아래 내용은 Patenty.ai를 사용하지 않는 분들을 위한 내용입니다.
명세서 작성보다 때로는 더 고통스러운 것이 선행기술조사(Prior Art Search)입니다.
특히 이종 기술이 융합된 발명이나 생소한 도메인의 의뢰가 들어왔을 때, 모니터 커서만 깜빡이는 검색창을 보며 막막해 본 경험이 다들 있으실 겁니다. 우리가 두려워하는 것은 '검색' 그 자체가 아닙니다. "혹시 내가 떠올리지 못한 '동의어(Synonym)' 때문에 치명적인 선행 문헌을 놓치면 어떡하지?" 라는 불안감이죠.
'체결 부재'를 검색했는데 선행문헌에는 '결합 수단'이라고 적혀 있어서 놓치는 악몽. 오늘은 이 지겨운 동의어 브레인스토밍 과정을 생성형 AI(ChatGPT, Claude 등)를 활용해 획기적으로 단축하는 방법을 공유합니다.
단순히 "AI한테 물어보세요"가 아닙니다. '노이즈'를 줄이고 실무에 즉시 투입 가능한 키워드만 뽑아내는 프롬프트 전략입니다.
무작정 "배터리 냉각 관련 단어 알려줘"라고 치면, AI는 일반인 수준의 단어(예: 시원하게 하기, 선풍기 등)를 내놓습니다. 검색식에 넣으면 노이즈만 만드는 쓰레기 값들이죠.
반드시 전문 기술 용어와 특허 용어 위주로 추천하도록 통제해야 합니다.
[나쁜 질문]
전기차 배터리 냉각이랑 비슷한 단어 다 찾아줘.
[좋은 질문 (프롬프트 예시)]
"나는 특허청 심사관 대응을 준비하는 변리사야.
지금부터 '전기차 배터리 팩의 액침 냉각(Immersion Cooling)' 기술에 대한 선행기술조사를 위한 검색식(Search String)을 작성하려고 해.
이 기술 분야(IPC H01M 등)에서 통용되는 전문 용어, 동의어, 하위 개념, 그리고 약어(Abbreviation)를 영어와 한국어로 각각 10개씩 나열해줘.
특히, 특허 명세서에서 자주 쓰이는 표현(예: '냉각 유체', '열교환 수단' 등)을 포함해 줘."
검색의 누락을 막으려면 키워드의 층위(Hierarchy)를 나누는 것이 핵심입니다. AI에게 결과를 그냥 나열하지 말고, 구조화해달라고 요청하세요.
실제로 위 프롬프트를 입력했을 때 얻을 수 있는 구조화된 답변은 다음과 같습니다.
1. 핵심 키워드 (Core)
액침 냉각 (Immersion Cooling)
직접 냉각 (Direct Cooling)
Dielectric Fluid (유전성 유체)
2. 기능적 일반화 (Functional Generalization) - 변리사들이 가장 놓치기 쉬운 부분
열 관리 시스템 (Thermal Management System, TMS)
열 발산 수단 (Heat Dissipation Means)
비전도성 냉매 (Non-conductive coolant)
3. 구성요소 변형 (Component Variants)
냉각 채널 (Cooling Channel) -> 유로 (Flow path), 재킷 (Jacket)
배터리 모듈 (Battery Module) -> 셀 스택 (Cell Stack), 에너지 저장 장치 (ESS)
이렇게 분류된 키워드를 받으면, 우리가 할 일은 조합(Combination) 뿐입니다.
해외 출원(Outgoing)이나 미국 특허 검색 시, 콩글리시나 사전적 정의로는 찾을 수 없는 '업계 전문 용어(Jargon)'가 늘 골치입니다.
이때는 이런 프롬프트가 유용합니다.
"이 기술 분야의 미국 특허(USPTO) 명세서에서 '배터리 케이스'를 지칭할 때 가장 빈번하게 사용되는 대체 용어 5가지를 빈도 순으로 알려줘."
그러면 AI는 단순한 'Case' 뿐만 아니라 'Housing', 'Enclosure', 'Casing', 'Encapsulation' 등 문맥에 맞는 유의어를 던져줍니다. WIPS나 Keywert 쿼리에 (Case OR Housing OR Enclosure)로 바로 묶어버리면 그만입니다.
AI는 훌륭한 '조수'이지 '책임자'가 아닙니다.
환각(Hallucination) 체크: 가끔 존재하지 않는 용어를 그럴싸하게 만들기도 합니다. (예: 엉뚱한 약어 생성)
노이즈 필터링: 너무 포괄적인 단어(예: 그냥 'Vehicle')는 검색 결과가 10만 건이 넘어가니 변리사의 직관으로 과감히 쳐내야 합니다.
IPC/CPC 확인: 키워드만으로 불안하다면, "이 기술이 속할 확률이 가장 높은 IPC 서브클래스 3개를 추천해줘"라고 물어보세요. 100% 정확하진 않아도 탐색 시간을 줄여줍니다.
우리가 AI를 쓰는 이유는 검색을 '대충' 하기 위해서가 아닙니다. 인간의 뇌가 가진 연상 작용의 한계를 보완하여, 단 하나의 선행문헌도 놓치지 않기 위함입니다.
다음 선행기술조사 건이 들어오면, 익숙한 키워드 몇 개만 치고 엔터를 누르기 전에 AI에게 딱 30초만 투자해 물어보세요.
"내가 놓친 동의어가 혹시 있니?"
그 질문 하나가 훗날 거절이유통지서(OA)를 받았을 때의 당혹감을 막아줄지도 모릅니다.
[ ] AI에게 '특허 전문가' 역할을 부여했는가?
[ ] 단순히 단어 나열이 아니라, 상위/하위/기능적 개념으로 분류 요청했는가?
[ ] 국문뿐만 아니라 영문(USPTO 기준) 전문 용어를 요청했는가?
[ ] 추천받은 키워드 중 노이즈를 제거하고 검색식(OR 연산)에 적용했는가?
생성형 명세서 작성에서 에이전트(Agentic) 기반 워크플로우 관리로의 운영 전환을 분석합니다. 본 리포트는 대량의 특허 업무 환경에서 리스크 완화를 위한 핵심 인프라로 자리 잡고 있는 AI 주도형 페이스 조절 및 인지 저항 분석의 중요성을 조명합니다.
AI로 명세서를 작성할 때 가장 큰 실수는 '상세한 설명'부터 쓰게 하는 것입니다. 이로 인해 청구항에 없는 내용이 추가되거나 논리가 꼬이는 문제를 막으려면, 변리사가 확정한 청구항을 기준으로 상세한 설명을 생성하는 '역방향 프로세스'가 필수입니다. 시스템 청구항, 방법 청구항, 기능식 청구항 등 5가지 유형별 실전 프롬프트를 통해, 특허법 제42조 제4항(청구항의 뒷받침)을 완벽하게 충족하는 고품질 명세서 작성 노하우를 공개합니다.
AI 관련 특허 출원을 대리하다 보면, 의견제출통지서(OA)에서 지겹도록 마주하는 문구가 있습니다. "본원발명은 인용발명 1(종래 기술)에 주지관용기술인 딥러닝 모델(CNN, RNN, Transformer 등)을 단순히 적용한 것으로, 이는 통상의 기술자가 용이하게 도출할 수 있는 단순한 설계 변경에 불과하며..." 이 문장을 접할 때마다 답답함이 밀려옵니다. 클라이언트는 수만 장의 데이터를 수집하고, 수없는 시행착오 끝에 모델을 최적화했는데, 심사관은 이를 "기존 기술 + AI = 뚝딱" 수준으로 치부해버리기 때문입니다. 하지만 심사관의 논리에도 일리는 있습니다. ResNet, BERT, GPT 등 모델의 아키텍처 자체는 이미 오픈소스로 공개되어 있으니까요. 그렇다면 우리는 어디서 승부를 봐야 할까요? 정답은 '모델'이 아닌 '데이터'에 있습니다. 오늘은 데이터 전처리(Preprocessing)와 파라미터 한정을 이용한 진보성 대응 전략을 공유합니다.
