[AI] AI 학습데이터를 비밀로 유지하면서 특허받을 수 있을까?

비밀로 관리할 정보와 발명을 실시하는 데 필요한 설명을 먼저 나누어야 합니다.

핵심 요약AI 학습 데이터 전체를 공개하지 않고도 특허를 확보할 수 있는지는 발명에 필요한 정보에 달려 있습니다. 원본 데이터와 성능을 만드는 전처리·학습조건을 구분해야 합니다.문제는 학습 데이터의 선별·가공 규칙 자체가 성능 개선을 만들면서 동시에 회사가 외부에 공개하고 싶지 않은 핵심 노하우일 때입니다.특허와 비밀유지는 공개 범위가 다릅니다AI 학습 데이터의 비밀유지와 특허 출원은 발명을 재현하는 데 필요한 정보가 무엇인지 구분하는 데서 출발합니다. 특허로 보호할 핵심 구현은 충분히 설명하고, 원본 학습 파일이나 고객별 데이터 중 공개가 필요하지 않은 정보는 별도로 관리할 수 있는지 검토합니다.데이터 자체와 데이터의 특성을 나눕니다특정 질환 영상의 전처리 방법을 가정하면 데이터의 분포, 레이블 기준, 필요한 특징과 처리 조건이 기술 설명에 중요할 수 있습니다. 환자 식별정보나 고객별 원본 파일이 같은 정도로 필요한 것은 아닙니다. EPO의 AI 심사 지침도 기술적 효과를 재현하는 데 필요한 데이터 특성의 설명을 검토하도록 합니다. 구체적 기재 범위는 발명에 따라 달라집니다.공개하면 손해라는 이유만으로 생략하지 않습니다성능을 만드는 핵심 조건이 특정 선별 규칙인데 이를 전부 숨기면 명세서의 실시가능성이나 뒷받침 문제가 생길 수 있습니다. 필요한 조건은 설명하면서 원본 데이터 접근은 제한할 수 있는지, 아니면 해당 기술을 영업비밀로 관리하는 편이 적합한지 검토해야 합니다. 출원 여부의 판단이 필요한 지점입니다.개발팀과 공개 경계를 표시합니다자료마다 공개 가능, 특성만 설명, 비밀 관리 항목을 표시하고 그 이유를 적습니다. 이후 변리사가 청구항과 설명의 관계를 대조해 빠진 내용을 확인합니다. 인트로는 특허로 공개할 기술과 회사 안에 남길 운영 정보를 함께 검토해, 출원과 비밀관리의 경계를 정리합니다.데이터 원본을 숨기고도 발명을 재현하려면EPO 2026 AI/ML 심사지침과 USPTO 실시가능요건 MPEP §2164을 함께 보면, 공개할 정보를 단순히 ‘데이터셋 이름’으로 결정하기 어렵습니다.정보 유형권리·재현성 판단고객별 원본·식별 가능 기록영업비밀·개인정보로 관리, 명세서에는 필요한 특성을 추상화할 수 있는지 검토표본 선택·정제 기준발명의 핵심 효과를 만든다면 재현 가능한 정도로 기재해야 할 수 있음검증용 지표·대조시험청구효과를 뒷받침하는 시험조건·비교군·성능변화 자료반도체 결함 AI를 예로 들면 희소 결함의 수집방식과 라벨 기준이 새로운 기술이라면, 원본 생산라인 사진을 공개할지와 별도로 그 라벨·전처리 관계를 명세서에 충분히 설명할 수 있는지 판단해야 합니다.인트로 인사이트출원 후보의 자료를 원본 파일, 데이터 특성, 선별·가공 규칙으로 나누고 각각의 구현상 필요성과 접근·관리 방식을 기록합니다. 이를 청구항과 대조하면 발명을 설명하는 데 필요한 정보가 드러납니다. 핵심 조건을 공개하기 어렵다면 특허로 보호할 부분과 비밀로 관리할 부분을 다시 정해야 합니다.관련 자료EPO AI·기계학습 심사 지침특허법 제42조특허법인 인트로 AI·소프트웨어팀관련 전문가: 박시명 변리사노타 AI 특허와 연결된 인트로의 명세서 작성 특별상·수행평가 1위AI·소프트웨어 전문분야 · 인사이트 목록

AI·소프트웨어,AI 특허,인트로,박시명