[AI 스타트업 특허 가이드③] AI 발명의 진보성 획득 노하우
2편에서 본 거절 사례 가운데 상당수는 같은 발명의 다른 청구항에서 진보성이 인정됩니다. 차이가 어디에 있고 그 차이가 어떤 효과로 이어질 때 인정되는지를 「인공지능 분야 심사실무가이드」의 사례로 정리합니다.
AI·SW 특허 실무가이드 3부작 ③ 진보성(인정) 편
2편에서 본 거절 사례 가운데 상당수는 같은 발명의 다른 청구항에서 진보성이 인정됩니다. 차이가 어디에 있고 그 차이가 어떤 효과로 이어질 때 인정되는지를 「인공지능 분야 심사실무가이드」의 사례로 정리합니다.
들어가며
2편에서 본 사례 들은 모두 청구항 1에서 진보성이 부정됐습니다. 그런데 같은 사례의 청구항 2(또는 3)에서는 진보성이 인정됩니다. 발명의 큰 줄기는 같은데 청구항 하나의 구성 차이로 결과가 달라진 것 입니다.
가이드가 진보성을 인정한 경우의 공통 기준은 두 가지입니다.
AI 발명을 구현하는 기술적 구성(데이터 전처리, 기계학습 방법, 학습 완료 모델 등)을 구체적으로 특정했고, 그 구성으로 인해 인용발명에서 예측되는 효과 이상의 더 나은 효과가 발생한다는 것입니다.
AI 생성 이미지: AI 발명을 구현하는 기술적 구성을 구체적으로 특정하면 진보성을 인정받을 수 있다
1. 데이터 전처리에 특징
입력 데이터에서 중요한 특징(feature)을 뽑아내거나, 크기·단위를 고르게 다듬는(벡터화·정규화·표준화) 전처리를 구체적으로 적고, 그 덕분에 성능이 나아지면 진보성이 인정될 수 있습니다.
가이드가 든 예를 보겠습니다. CCTV 영상에 '움직임 추적' 정보를 특징으로 추가해 학습시켜 영상 속 객체를 더 정확히 알아보게 한 경우, 또는 시스템 로그를 정규표현식으로 사건별로 분류하고 사건들 사이의 관계를 따져 중복을 걸러낸 뒤 장애 예측 신경망에 넣는 경우입니다.
가이드의 도시 교통 속도 예측 시스템(사례 10)에서, 선행기술은 하나의 신경망(다층 퍼셉트론)으로 전체 교통량을 예측합니다. 출원발명은 접근이 다릅니다. 먼저 과거 기록을 표준화한 뒤, 비슷한 교통 패턴끼리 묶고(클러스터링), 그렇게 나뉜 묶음마다 전용 신경망(로컬 ANN)을 따로 학습시켜 구간 속도를 예측합니다. "비슷한 상황끼리 모아 전담 모델을 붙인다"는 이 전처리·배치는 선행기술에 없고, 특정 구간의 속도를 더 정확히 맞히는 효과가 있어 진보성이 인정됩니다.
2. 학습모델 자체에 특징
학습 환경을 어떻게 짜는지, 모델을 어떻게 검증하는지, 여러 모델을 어떻게 엮는지, 계산을 어떻게 나눠 처리하는지, 하이퍼파라미터(모델의 설정값)를 어떻게 최적화하는지처럼, 모델 자체를 구체적으로 특정하고 더 나은 효과가 있으면 진보성이 인정될 수 있습니다. 가이드는 신경망에서 불필요한 연결을 쳐내(프루닝, 가지치기) 성능이 약한 하드웨어에서도 빠르게 돌아가게 하는 경량화를 예로 듭니다.
경량화(모델을 가볍게 압축하는 기술)는 2026년 개정판에서 비중이 커진 주제입니다. AI를 작은 기기에 심으려는 수요가 늘었기 때문입니다.
식당을 누비는 서빙 로봇(가이드 사례 12)을 예로 들어보겠습니다. 단순히 가중치의 정밀도를 낮춰 용량을 줄였다고만 적은 청구항은 당연히 거절되었습니다. 하지만 신경망의 층마다 가중치의 중요도를 깐깐하게 따진 뒤, 덜 중요한 연결은 아예 스위치를 꺼버리는 '희소 가중치 행렬' 기법을 명시한 청구항은 진보성이 인정되었습니다. 나아가 매장의 밝기나 손님 수에 따라 로봇이 스스로 압축 강도를 조절해 배터리를 아끼는 기능까지 덧붙였습니다.
AI 생성 이미지: 모델 자체의 기술적 진보(예: 경량화)를 통한 진보성 인정 사례
3. 학습 결과물(출력)의 활용에 특징
학습된 모델이 내놓은 결과를 어떻게 활용하는지, 그 결과로 무엇을 만들거나 어떻게 처리하는지를 구체적으로 적고 더 나은 효과가 있으면 진보성이 인정될 수 있습니다. 가이드는 사고 차량 영상을 CNN에 넣어 파손 부위를 찾아내고, 그 결과(파손 정도)로부터 수리 유형별 비용과 보험료 변동까지 예측해 주는 시스템을 예로 듭니다. AI의 출력에서 멈추지 않고 그것을 다음 단계의 재료로 쓴 것입니다.
앞서 단순한 AI 모델 교체로 거절당했던 로봇 청소기(가이드 사례 6)가 어떻게 진보성이 인정되었는지 보면 이해가 쉽습니다. 이 특허는 AI가 똑똑하게 계산해 낸 청소 경로를 무작정 따르지 않았습니다. 현재 청소기의 '배터리 잔량'이라는 변수를 융합해, 배터리가 모자라면 경로를 즉각 수정하는 후처리 로직을 심었습니다. 청소기가 소파 밑에서 방전되어 객사(?)하는 참사를 막아낸 이 실용적인 2차 활용법이 진보성을 인정받은 결정적 이유입니다.
4. 산업분야 변경에 따른 출력 처리에 특징
AI를 특정 산업에 적용하면서 그 분야의 오랜 숙제를 풀거나 예측을 넘어선 효과를 내면 진보성이 인정될 수 있습니다. 다만 적용 분야만 바꿔서 알아보는 대상만 달라진 정도라면 통상의 창작 범위로 봅니다.
위험한 공장 설비 구역에 작업자가 다가오면 알람을 울리는 시스템(가이드 사례 14)이 대표적입니다. 이 발명은 CCTV 영상과 작업자 스마트폰의 위치를 하나의 정밀한 좌표계로 융합했습니다. 그리고 위험 상황이 감지되면 작업자에게 경고 메시지를 보내는 것에 그치지 않고, 그 즉시 설비 쪽으로 '긴급 정지 신호'를 쏘아 기계를 멈춰 세웠습니다. 물리적인 인명 사고를 원천 차단하는 이 구체적인 제어 방식 덕분에 훌륭한 산업 안전 특허로 등록될 수 있었습니다.
5. 학습데이터에 특징
학습데이터 자체의 특성이 모델 성능을 끌어올리고 그로 인해 더 나은 효과가 생기면 진보성이 인정될 수 있습니다(2026년 개정판).
가이드의 예는 감정 인식입니다. 글자로 된 감성 단어만 쓰던 선행기술과 달리, 목소리의 운율(높낮이·크기·억양)과 말이 아닌 소리(한숨·웃음)까지 학습데이터로 삼아 LSTM(순서가 있는 데이터를 잘 다루는 신경망)으로 감정을 읽어 인식률을 높인 경우입니다. 다만 학습데이터의 차이가 선행기술을 조합해 쉽게 메워지면 인정되지 않습니다(2편 사례 7 청구항 1의 토마토 상품성 예).
💡 덧붙이며: 생성형 AI 특허, 남의 API에 기대지 마라
요즘 쏟아지는 생성형 AI 발명도 같은 맥락에서 운명이 갈립니다. 오픈AI의 챗GPT API를 가져와 "로고를 알아서 만들어주는 서비스"를 기획했다면 백전백패입니다.
진보성을 인정받으려면 사용자의 연령대에 따라 미성년자 보호용으로 프롬프트의 양식을 불러와 안전한 답변을 유도하거나(사례 11), 생성된 로고 이미지를 그냥 던져주는 대신 해당 로고가 걸릴 디지털 전광판의 해상도나 주변 조명에 맞춰 이미지를 알아서 튜닝한 뒤 배포하는(사례 13) 등 입력과 출력 단계에 나만의 기술적 조미료가 반드시 들어가야 합니다.
정리
다섯 축 모두, 차이가 단순한 모델 교체나 관용 전처리에 그치지 않고 구체적으로 특정되며 그 차이가 예측 이상의 효과로 이어진다는 공통점을 가집니다.
특징축 | 핵심 | 가이드 예·사례 |
|---|---|---|
데이터 전처리 | feature 도출·정규화·클러스터링 등 구체화 | CCTV 모션추적, 시스템 장애 예측, 사례 10 |
학습모델 자체 | 모델 연계·경량화·하이퍼파라미터 등 구체화 | 신경망 프루닝, 사례 12(경량화) |
학습 결과물 활용 | 출력 결과물의 활용·후처리 구체화 | 사고차량 수리비, 사례 6 청구항 2, 사례 13 청구항 2 |
산업분야 변경 | 분야 변경에 따른 출력 처리 구체화 | 사례 14 청구항 2 |
학습데이터 | 데이터 특성이 성능에 기여 | 음성 감정인식 LSTM, 사례 7 청구항 2 |
같은 발명이라도 특징을 어디에 두고 어떻게 청구하느냐가 결과를 결정합니다. 생성형 AI(입력·출력 구성)와 경량화는 2026년 추록에서 새로 비중이 커진 주제로, 실무에서 마주칠 일이 많습니다.
마치며 — 3부작 정리
세 편을 관통하는 기준은 하나였습니다.
결과가 아니라 그 결과를 달성하는 기술적 특징을 구체적으로 특정하는 것입니다. 1편의 적격성은 그 특징이 있어야 추상적 아이디어를 벗어나고, 2편의 진보성 거절은 그 특징이 없을 때 일어나며, 3편의 진보성 인정은 그 특징이 예측 이상의 효과로 이어질 때 주어집니다.
그래서 출원의 방향은 발명자 인터뷰에서 정해집니다. 전처리·학습모델·학습 결과물·산업분야·학습데이터 가운데 이 발명의 특징이 어디에 있는지, 그 특징이 종래 기술 대비 어떤 더 나은 효과를 내는지를 끌어내고, 그것을 청구항과 명세서에 구체적으로 담는 일입니다. 같은 발명이라도 그 한 가지가 등록과 거절을 결정합니다.
관련 글
인용·출처
특허청 「기술분야별 심사실무가이드」(2026-03) 제1부 인공지능: 진보성 인정 유형(3.2.3 — 데이터 전처리 3.2.3.1.1, 학습모델 3.2.3.1.2, 학습 결과물 활용 3.2.3.2, 산업분야 3.2.3.3, 학습데이터 3.2.3.4), 사례 6(로봇 청소기 제어)·7(골 연령 판독)·10(도시 교통 속도 예측)·11(AI 스피커 전문 답변)·12(서빙 로봇 제어)·13(로고 이미지 생성·배포)·14(설비 가동 영역 진입 경고).
Author
동일 기술 분야 칼럼 더보기
이 글과 같은 기술 분야의 IP 전략 인사이트를 이어서 확인해보세요.
