Con la popularización de la IA generativa, como ChatGPT, se está intensificando en todo el mundo la competencia por el desarrollo de los «agentes de IA», que son capaces de comprender el objetivo por sí mismos, elaborar planes y utilizar herramientas externas para llevar a cabo tareas de forma autónoma.Las «patentes» son el medio para proteger esta tecnología de vanguardia frente a la imitación, pero no son pocos los desarrolladores y directivos que se preguntan: «¿Realmente se pueden patentar los agentes de IA?» o «¿Qué tipo de patentes están registrando otras empresas?».
En este artículo, un agente de patentes experto en el campo de la IA ofrece una explicación comparando casos reales de patentes y ejemplos de exámenes oficiales de Japón (JPO), Estados Unidos (USPTO) y Europa (EPO).A partir de ejemplos reales verificados —como la patente de Transformer de Google, la patente de integración de herramientas de OpenAI o la patente de memoria externa de DeepMind—, se presentan los puntos concretos para proteger mediante derechos de propiedad intelectual la tecnología de los agentes de IA.
Índice
En primer lugar, hay que tener en cuenta que, en principio, los algoritmos de inferencia de la IA (fórmulas matemáticas) en sí mismos no son patentables en ningún país. Sin embargo, si ese procesamiento de la información se materializa concretamente mediante recursos de hardware, como ordenadores, y se configura como una tecnología, entonces sí que puede ser objeto de patente como «invención relacionada con el software».
En el caso de la tecnología de agentes de IA, el principal campo de batalla para la obtención de la patente no es la mejora del modelo en sí, sino la configuración del sistema y el flujo de procesamiento, es decir, «cómo se ha utilizado el LLM para construir un sistema autónomo». A continuación, veamos concretamente qué casos se han patentado en tres jurisdicciones (Japón, EE. UU. y Europa).
Para comprender los casos de cada país, conviene tener en cuenta tres perspectivas comunes.
| Perspectiva | Japón (JPO) | EE. UU. (USPTO) | Europa (EPO) |
|---|---|---|---|
| Concepto básico | Procesamiento concreto de la información mediante recursos de hardware | Prueba de Alice/Mayo (¿se trata de una idea abstracta o no?) | Naturaleza técnica + contribución técnica (COMVIK) |
| Pregunta clave | ¿Se lleva a cabo el procesamiento de la información de forma concreta? | ¿Se trata de una solución técnica a un problema técnico (aplicación práctica)? | ¿Se trata de características técnicas que contribuyen al objetivo técnico? |
| Estructura débil | Mera presentación de datos o automatización de tareas humanas mediante IA | Ejecución de ideas abstractas en un ordenador personal genérico | Métodos matemáticos o empresariales «en sí mismos» |
En Japón, las invenciones relacionadas con la IA se examinan como un tipo de «invención relacionada con el software informático». El criterio fundamental para la evaluación es si «el procesamiento de la información se lleva a cabo de forma concreta mediante software, utilizando recursos de hardware», tal y como se indica en el anexo B del manual de examen.
La Oficina de Patentes publicó en enero de 2019 una recopilación oficial de casos relacionados con la IA y, en marzo de 2024, añadió diez casos más adaptados a la era de la IA generativa y los modelos de lenguaje grande (LLM). Las conclusiones de los casos más representativos son las siguientes (todos ellos son casos hipotéticos presentados por la Oficina de Patentes).
Caso de la JPO: registro concedido
Caso en el que «la precisión de la predicción mejoró notablemente» gracias a una nueva variable de entrada (estimación de la producción de energía hidroeléctrica)
Mientras que se denegó la originalidad a una configuración que se limitaba a sustituir el modelo de regresión convencional por una red neuronal, se consideró que existía originalidad en una configuración que añadía la «temperatura del agua del río» como variable de entrada para tener en cuenta el caudal de agua procedente del deshielo, lo que mejoró notablemente la precisión de la predicción. La clave reside en el diseño de características de entrada y datos de aprendizaje técnicamente significativos.
Caso de la JPO: denegación
Caso de mera sustitución de tareas humanas por IA (cálculo del nivel de cáncer)
Se denegó la novedad a una configuración que se limitaba a sustituir el cálculo manual de la probabilidad de cáncer a partir de marcadores sanguíneos, que antes realizaba un médico, por una red neuronal ya entrenada, al considerarse una «mera automatización de una tarea humana mediante IA».
Caso de la JPO: 2024 · LLM
Carácter innovador de una configuración que utiliza IA generativa (LLM)
Si bien se denegó la novedad a la configuración que consistía en introducir una pregunta en un LLM para generar automáticamente una respuesta (como las respuestas automáticas de atención al cliente), se concedió el registro a un proceso concreto que extraía varias palabras clave de documentos relacionados para generar una indicación y, a partir de ahí, crear un texto más adecuado, al considerarse que tenía un efecto notable.
No nos limitemos a los casos hipotéticos de la Oficina de Patentes, sino que veamos también patentes registradas reales.
Patentes reales | Japón
JP 7282070 (Mitsubishi Electric) | «Datos comprimidos» de redes neuronales
Patente relativa a datos que comprimen la información de configuración de una red neuronal mediante cuantificación (registrada en 2023). Se trata de un ejemplo de protección de derechos sobre una «estructura de datos» en el ámbito de la IA.
Patentes reales | Japón
JP 7177608 (Komatsu) | Modelo de estimación de posición preentrenado para maquinaria de trabajo
Patente de un sistema que utiliza un modelo entrenado para estimar la posición de los implementos de una excavadora hidráulica a partir de imágenes de cámara (registrada en 2022). Es un buen ejemplo en el que se han protegido, además del sistema y el método, el método de fabricación del modelo entrenado y los datos de entrenamiento, lo que sirve de referencia para el control autónomo de máquinas (área adyacente a los agentes de IA).
En EE. UU., la elegibilidad para la patente (35 U.S.C. §101) se determina mediante la prueba de dos pasos de Alice/Mayo. Se evalúa si «se refiere a una idea abstracta» y, en caso afirmativo, si «existe un concepto inventivo que vaya más allá de dicha idea (aplicación concreta a un problema técnico)».
La USPTO publicó el 17 de julio de 2024 unas directrices de examen específicas para la IA, en las que se presentan tres ejemplos concretos (casos 47 a 49).
| Casos de la USPTO | Configuración no admisible | Configuración admisible (registrable) |
|---|---|---|
| Ejemplo 47: Detección de anomalías | Método de aprendizaje de redes neuronales (solo aplicación de fórmulas matemáticas) | Aplicación concreta para bloquear paquetes maliciosos en tiempo real mediante una red neuronal ya entrenada |
| Caso práctico 48: Separación de voz | Simplemente se calculan los vectores de incrustación mediante fórmulas matemáticas | Proceso concreto para separar la voz del hablante mediante agrupamiento y aplicación de máscaras |
| Caso práctico 49: Medicina basada en IA | Basta con calcular la puntuación de riesgo a partir de datos genéticos | Aplicación concreta: tratamiento específico (administración de colirios) para grupos de pacientes de alto riesgo |
La lección es clara. La clave para proteger con derechos de propiedad intelectual las invenciones de agentes de IA en EE. UU. consiste en demostrar de forma concreta la «solución tecnológica a un problema tecnológico», junto con «cómo funciona» la IA y «qué mejora».
Patentes reales | EE. UU.
US 10.452.978 (Google) | Patente de Transformer
Patente de una red neuronal basada en el mecanismo de autoatención (self-attention), correspondiente al artículo «Attention Is All You Need» (registrada en 2019). Se trata de la arquitectura en la que se basan todos los modelos de lenguaje a gran escala (LLM) y agentes de IA actuales.
Patente real | EE. UU.
US 11.922.144 (OpenAI) | Integración con API externas (uso de herramientas)
Patente (registrada en 2024) en la que un LLM lee el esquema (manifiesto) de una API y genera llamadas a funciones de herramientas externas (compras, bases de datos, correo electrónico, etc.) sin necesidad de reentrenamiento. Se trata de una patente fundamental para los «agentes de IA», equivalente a los complementos y las llamadas a funciones (function calling) de ChatGPT.
En Europa (OEP), los programas informáticos y los métodos matemáticos quedan excluidos de la protección por patente «en sí mismos» (artículo 52 del Convenio sobre la Patente Europea). Sin embargo, esta exclusión se puede eludir fácilmente si se hace referencia al hardware (ordenadores, procesadores, etc.), por lo que la verdadera clave reside en la fase de evaluación de la actividad inventiva (enfoque COMVIK).
En el enfoque COMVIK, solo se tienen en cuenta para la evaluación de la actividad inventiva aquellas características que contribuyen a la naturaleza técnica, sin considerar las características de naturaleza puramente matemática o con fines comerciales. Es decir, aunque sea matemáticamente novedoso, si carece de un objetivo técnico, su contribución a la actividad inventiva será «cero».
Caso de la OEP: denegación rechazada
T 0702/20 (Mitsubishi Electric) | Red neuronal de conexión dispersa
En relación con una estructura de red neuronal que utiliza códigos de corrección de errores para lograr una conexión débil entre capas, la Sala de Recurso, aunque reconoció que era «nueva y no trivial», la rechazó por considerar que no hacía más que definir una clase de funciones matemáticas (objeto de exclusión).El mero objetivo de «evitar el sobreaprendizaje» no es suficiente; se trata de un caso importante que demuestra la dificultad de obtener derechos de propiedad intelectual en Europa para las mejoras de la IA básica.
Caso de la OEP: resolución importante
G 1/19 (Sala de Recurso Ampliada, 2021) | Simulación de multitudes de peatones
En relación con la simulación por ordenador del movimiento de una multitud de peatones, la Sala de Recurso Ampliada dictaminó que «las simulaciones implementadas por ordenador deben evaluarse con los mismos criterios que cualquier otra invención de software» y que «los resultados numéricos también pueden constituir un efecto técnico». Esto ofrece indicaciones para las invenciones de IA de tipo simulación o planificación.
Patentes reales | Europa
EP 3398117 (DeepMind) | Red neuronal ampliada con memoria externa
Patente europea (registrada en 2023) relativa a una arquitectura que combina una red neuronal con memoria externa (área de almacenamiento). Se trata de un caso registrado directamente relacionado con la función de «memoria» de los agentes de IA, que consiste en conservar la información y aprovecharla para la siguiente acción.
| Criterios de comparación | Japón (JPO) | Estados Unidos (USPTO) | Europa (EPO) |
|---|---|---|---|
| Marco de evaluación | Implementación concreta mediante recursos de hardware | Alice/Mayo: dos pasos | Artículo 52 + COMVIK (dos etapas) |
| IA central (mejora del modelo) | Se admite si se demuestra ingenio y un efecto notable | Admisible si se demuestra una mejora técnica | Estrictas (denegado en T0702/20) |
| Tipo de invención fácil de patentar | Flujo de procesamiento concreto y características de entrada novedosas | Aplicación concreta a un problema técnico | Vinculado al objetivo técnico y a la implementación técnica |
| Pistas de la oficina | Recopilación de casos prácticos de IA (2019-2024) | Casos de orientación sobre IA 47-49 (2024) | Directrices G-II 3.3.1 y G1/19 |
| Tendencias generales | Relativamente flexibles | Endurecimiento tras el caso Alice → Mejora de la previsibilidad en 2024 | Se exige con mayor rigor la contribución técnica |
Esencia común: lo que tienen en común los tres polos no es «qué se pretende lograr con la IA (idea de negocio)», sino describir de forma concreta «cómo se va a lograr técnicamente». Este único punto marca la diferencia entre el éxito y el fracaso de una patente de agente de IA.
A continuación, resumimos los puntos prácticos para conseguir el éxito en las patentes de agentes de IA, extraídos de casos de Japón, EE. UU. y Europa.
① Presentar la solicitud antes de la divulgación: la divulgación en artículos, software de código abierto (OSS) o comunicados de prensa hace que se pierda la novedad. Hay que completar la solicitud antes de cualquier divulgación de información.
② Redactar en términos de «flujo de procesamiento»: no se deben describir las instrucciones de entrada ni las ideas de negocio, sino el proceso de procesamiento de la información, es decir, cómo se comporta el sistema de forma dinámica en determinadas condiciones.
③ Especificar claramente el problema técnico y sus efectos: se deben presentar conjuntamente el problema técnico —por ejemplo, «cómo evitar las alucinaciones»— y los medios concretos para resolverlo, así como los efectos notables.
④ No dependa excesivamente de una tecnología concreta: las reivindicaciones que dependan por completo de una API externa específica (como OpenAI) dejarán de estar amparadas por los derechos en caso de cambio de modelo en el futuro. Extraiga el valor fundamental de su empresa mediante conceptos universales.
⑤ Adaptarse a los criterios de examen de cada país: la forma de redactar reivindicaciones que «funcionen» difiere entre Japón, EE. UU. y Europa. En las solicitudes globales, es imprescindible contar con una estrategia que conozca a fondo la práctica de cada jurisdicción.
Patentes de tecnología de agentes de IA: consúltenos primero.
Nuestros abogados especializados en propiedad industrial, con amplia experiencia en el ámbito de las tecnologías de la información y el software, le ofrecen un apoyo integral, desde la entrevista técnica hasta la búsqueda de antecedentes y la estrategia de protección de derechos en cada país. Le ofrecemos una primera consulta gratuita.
Reserva tu primera consulta gratuita Servicios de propiedad intelectual en TI e IAP. ¿Se puede patentar un agente de IA?
R. Sí. Aunque el algoritmo de inferencia de un agente de IA en sí mismo es un método matemático, si se describe como un sistema o método que lleva a cabo el procesamiento de la información de forma concreta utilizando recursos de hardware, como ordenadores, puede ser objeto de patente tanto en Japón como en Estados Unidos y Europa.De hecho, se han registrado numerosas tecnologías básicas de agentes de IA, como la patente del Transformer de Google (US10,452,978) o la patente de integración de herramientas de OpenAI (US11,922,144).
P. ¿Se puede obtener una patente solo por el diseño de una indicación?
R. La realidad es que resulta difícil. La frase de la indicación en sí misma tiende a considerarse una «decisión humana (presentación de información)», por lo que existe el riesgo de que no se considere una invención.En un caso de 2024 de la Oficina Japonesa de Patentes, se denegó la originalidad a una configuración que se limitaba a introducir una pregunta en un modelo de lenguaje grande (LLM) para generar una respuesta. Por el contrario, si se describe como un proceso de tratamiento de la información que genera y sintetiza dinámicamente las indicaciones en función del contexto, aumentan las posibilidades de obtener la protección mediante patente.
P. ¿En qué lugar es más fácil obtener una patente: en Japón, en EE. UU. o en Europa?
R. Aunque no se puede generalizar, los requisitos de registro de las invenciones de software suelen evaluarse de la siguiente manera: «Japón es relativamente flexible, mientras que Europa (OEP) es la que exige con mayor rigor la contribución técnica».Estados Unidos se volvió más estricto tras la sentencia Alice, pero la guía de examen sobre IA de julio de 2024 (casos 47 a 49) ha aumentado la previsibilidad en la práctica. En cualquiera de estos países, la clave es demostrar explícitamente que «se resuelve un problema técnico mediante medios técnicos».
P. ¿Existen casos famosos de patentes de agentes de IA?
R. Como ejemplos representativos, cabe citar la patente de Google sobre «Transformer» (US10,452,978), que constituye la base de los LLM actuales;la patente de OpenAI sobre la integración con API externas (US11,922,144), que equivale a las llamadas a funciones o complementos de ChatGPT, y la patente de DeepMind sobre redes neuronales con ampliación de memoria externa (EP3398117 en Europa).En Japón también se han registrado la patente de Mitsubishi Electric sobre compresión de redes neuronales (JP7282070) y la patente de Komatsu sobre modelos preentrenados para maquinaria de trabajo (JP7177608).
P. ¿Se puede solicitar una patente incluso después de haber publicado la tecnología en un artículo o en GitHub?
R. Por regla general, tras la divulgación se pierde la novedad y no es posible obtener una patente. En Japón existe el régimen de «excepciones a la pérdida de novedad» (artículo 30), que ofrece una solución bajo determinados requisitos, pero estos varían según el país y no son una solución universal. Dado que el sector de la IA se caracteriza por su rapidez de divulgación, es extremadamente importante completar la solicitud antes de la publicación de artículos, la divulgación de software de código abierto o los comunicados de prensa.
P. ¿Debería consultar con un agente de patentes sobre las invenciones relacionadas con los agentes de IA?
R. Lo recomendamos encarecidamente. Las patentes de agentes de IA requieren una gran especialización para extraer «tecnología patentable» de sistemas que suelen ser una «caja negra» y diseñar las reivindicaciones (alcance de los derechos) de acuerdo con los criterios de examen de cada país. Al consultar con un agente de patentes experto en los campos de las tecnologías de la información y el software, se puede construir una red de patentes sólida que la competencia no pueda eludir fácilmente.