소프트웨어, 알고리즘, AI 모델도 특허를 받을 수 있을까?

소프트웨어가 특허를 받을 수 있는지 인터넷에 물어보면 두 가지 확실한 답변을 찾을 수 있습니다. 한 쪽에서는 소프트웨어가 추상적이기 때문에 아니라고 말합니다. 다른 하나는 수천 개의 소프트웨어 특허가 존재하기 때문에 그렇다고 말합니다.

두 답변 모두 지나치게 단순해서 실무에는 도움이 되지 않습니다.

다음은 창업자와 엔지니어가 가장 먼저 들었으면 하는 버전입니다. 특허는 일반적으로 코드 블록을 보호하지 않습니다. 저작권은 표현식으로 작성한 코드를 보호합니다. 가능한 경우 특허는 기술적 특징을 통해 설명되고 특허 청구로 정의된 발명을 보호합니다. 이는 경쟁사가 나중에 완전히 다른 코드를 사용하여 해당 기능을 구현하더라도 마찬가지입니다.

그렇기 때문에 세 가지 일반적인 질문에 대한 솔직한 대답은 모두 “때때로”입니다.

• 소프트웨어가 특허를 받을 수 있나요? 때때로.
• 알고리즘이 특허를 받을 수 있나요? 때로는 추상 메서드 이상의 일부인 경우도 있습니다.
• AI 모델도 특허를 받을 수 있나요? 때로는 청구된 발명이 결과에 부착된 “AI”라는 라벨이 아닌 구체적인 기술 솔루션인 경우도 있습니다.

“경우에 따라 다르다”는 답이 답답하다는 것을 압니다. 하지만 여기서 더 유용한 질문이 나옵니다. 이 발명은 어떤 기술적 문제를 어떤 방식으로 해결하며, 청구항에는 정확히 무엇을 담을 것인가?

사람들이 계속 혼동하는 세 가지

이 세 개의 레이어는 하나로 쉽게 접힐 수 있습니다.

코드는 사용자가 작성한 함수, 변수 이름, 구조 및 구현 등 특정 소스 텍스트입니다. 저작권은 해당 표현을 보호할 수 있지만 일반적으로 누군가가 동일한 기능을 수행하는 다른 코드를 독립적으로 작성하는 것을 막지는 못합니다.

알고리즘은 논리 또는 수학적 절차입니다. 정렬 규칙, 채점 공식, 최적화 방법 또는 신경망 아키텍처는 지적으로 인상적이며 상업적으로 가치가 있을 수 있습니다. 그러나 추상적인 측면에서 수학적 방법과 추상적인 아이디어는 일반적으로 특허 보호에서 제외됩니다.

컴퓨터로 구현된 발명은 기술적 결과를 생성하기 위해 정의된 기술 시스템 내에서 작동하는 알고리즘입니다. 이는 예상되는 성능 저하에 따라 배터리 충전을 변경하는 컨트롤러, 센서 왜곡을 보상하는 이미지 처리 파이프라인 또는 통신 네트워크의 혼잡을 줄이는 스케줄링 방법일 수 있습니다.

세 번째 계층은 일반적으로 신뢰할 수 있는 특허 소송이 시작되는 곳입니다. 코드는 하나의 구현입니다. 발명품은 그 밑에 있는 기술적인 가르침입니다.

미국에서는 ‘컴퓨터에’를 추가해도 아무런 변화가 없습니다.

미국에서 소프트웨어 또는 AI 특허 청구는 먼저 35 U.S.C.에 따라 특허 적격 주제에 부합해야 합니다. 101. 법원은 추상적인 사상, 자연 법칙, 자연 현상에 대한 예외를 규정해 왔습니다. 즉, 추상적인 비즈니스 규칙에 “컴퓨터 사용”을 추가한다고 해서 자동으로 발명이 되는 것은 아닙니다.

USPTO의 현재 주제적격성 지침은 무엇보다도 특허 청구가 사법적 예외에 해당하는지, 그리고 해당 예외를 실제 출원에 통합하는지 여부를 묻습니다. AI 사례는 단순히 수학적 개념을 암송하는 특허 주장과 이를 구체적인 응용 프로그램에 사용하는 특허 주장을 의도적으로 대조합니다.

자격은 첫 번째 관문일 뿐입니다. 발명은 여전히 ​​새롭고 유용하며 자명하지 않아야 하며 출원서는 이를 적절하게 설명해야 합니다. 특허 청구는 완벽하게 “기술적”일 수 있지만 이전 특허나 논문에서 이미 공개했기 때문에 여전히 실패할 수 있습니다. 또한 애플리케이션이 기능 달성 방법을 가르치지 않고 기능을 약속하기 때문에 실패할 수도 있습니다.

이것이 소프트웨어 특허성이 명명 연습이 아닌 이유입니다. “AI 기반”, “클라우드 기반” 및 “프로세서로 구현”은 애플리케이션에서 그 기반의 엔지니어링을 설명하지 않는 한 장식적인 것입니다.

유럽은 기여가 기술적인지 묻습니다.

유럽은 다른 언어를 사용하지만 이와 관련된 실질적인 문제에 직면합니다. 유럽 ​​특허 협약에 따라 컴퓨터 프로그램과 수학적 방법은 “그 자체”로 제외됩니다. 그럼에도 불구하고, 컴퓨터로 구현된 발명은 관련 기능이 발명의 기술적 특성에 기여하고 기술적 문제를 해결하는 데 도움이 되는 경우 특허를 받을 수 있습니다.

EPO의 2026년 지침에는 AI와 기계 학습 모델이 그 자체로 본질적으로 추상적인 수학이라고 명시되어 있습니다. 이를 사용한다고 해서 발명이 자동으로 특허를 받을 수 없게 되는 것은 아닙니다. 기술적 목적에 적용하거나 특정 기술 구현에 적용할 때 기여할 수 있습니다.

EPO는 유용한 예를 제공합니다. 불규칙한 심장 박동을 식별하기 위해 심장 모니터링 장치에 사용되는 신경망은 기술적 기여를 할 수 있습니다. 낮은 수준의 신호 특징을 기반으로 이미지, 비디오, 오디오 또는 음성을 분류할 수도 있습니다. 대조적으로, 언어적 내용에 의해서만 텍스트를 분류하는 것은 자동으로 기술적인 목적이 아닙니다.

전 세계적으로 단일한 “소프트웨어 특허” 규칙은 없습니다. 불편하지만 초안 작성 교훈은 간단합니다. 다양한 법률 체계에서 볼 수 있을 만큼 실제 엔지니어링을 철저하게 설명하는 것입니다.

차이점을 드러내는 네 문장

이 쌍을 비교하십시오.

약함: “AI를 사용하여 에너지 소비를 줄입니다”

이 성명서에는 목표와 세련된 도구가 포함되어 있지만 발명품은 포함되어 있지 않습니다. 에너지를 소비하는 것은 무엇입니까? 어떤 신호가 관찰됩니까? 모델은 무엇을 예측합니까? 어떤 물리적 작동이 변경됩니까? 그러한 변화가 단순히 보고하는 것이 아니라 소비를 줄이는 이유는 무엇입니까?

강력함: 산업용 냉각 시스템의 적응형 제어

시스템은 온도, 압력, 유량 및 압축기 상태 데이터를 수신합니다. 단기 열 부하 예측을 생성합니다. 장비 한계에 따라 예측을 제한합니다. 정의된 온도 범위를 유지하면서 최대 수요를 줄이기 위해 압축기 순서를 변경합니다. 이제 모델, 제어 루프, 제약 조건 및 장비 상호 작용을 검색하고 설명할 수 있습니다.

약함: “최고의 공급업체 순위를 매기는 알고리즘”

이는 상업적으로 유용할 수 있지만, 상업적 데이터에서 비즈니스 옵션 순위를 매기는 것은 추상적인 결정 프로세스에 훨씬 더 가까워 보입니다.

더 강력함: 무선 간섭 변화에 따른 네트워크 라우팅

이 방법은 정의된 간격으로 채널 상태를 측정하고, 링크 수준 데이터에서 혼잡 추정치를 생성하고, 대기 시간 제약 조건에 따라 경로 전체에 패킷을 할당하고, 임계값을 초과할 때 라우팅 테이블을 업데이트합니다. 특허 청구는 더 이상 “최선의 옵션을 선택”하는 것이 아닙니다. 이는 통신 시스템의 운영과 관련이 있습니다.

더 강력한 사례도 특허를 보장하지 않습니다. 그들은 단순히 슬로건에서 메커니즘으로의 선을 넘어섰고, 여기서 특허 문제는 물어볼 가치가 있게 됩니다.

“신경망을 사용합니다”는 공개가 아닙니다.

AI 애플리케이션에는 특정한 제도 함정이 있습니다. 모델은 모든 흥미로운 작업이 일어나는 정확한 문장에서 블랙박스가 됩니다. 계속해서 같은 단축키가 보입니다.

“모델이 최적화된 출력을 생성합니다”는 독자에게 거의 아무 것도 알려주지 않습니다. 유용한 초안에는 다음 사항을 설명해야 할 수 있습니다.

• 입력이 나타내는 내용과 이를 얻는 방법
• 전처리 및 기능 구성;
• 관련 모델 아키텍처 또는 처리 단계
• 훈련과 추론이 어떻게 수행되는지;
• 제약 조건, 임계값, 피드백 또는 사후 처리;
• 출력이 기술 시스템을 어떻게 변경하는지; 그리고
• 어떤 대안이 동일한 기술적 효과를 낳는지.

모든 애플리케이션에 소스 코드, 정확한 가중치 또는 전체 교육 데이터 세트가 필요한 것은 아닙니다. 그러나 효과가 특정 데이터 세트 특성에 따라 달라지는 경우 해당 특성을 공개해야 할 수도 있습니다. EPO는 특히 숙련된 사람이 과도한 부담 없이 이를 결정할 수 없는 경우 기술적 효과를 재현하는 데 필요한 훈련 데이터 특징을 설명해야 한다고 명시합니다.

AI 외부에도 동일한 원칙이 적용됩니다. “자동으로”라는 단어 뒤에 창의적인 단계를 숨기지 마십시오.

모델 자체가 발명품이 될 수 있나요?

때때로 지원자는 훈련된 모델을 이를 사용하는 시스템과 별개의 객체로 보호하기를 원합니다. 이것은 어려울 수 있습니다.

모델은 수학적 매개변수, 데이터 구조, 컴퓨터 판독 가능 구현, 훈련 방법, 추론 방법 또는 더 큰 장치의 일부로 특성화될 수 있습니다. 이는 상호 교환 가능한 특허 청구 전략이 아닙니다. 이들의 대우는 관할권에 따라 다릅니다.

실제적인 측면에서는 일반적으로 다음 중 적어도 하나를 설명할 수 있을 때 사례가 더 강력해집니다.

• 모델의 특정 기술적 사용;
• 기술적 제약에 적응된 모델 아키텍처;
• 입증 가능한 기술적 효과를 창출하는 훈련 과정
• 하드웨어나 다른 기술 시스템의 작동을 개선하는 특정 배포 또는
• 메모리 사용, 처리 배포, 보안, 대기 시간 또는 리소스 소비와 같은 컴퓨터 수준의 개선입니다.

EPO의 수학적 방법 지침은 매우 구체적인 예를 제공합니다. 데이터 집약적인 훈련 단계를 GPU에 할당하고 준비 단계를 CPU에 할당하는 것은 구현이 컴퓨팅 플랫폼의 아키텍처를 활용할 때 기술적 특성에 기여할 수 있습니다. “더 빠른 AI”는 모호합니다. 개선을 달성하기 위해 하드웨어를 사용하는 정의된 방법이 훨씬 더 유용합니다.

AI가 개발에 참여했다면 발명자 판단도 챙겨야 한다

기술의 적격 여부와는 아무런 관련이 없는 두 번째 AI 문제가 있습니다. 누가 그것을 발명했습니까?

USPTO의 2025년 11월 개정 지침에 따라 자연인만 발명가로 명명될 수 있습니다. AI 시스템은 도구로 취급되며, 청구된 발명을 고안한 인간에게는 일반적인 법적 기준이 적용됩니다.

연구나 개발 중에 AI를 사용한다고 해서 자동으로 특허가 예방되는 것은 아닙니다. 문서화를 합리적으로 만듭니다. 팀이 식별한 기술적 문제, 사람들이 내린 결정, 제안된 결과가 승인되거나 거부되었는지, 주장된 솔루션이 어떻게 형성되었는지 기록을 유지하십시오.

특허가 모든 프롬프트의 일기로 바뀌어서는 안 됩니다. 회사는 자신이 특허를 주장하는 것 뒤에 숨어 있는 인간의 개념을 여전히 설명할 수 있어야 합니다.

제품 이름 이상의 검색

소프트웨어 창업자들은 자신의 제품 카테고리 이름을 검색해도 아무것도 찾지 못하고 안도감을 느끼는 경우가 많습니다. 나는 의심을 느꼈을 것입니다. 관련 선행기술은 완전히 다른 시장에서 동일한 메커니즘을 설명할 수 있습니다.

클라우드 작업을 위한 대기열 관리 기술은 통신에 사용되는 일정 관리와 유사할 수 있습니다. 사기 탐지 기능은 산업용 센서의 결함 탐지와 아키텍처를 공유할 수 있습니다. 추천 모델은 소매업에서는 새로워 보일 수 있지만 미디어 순위에서는 친숙할 수 있습니다.

여러 수준에서 기술 메커니즘을 검색합니다.

1. 결과. 시스템은 무엇을 달성합니까?
2. 방법. 어떤 시퀀스나 모델이 해당 결과를 생성합니까?
3. 아키텍처. 어떤 구성 요소가 어떤 데이터를 교환합니까?
4. 제약. 어떤 기술적 한계를 극복하고 있나요?
5. 효과. 더 빠르고, 더 안전하고, 더 정확하고, 리소스 집약도가 낮거나, 물리적으로 다른 것은 무엇입니까?

Patenta를 사용하면 해당 메커니즘을 일반 언어로 설명하고 관할권 전반에 걸쳐 의미별로 특허 문서를 검색할 수 있습니다. 가장 가까운 시스템을 찾으면 해당 시스템의 기능을 귀하의 시스템과 비교하고 차이점을 빈 문서에서 다시 시작하는 대신 구조화된 초안으로 전달할 수 있습니다.

특허 데이터베이스는 전체 선행기술 세계가 아닙니다. 소프트웨어 및 AI의 경우 논문, 표준, 문서, 회의 자료, 오픈 소스 저장소 및 이전 공개 제품도 중요할 수 있습니다. 아무것도 존재하지 않는다는 약속이 아니라 특허 검색을 강력한 출발점으로 활용하세요.

특허에 속하는 것과 그렇지 않은 것을 결정하십시오.

특허는 소프트웨어 제품을 보호하는 유일한 방법은 아닙니다.

• 저작권은 기본 기능이 아닌 소스 코드 및 기타 원본 표현을 보호합니다.
• 영업 비밀 보호는 기밀을 유지할 수 있는 모델 가중치, 내부 평가 방법, 데이터 정리 프로세스 또는 서버 측 기술에 적합할 수 있습니다.
• 특허는 경쟁사가 다른 코드를 작성하는 경우에도 청구된 기술 방법이나 시스템을 보호할 수 있습니다.

비즈니스 문제는 공개가 잠재적 권리를 누릴 가치가 있는지 여부입니다. 프로세스가 서버에 보이지 않고 외부에서 감지하기 어려운 경우 이를 비밀로 유지하는 것이 더 강력한 조치일 수 있습니다. 발명이 제품, 표준, API 동작 또는 장치에 표시된다면 특허 보호가 더 가치 있을 수 있습니다.

대답은 외부적으로 의미 있는 기술 아키텍처에 대한 특허를 취득하고, 튜닝 방법 및 운영 데이터를 기밀로 유지하고, 코드 자체에 대한 저작권을 사용하는 것의 조합일 수도 있습니다.

출원 초안을 위한 실무 체크리스트

소프트웨어 또는 AI 특허 초안을 시작하기 전에 다음 사항을 적어 두십시오.

1. 기술적인 문제. 비즈니스 목표만 설명하지 마세요.
2. 시스템 컨텍스트. 관련된 장치, 서비스, 센서, 프로세서, 네트워크 또는 스토리지를 식별합니다.
3. 처리 경로. 입력에서 기술 출력까지 데이터를 따릅니다.
4. 창의적 구별. 가장 가까운 선행기술이 가르치지 않는 일이 여기서 발생한다고 설명합니다.
5. 기술적 효과. 운영 개선 사항과 주장된 기능이 이를 어떻게 생성하는지 설명합니다.
6. 구현. 주요 단계가 블랙박스가 되는 것을 방지할 만큼 충분한 세부정보를 포함합니다.
7. 대안. 다양한 아키텍처, 모델, 임계값 및 배포 배열을 기록합니다.
8. 증거. 갖고 있지 않은 결과를 만들어내지 않고도 벤치마크, 시뮬레이션, 설계 추론을 보존할 수 있습니다.
9. 인적 기여. AI 도구가 개발에 참여할 때 실질적인 발명 기록을 유지하세요.

이는 의미 있는 검색과 첫 번째 초안을 시작하기에 충분합니다. 초안에서는 별다른 외교 없이 설명이 여전히 엔지니어링 대신 라벨에 의존하고 있음을 알려줄 것입니다.

결론

소프트웨어, 알고리즘, AI 모델은 범주적으로 특허 시스템 외부에 있지 않습니다. 단지 새로운 코드라는 이유만으로 특허를 받을 수 있는 것도 아닙니다.

가장 강력한 후보는 구체적인 기술 솔루션입니다. 즉, 시스템이나 방법으로 설명할 수 있고, 선행 특허 기술과 구별할 수 있고, 기술적 효과와 연결되며, 구현하기에 충분할 만큼 세부적으로 공개할 수 있는 솔루션입니다.

“우리는 AI를 사용합니다”로 시작하지 마세요. 문제, 메커니즘, 그리고 메커니즘이 만들어내는 변화부터 시작하세요.

소프트웨어나 AI 시스템에 특허로 보호할 만한 기술적 발명이 있다고 생각하나요? Patenta에 작동 원리를 설명하고, 가장 가까운 선행기술을 검색한 뒤 남은 기술적 차이를 구조화된 첫 초안으로 발전시켜 보세요.