[AI·소프트웨어] 강한 AI 특허 만들기 6편 — 한 건이 아니라 층으로, 그리고 시간으로
AI 제품의 여러 기술 층과 실시 주체를 함께 보호하려면 청구항과 출원 시점을 나누어 설계해야 합니다. 실제 소송의 특허 묶음을 통해 독립항·종속항·분할출원·계속출원의 역할을 살펴봅니다.
강한 AI 특허는 한 건의 청구항이 아니라 여러 겹의 청구항과 여러 건의 특허, 그리고 시간으로 막습니다. 소송에 나선 특허권자들은 제품의 여러 층을 겨냥한 특허를 함께 내세웠고, 그중 한 곳은 2009년의 가출원 하나에서 십 년 넘게 계속출원을 이어 온 특허들로 구글과 맞섰습니다. 반면 제가 살펴본 국내 AI 등록특허 400건에서는 셋 중 하나가 독립항이 하나뿐입니다. 저는 독립항을 실시 주체별로 넓게 만들고, 종속항을 보이는 것에서 보이지 않는 것 순으로 깊게 쌓으며, 등록을 앞두고 변형 제품을 가정해 분할출원으로 공백을 메웁니다. 이 글은 실제 소송의 특허 묶음을 층별로 뜯어보고, 같은 방식으로 짠 청구항 세트의 예를 보인 뒤, 연재를 닫으며 여섯 편의 내용을 다섯 원칙으로 줄입니다.
1. 소송에 나온 특허는 몇 건이었나
미국의 HeartFlow는 2026년 4월 경쟁사 Cleerly를 제소하며 특허 여섯 건을 내세웠습니다(소장). 여섯 건을 무엇을 청구했는지로 늘어놓으면, 심장 CT 영상을 받아 위험을 평가하기까지의 흐름이 층마다 덮여 있습니다(표 1).
표 1 | HeartFlow가 내세운 특허 여섯 건과 겨냥한 층
| 층 | 특허 | 청구한 것(요지) |
|---|---|---|
| 영상 분할 | US 11,288,813 | 영상 속 해부학적 구조(주된 예는 관상동맥)의 경계를 학습된 모델로 예측 |
| 모델 보정 | US 9,607,386 | 해부학적 모델에 생긴 인위적 변형을 찾아 변형되지 않은 형태로 고침 |
| 혈류 추정 | US 11,382,569 | 여러 사람의 혈관 기하 모델과 혈류 값으로 학습한 머신러닝을 새 환자에게 적용해 혈류 특성을 구함 |
| 혈류 추정 | US 11,013,425 | 여러 사람의 해부학적 데이터와 혈류 특성의 관계를 머신러닝으로 찾아 새 환자의 혈류 특성을 추정 |
| 플라크 평가 | US 9,770,303 | 영상·기하·유동·구조 해석으로 관상동맥 플라크의 취약성을 예측 |
| 종합 점수 | US 9,839,399 | 여러 관상동맥의 3차원 모델을 평가해 심혈관 점수를 산출 |
자료: 소장, 등록공보 요약
경쟁사가 분할 방식을 바꿔도 혈류 추정이 남고, 혈류 추정 방식을 바꿔도 플라크 평가와 종합 점수가 남습니다. 한 층을 비켜 가도 다른 층의 특허가 커버하는 구조입니다. 여섯 건 가운데 다섯 건은 각각 15~43건의 패밀리에 속해 있어(검색 데이터베이스 기준), 같은 명세서에서 갈라져 나온 청구항이 여러 나라와 여러 시점에 퍼져 있습니다.
여러 건을 함께 내세우면 한 건이 무너져도 소송이 남습니다. 미국의 VB Assets는 아마존의 음성 비서 Alexa를 상대로 특허 네 건을 내세워 2023년 11월 4,670만 달러의 배심 평결을 받았습니다. 2024년 9월 법원은 그 가운데 음성 구매 특허의 침해 평결을 뒤집었지만, 대화의 맥락으로 말뜻을 가리는 특허 등 나머지 세 건이 버텨 배상액은 약 4,000만 달러로 줄었을 뿐입니다. 음성 구매 특허 한 건만 내세웠다면 아무것도 남지 않았을 것입니다.
미국의 Singular Computing은 시간으로 짠 그물을 보여 줍니다. 정밀도를 낮춘 연산 장치를 한 칩에 많이 두는 발명은 2009년 6월의 가출원에서 시작했습니다. 2012년 첫 미국 특허(US 8,150,902)가 나온 뒤 2013년 US 8,407,273, 2015년 US 9,218,156, 2019년 US 10,416,961로 계속출원이 이어졌고, 그 뒤로도 같은 이름의 특허가 계속 나왔습니다. 패밀리는 57건입니다. 그 가운데에는 2017년에 출원한 US 10,120,648처럼, 저정밀 연산에 소량의 고정밀 연산을 섞어 검색 품질을 높이는 쓰임을 같은 명세서에서 따로 잘라 낸 특허도 있습니다. 구글을 상대로 한 소송에는 이 가운데 세 건이 쓰였습니다. 표현 범위와 오차를 숫자로 정한 청구항, 이런 연산 장치를 32비트 부동소수점 곱셈 장치보다 100개 이상 많이 둔 칩의 청구항처럼, 같은 발명을 다른 각도에서 잘라 낸 청구항들입니다. 2024년 1월 배심 재판의 최종 변론 직전에 두 회사는 합의했습니다(The Register).
반면 중국의 Xiao-i는 2004년에 출원한 채팅 로봇 특허 한 건으로 애플과 십 년 넘게 싸웠습니다. 무효 공방은 이겼지만, 1심은 청구항의 여섯 특징 가운데 두 가지가 Siri에 없다며 침해를 인정하지 않았습니다. 특허는 이미 2024년 8월 만료돼, 이겼더라도 과거의 손해배상만 남는 싸움이었습니다. 이어 갈 가족도 없었습니다. 특허가 한 건이면 그 한 건의 문언이 곧 승부입니다. 상대가 그 문언의 구성 하나만 피해도, 법원이 구성 하나만 좁게 읽어도 끝납니다. 한 건의 특허가 낚싯줄이라면, 층과 시간으로 짠 특허는 그물입니다.
2. 한 건 안의 층: 독립항은 넓게, 종속항은 깊게

한 건 안의 청구항 세트 · 독립항 4종, 종속항 4층
한 건 안에서도 그물을 짤 수 있습니다. 독립항은 실시 주체마다 하나씩 만듭니다. 장치는 만들어 파는 회사를, 방법은 시스템을 돌리는 주체를, 기록매체에 저장된 프로그램은 소프트웨어 공급사를 겨냥합니다. 이 세 독립항은 같은 핵심, 곧 입력과 출력과 출력의 쓰임을 공유하며 넓게 씁니다. 학습하는 경쟁사가 따로 있다면 학습 과정 자체를 청구하는 학습 방법 독립항을 따로 더합니다. 종속항은 아래로 깊게 쌓습니다. 위층일수록 밖에서 보이고, 아래층일수록 보이지 않지만 선행기술과의 차이는 분명해집니다.
1편부터 써 온 진열대 결품 감지 AI로 청구항 세트를 짜 보면 다음과 같습니다.
독립항 1(방법): 칸마다 등록된 상품 정보와 진열대 영상을 학습된 모델에 넣어 칸별 결품을 판단하고, 판단 결과에 따라 보충 작업을 만들어 작업자 단말에 제공하는 방법
독립항 2(장치)와 독립항 3(매체에 저장된 프로그램): 같은 핵심을 장치와 프로그램으로
독립항 4(학습 방법, 선택): 칸별 결품 라벨을 붙인 학습 데이터로 모델을 학습시키는 방법
종속항 1층(출력의 쓰임): 보충 순서를 결품 지속 시간과 창고 재고 위치로 정함, 같은 결품이 되풀이되는 칸을 본사 화면에 표시함
종속항 2층(입력과 전처리): 칸 경계 좌표로 영상을 잘라 상품 코드와 짝지음
종속항 3층(학습 데이터): 조명과 각도를 바꿔 합성한 영상과 칸별 라벨
종속항 4층(모델 구조): 칸 위치 정보를 더한 주의 층
독립항을 넓게 쓴다는 것은 필요 없는 말을 빼는 일입니다. 같은 독립항 1이라도 ‘합성곱 신경망으로’ 판단한다고 적으면 다른 모델을 쓰는 경쟁사가 빠져나가고, ‘스마트폰 앱의 푸시 알림으로’ 보충 작업을 알린다고 적으면 매장용 태블릿이나 무선 단말을 쓰는 경쟁사가 빠져나갑니다. 독립항의 낱말 하나하나가 경쟁사의 출구가 될 수 있습니다. 그래서 독립항에는 ‘학습된 모델’, ‘작업자 단말’처럼 기능으로 정의한 말을 쓰고, 구체적인 모델과 단말은 종속항과 명세서의 실시예에 기재합니다.
무효 공격을 받으면 위층부터 차례로 물러섭니다. 1층으로 물러서도 여전히 작업 목록 화면에서 보이는 한정입니다. 2층은 관리자 화면에서 칸 경계와 상품 코드를 등록하는 모습까지는 보이지만, 영상을 실제로 어떻게 잘라 짝짓는지는 안에서 일어나는 일이라 여기서부터 입증 부담이 커집니다. 3층과 4층은 보이지 않지만 선행기술과의 차이가 가장 분명해, 마지막 후퇴선이 됩니다. 물러선 자리에서도 될 수 있는 한 보이는 한정으로 버티는 것이 이 순서의 목적입니다.
3. 국내 AI 등록특허의 청구항 세트
국내 AI 등록특허 400건을 청구항 세트로 보면 그물이 성긴 경우가 적지 않습니다. 심사 중 삭제된 청구항을 빼고 세면, 독립항이 하나뿐인 특허가 128건(32%)이고, 등록 청구항이 3개 이하로 남아 무효 공격을 받았을 때 물러설 자리가 거의 없는 특허도 59건(15%)입니다. 독립항의 종류로 보면 장치나 방법 한 가지뿐인 특허가 143건(36%)이고, 장치·방법·기록매체를 모두 갖춘 특허는 46건(12%)에 그칩니다. HeartFlow의 여섯 건이 층마다 따로 서 있는 것과 달리, 표본의 특허 세 건 가운데 한 건은 독립항 하나에 모든 것을 건 셈입니다. 청구항이 적으면 무효심판에서 쓸 수 있는 후퇴선도 적습니다. 등록 뒤의 정정은 청구범위를 줄이거나, 잘못 적은 것을 바로잡거나, 불명확한 것을 명확히 하는 데 그치고, 범위를 실질적으로 넓히거나 바꿀 수는 없습니다(특허법 제136조). 그래서 선행기술을 피하려면 청구범위를 줄일 수밖에 없는데, 물러설 종속항이 없으면 독립항을 새 문구로 줄여야 하고 그 문구는 다시 명세서에 근거가 있어야 합니다.
한 가지 종류만 청구하면 3편에서 본 문제가 그대로 남습니다. 방법만 있으면 설치형 제품의 공급사를 직접 잡기 어렵고, 장치만 있으면 소프트웨어만 파는 회사가 빠져나갑니다. 제 최근 명세서는 절반이 넘게 장치·방법·기록매체 독립항을 함께 갖춥니다. 한 건을 받더라도 그 한 건 안에 이미 여러 갈래의 줄을 짜 두는 것입니다.
표본과 판독. 1편·3편의 400건과 같습니다. 독립항의 수는 삭제되지 않은 청구항 기준이고, 독립항의 종류는 청구항의 끝맺음(장치, 방법, 기록매체)으로 자동 분류했습니다. 종류를 가리지 못한 8건은 비율에서 빼지 않았습니다.
4. 시간으로 막기: 분할출원, 분리출원, 계속출원
AI 제품은 빨리 바뀝니다. 출원할 때 쓴 청구항이 몇 년 뒤의 경쟁 제품을 정확히 겨냥하기는 어렵습니다. 그래서 등록으로 끝내지 않고 출원의 가족을 살려 둡니다. 한국에서는 심사 중 보정할 수 있는 기간과 거절결정에 불복할 수 있는 기간에 분할출원을 낼 수 있고, 특허결정을 받은 뒤에도 설정등록 전이면 등본을 받은 날부터 3개월 안에 분할출원을 낼 수 있습니다. 거절결정불복심판이 기각된 뒤에도, 심결 등본을 받은 날부터 30일 안에 거절되지 않았던 청구항 등을 떼어 새 출원으로 낼 수 있습니다(분리출원, 특허법 제52조의2, 2022년 4월 20일 이후 청구된 심판부터). 미국은 모출원이 등록되거나 포기되기 전이면 계속출원을 낼 수 있습니다. 분할출원과 계속출원의 청구항은 처음 명세서에 적힌 범위 안이라면 원칙적으로 처음 출원한 날에 낸 것으로 보므로, 그 사이에 나온 경쟁 제품이나 문헌이 선행기술이 되지 않습니다. 살아 있는 출원이 있으면, 경쟁 제품이 나온 뒤에 그 제품을 겨냥한 청구항을 명세서의 범위 안에서 새로 쓸 수 있습니다. 인트로의 앞선 인사이트 글에서 다룬 계속출원과 분할출원 이야기는 AI 특허에서 더 절실합니다.
저는 등록을 앞둔 AI 특허마다 변형 제품을 가정해 봅니다. 결품 감지 AI라면 이런 질문입니다. 경쟁사가 보충 작업 목록 대신 자동 발주를 걸면 지금의 청구항이 커버하는가. 칸 단위가 아니라 상품 단위로 결품을 판단하면 커버하는가. 카메라 대신 선반의 무게 센서로 결품을 알아내면 커버하는가. 서비스형을 설치형으로 바꾸면 커버하는가. 커버하지 못하는 공백이 보이면, 그 공백을 메우는 청구항으로 분할출원을 냅니다. 등록을 앞둔 시점은 경쟁 제품의 모습이 가장 잘 보이면서도 아직 가족을 이어 갈 수 있는 마지막 때입니다. 한국이라면 특허결정을 받은 뒤 등록료를 내기 전에 경쟁 제품을 다시 살피고, 3개월 안에 분할출원 여부를 정합니다. 등록료를 내 설정등록이 되면 그 출원에서는 더 이상 가족을 이을 수 없습니다. 모든 특허의 가족을 살려 둘 필요는 없습니다. 경쟁 제품이 이미 나왔거나 곧 나올 시장, 제품이 빨리 바뀌는 기술, 매출이 걸린 핵심 특허에 비용을 모읍니다.
이때 기댈 곳은 다시 명세서입니다. 분할출원과 계속출원의 청구항도 처음 출원한 명세서에 적힌 범위를 넘지 못합니다. 자동 발주나 무게 센서가 명세서에 한 줄도 없다면 분할출원으로도 덮을 수 없습니다. 5편에서 본 것처럼 출력의 쓰임과 변형 예를 명세서에 넉넉히 적어 두어야, 시간이 지난 뒤에도 그물을 다시 던질 수 있습니다.
5. 연재를 닫는 다섯 원칙
여섯 편에 걸쳐 다룬 내용을 제가 AI 특허를 설계할 때 따르는 원칙 다섯 가지로 줄입니다.
알고리즘이 아니라 쓰이는 장면으로 청구합니다. 어떤 상황에서, 무엇을 판단해, 그 결과로 무엇을 하는가를 청구항의 뼈대로 삼습니다.
경쟁 제품에서 확인되는 입력, 출력, 화면, 기기 동작을 독립항의 중심에 두고, 모델 구조와 학습 세부는 가능하면 종속항으로 내립니다.
기술 하나를 층마다 여러 건으로 나누고, 등록 전에 분할출원과 계속출원으로 가족을 이어 갑니다.
학습 데이터 노하우는 특허와 영업비밀로 나눕니다. 정답을 만드는 방법처럼 드러나는 것은 특허로, 데이터 자체와 매개변수는 영업비밀로 둡니다.
청구항을 쓰기 전에 묻습니다. 경쟁사 제품을 보고 이 구성을 확인할 수 있는가.
여섯 편의 이야기를 한 문장으로 줄이면 이렇습니다. AI 특허는 심사관이 아니라 경쟁사를 기준으로 써야 합니다. 심사관은 명세서와 선행기술을 보고 판단하지만, 경쟁사는 제품으로 답하고 법원은 그 제품이 청구항의 구성을 하나하나 갖췄는지를 증거로 판단합니다. 그 증거를 가장 쉽게 얻는 곳이 제품에서 보이는 것입니다.
등록되는 AI 특허와 쓸 수 있는 AI 특허는 같지 않습니다. 앞의 것은 심사관을 설득한 특허이고, 뒤의 것은 경쟁사를 막는 특허입니다. 낚싯줄 한 가닥으로는 강을 막을 수 없습니다. 강한 AI 특허의 다른 이름은 층과 시간으로 짠 그물입니다. 이 연재가 그 그물을 짜는 데 작은 지도가 되기를 바랍니다.
참고한 자료
특허법인 인트로(IntLaw)는 서울 서초구에 있는 특허법인으로, AI·소프트웨어, 반도체 장비·소재, 의료기기, 로봇·피지컬 AI, 산업·융합 딥테크 분야에서 특허전략 수립과 출원, FTO, 기술특례상장 IP 대응을 수행합니다.
이 글은 영상 AI·시각언어모형과 데이터 처리 소프트웨어의 IP-R&D·경쟁특허·FTO를 맡고 있는 강대환 대표변리사가 작성했습니다.