当AI在特定领域展现出超越人类的效率时，单纯依靠重复性技能的工作岗位确实面临被取代的风险。但是，专利代理行业的重要组成部分并非重复性技能，面临着来自AI的独特挑战，也带来了机遇。
专利文献的高度结构化特征为AI应用提供了良好基础：规范的撰写格式、标准的术语使用、清晰的逻辑框架以及精准的分类号体系，都使得AI能够较好地理解和学习专利文献的内容。上百年来，对于“信”、“达”甚至“雅”都有很高要求的专利翻译更是为AI提供了海量的来自不同国家的精准数据集。专利审查过程中的意见通知书与答复文件同样构成了优质的问答训练集，这为AI在专利代理领域的应用提供了便利。关键是，在多数国家，上述专利文献、审查意见和答复文件等信息都是公开的，在AI训练素材上几乎没有额外的成本。
但是，与单纯依靠重复性技能的工作岗位不同，专利代理工作也有短期内AI难以逾越的屏障。专利代理工作的核心在于准确理解发明的技术本质、把握技术改进点，并制定合适的权利保护策略。这需要深入的技术洞察力和丰富的实践经验。AI虽然可以在文件撰写规范性、格式化处理等方面提供有力支持，但在技术理解、策略制定等关键环节仍需要专业人员的判断。这种“专业判断力”无法简单地通过模型训练获得。相反，当使用AI减轻文字书写的工作强度后，专利代理师会有更多的精力投放到说明书的谋篇布局和权利要求的抽象概括和边界划分，巩固授权和确权的稳定性同时提高后期权利行使的可行性。
此外，类似于“参数限定”、“功能性限定”、“使用环境特征”这些没有墨守成规但对实践产生重大影响的撰写方式，只有具备突破性思维的人类在经验和智慧的加持下才能够创造出来，而这正是那些对已有知识进行海量训练的AI所不具备的能力。
笔者认为，对于类似于“ChatGPT”和“DeepSeek”现象不必过分恐慌。2022年底，ChatGPT的突然爆火引领了一次AI狂潮，那时许多人言必谈ChatGPT，但可能多数人至今都没有直接使用过，更不用说使用付费的版本了。其实GPT3早在2020年就已发布，并且在AI圈中有很大的影响，GPT 3.5（初代ChatGPT）的主要改进在于RLHF（“基于人类反馈的强化学习”）训练方法，与其说ChatGPT成功在于技术的突破，不如说其采用了长程的聊天形式，让普通大众受到前所未有的震撼。旋即竞争对手便推出了各自的上文提到过的商业或开源模型，这显然都不是一日之功。如今已经过去两年，除了个别任务相对单一的领域，生成式AI并没有真正意义颠覆某一行业。
在DeepSeek R1爆火之前，深度求索公司在Hugging Face上已经有12个项目，虽然备受爱好者关注，但也并不特别耀眼。它的爆火最早来自海外，是无数爱好者对DeepSeek在受到芯片制裁的中国以低成本制造出在配有消费级GPU的电脑上就能部署的堪比GPT o1性能的开源大模型的振奋引起的。加上DeepSeek R1将CoT（“思维链”）过程直接呈现给公众，产生了不亚于两年前的“ChatGPT”的体验冲击。
但是说DeepSeek R1、或者具备CoT能力的大语言模型就能颠覆专利代理行业恐怕还为时尚早，专利代理工作中的很多判断需要“直觉”和“经验”，这种隐性知识难以用CoT模拟。相比之下，AI Agent（“人工智能代理”）框架（例如由观察器、思维引擎、工具集、行动执行器、记忆系统和目标系统等组成）则更可能构成专利代理行业威胁，它可以调用专业数据库API进行现有技术检索、访问最新的技术文献、自动追踪专利家族和法律状态，更可以调用翻译API处理多语言文件。即便如此，其工程浩大，2023年初涌现的许多AI Agent项目，像Agent GPT，其实并未实质性颠覆行业。
某种意义上讲，固步自封拒绝使用新技术的专利代理师很可能会迅速被擅于使用AI工具的专利代理师取代，而过度依赖AI工具使得核心能力退化的专利代理师同样会被秉持学习精神巩固核心竞争力的同行替代，甚至直接被企业等甲方替代。因此，专利代理师应当主动保持学习的态度，巩固专业技能、学习新的技术。我们本就是在知识密集型领域擅长学习和跨界融合的一群人，在AI时代我们更要保持跨领域知识融合的优势，继续深耕。既要善用AI工具来提升工作效率，也要保持独立思考能力，避免过度依赖AI导致专业能力的退化。
专利代理师不必过分担忧而产生自我内耗，更应该关注巩固自身核心竞争力，利用好现有的AI工具提高部分工作的效率。例如，AI强大的检索与语言处理能力可以有效弥补人力不足，特别是在跨语言交流、海量技术文献筛选等方面。AI辅助可以帮助代理师更高效地检索相关文献，快速定位最接近的现有技术，把握技术发展趋势，大幅减少重复性工作。在专利文件的初步撰写阶段，AI还能提供结构化的写作建议，协助代理师更高效地完成文档框架搭建。
笔者建议，专利代理师不妨在大语言模型的赋能下学习、开发和部署适合自己的AI辅助工具。如今，商业或开源LLM服务商的API调用成本很低，如果条件允许更可以通过Ollama或llama.cpp在本地部署开源大语言模型，通过WebUI、CLI等多种交互方式进行直接操作或通过HTTP API集成到其他应用中。通过这些方法，可以确保数据隐私安全，满足合规要求。同时，可以利用Ollama提供的embeddings和generate API接口，结合RAG (“检索增强生成”) 技术构建本地知识库增强系统。对知识产权法律文本、《专利审查指南》等规范性文件和司法解释进行文档分块和向量嵌入，实现文本向量化和生成功能，进而通过向量相似度检索，最终实现“检索-增强-生成”的完整工作流程，使模型能够基于本地专业知识库提供更准确的响应。
随着AI技术的发展，专利代理机构也需要加强数据安全管理。专利技术在申请前属于客户的保密信息，代理机构应当建立完善的数据访问控制和保密机制，防止敏感信息通过AI系统泄露。例如，若不当将客户的机密技术细节输入到公有云或联网的AI模型中可能会造成泄密风险。只有在技术应用与制度规范两个维度同步推进，才能在促进创新的同时确保专利实务的质量与安全。
展望未来，AI与专利代理的融合仅是变革的开始。随着新技术不断涌现，专利行业人士将经历持续的适应与升级过程。担忧和焦虑无法解决问题，专利代理师关键在于把握和提升自身核心竞争力，将AI转化为思维助手而非主导者。在技术快速迭代的背景下，保持学习热情，不断掌握和运用AI工具，提升专业能力，才能确保专利代理这一跨学科专业在未来的法律服务体系中继续发挥不可替代的作用。
