“모델은 오픈소스 쓰는데, 우리가 특허낼 게 있나요?”
AI 스타트업 대표님들과 상담하면 이 고민을 자주 들어요. “유명한 모델을 가져다 쓰는데, 그럼 우리 기술이라고 할 게 있나요?” 좋은 질문이에요. AI 특허는 “대단한 모델을 새로 만들었느냐”만 보는 게 아니에요. 어디가 새로운지를 나눠서 보면, 오픈소스를 써도 우리만의 권리가 나오는 경우가 많아요. 오늘은 그 갈래를 정리해볼게요.
먼저 ‘어디가 새로운가’를 나눠요
많은 대표님이 “우리 AI”라고 뭉뚱그려 말씀하시는데, 특허를 볼 때는 그 안을 층으로 쪼개야 답이 보여요. 같은 “AI 서비스”여도 어느 층에 우리 색깔이 있느냐가 회사마다 다르거든요. 모델을 직접 설계한 회사도 있고, 학습 방법이 남다른 회사도 있고, 대부분은 특정 분야에 맞춰 응용한 부분이 강점이에요. 그래서 “우리는 AI 회사인데 특허가 될까요?”라는 질문은 “우리 AI의 어느 층이 남다른가요?”로 바꿔야 답이 나와요.
층을 나눠보면 이런 것들이 있어요.
- 모델 아키텍처: 새로운 신경망 구조 자체. 이건 연구조직이 아니면 드물어요.
- 학습 방법: 학습 방식·손실 설계·데이터 증강 등에 새로움이 있는 경우.
- 데이터 처리: 전처리·라벨링·특징 추출을 남다르게 하는 방법.
- 응용(도메인 적용): 특정 분야 문제를 AI로 푸는 구체적 방법. 스타트업은 여기서 가장 자주 열려요.
오픈소스 모델을 써도 길은 있어요
대표님이 남의 모델을 가져다 쓰더라도, 그 모델을 어디에 어떻게 적용했는지에 새로움이 있으면 특허가 열려요. 예를 들어 특정 산업 데이터를 이런 방식으로 전처리해 정확도를 끌어올렸다거나, 결과를 후처리해 오류를 걸러내는 구조를 만들었다면, 그 방법이 발명이 될 수 있어요. 핵심은 “모델을 만들었나”가 아니라 “문제를 푸는 방식이 남다른가”예요.
구체적인 예를 들어볼게요. 어떤 회사가 공개된 언어모델을 그대로 가져다 쓰는데, 의료 상담이라는 특수한 분야에 맞추려고 “환자 발화에서 위험 신호를 먼저 걸러내 모델에 넘기고, 답변을 다시 안전 기준으로 검증하는” 파이프라인을 만들었다고 해볼게요. 모델 자체는 남의 것이지만, 이 앞뒤 처리 구조는 이 회사만의 것이에요. 바로 여기서 특허가 열려요. 그래서 “우리는 모델을 안 만드니까 특허랑 상관없다”는 생각은 대개 성급해요. 모델을 감싸는 우리만의 처리에 권리가 숨어 있거든요.
학습데이터·전처리에서 열리는 권리
AI에서 성능을 가르는 건 모델만이 아니라 데이터예요. 그래서 데이터를 다루는 방식에 특허가 열리는 경우가 많아요. 잡음이 많은 데이터를 정제하는 방법, 라벨을 효율적으로 붙이는 방식, 부족한 데이터를 보강하는 기법 등이요. “우리는 데이터로 승부한다”는 회사일수록 이 층을 눈여겨보시라고 말씀드려요.
다만 여기서 조심할 게 있어요. 데이터 자체를 어떻게 모았는지, 그 데이터에 개인정보나 저작권 문제가 없는지는 특허와 별개로 챙겨야 할 숙제예요. 특허가 “이 방법이 새롭다”를 다뤄준다고 해서, 데이터를 적법하게 모았다는 뜻은 아니거든요. 그래서 AI 회사는 특허 전략과 데이터 적법성 점검을 나란히 봐야 해요. 이 부분은 사안마다 달라서, 데이터 출처가 복잡하다면 별도로 짚어보시는 게 좋아요. 특히 외부에서 크롤링하거나 사들인 데이터로 학습했다면, 나중에 문제가 되지 않게 출처와 이용 조건을 처음부터 기록해두는 습관이 큰 도움이 돼요.
명세서에 ‘어떻게’를 써야 해요
AI 특허에서 가장 자주 막히는 지점이 이거예요. “AI로 최적화한다”처럼 결과만 쓰고 과정을 안 쓰면, 심사에서 “구체적으로 어떻게 하느냐”에 답하지 못해 막혀요. 특허는 그 분야 사람이 읽고 따라 구현할 수 있을 만큼 구체적으로 적어야 해요.
여기서 딜레마가 생겨요. 자세히 쓰면 특허는 강해지지만 핵심이 공개되고, 안 쓰면 등록이 어려워지거든요. 그래서 “무엇을 공개하고 무엇을 숨길지”를 처음부터 설계해야 해요.
명세서에서 자주 막히는 지점
AI 특허를 준비할 때 실무에서 반복해서 걸리는 지점들이 있어요. 미리 알아두면 헛걸음을 줄일 수 있어요.
- 결과만 쓰고 과정을 안 씀: “정확도를 높였다”는 결과인데, 어떻게 높였는지 처리 과정이 없으면 막혀요.
- “학습시켰더니 됐다”로 끝냄: 어떤 데이터를 어떻게 넣고 어떤 방식으로 학습했는지가 있어야 재현 가능성이 서요.
- 수치·조건이 뭉뚱그려짐: 어느 조건에서 효과가 나는지 구체적이지 않으면 진보성 설득이 약해져요.
- 범용적으로만 씀: “AI로 최적화하는 시스템”처럼 너무 넓게 쓰면 이미 있는 것과 구별이 안 돼요.
그래서 AI 대표님께 “동료 개발자에게 설명하듯 써보자”고 말씀드려요. 입력이 뭐고, 어떤 처리를 거쳐, 어떤 출력이 나오는지를 그 분야 사람이 따라 구현할 수 있을 만큼 적는 거예요. 그 수준으로 정리가 되면 특허도 강해지고, 나중에 권리 다툼이 생겼을 때도 든든해요. 반대로 “영업비밀이라 자세히는 못 쓴다”며 두루뭉술하게 남기면, 등록도 어렵고 나중에 권리를 주장하기도 애매해지니 균형을 잘 잡아야 해요.
영업비밀과 특허 사이
AI 기술은 모두 특허로 내는 게 정답이 아니에요. 어떤 건 특허로 공개해 권리를 확보하는 게 낫고, 어떤 건 영업비밀로 숨기는 게 나아요. 예를 들어 남이 결과물만 보고는 알아내기 어려운 내부 학습 노하우는 영업비밀로 지키고, 남이 따라 할 만한 응용 방법은 특허로 막는 식이에요. 이 둘을 나누는 판단이 AI IP 전략의 핵심이에요.
하나보다 여러 층을 겹쳐 쌓는 게 강해요
AI 기술은 특허 하나로 다 지켜지지 않는 경우가 많아요. 모델을 감싸는 처리, 데이터 다루는 방법, 특정 분야 응용이 각각 다른 층이라, 이 층들을 여러 개의 권리로 나눠 쌓으면 훨씬 든든해요. 경쟁사가 한 가지를 피해가도 다른 층에 걸리게 되거든요.
그래서 “뭘 하나 낼까”보다 “우리 기술 지도를 그려보자”고 말씀드려요. 어디가 핵심이고, 어디가 남이 따라 하기 쉬운 길목인지 지도를 그리면, 무엇을 특허로 막고 무엇을 영업비밀로 감출지가 보여요. 초기엔 한두 개로 시작하더라도, 이 지도를 갖고 있으면 회사가 크면서 권리를 하나씩 채워 넣을 수 있어요. 투자자에게도 “우리는 이 지도를 따라 IP를 쌓고 있다”가 훨씬 설득력 있고요.
투자·실사 전에 챙기는 이유
AI 스타트업은 투자 실사에서 “이 회사의 기술이 진짜 이 회사 것인가”를 봐요. 오픈소스를 썼다면 더더욱, 우리만의 권리가 뭔지 문서로 보여줄 수 있어야 해요. 그래서 실사 일정이 잡히기 전에 IP를 한 번 정리해두시라고 권해요. 그리고 데모·논문·발표가 공개가 될 수 있으니, 지킬 기술이 있다면 그 전에 출원을 검토하는 게 좋아요.
요즘 자주 받는 질문 하나를 더 짚을게요. “생성형 AI가 만든 결과물도 특허가 되나요?”인데, 이건 결이 조금 달라요. 특허는 사람이 완성한 발명을 전제로 하는 제도라, ‘누가 발명했는가’가 중요하거든요. AI를 도구로 써서 사람이 발명을 완성했다면 그건 사람의 발명이지만, 발명 과정과 기여를 어떻게 볼지는 아직 정리되어 가는 영역이에요. 그래서 AI를 개발에 깊이 활용하는 회사라면, 누가 어떤 기여를 했는지 기록을 남겨두시는 게 나중을 위해 안전해요.
정리하면, AI 특허는 “대단한 모델을 만들었나”가 아니라 “문제를 푸는 우리 방식이 어디에 있나”에서 출발해요. 오픈소스를 쓰든, 데이터로 승부하든, 특정 분야에 특화했든, 그 안에 우리만의 처리가 있으면 길이 열려요. 그 길을 찾는 첫걸음은 우리 기술을 층으로 나눠보는 거예요.
참고: KIPRIS에서 유사 AI 특허를 검색해볼 수 있어요. 구현 가능성·진보성 판단은 심사 기준이 걸려 있어 변리사 검토가 필요해요.
※ 이 글은 일반적인 안내예요. AI 관련 발명의 특허 가능성은 구현의 구체성과 선행기술에 따라 달라지고, 특정 결과를 보장하지 않아요. 공개·출원 전략은 변리사 검토를 거쳐 결정하세요.
