인공지능(AI) 기술분야에서 특허 명세서 작성 시 고려할 점

인공지능(AI)을 활용해 설비 고장을 예측하는 제품을 연구개발한다고 가정해 보겠습니다.

어떤 설비 데이터를 사용할지, 기존 예측 방식과 무엇이 다른지, 실제로 고장을 더 일찍 찾아낼 수 있는지는 실험을 거치며 구체화됩니다. 연구과제의 성과로 특허출원이 필요하거나 회사에서 지식재산 확보를 요구한다면, 개발 과정에서 확인한 기술적 기여를 특허 명세서에 담는 작업도 준비해야 합니다.

그러나 연구개발 성과가 좋다고 해서 곧바로 특허가 등록되는 것은 아닙니다. 특허 심사에서는 기존에 공개된 기술과 같은지를 판단하는 신규성, 기존 기술로부터 쉽게 생각해 낼 수 있는지를 판단하는 진보성 등을 확인합니다. 해당 분야의 기술자가 실제로 구현할 수 있을 만큼 발명을 설명했는지도 심사합니다. 그렇다면 설비 고장 예측 인공지능(AI)의 기술적 차이를 어떻게 찾고, 특허 등록을 위해 청구항과 발명의 설명에는 어떤 정보를 작성해야 할까요?

모델을 바꿔 성능이 좋아졌다면 특허가 될까요?

연구개발 시, 예측 성능이 충분하지 않을 때 먼저 시도하는 방법 중 하나는 현재 모델을 더 적합한 모델로 교체하는 것입니다. 예를 들어 순환 신경망(RNN)을 합성곱 신경망(CNN)으로 바꾸거나, 회귀분석 대신 인공신경망을 적용하는 것만으로 결과가 개선될 수도 있습니다.

하지만 모델의 성능 개선과 특허 심사 요건인 진보성의 충족은 동일하지 않습니다. 지식재산처가 공개한 「기술분야별 심사실무가이드」에는 인공지능(AI) 발명의 진보성을 판단하는 기준이 제시되어 있습니다. 그 중 하나는, 이미 알려진 학습모델로 단순히 변경했을 뿐 모델의 구체적인 구성이나 기존 기술에서 예상하기 어려운 효과가 확인되지 않는다면, 해당 분야의 일반적인 기술자가 할 수 있는 설계변경으로 보아 진보성이 부족하다고 판단할 수 있다는 것입니다. 반대로 모델의 구체적인 차이가 결과물의 변화를 만들고 그 효과가 통상적인 예측 범위를 벗어난다면 진보성을 인정할 여지가 있다고 안내합니다.

인공지능(AI)을 제조·의료·금융 등 다른 분야에 적용할 때도 비슷합니다. 기존 업무에 공지된 인공지능(AI)을 붙이거나, 각 분야에서 알려진 수단을 기술적 어려움 없이 조합한 정도라면 진보성이 부족하다고 판단될 수 있습니다. 따라서 인공지능 분야의 특허 심사에서 중요한 것은 ‘인공지능(AI)을 적용했다’는 사실이 아니라 어떤 기술적 구성을 바꿨으며, 그 차이로 기존 기술에서 예상하기 어려운 효과가 나타났는지를 구체적으로 설명하는 것입니다.

이를 설비 고장 예측 사례에 적용해 보면, ‘CNN을 사용해 정확도를 높였다’는 설명만으로는 진보성이 부족할 수 있습니다. 연구 과정에서 센서 측정값이 누락되는 구간의 오경보 문제를 발견해 새로운 전처리 절차를 설계하고, 기존 보간 방식보다 오경보가 감소한다는 결과를 확인했다면, 특허 출원 시에는 이러한 기술적 구성과 효과의 관계를 발명의 설명에 충분히 기재해야 합니다.

발명의 설명은 기술적 구성과 효과를 하나의 흐름으로 설명해야 합니다

앞서 살펴본 기술적 구성과 효과의 관계는 특허 명세서의 ‘발명의 설명’에 구체적으로 담아야 합니다.

발명의 설명은 청구항에 기재된 발명을 해당 분야의 기술자가 이해하고 구현할 수 있도록 풀어내는 부분입니다. 기술적 구성과 효과를 따로 나열하는 것만으로는 그 구성이 어떤 과정을 거쳐 효과를 만드는지 알기 어렵습니다. 따라서 해결하려는 기술적 문제부터 구성요소의 작동 과정과 기술적 효과의 확인까지를 하나의 흐름으로 설명해야 합니다.

해결하려는 기술적 문제 → 이를 해결하기 위해 도입한 기술적 구성 → 구성요소의 작동 과정 → 그 결과 나타난 기술적 효과

설비 고장 예측 발명을 예로 들어보겠습니다. 먼저 해결하려는 문제를 구체적으로 제시해야 합니다. ‘예측 정확도가 낮다’는 포괄적인 설명보다 ‘센서 측정값이 누락되는 구간에서 오경보가 증가한다’고 설명하면, 어떤 조건에서 어떤 문제가 발생하는지 분명해집니다.

다음으로 이 문제를 해결하기 위해 도입한 기술적 구성을 설명합니다. 누락 구간을 어떤 기준으로 판별하는지, 원시 데이터를 어떤 절차로 보정하는지, 보정된 데이터를 모델의 학습이나 추론에 어떻게 사용하는지가 여기에 해당합니다.

구성요소를 나열하는 것만으로는 충분하지 않습니다. 누락 구간을 판별한 결과가 데이터 보정에 어떻게 반영되고, 보정된 데이터가 모델의 학습이나 추론을 거쳐 판단 결과에 어떤 영향을 주는지까지 작동 순서에 따라 설명해야 합니다. 이어서 이러한 변화가 기존 보간 방식보다 오경보를 줄이는 결과로 연결됐다는 점을 제시해야 합니다. 핵심은 ‘전처리 절차를 적용했다’와 ‘오경보가 감소했다’를 따로 적는 것이 아니라, 해당 절차가 어떤 과정을 거쳐 오경보 감소에 기여했는지를 설명하는 것입니다.

이러한 연결은 진보성을 설명할 때도 중요합니다. 진보성 심사에서는 선행기술을 바탕으로 해당 구성을 쉽게 도출할 수 있는지를 판단합니다. 따라서 선행기술과 다른 구성, 그 구성의 작동 과정, 그 결과 나타난 예상하기 어려운 효과를 명세서에 하나의 흐름으로 제시하면, 해당 변경이 단순한 모델 교체나 일반적인 설계변경에 그치지 않는다는 점을 뒷받침할 수 있습니다.

진보성을 설명하려면 비교 조건과 결과를 함께 남겨야 합니다

앞에서 기술적 구성과 효과를 연결해 설명하는 방법을 살펴봤습니다. 그 효과를 진보성의 근거로 활용하려면 결과 수치뿐 아니라 어떤 조건에서 비교했는지도 함께 남겨야 합니다.

설비 예측 사례라면 동일한 데이터셋과 평가 조건에서 기존 보간 방식과 새로운 전처리 방식을 비교하고, 오경보율·미탐지율·고장 감지 시점 등이 어떻게 달라졌는지 기록할 수 있습니다. 여러 조건을 동시에 바꾸면 어떤 기술적 구성이 성능 개선에 기여했는지 분리해 설명하기 어려워집니다.

수치가 모든 발명에 필수라는 뜻은 아닙니다. 다만 기존 기술에서 예상하기 어려운 효과를 진보성의 근거로 삼으려면, 비교 조건과 결과가 구체적일수록 해당 효과가 기술적 구성의 차이에서 비롯됐다고 설명하기 쉽습니다. 출원 후에는 최초 명세서에 없던 새로운 기술 내용을 자유롭게 추가할 수 없으므로, 효과를 확인한 실험과 대체 가능한 구현 방식은 출원 전에 충분히 정리할 필요가 있습니다.

발명의 설명은 청구항의 기술적 특징과 대응해야 합니다

지금까지는 기술적 구성과 효과를 발명의 설명에 담고, 그 효과를 비교 자료로 뒷받침하는 방법을 살펴봤습니다. 이제 이렇게 정리한 기술적 특징을 청구항의 보호범위와 연결해야 합니다.

청구항은 특허로 보호받으려는 범위를 정하는 부분입니다. 청구항에 포함된 기술적 특징은 발명의 설명에도 이에 대응하는 내용이 있어야 합니다. 청구항에는 특정 기능만 기재하고 발명의 설명에는 그 기능을 구현하는 구성이나 절차가 없다면, 청구항이 발명의 설명에 의해 충분히 뒷받침되지 않는다고 판단될 수 있습니다.

여기서 청구항과 발명의 설명을 대응시킨다는 것은 같은 문장을 그대로 반복한다는 뜻이 아닙니다. 청구항에서 보호범위를 정하는 기술적 특징마다 발명의 설명에서 다음 관계를 확인할 수 있어야 한다는 의미입니다.

청구항의 기술적 특징 → 대응하는 구체적 구성 → 구성요소의 작동 방법 → 적용 범위와 기술적 효과

인공지능(AI) 발명은 기술적 특징이 어디에 있는지에 따라 청구항에 담을 내용과 발명의 설명에서 뒷받침할 내용이 달라집니다.

발명의 기술적 특징	청구항에서 특정할 관계	발명의 설명에서 대응할 내용
알려진 모델의 응용	입력 데이터, 주요 처리 단계, 출력 결과와 기술적 활용의 관계	해당 입력으로 기술적 문제를 해결할 수 있는 이유, 입력부터 출력까지의 처리 과정과 구현 예시
데이터 전처리	원시 데이터를 학습용 데이터로 생성·변경·추가·삭제하는 핵심 단계	원시 데이터와 학습용 데이터의 관계, 전처리 기준과 단계별 처리 방법, 전처리가 기술적 효과에 기여하는 과정
학습 모델·학습 방법	기존 모델과 구별되는 구조, 학습 절차 또는 손실 함수 등 핵심 구성	구성요소 간 관계, 학습 과정, 해당 구성이 필요한 이유와 그 구성으로 나타나는 효과
강화학습	에이전트·환경·상태·행동·보상 사이에서 발명의 특징이 되는 관계	상태를 인식하고 행동을 선택하는 방법, 보상의 설정과 학습 반영 과정, 이 관계가 기술적 문제를 해결하는 방식

설비 고장 예측 발명에서 핵심이 누락 센서값의 전처리에 있다고 가정해 보겠습니다. 발명의 핵심 보호범위를 정하는 독립항에 ‘누락 구간을 판별하는 단계’, ‘대체 학습 데이터를 생성하는 단계’, ‘고장 예측 정보를 생성하는 단계’를 포함한다면, 발명의 설명에는 각 단계에 대응하는 내용이 있어야 합니다.

누락 구간을 어떤 데이터와 기준으로 판별하는지, 원시 데이터로부터 대체 학습 데이터를 어떤 절차로 생성하는지, 생성된 데이터가 모델의 학습이나 추론에 어떻게 사용되는지를 설명해야 합니다. 모델이 출력한 고장 예측 정보가 무엇을 의미하고, 해당 정보가 정비 판단에 어떻게 활용되며, 이러한 과정이 오경보 감소에 어떻게 기여하는지도 연결해야 합니다.

반대로 청구항에는 ‘누락 구간을 판별한다’고 기재하면서 발명의 설명에서도 같은 기능만 반복하고 판별 기준이나 처리 방법을 제시하지 않는다면, 해당 기능을 구현하는 구체적인 수단이 빠진 셈입니다. 발명의 설명에는 하나의 보정 방식만 기재하면서 청구항은 모든 종류의 대체 데이터 생성 방식을 포함하도록 넓게 작성한 경우에도, 기재된 내용을 청구범위 전체로 확장할 수 있는지 문제가 될 수 있습니다.

출원 전에는 독립항을 구성요소별로 나누고, 각 요소에 대응하는 발명의 설명과 도면, 구현 예시가 있는지 확인해 볼 수 있습니다. 대응되는 내용이 없거나 기능의 명칭만 반복된 부분이 있다면, 발명의 설명을 보완하거나 청구범위를 다시 검토해야 합니다.

연구 기록을 명세서의 재료로 바꿔보세요

연구팀은 모델 성능을 관리하지만, 특허 명세서에는 성능표만으로 드러나지 않는 정보가 필요합니다. 어떤 문제 때문에 실험을 시작했는지, 기준 기술은 무엇이었는지, 어떤 구성을 바꿨는지, 그 변경이 결과에 어떤 영향을 주었는지를 함께 기록해야 합니다.

발명 후보마다 다음 내용을 한 장으로 정리해 볼 수 있습니다.

• 해결하려던 기술 문제와 기존 방식의 한계
• 새로 변경한 데이터·전처리·학습·출력 활용의 구성
• 가장 가까운 선행문헌과의 공통점 및 차이점
• 비교 실험의 조건과 확인된 효과
• 대체 가능한 구현 방식과 아직 검증이 필요한 부분
• 논문·학회·제품 공개 일정과 출원 검토 시점

이 자료가 있으면 연구결과를 단순한 ‘성능 개선’이 아니라, 선행기술과 구별되는 구성과 효과의 관계로 설명하기 쉬워집니다. 모든 개선사항이 특허출원으로 이어지는 것은 아닙니다. 그러나 무엇이 달라졌고 왜 달라졌는지를 연구 과정에서 남겨두면, 출원할 발명과 추가 검증할 아이디어를 구분하고 명세서에 필요한 기술적 재료도 놓치지 않을 수 있습니다.

---

※ 이 글은 인공지능(AI) 특허 명세서 작성에 관한 일반적인 정보이며, 개별 기술의 특허 등록 가능성이나 구체적인 청구범위에 관한 자문을 대신하지 않습니다. 실제 출원 시에는 선행기술과 구현 자료를 바탕으로 전문가의 검토가 필요합니다.

참고 자료

• 기술분야별 심사실무가이드, 제1부 인공지능 분야 — 지식재산처
• 인공지능 발명의 특허요건과 기재요건 — 지식재산처