊欲對尚未公開的設計圖或製程參數進行自由實施意見（Freedom to Operate, FTO）分析時，將其上傳至外部雲端 AI 服務，無異於將公司命脈公諸於世。因此，真正的解方是透過私有部署的模組化代理人（Agent），將 FTO 流程內製化，這不僅是效率問題，更是攸關企業核心機密邊界與智財主權的戰略命題。

為什麼製造業的機密，是雲端 AI 無法跨越的紅線？

在專利法中，「新穎性」（Novelty）是發明能否取得專利權的根本前提。一旦一項技術在申請專利前被公開，無論是透過發表、銷售或任何其他形式，它就可能喪失新穎性，從而失去獲得專利保護的資格。根據世界智慧財產權組織（WIPO）的說明，這種公開揭露可以是全球性的，沒有地域限制。

這正是製造業研發與智財部門的兩難。一方面，他們需要在產品開發早期，頻繁地進行 FTO 調查，確保新設計沒有侵犯他人的有效專利，避免未來昂貴的訴訟風險。這項工作繁瑣、耗時，且高度專業。另一方面，最需要進行 FTO 分析的，往往是那些最機密、尚未申請專利的創新設計。將這些包含詳細技術特徵、設計圖、材料配方的資料，傳送給由第三方控制、模型如何使用數據並不明確的雲端 AI 服務，其潛在的洩漏風險是任何法務或管理階層都無法承擔的。

一旦機密設計因使用外部 AI 而外洩，損失的不只是一項專利，更可能是整個產品線的市場獨佔地位與競爭優勢。

因此，問題的核心不在於 AI 的能力，而在於它的部署模型與信任邊界。企業需要的是一個能在自家防火牆內運作、資料流向完全透明可控、同時又能發揮 LLM 強大分析能力的解決方案。

如何打造一個兼顧安全與效能的 FTO 代理人架構？

一個理想的內製化 FTO 代理人，其設計理念必須從單一工具思維轉向一個可治理、可擴展的系統架構。參考高知創研的設計，我們可以將其拆解為四個核心模組，每個模組各司其職，共同構成一個安全的知識工作環境：

• Harness（協調器）：這是整個系統的大腦，負責接收使用者（如研發工程師）的初始指令與設計文件。它解析任務需求，並將複雜的 FTO 流程拆解成一系列具體步驟，再分派給不同的 Skill 模組執行。Harness 維持著整個任務的狀態，確保流程順暢。
• Session（對話管理器）：負責管理特定任務的上下文（Context）與短期記憶。它記錄了所有中間步驟的產出、使用者的回饋、以及搜尋策略的調整歷史。這使得代理人能夠進行多輪的迭代修正，例如在初步檢索後，根據結果縮小或擴大檢索範圍。
• Sandbox（安全沙箱）：這是確保機密性的關鍵。所有涉及核心機密資料（如未公開設計圖）的處理，都在這個與外部網路隔離的環境中進行。只有經過嚴格清洗、去除敏感資訊的查詢指令或摘要，才能被送往外部的專利資料庫。這就像一個「數位無塵室」，確保核心 IP 永不離開企業邊界。
• Skill（技能模組）：一系列專門化的工具或子代理人，每個 Skill 負責一項原子化的任務。例如，「專利檢索 Skill」負責根據關鍵詞建構複雜的布林搜尋式並查詢專利資料庫；「技術特徵提取 Skill」則負責從設計文件中解析出關鍵的技術元件；「權利要求比對 Skill」則用於生成最終的 Claim Chart。這種模組化設計讓系統易於維護與升級，例如未來可以輕易加入一個分析法院判例的 Skill。

這個架構的重點在於，它將「思考」（由 LLM 驅動）與「執行」（由 Skill 模組驅動）分離，並在過程中設立了嚴格的資料治理邊界（Sandbox）。這正是如 ReAct (Reason and Act) 等論文所揭示的現代 AI Agent 設計哲學的體現：讓模型專注於推理，而將與外部世界的互動交給受控的工具。

FTO 代理人如何從設計圖產出權利要求比對表？

在上述架構下，一個典型的 FTO 任務流程會是什麼樣子？假設一位工程師提交了一份關於新型電池散熱結構的設計草案，代理人的工作流大致如下：

1. 特徵解析：Harness 指派「技術特徵提取 Skill」在 Sandbox 環境中分析設計草案，拆解出數個關鍵技術特徵，例如「石墨烯散熱層」、「微流道結構」、「相變材料」等。
2. 檢索式生成與優化：Harness 根據這些特徵，指示「專利檢索 Skill」生成初步的檢索式。代理人的目標是將檢索結果控制在一個可管理的範圍內，例如 100 到 300 篇相關度最高的專利。如果首次檢索結果過多（如超過 1000 篇），Session 會記錄此一事實，並由 Harness 指示代理人增加更多限定詞來優化檢索式，反之亦然。這個迭代過程確保了分析的深度與效率。
3. 專利篩選與分析：代理人自動下載篩選後的專利全文，並在 Sandbox 內進行深度分析，將每篇專利的核心技術與原設計的關鍵特徵進行比對。
4. Claim Chart 初稿生成：最後，「權利要求比對 Skill」會產出一份 Claim Chart（權利要求比對表）的初稿。這份表格會逐一列出相關專利的權利要求（Claims），並與我方設計的技術特徵進行並排比對，標示出潛在的重疊與侵權風險點。

值得注意的是，這個流程並非要完全取代人類專家。相反地，它的目標是將智財人員或律師從耗時 80% 的資料搜集與初步整理工作中解放出來，讓他們能專注於那最關鍵的 20%——進行法律判斷與策略擬定。根據日本特許廳（JPO）的研究，AI 在先行技術文獻檢索方面已展現出高度潛力，而這套內製化流程正是將此潛力安全地導入企業內部的實踐。

總結來說，當我們討論企業導入 AI 時，尤其是在製造、製藥、國防等高度依賴核心機密的產業，對話不應僅止於效率提升。更重要的，是將 AI 視為企業數位基礎設施的一部分，思考如何建立一套可信任、可治理、且能捍衛智慧財產權的系統架構。將 FTO 流程內製化為一個模組化代理人，正是在這個方向上，一個兼具戰略遠見與實務意義的具體實現。

延伸閱讀

• 高知創研：FTO調査からクレームチャート作成まで行うエージェントの設計
• WIPO: Patents - Frequently Asked Questions
• JPO: Report by Working Group on AI/AI-related Technologies for Patent Examination
• Shunyu Yao, et al. "ReAct: Synergizing Reasoning and Acting in Language Models." arXiv:2210.03629, 2022.
• WIPO: What is Intellectual Property?
• WIPO: Patentscope Glossary

我是江中喬，專注於 AI Agent Architecture、Memory Governance 與 Cognitive Diversity，持續研究如何打造能夠長期協作、可信任且可治理的 AI 系統。