AI 專利申請實戰：如何從 GenAI 創新需求打造 AI 產品護城河？

大多數 PM 一聽到「AI 專利申請」，直覺反應都是：那屬於「底層演算法科學家」或 RD 研發部門的事，與產品經理無關。

但我主導的最高價值專利，往往是從第一線最痛苦的實戰產品需求中生長出來的。在這個開源模型每隔幾個月就大躍進的時代，如果你的產品只依賴「套殼（Wrapper）」呼叫 API，那你的護城河深度基本上為零。

這印證了 OpenAI 產品副總裁 Peter Deng 提出的一把極端鋒利的量尺：「具備預判模型進化的思維」。如果你的 GenAI 創新 是為了解決當前 GPT-4 某個愚蠢的語法缺陷而寫的 workaround，那當模型六個月後自行迭代修復該缺陷時，你的產品價值就會瞬間歸零。

真正別人抄不走的 AI 產品護城河，在於對人類行為與獨特應用場景的深層洞察。這篇文章，我將還原一個真實的 GenAI 金融功能，從需求萌芽、克服萬難上線，最終申請專利保護的完整生命週期。

Phase 1：痛點發現 —— 真正產品價值的源頭（Week 1-2）

故事從一場例行的業務訪談開始。理財專員苦笑著告訴我：

「每次客戶問到跨產品的比較，我需要開啟五個不同的系統查資料，然後自己用紙筆算給他們看。」

五個系統。靠腦力與手動計算。這發生在競爭激烈的現代金融機構裡。

我立刻意識到，這不是一個單純的介面優化問題，而是一個「多源資訊即時整合與個人化推薦」的巨大斷層。這正是 LLM 發揮無感智能的絕佳舞台：讓理專感受不到 AI 介面存在，卻能瞬間獲得綜合答案。

Phase 2：概念驗證 —— 預判模型進化的架構設計（Week 3-6）

我用了兩週寫下 PRD，直指核心：讓理財專員在對話中，用自然語言一次性取得跨系統的投資建議。

在技術選型上，我們嚴守 Peter Deng 的「六個月準則」。我們刻意不去微調 (Fine-tune) 一個專門解析內部財報的特化模型，因為六個月後基礎模型的 Context Window 與理解力絕對會超越我們現在刻苦訓練的盲點。

相反地，我們設計了一套外部掛載架構：

• 動態 API Gateway：安全串接五個壁壘分明的內部核心系統。

• 強悍過濾器：在 RAG 的輸入與輸出兩端獨立加上 PII (個資) 防護網。

• 插拔式大腦：核心模型隨時可以無痛替換成未來的 GPT-5 或是 Claude 4。

憑藉著 Vibe Coding 的強大輔助，我直接與 AI 工具對話產出了上述核心的 API 串接邏輯。這個 PoC（概念驗證）在不佔用大量研發資源的情況下，大約花了四週做出來。

Phase 3：合規審查 —— 把玩具變成企業武器（Week 7-10）

法遵丟出的靈魂拷問：「AI 生成的投資建議，我們需不需要留存所有推論紀錄？」

答案是：必須絕對需要。這迫使我們在架構中加入了嚴密的 Audit Trail（稽核軌跡），將每一次 RAG 檢索的來源文件與生成的最終回覆結構化留存。

這不僅滿足了法規，更在無意間建構了未來能持續優化系統的數據飛輪 (Data Flywheel) 底層架構。

Phase 4：上線與迭代 —— 捕捉真實交互數據（Week 11-16）

上線後的 UAT 測試迎來了最現實的衝擊。我們設計的完美 Prompt Template 預期用戶會用工程師的語言：「請比較 A 基金和 B 基金」。

但真實世界裡長這樣：

「上次你推薦給王太太的那個，跟昨天出的利率比較好的那個，哪個適合我現在的狀況？」

這種極度模糊、高度依賴上下文歷史序列的問題，一般的基礎 RAG 完全無法處理。我們必須根據這些邊緣案例，建立嚴密的 Evaluation (成果評估) 迴圈，透過自動化盲測來快速迭代出具有極強「記憶機制」與推理補全的會話統合模組。

Phase 5：專利化 —— 保護解決問題的獨特思路（Week 17-20）

當系統穩定且高價值地運行兩個月後，我開始準備AI 專利申請。寫專利完全不同於寫 PRD：

• PRD 是告訴團隊「我們接下來要做什麼」。

• 專利 是告訴全世界「我們是用什麼獨一無二的『組合架構』做到的，且這套方法具備新穎創見」。

我與專利律師合作，將這套系統提煉出三個核心的專利請求項：

1. 新穎性：現有系統無法同時兼顧跨系統即時檢索與高監管級別的個資過濾，我們突破了這個瓶頸。

2. 技術手段：定義具體的系統架構交互、模組精密分工、資料流向與法規軌跡控制。

3. 產業利用性：這個架構不只能用在理專，還能廣泛轉移至客服、稽核等任何高度知識密集的金融場景。

---

寫給 GenAI Builder 的三個護城河建議

如果你也想走「從需求到專利」這條高價值的難路，穩固你的 AI 產品護城河：

1. 培養寫作與反思的 Growth Mindset 每個重大功能落地後，強迫自己花 30 分鐘寫下「我們做了什麼、為什麼這樣設計、這和目前的開源方案有什麼不同」。這些反思的結晶，就是專利的雛形。

2. 洞察「獨特痛點」比「死守舊技術」更有價值 專利保護的往往不是你那幾行很快就會過時的 Code，而是保護你**「洞察人類痛點並巧妙組合技術與架構來解決問題的獨特方法論」**。

3. 擁抱模型進化 把演算法升級的焦慮交給 OpenAI 去煩惱。AI PM 的工作是專注於人類永恆的需求，並在這個需求的基礎上，打造能隨著底層模型進化而越來越強的技術生態體系。

至此，「AI PM 系列」告一段落。在這個劇烈變動的時代，最好的防禦就是不斷建造。祝大家都能成為最頂尖的 AI Builder。

💬 延伸閱讀： 2025 年度回顧與未來展望