최신 심사사례로 본 생성형 AI 특허 전략

2022년 ChatGPT의 등장 이후 생성형 AI 기술은 전 세계적인 주목을 받으며 다양한 산업 분야에 혁신을 가져오고 있습니다. 이러한 기술 발전과 함께 관련 특허 출원 또한 급증하고 있으며, 이제는 2022년에 출원된 특허들이 심사 과정을 거쳐 등록된 사례들이 속속 등장하고 있습니다.

저는 2023년 생성형 AI 특허 실무 관련 칼럼을 기고한 이후, 이 분야에 대한 보다 명확한 특허청 심사실무 가이드라인이 나오기를 기대해 왔습니다. 그리고 마침내 2024년 12월 발행된 심사실무가이드에서 디지털 헬스케어 관련 심사 사례를 통해 생성형 AI 발명에 대한 구체적인 심사 원칙이 제시된 점은 매우 고무적이라고 판단됩니다.

본 칼럼에서는 최근 “기술분야별 심사실무가이드”에 등장한 “생성형 AI 발명 특허 심사 사례”의 내용을 상세히 비교 분석하여, 생성형 AI 관련 특허를 성공적으로 등록받기 위한 실질적인 특허전략을 제시하고자 합니다.

생성형 AI 발명 특허 심사 사례의 등장과 그 특성

“생성형 AI 발명 특허 심사 사례”는 “인공지능 분야 심사실무”의 원칙을 기반으로 하면서도, “생성형 AI”의 특성을 반영한 보다 세분화된 심사 기준을 제시합니다. 이 사례는 생성형 AI 모델을 거대 언어 모델(Large Language Model, LLM)의 일종으로 정의하며, 방대한 양의 텍스트 데이터를 학습하여 다양한 종류의 텍스트를 생성할 수 있는 능력을 갖춘 인공지능 모델이라고 설명합니다. 그 활용 분야로는 텍스트 생성, 번역, 요약, 질의응답 등이 명시되며, 특히 사례에서 등장한 디지털 헬스케어 분야에서는 병증의 진단이나 건강 정보 제공 등에 활용될 수 있음을 강조합니다.

제시된 사례에서는 범용 언어 모델이 특정 적용 분야, 특히 디지털 헬스케어 분야에서 활용될 때 파인튜닝이 필수적일 수 있다는 모델 특성을 반영합니다. 이는 고도의 전문가 지식이 필요하고 인간 건강에 영향을 주는 중요한 정보를 결정하는 도구로 AI가 사용될 때의 신뢰성 및 안전성 확보와 직결되는 부분입니다.

파인튜닝(Fine Tuning) 및 프롬프트(Prompt)의 중요성이 반영된 심사 사례

“인공지능 분야 심사실무”가 AI 발명의 일반적인 특허성 판단 기준을 제시하는 반면, “생성형 AI 발명 특허 심사 사례”에서는 생성형 AI의 독특한 특성을 반영하여 보다 구체적인 심사 기준을 추가적으로 제시합니다.

생성형 AI 발명에 특유의 기재요건과 관련하여 파인튜닝 방법의 구체적 기재를 요구합니다.

“생성형 AI 발명 특허 심사 사례”는 청구하는 발명이 생성형 AI 모델을 주요 구성 요소로 포함할 경우, 범용 언어 모델을 파인튜닝하는 방법을 구체적으로 기재해야 하며, 이때 필요한 학습데이터의 종류 및 학습데이터를 입수하는 방법도 포함하여 명확하게 설명되어야 함을 특히 강조합니다. 이는 범용의 사전 학습된 생성형 AI 모델이 특정 적용 분야, 특히 디지털 헬스케어 분야에서 활용될 때 재학습이 필수적일 수 있다는 모델 특성에서 기인합니다. 기존의 “인공지능 분야 심사실무”도 학습 데이터의 종류, 입출력 데이터의 상관관계, 학습 모델의 종류 등을 기재해야 한다고 명시하지만, 생성형 AI의 ‘파인튜닝’에 대한 특정 요구사항은 “생성형 AI 발명 특허 심사 사례”에서 더 강조됩니다.

또한 생성형 AI 발명의 경우 프롬프트의 구체적 실시예를 기재할 것을 요구합니다.

“생성형 AI 발명 특허 심사 사례”는 생성형 AI 모델로부터 출력되는 정보가 발명의 주요 기술 요소이고, 이 정보를 획득하기 위해 적절한 프롬프트가 입력되어야 하는 경우, 발명의 설명에 해당 제시 명령의 구체적인 실시예가 기재되어야 한다고 추가적인 요구사항을 제시합니다. 이는 생성형 AI의 독특한 상호작용 방식에서 비롯된 요구사항으로, 일반적인 AI 발명 심사에서는 이처럼 프롬프트 자체의 구체적 기재를 명시적으로 요구하지 않습니다.

생성형 AI 특허 등록을 위한 전략적 제언

최근 급증하는 생성형 AI 특허 출원의 성공적인 등록을 위해서는 기존 AI 심사 원칙을 충실히 따르면서도, 생성형 AI의 고유한 특성을 반영한 전략적인 접근이 필수적입니다.

“단순 적용”을 넘어서는 “도메인 지식의 기술적 구현”이 강조됩니다. 생성형 AI 모델(특히 LLM)을 단순히 새로운 응용 분야에 적용하여 ‘정확도 향상’이나 ‘신속한 처리’와 같은 예측 가능한 효과를 주장하는 것만으로는 진보성을 인정받기 어렵습니다.

핵심은 특정 도메인 지식(Domain Knowledge)이 어떻게 생성형 AI 기술에 기술적으로 반영되어 기존 기술 대비 예측 불가능한 현저한 효과를 창출하는지를 명확히 보여주는 것입니다. 예를 들어, 의료 진단 분야에서 생성형 AI를 활용한다면, 단순히 ‘AI가 질병을 진단한다’가 아니라, ‘어떤 임상적 지식(도메인 지식)이 학습 데이터의 구성, 파인튜닝 방식, 프롬프트 설계에 반영되어, 기존에는 불가능했던 특정 유형의 질병 진단 정확도를 비약적으로 높였는가’를 구체적으로 설명해야 합니다.

파인튜닝 및 프롬프트의 구체성과 기술적 의의 입증해야합니다. 파인튜닝(Fine-tuning) 전략의 상세화하는 것이 중요합니다. 생성형 AI 발명에서는 파인튜닝을 위해 필요한 학습 데이터의 종류와 해당 데이터를 입수하는 방법을 매우 구체적으로 기재해야 합니다. 단순히 ‘데이터를 학습시켰다’가 아니라, ‘어떤 특성을 가진 데이터를, 어떤 방식으로 수집하여, 범용 모델을 어떻게 특정 도메인에 최적화했는지’를 명확히 해야 합니다. 스트레스 측정을 위한 DAIC-WOZ 및 우울증 진단을 위한 PHQ-9 데이터세트 활용 사례가 그 예가 될 수 있습니다. 이때, 해당 데이터의 특성이 발명의 목적 달성에 어떻게 기여하는지, 즉 도메인 지식이 학습 과정에 어떻게 녹아들어 있는지 설명해야 합니다.

프롬프트(Prompt) 설계의 기술성을 부각시키는 것도 중요합니다. 생성형 AI의 출력이 발명의 핵심 기술 요소라면, 사용되는 프롬프트의 구체적인 실시예를 제시해야 합니다. 이때 프롬프트가 단순히 질문을 나열하는 것이 아니라, 특정 도메인의 전문성을 반영하여 AI 모델로부터 원하는, 그리고 예측 불가능한 수준의 출력(예: 정확한 의료 상담 답변, 특정 질병의 진단 가이드라인)을 유도하는 기술적 설계의 일환임을 입증하는 것이 중요합니다. 예를 들어, 사용자 연령에 따른 초기 질문 라이브러리 구축 사례와 같이, 프롬프트가 도메인 특성을 반영한 맞춤형 상호작용을 구현함을 보여줄 수 있습니다.

예측 불가능한 현저한 효과의 증명해야합니다. 이는 최근 인공지능 심사실무에서 강조되고 있는 부분입니다. 기존에는 구성이나 개념에 차별성이 있다면 특허성이 인정되었으나 최근에는 현저한 효과의 증명을 요구하는 사례가 증가하고 있습니다. 진보성을 인정받기 위해서는 ‘선행 기술로는 예측하기 어렵거나, 통상의 기술자가 용이하게 도출할 수 없는’ 현저한 효과를 입증해야 합니다. 이는 단순히 정성적인 효과 주장이 아닌, 정량적인 데이터(실험 결과, 시뮬레이션 결과 등)를 통해 뒷받침될 때 더욱 설득력을 가집니다. 이를테면, “중환자실에서 사망에 이르는 중요 이벤트들은 사망 시간에 가까울수록 사망과의 인과관계가 더 클 수 있다”는 임상적 지식을 반영하여, 시계열 데이터의 특정 구간(사망에 가까운) 이벤트를 더 많이 반복 학습하는 데이터 증강 방법이 진보성 인정의 근거가 된 사례는 도메인 특유의 지식을 반영한 기술적 구성이 예측 불가능한 효과로 이어질 때 진보성이 인정될 수 있음을 명확히 보여줍니다.

구체적인 실시예 및 실험 데이터가 중요합니다. 생성형 AI와 같은 복합 기술 분야에서는 발명의 설명에 구체적인 실시예를 풍부하게 기재하는 것이 매우 중요합니다. 특히 디지털 헬스케어 분야와 같이 인간의 건강과 직결되는 민감한 분야에서는 제시된 기술이 실제로 작동하며 목적하는 효과를 달성할 수 있음을 입증하는 구체적이고 객관적인 실험 데이터 또는 시뮬레이션 결과가 필수적입니다. 이는 단순히 “AI를 썼다”는 추상적인 주장으로는 특허를 받기 어렵다는 점을 명심해야 합니다.

마치며

생성형 AI 기술은 이제 막 태동기를 넘어 적용 분야를 확장하며 무한한 잠재력을 보여주고 있습니다. 이러한 혁신적 기술이 특허를 통해 정당하게 보호받기 위해서는, “인공지능 분야 심사실무”의 기본 원칙을 이해하고 준수하는 것을 넘어, 최근 제시된 “생성형 AI 발명 특허 심사 사례”가 제시하는 생성형 AI 특유의 기재요건과 진보성 판단 기준을 깊이 있게 이해하고 전략적으로 대응해야 합니다.

생성형 AI 관련 기술의 성공적인 특허 등록을 위한 핵심은 “도메인 지식”과 “생성형 AI 기술”의 유기적인 결합을 명확하게 설명하고, 이 결합이 어떻게 예측 불가능한 현저한 기술적 효과를 창출하는지 구체적인 실시예와 데이터를 통해 입증하는 것입니다.

생성형 AI를 이용한 사업을 영위하는 기업들이 제시된 전략을 기반으로 좋은 특허를 확보하는 것은 물론, 특허를 확보하는 과정에서 더욱 가치 있는 비즈니스를 창출하길 기대합니다.

• 원문 : 생성형 AI 특허, 기존 AI 특허 전략으론 부족하다: 최신 심사사례로 본 생성형 AI 특허 전략
• 글 : 특허법인 BLT 박기현 변리사