[AI·소프트웨어] 강한 AI 특허 만들기 2편 — 한정하되, 경쟁사가 피할 수 없는 구성으로

진보성 거절에 대응할 때는 등록 이후 경쟁 제품에서 확인할 수 있는지도 살펴야 합니다. 실제 보정 사례와 세 가지 선택지를 통해 결과의 쓰임으로 한정하는 방법을 다룹니다.

진보성 거절을 받은 AI 특허는 무엇으로든 한정해야 합니다. 문제는 무엇으로 한정하느냐입니다. 제가 출원공개 뒤 등록된 국내 AI 특허 45건의 청구항 1을 출원공개 때와 비교해 보니, 바뀐 38건에서 덧붙은 한정의 절반 가까이가 학습 방식이나 학습 데이터 같은 모델 내부였고, 결과의 쓰임으로 한정한 것은 열에 하나였습니다. 모델 내부로 한정하면 등록은 쉬워지지만, 경쟁사는 그 한정을 보이지 않는 곳에서 바꿔 비켜 갈 수 있습니다. 이 글은 실제 등록특허들이 무엇을 덧붙였는지 청구항 문구로 확인하고, 같은 거절이유 앞에 놓인 세 가지 선택지를 예시로 비교합니다. 결론은 하나입니다. 한정하되, 경쟁사가 피할 수 없는 구성으로 한정해야 합니다.

1. 세 단계 청구항은 왜 한정되나

AI 발명을 처음 청구할 때 가장 흔한 꼴은 세 단계입니다. 데이터를 입력받고, 학습된 모델로 추론해, 결과를 냅니다. 이 꼴은 넓어 보이지만 그대로 등록되기 어렵습니다. 같은 입력을 같은 종류의 모델에 넣어 결과를 낸 선행기술이 거의 언제나 있기 때문입니다. 지식재산처의 AI 발명 심사 기준도 AI를 구체적으로 적지 않은 청구항은 공지된 AI를 단순히 이용한 것으로 봅니다. 그래서 진보성 거절이유가 오고, 출원인은 무언가를 덧붙여 청구항을 한정합니다.

45건 가운데 청구항 1이 사실상 그대로 등록된 것은 7건뿐이었습니다. 나머지 38건에서 무엇이 덧붙었는지를 보면, 모델 내부와 처리 로직, 곧 경쟁 제품 밖에서 확인하기 어려운 쪽이 68%를 차지합니다. 명세서에 가장 자세히 적혀 있고 선행기술과의 차이를 만들기 쉬운 곳이어서일 것입니다. 표본이 작아 방향만 읽어야 하지만, 방향은 분명합니다.

2. 모델 내부로 한정한 등록특허들

표본 가운데 네 건을 청구항 문구로 보겠습니다(표 1). 출원공개 때의 청구항 1과 등록된 청구항 1을 맞대어, 등록 과정에서 더해진 한정만 추렸습니다.

표 1 | 등록 과정에서 모델 내부로 한정한 예

자료: 출원공개·등록공보 대조

네 건 모두 이런 한정을 더한 뒤 등록됐습니다. 선행기술과의 차이를 주장하기 쉬운 구체적 수단이고, 명세서에 근거가 있으며, 덧붙이기도 쉬웠을 것입니다. 그러나 경쟁사 쪽에서 보면 이야기가 달라집니다. 네 한정은 모두 경쟁사의 서버나 학습 과정 안에서 일어나는 일이어서, 특허권자가 경쟁 제품을 사서 써 봐도 확인할 길이 마땅치 않습니다. 확인하더라도 경쟁사는 손실 함수 하나, 증강 방식 하나만 바꾸면 청구항 밖으로 나갑니다. 1편의 뷰노 사건에서 다툼이 결국 경쟁 제품의 모델 구조로 모였던 것과 같은 구조입니다.

보이는 한정과 보이지 않는 한정을 함께 덧붙인 경우도 있습니다. 표본의 조립 PC 부품 추천 특허는 사용자가 고른 부품과 함께 쓰면 성능이 오르는 부품을 아이콘이나 배지로 먼저 보여 주는 구성을 덧붙였습니다. 화면에서 바로 보이는 한정입니다. 그런데 같은 청구항에 가상 PC와 실제 조립 PC의 성능 차이를 줄이도록 강화 학습시킨 모델도 함께 덧붙였습니다. 독립항의 구성은 하나도 빠짐없이 증명해야 하므로, 이 청구항의 입증은 결국 보이지 않는 쪽에 묶입니다.

모델 내부로 한정하면 치르는 비용이 하나 더 있습니다. 심사 과정에서 거절을 피하려고 스스로 덜어 낸 범위는, 나중에 침해소송에서 균등을 내세워 되찾기 어렵습니다(출원경과 금반언). 손실 함수 하나, 증강 방식 하나를 바꾼 경쟁 제품을 두고 실질적으로 같다고 다투기가 그만큼 어려워집니다. 등록을 위해 내준 것이 침해 단계에서는 경쟁사의 출구가 되는 셈입니다.

3. 결과의 쓰임으로 한정한 등록특허

반대 방향으로 한정한 등록특허도 있습니다. 표본과 별도로 고른 LG전자의 로봇 청소기 특허를 보겠습니다(표 2).

표 2 | 결과의 쓰임으로 한정한 국내 AI 등록특허

자료: 출원공개·등록공보 대조

LG전자의 로봇 청소기 특허는 구성원을 알아본 결과로 무엇을 하는지, 곧 방을 쓰는 사람이 있으면 그 방을 건너뛰는 동작으로 한정했습니다. 인식 방법이나 모델의 내부는 덧붙이지 않았고, 이 동작은 집에서 써 보면 바로 보입니다.

다만 밖에서 동작을 확인할 수 있다고 모든 구성의 침해가 입증되는 것은 아닙니다. 구성원을 알아보고 구성원마다 쓰는 방을 판단하는 과정은 기기 안에서 일어나 따로 확인이 필요할 수 있습니다. 청소를 건너뛰는 규칙도 밖에서 보이기는 하지만 경쟁사가 꼭 따라야 하는 규칙은 아니어서, 다른 규칙을 쓰는 제품에는 미치지 않을 수 있습니다. 결과의 쓰임으로 한정하더라도 독립항에 안에서만 일어나는 구성이 남지 않았는지, 그 쓰임을 경쟁사도 피하기 어려운지 함께 살펴야 하는 이유입니다.

저에게도 비슷한 경험이 있습니다. 몇 해 전 맡았던 AI 특허 한 건은 독립항에 데이터를 받아 판단하는 단계만 적혀 있었고, 심사관은 선행문헌 두 건을 묶어 진보성을 부정했습니다. 모델 구조나 학습 데이터로 한정하는 길도 있었지만, 저는 판단 결과에 따라 담당자에게 후속 작업을 지시하는 구성을 독립항에 더했습니다. 명세서의 실시예에 적어 두었던 구성입니다. 이 구성을 고른 이유는 두 가지였습니다. 비슷한 서비스라면 판단 결과를 보여 주는 데서 끝낼 수 없어, 결과를 누가 무엇을 할지로 바꾸는 단계가 어떤 식으로든 들어갑니다. 그리고 그 지시는 담당자의 화면에 그대로 드러나 밖에서 확인됩니다. 등록 뒤 시장에 나온 비슷한 서비스들을 살펴보니 모두 이 단계를 거치고 있었고, 문언은 좁아졌어도 가장 강한 한정이 됐습니다.

4. 같은 거절이유, 세 갈래의 보정

1편에서 쓴 진열대 결품 감지 AI로 선택지를 비교해 보겠습니다. 출원 때의 독립항은 ‘진열대 영상을 학습된 모델에 넣어 칸별 결품 여부를 판단하고, 그 결과를 직원 단말에 알리는 방법’입니다. 심사관이 매장 영상으로 결품을 찾는 선행 논문과 재고 알림 시스템을 결합해 진보성을 부정했다고 해 보겠습니다. 명세서에 아래 세 가지가 모두 적혀 있다면 무엇으로 한정해야 할까요(표 3).

표 3 | 같은 거절이유 앞의 세 가지 보정

A와 B로도 선행기술과의 차이는 만들 수 있지만, 등록된 뒤에는 경쟁사 안에서만 확인되는 청구항이 남습니다. C는 결과 데이터의 활용을 구체화해 더 나은 효과를 낸 경우로, 지식재산처 심사 기준이 진보성을 인정할 수 있다고 한 바로 그 유형입니다. 다만 C를 고른다고 끝나지 않습니다. 순서 규칙을 지나치게 구체적으로 적으면 경쟁사는 다른 규칙으로 보충 목록을 만들어 비켜 갑니다. 그래서 독립항에는 ‘결품 판단 결과에 따라 보충 작업을 만들어 작업자 단말에 제공한다’는 핵심 동작과, 그 동작에 기술적 근거를 주는 입력(칸마다 등록된 상품 정보)을 기재하고, 순서 규칙은 종속항으로 내립니다. 보충까지 걸린 시간처럼 효과를 보여 줄 숫자를 명세서에 남겨 두면 C의 진보성 주장이 한결 쉬워집니다.

C로 보정할 때 의견서에서 할 일은 셋입니다. 첫째, 인용발명들은 결품 여부를 알리는 데서 멈추고 보충 작업을 만들어 작업자 단말에 제공하는 구성이 없다는 점을 짚습니다. 둘째, 칸마다 등록된 상품 정보를 함께 입력해야 ‘어떤 상품이 빠졌는지’를 알 수 있고, 그래야 보충 작업을 만들 수 있다는 기술적 연결을 설명합니다. 셋째, 명세서에 적어 둔 효과를 숫자로 대어 단순한 업무 규칙을 컴퓨터로 옮긴 것이 아니라는 점을 보입니다. 결과의 쓰임으로 한정한 청구항이 ‘영업 방법을 AI로 시스템화한 것’으로 몰리지 않으려면 이 연결이 꼭 필요합니다.

5. 한정할 구성을 고르는 네 가지 질문

진보성 거절을 받으면 저는 덧붙일 구성을 고르기 전에 청구항을 알고리즘이 아니라 상황으로 다시 읽습니다. 어떤 상황에서, 무엇을 판단해, 그 결과로 무엇을 하는가. 알고리즘은 다음 세대 모델에서 바뀌지만, 그 상황에서 하는 일은 잘 바뀌지 않습니다. AI 발명을 학습과 추론의 흐름으로 펼쳐 보면 특허를 걸 수 있는 자리가 다섯 곳 보이는데(아래 그림), 밖에서 보이는 자리는 추론의 끝, 곧 출력 화면과 서비스 규칙에 몰려 있습니다.

AI 발명의 흐름 · 학습 4단계, 추론 5단계, 특허 자리 5곳

다섯 자리의 무게는 같지 않습니다. 모델 자체는 공개 모델과 대형 기업의 영역이 되었고 침해를 보여 주기도 어렵습니다. 예외는 모델을 기기에 맞게 줄여 올리는 방법 정도입니다. 학습 데이터와 학습 쪽 전처리는 경쟁사 내부에서 일어나 밖에서 보기 어렵습니다. 반면 출력 화면과 서비스 규칙은 제품이 고객을 만나는 자리에 있습니다. 화면만으로는 약하지만, 화면을 만드는 방법이나 출력을 쓰는 규칙과 묶으면 특허가 되고 밖에서도 보입니다. 진보성 거절을 받았을 때 먼저 들여다볼 곳이 여기입니다.

한정할 구성을 고를 때는 다음을 묻습니다.

경쟁 서비스도 이 구성 없이는 상품이 되기 어려운가.

이 구성은 경쟁 제품의 화면, 보고서, 기기 동작에서 보이는가.

이 구성은 출원할 때 명세서에 이미 적혀 있는가.

이 구성이 평범하다면, 현장의 규칙과 함께 묶어 선행기술과 다르게 만들 수 있는가.

셋째 질문이 가장 엄격합니다. 보정은 처음 출원한 명세서에 적힌 범위 안에서만 할 수 있습니다(특허법 제47조 제2항). 거절이유를 받고 나서 좋은 구성을 찾아도 명세서에 없으면 쓸 수 없습니다. 그래서 강한 AI 특허는 출원할 때부터 결과의 쓰임을 여러 갈래로 넉넉히 적어 둡니다. 모델 내부는 종속항과 명세서에 두어 무효 공격에 대비한 후퇴선으로 쓰고, 독립항을 한정할 때는 결과의 쓰임부터 꺼냅니다.

첫째 질문도 가볍게 넘길 수 없습니다. 보이는 구성으로 한정해도 경쟁 제품이 그 단계를 거치지 않으면 소용이 없습니다. 미국의 VB Assets는 아마존의 음성 비서 Alexa를 상대로 한 소송에 음성 구매 특허도 내세웠습니다. 그 청구항은 사용자의 말에서 살 상품을 정한 뒤, 결제정보와 배송정보를 그 구매에 써도 되는지 사용자에게 확인을 요청하는 단계로 끝납니다. 그러나 원고 측 전문가의 시연에서 Alexa는 ‘buy it now’라는 말에 배송지와 총액을 알렸을 뿐, 결제수단을 말하지도 확인을 묻지도 않았습니다. 배심은 침해를 인정했으나, 2024년 9월 법원은 이 청구항에 대해서는 평결을 뒤집었습니다. 귀로 들을 수 있는 구성이었지만 경쟁 제품이 꼭 거쳐야 하는 단계는 아니었습니다.

좁은 길목이 넓은 들판보다 지키기 쉽습니다. 강한 한정의 다른 이름은 경쟁사가 반드시 지나는 길목입니다. 다음 글에서는 청구항의 종류마다 커버하는 실시 주체가 다르다는 점, 곧 학습이 아니라 추론을 청구해야 하는 이유를 다룹니다.

글 | 강대환 대표변리사

다음 편 → 3편 · 학습이 아니라 추론을 청구한다

← 이전 편 · 1편 · AI 특허는 등록이 아니라 입증에서 갈린다

인사이트 목록으로