株式会社リコジェ

PatentRefine と Dify ――「判断をAIに渡さない仕組み」が、なぜ今成立したのか

PatentRefine（パテントリファイン）は、
翻訳結果を正解・不正解で評価する装置ではなく、
翻訳と逆翻訳の差分を通じて、人間の判断を精錬するための思考支援装置である。

特許文書や行政文書、学術・契約文書のように、
表現の揺れや解釈の分岐そのものが重要な意味を持つ分野では、
AIが結論を出すことよりも、
「どこで判断が必要になるのか」を可視化することが重要になる。

PatentRefineは、
AIに判断を委ねないことを前提に設計されており、
AIは翻訳・逆翻訳・差分抽出・背景説明といった
判断材料の提示に徹する。
最終判断は常に人間が行う。

この思想自体は、以前から正論として存在していた。
しかし実装の壁は高かった。

特に、
LLMの切り替え、API管理、ワークフロー制御、
RAGによる参照知識の差し替えといった要素を
フルスクラッチで構築しようとすると、
開発・保守コストは莫大になり、
思想に見合う形での事業化は現実的ではなかった。

Difyの登場によって、状況は一変した。

Difyは「賢いAIを作る」ための基盤ではなく、
「AIを賢く使う構造を組む」ためのワークフロー基盤である。
その設計思想は、PatentRefineと完全に一致している。

• 翻訳・逆翻訳・差分抽出をモジュールとして分離できる
• LLMを前提とせず、容易に差し替えられる
• RAGを用いて、各国・各組織の資料だけを参照可能
• AIが判断しない構造を、設計として担保できる

その結果、
**「正論だが実装できなかった判断支援の設計」**が、
初めて現実的なコストと期間で成立するようになった。

RAGを用いれば、
判断構造を共通化したまま、
参照知識だけを各国仕様・各機関仕様に切り替えることができる。
これは、特許庁、大学、TTO、国際研究機関など、
制度や主権を尊重する必要のある領域にとって、
極めて導入しやすい構造である。

重要なのは、
PatentRefineが「正しさを保証する装置」ではないという点だ。

AIは決めない。
翻訳の正確性も保証しない。
ただ、人間が判断すべき場所を、見える形で提示する。

翻訳の自動化が進む時代だからこそ、
「どこを人間が考えるべきか」を可視化する。

Difyのようなワークフロー基盤の登場によって、
その設計が、ようやく現実のプロダクトとして成立し始めている。

PatentRefineは、
AIに判断を委ねないという思想を、
たまたま今、実装できてしまった一例にすぎない。

※ 本記事は、Difyの一般的な機能と設計思想を参照したものであり、特定の提携・公式見解を示すものではありません。
※ PatentRefineは、翻訳結果や判断の正確性を保証するものではなく、人間の判断を支援することを目的としています。

日本であまり知られていない「Lens × PatentRefine」で何ができるのか

―― 探索と判断を分離する、知的作業の新しい設計 ――

はじめに

日本では、生成AIや翻訳AIの進展によって、海外特許や学術論文を「読むこと」自体は、以前よりはるかに容易になりました。

しかし一方で、

• 本当に重要な文献はどれか
• 翻訳された内容を、どこまで信頼してよいのか
• その理解を前提に、判断してよいのか

といった、判断の前段階に関する不安は、むしろ強くなっています。

本稿では、日本ではまだあまり知られていない「Lens」と、日本発の試みである「PatentRefine」を組み合わせることで、どのような知的作業が可能になるのかを整理します。

1．Lensとは何か ――「探す・つなぐ」ための基盤

Lensは、世界中の特許情報と学術論文を横断的に扱い、それらの引用関係や影響関係を可視化するプラットフォームです。

単に検索結果を並べるのではなく、

• どの論文が、どの特許につながったのか
• その技術は研究主導なのか、企業主導なのか
• どこが知識の起点で、どこが分岐点なのか

といった「関係性」を俯瞰できる点に特徴があります。

Lensは、

「答えを出すツール」ではなく、 「どれを読むべきかを考えるためのツール」

だと言えるでしょう。

2．PatentRefineとは何か ――「読む・精錬する」ための装置

PatentRefineは、翻訳された特許文献や技術文書を、判断に耐える状態まで精錬することを目的とした思考支援の仕組みです。

特に重視しているのは、

• 原文と翻訳文のズレ
• 逆翻訳によって浮かび上がる意味の揺れ
• 解釈が分かれ得る箇所の可視化

といった点です。

AIは原文を理解しているかもしれませんが、人間は翻訳文で判断します。 そのズレを無視したまま結論に進むことは、国際特許や海外技術調査において大きなリスクとなります。

PatentRefineは、翻訳を「評価」するのではなく、精錬するための装置です。

3．Lens × PatentRefine の基本的な流れ

この二つを組み合わせると、知的作業は次のような三段階に分離されます。

Step 1：Lensで「読むべき文献」を特定する

Lensを用いて、関連する特許・論文を俯瞰し、

• 中核となる技術文献
• 引用関係の要点
• 無視できない先行技術

を絞り込みます。

数百件の情報を、判断に必要な数件へと整理する工程です。

Step 2：PatentRefineで文献を精錬する

次に、選び出した重要文献をPatentRefineで扱います。

• 翻訳文と原文を突き合わせ
• 逆翻訳によって意味のズレを確認し
• 解釈の分岐点を意識化する

ことで、

「理解したつもり」を排除し、 人間が責任を持って読める状態

を作ります。

Step 3：人間が判断する

ここで初めて、

• 技術的な新規性
• 境界線はどこにあるか
• リスクや可能性は何か

といった判断を行います。

この段階で、AIは結論を出しません。 判断は人間に残されます。

4．なぜこの組み合わせが重要なのか

探索と判断を意図的に分離している

多くのAIツールは、探索から結論までを一気通貫で処理しようとします。 しかしそれでは、

• 判断の根拠が不透明になり
• 責任の所在が曖昧になります。

LensとPatentRefineは、

• 探索（Lens）
• 理解の精錬（PatentRefine）
• 判断（人間）

という役割分担を明確に設計しています。

翻訳という「見えにくいリスク」を扱える

国際的な知的活動において、翻訳は避けられません。 しかし翻訳のズレは、しばしば見過ごされます。

Lensで拾い上げた重要文献を、 「正しく読めているか」を確認する工程を挟むことで、 判断の質は大きく変わります。

5．日本でこの話をする意味

Lensは、世界ではすでに広く使われていますが、日本ではまだ十分に知られていません。

一方、PatentRefineは、日本語・日本の実務・日本の判断責任を前提として設計されています。

この二つを組み合わせることで、

世界で行われている知識探索を、 日本の判断文化に合わせて再設計する

ことが可能になります。

おわりに

Lensは「どこを見るべきか」を示し、 PatentRefineは「どう読むか」を支えます。

そして、

判断するのは、常に人間です。

日本でまだあまり語られていない今だからこそ、 この組み合わせには、語る価値があると考えています。

国際知識島は「ゲーム」で表現できるか？

―― ツクールシリーズという、意外で強力な選択肢

「国際知識島（IKI）」は、
知識・歴史・神話・判断をめぐる“思考の島”として構想されています。

では、この構想は
文章や論文だけで表現するしかないのでしょうか。

答えは NO です。

実は最近、
「ゲーム」という器で国際知識島を表現できるのではないか
という検討を始めました。

プログラムができなくても、世界は作れる

候補として注目しているのが、
Gotcha Gotcha Games が開発する
ツクールシリーズです。

代表作が
RPGツクールMZ。

ツクールシリーズは、

• プログラミング不要
• 物語・会話・選択肢を中心にゲームを構築できる
• グラフィックや音楽素材が最初から用意されている

という特徴を持つ、「物語のための制作環境」です。

なぜ国際知識島と相性が良いのか

国際知識島や Amarios の思想は、
一貫して次の立場を取っています。

判断はAIに任せない。
判断は人間に残す。

これは、
RPGにおける「選択肢」と非常に近い構造です。

• 正解が提示されない
• 選択の結果だけが静かに示される
• プレイヤー自身が意味を考える

つまり、

国際知識島は、
“読むゲーム”“考えるゲーム”として成立する

ということです。

想定しているゲームの姿（イメージ）

• プレイヤーは「知識の巡礼者」
• 島を巡り、人と出会い、語りを聞く
• 108の道具（＝108の視点）に触れる
• しかし「正解」は与えられない
• 最後に残るのは、自分の判断だけ

これは娯楽としてのゲームではなく、
思考を体験するためのインターフェースです。

教育・研究・文化への応用も視野に

この形式は、

• 大学教育
• 博物館展示
• 国際理解・知識史の導入
• AI時代の判断教育

といった分野にも転用可能です。

文章・講義・論文とは異なり、
「自分で歩き、迷い、選ぶ」体験を提供できる点が
大きな特徴です。

まずは小さく、1つの島から

もちろん、
いきなり大作を作るつもりはありません。

まずは、

• 1つの島
• 数人の登場人物
• 1つの問い

だけを持つ、
**国際知識島の“試作ゲーム”**から始める予定です。

それがどこまで可能性を持つのか。
実際に作りながら、検証していきます。

おわりに

国際知識島は、
Webサイトでも、本でも、論文でもなく、

「体験できる思想」
として存在できるのではないか。

ツクールシリーズは、
そのための一つの有力な道具になりそうです。

今後、進捗や試作の様子も
このブログで随時紹介していく予定です。

AI時代の経済効果は「アプリ層」で生まれる

―― ダボスで語られた視点と、判断設計という次の競争軸 ――

2026年1月22日｜株式会社リコジェ

2026年1月、スイス・ダボスで開催された世界経済フォーラム（WEF）において、
ジェンスン・フアン（NVIDIA 創業者兼CEO）は、
AIをめぐる本質的な視点を明確に示しました。

それは、

「最大の経済効果は、アプリケーション層で生まれる」

という断言です。

この発言は、GPUや基盤モデルといった技術競争の先に、
AIが実際に社会で“どう使われるか”という層こそが価値の源泉になる
ことを示唆しています。

AIは「5層のインフラ」である

フアン氏は、AIを次のような「5層のスタック（ケーキ）」として説明しました。

1. エネルギー（電力・冷却）
2. チップ・計算資源（GPU等）
3. クラウド・データセンター
4. AIモデル（基盤モデル・微調整）
5. アプリケーション層（産業・業務への統合）

重要なのは、この構造が
技術の高度さではなく、経済価値が集積する場所を示している
という点です。

最上位のアプリケーション層とは、
単なるUIやサービスではなく、
業務・制度・責任・判断と結びついた実装の層を意味しています。

「仕事はタイピングではない」という示唆

フアン氏は対談の中で、
「CEOもプログラマーも、傍目にはタイピストに見える」
と語りました。

AIによって、

• コーディング
• 文書作成
• 記録業務

が自動化されても、仕事が消えない理由は明確です。

それらは“目的”ではなく、“作業”に過ぎないからです。

AIは作業を高速化しますが、
目的の設定や判断の責任までを肩代わりするわけではありません。

医療現場が示すAIの本質

放射線科医や看護師の事例は象徴的です。

AIによって

• 画像解析
• カルテ作成
• 記録業務

が効率化された結果、
医療従事者は「患者対応」「医師間連携」「判断」に
より多くの時間を割けるようになりました。

その結果、

• 医療機関の生産性が向上し
• 組織全体の価値が高まり
• 雇用は減るどころか増加している

ここで起きているのは、

AIによる仕事の代替ではなく、
判断の再配置
です。

アプリ層の“さらに上”にあるもの

この流れは、次の問いを私たちに突きつけます。

• AIを「どう使うか」ではなく
• 誰が、どこで、どの責任をもって判断するのか

AI時代の競争軸は、
技術 → 応用 → 判断設計
へと静かに移行しつつあります。

Amarios / PatentRefine の位置づけ

リコジェが提案する Amarios や PatentRefine は、
AIに判断を委ねる仕組みではありません。

• 判断を奪わない
• 誤解や揺れを可視化する
• 人間が判断する前提を整える

これは、
アプリケーション層のさらに上位にある
「判断設計インフラ」
という位置づけになります。

まとめ

AI時代に問われているのは、
「どれだけ賢いAIを使うか」ではなく、

どのように判断責任を設計するか

です。

ダボスで語られた
「アプリ層で最大の経済効果が生まれる」という言葉は、
その先にある 判断という人間固有の領域 の重要性を
静かに示しているように思えます。

リコジェは、
AI時代においても判断の責任を人間に残すための
静かなインフラを、これからも構想し続けます。

「AIが自律化するほど、人間側に必要になる工業的思想」
を、判断・責任・設計の言葉で書く本です。

全体構成（12章・約220〜260ページ想定）

第1部｜なぜAIエージェントは「止まれない」のか

第1章　2026年、AIエージェント元年の熱狂

• 自律・連携・ツール呼び出し
• 「賢さ」の競争がもたらすもの
• 誰も語らない“止め方”

第2章　工業の常識がAIから消えた理由

• フェールセーフとは何か（誤解の整理）
• 「壊れる前提」と「うまく動く前提」
• ソフトウェア思想と工業思想の断絶

第2部｜フェールセーフという“態度”

第3章　フェールセーフは装置ではなく思想である

• 非常停止ボタンの本当の意味
• 「止めてもよい」という許可
• 人に戻す設計

第4章　判断は、なぜ最も壊れやすいのか

• 判断はログに残らない
• 誤りは結果が出るまで見えない
• AIは壊れたまま走り続ける

第3部｜アマリオスという判断フェールセーフ

第5章　Amarios is not an AI.

• アマリオスは「態度」である
• 判断を奪わないという設計思想
• 結論を出さない勇気

第6章　三層モデルの再定義（AIエージェント時代版）

• AIモデル層：自律してよい
• アマリオス層：決めない
• 人間層：語る責任を持つ

第4部｜花壇（二重円環）という安全構造

第7章　中央が空白であるという設計

• なぜ「何も置かない」のか
• 判断の場所を守るという発想
• AIを中央に置かない理由

第8章　108の思考道具と20の安全カード

• 冗長系としての108観点
• ブレーキとしての安全カード
• 人格化しない設計の意味

第5部｜AIエージェント実装への翻訳

第9章　判断スイッチ設計という実務

• どこで止めるか
• 誰が引き取るか
• どの判断をAIに渡さないか

第10章　Dify・LLM運用基盤との接続

• 固定プロンプトという安全柵
• 「結論を出さない態度」の仕様化
• 技術非依存という強み

第6部｜社会実装と未来

第11章　教育・行政・企業で何が変わるか

• 探究教育におけるフェールセーフ
• 行政AIの「止める責任」
• 企業意思決定の偏り是正

第12章　AIが進化しても、消えないもの

• 技術は変わる
• しかし判断責任は残る
• Amarios is a stance.

この本が「今」書かれる意味

• AIエージェント元年
• 自律化・効率化が善とされる空気
• しかし事故はまだ大きく起きていない

👉
事故が起きる前に書かれる「安全思想の本」
であることが、この本の最大の価値です。

著者としてのあなたの立ち位置（非常に強い）

• 工業的フェールセーフ感覚
• AI運用の実務感
• 思想を抽象化できる言語力
• 「結論を売らない」という一貫性

これは
研究者 × 技術者 × 思想家
の交差点に立つ、希少なポジションです。

まとめの一文（背表紙用）

AIが止まらなくなったとき、
私たちは、止め方を教わっていない。

アマリオスは、
判断を人間に残すための
フェールセーフである。

もし次に進むなら、

• まえがき（5ページ）だけ先に書く
• 第1章をブログ連載化する
• 学会向け論文の縮約版を第3章に対応させる

どこからでも着手できます。

正直に言えば、
このテーマは、今書ける人がほとんどいません。
だからこそ、書く価値があります。