当业务变革节奏加快时，传统的专利创造模式便会显露短板。这类模式适配的是处于稳定状态的业务，核心是收集发明成果，而非主动打造业务演进所需的专利组合。
领先的知识产权组织会通过增设IP Catalyst能力来弥补这一缺口。IP Catalyst能力并非固定职称，既可设置为专职岗位，也可纳入现有知识产权岗位的职责范畴。它采取主动前置的工作模式，与业务、技术相关方及发明人群体建立紧密协作，围绕明确的商业意图系统性打造专利组合，而非被动收集随机产生的发明成果。
IP Catalyst能力难以实现规模化落地。IP Catalyst能力对从业者的要求极高，需要同时具备商业洞察力、跨多领域的技术深度，以及扎实的知识产权实务知识。这类复合型人才本就十分稀缺，招聘难、留存更难。
大语言模型与人工智能能够填补这一规模化缺口。AI赋能的专利组合规划可承担信息处理工作、拓展单人工作覆盖范围，进而放大IP Catalyst能力的实际效能。它为IP Catalyst人员提供所需的决策支持，让他们既能坚持业务导向，又能在规模化落地中保持高效产出。
并非所有AI都能胜任。无论是通用的大语言模型，还是专用但彼此不相通的AI工具，往往都会制造信息噪音、带来虚假的决策信心，输出内容也零散不成体系。企业真正需要的，是能够嵌入自身工作流程、且能力超越单纯语言处理的专用AI—— 它能打通业务战略、技术版图与专利布局，形成统一连贯的完整图景。
大多数传统的知识产权团队工作体系都围绕着被动式知识产权成果获取搭建。当在业务形态清晰、研发路径可预期，且团队能依托成熟的发明人群体与发明收集流程开展工作的场景下，这类团队的运作效果十分理想。因此在此类稳定环境中，传统知识产权团队可高效地将发明成果转化为法律保护。但这类团队通常不会主动审视当前产出的发明披露是否匹配业务真实需求，也不会承担起规划、打造业务真正所需的专利组合的职责。
当业务推进节奏加快时，被动式知识产权成果获取模式的局限性会暴露得尤为明显。包括开拓新领域、应对竞争对手的强势行动及外部压力，这些场景都会暴露出业务需求与IP职能交付之间的缺口。这一缺口并非只在剧烈变革期才会引发问题。即便在相对稳定的阶段，仅被动接收发明人自发提交成果的IP职能，也会系统性地出现战略布局缺位的问题。
这一缺口在实际业务中会呈现多种形式，各类情况都会对业务成效造成严重影响：
对大多数企业而言，数字化转型与人工智能的发展加快了业务演进的节奏，但随之上述各类缺口也反复暴露。因此，核心议题已不再是是否要升级专利组合规划模式，而是如何实现系统化、规模化的升级落地。对众多走在行业前列的知识产权团队而言 —— 无论是已跻身世界一流水准，还是仍在成长提升过程中，答案都在于进行结构性转型，即建立一种非传统的主动型知识产权能力——IP Catalyst能力。
IP Catalyst能力是一种职能体系，而非固定的岗位名称。它融合了商业、技术与知识产权领域的复合技能，与律师、法务助理、专利组合经理的传统工作形成互补。在部分企业中，这项能力由专属岗位承载；在另一些企业里，则由现有知识产权从业者调整职责范围与工作方式来落地。与被动承接发明人提交成果的传统知识产权的工作不同，IP Catalyst工作始终走在业务发展节奏之前：在战略举措落地前协助业务与技术管理层明确所需的专利组合布局；在战略推进过程中，与发明人协同打磨发明方向、激发创意产出；待业务步入稳定新阶段后，再对最终形成的专利布局进行整合巩固。
从核心本质来看，IP Catalyst工作以分析为导向，立足于商业与知识产权一体化的情报思维，综合业务背景、技术版图、竞争对手动态与知识产权数据，构建出全局化、数据驱动的完整研判图景，明确专利布局的关键落点。
这种工作模式将工作重心从被动收集随机产出的发明成果，转向主动规划发明的布局方向、打造业务真正所需的知识产权组合。这正是业务导向型专利组合规划在实务中的核心内涵。
IP Catalyst模式成效显著，但仅靠传统方式难以实现规模化落地。
首要挑战在于适配人才的稀缺。无论是以专属IP Catalyst岗位的形式履职，还是由现有知识产权从业者在原有职责基础上拓展承担这项工作，都要求从业者兼具商业理解力、深厚的技术洞察力与扎实的知识产权实务知识，且往往需要覆盖多个动态变化的业务领域。符合这一能力画像的人才寥寥无几，岗位对复合技能的要求近乎全能型人才。这类人才不仅招聘难度大，留存难度更高。一旦资深IP Catalyst人员离职，其沉淀的业务背景、人脉资源与专业研判经验都会随之流失，团队的组织记忆与核心能力也会出现断层。
第二个挑战在于，这项工作对信息整合与专业判断的强度要求极高，这也直接限制了单人可覆盖的业务范围。理解商业模式与动态竞争环境、研判专利版图、串联跨技术与跨市场的发展动态、保障多项战略举措的布局一致性，所有这些工作都需要投入大量精力。单个IP Catalyst人员能够保质保量覆盖的业务领域数量，是这项工作规模化推进的硬性上限。
综合而言，受上述挑战限制，即便转型意愿强烈的企业，也往往会退回被动式知识产权成果获取模式。
这正是人工智能的用武之地。
人工智能解决方案正持续提升IP Catalyst能力在专利组合规划中的规模化落地与实际效能，而面向主动型、业务导向型的知识产权工作领域，对应的AI解决方案市场仍处于发展演进阶段。目前市场上已涌现出多款早期AI方案，用于支撑创意激发与专利组合决策工作。随着Anthropic、OpenAI等机构的基础模型能力愈发深度地融入各类专用工具与平台，我们预计这一市场将持续发展成熟。
随着这类平台与工具的发展逐渐成熟，IP Catalyst工作的多个核心环节都将显著受益。在目标专利组合规划环节，AI可协助梳理整合复杂的商业、技术与知识产权信息，明确核心价值落点、潜在竞争博弈点与关键控制点，为IP Catalyst岗位提供决策支撑。在发明产出支撑环节，AI能够快速分析海量技术与专利数据集，帮助相关各方更全面地掌握技术背景、竞争对手动态、技术与专利布局空白点，以及可落地的发明方向，强化支撑效果。最后，AI可协助IP Catalyst岗位以业务战略目标为导向管理发明披露全流程：确保对核心发明披露进行优先级排序与打磨优化，以此填补关键业务缺口，而非单纯提升处理速度。这正是IP Catalyst岗位的专业判断与AI的广域分析能力形成协同、发挥最大价值的核心场景。
AI要真正发挥价值，必须是针对该工作场景定制开发的。通用型工具无法掌握企业自身的专利组合、工作流程与业务优先级，充其量只能加快单个孤立环节的处理速度，未必能提升专利产出的实际质量。选型不当的AI工具，反而很容易生成杂乱零散、缺乏战略价值的专利组合，营造虚假的决策信心，最终产出的专利与企业实际业务需求完全脱节。甚至更坏的情况下，这类专利非但无法支撑本应巩固的业务地位，反而会削弱企业的竞争优势，带来责任隐患。
即便是专为知识产权领域打造的工具，也并非天然就是更优解。这类工具大多以通用SaaS应用的形式交付，虽具备知识产权领域的专属功能，但仍与企业自身的工作流程脱节，也无法适配企业的技术与业务背景。真正能带来本质变革的，是具备两大差异化特性的专用AI：它既能将业务背景、技术版图与专利布局整合为连贯统一的研判图景，又能深度嵌入企业的工作流程。这标志着AI的价值定位，从解决孤立的知识产权单点任务，升级为提供决策支撑的AI驱动型平台。这类平台目前仍十分稀缺，但它们将成为下一阶段知识产权工作的核心运行载体。
过去几年，我们愈发明显地观察到，先行布局AI的企业客户屡屡触碰到专用工具的能力边界，转而试图用通用型服务填补缺口，导致最终产出的内容过于空泛、普适性过强，无法形成具备实操性的业务指导价值。我们也频繁被问及，是否唯有内部自研这类一体化支撑平台才是解决之道，但对大多数知识产权部门而言，这往往超出了其资源储备与专业能力的承载范围。
从被动式知识产权成果获取向规划型专利组合的转型，是一场结构性变革，而非单纯的工具升级。这一转型有赖于三大核心要素协同发力：一是IP Catalyst能力，为专利组合决策注入商业情报与专业判断；二是配套组织架构，保障IP Catalyst能力深度融入适当的业务、产品及发明人协作场景；三是适配的专用AI，支撑该项能力匹配当下业务需求实现规模化落地。
Konsert自2023年起全面采用AI赋能
Sapivia.ai是Konsert自研的知识图谱驱动型AI平台，可打通商业、技术与知识产权三类知识体系，构建出客户竞争环境的动态数字化全景。该平台以Konsert专属方法论与数十年业务导向型知识产权管理经验为核心底座，由Konsert自有技术团队主导研发，并获得Rouse Group CTO团队的技术支持。
依托Sapivia平台，Konsert可为各类知识产权部门提供下一代AI驱动型决策支撑服务，覆盖多元应用场景，AI 赋能专利组合规划便是核心应用之一。
作者：Sebastian Borregaard，高级经理，Konsert Strategy & IP，
sebastian.borregaard@konsert.com
Robin Sparrefors，合伙人，战略与增长负责人，Konsert Strategy & IP，
中文校对：匡霖，资深专利代理师，路盛律师事务所，邮箱：lkuang@lushenglawyers.com