En este artículo, un agente de la propiedad intelectual especializado en IA analizará en profundidad la estructura completa de las reivindicaciones, la arquitectura técnica y los aspectos innovadores de la descripción de esta patente, citando el texto original. Es una lectura imprescindible para los desarrolladores y responsables de propiedad intelectual que deseen saber «qué aspectos son clave para la protección de los derechos de una patente cuando se desarrolla internamente un agente del tipo “Computer Use”».
💡 Punto clave: este artículo forma parte de la serie sobre patentes de agentes de IA, en la sección «Análisis en profundidad de patentes concretas». Para consultar el análisis general de la estrategia de patentes de Anthropic, véase «Desentrañando la estrategia de patentes de Anthropic»; para conocer los requisitos básicos, consulte la sección «Fundamentos».
Índice
| Apartado | Contenido |
|---|---|
| N.º de patente | US 12,430,150 B1 |
| Denominación de la invención | Arquitectura de tiempo de ejecución para interactuar con agentes con el fin de automatizar flujos de trabajo de interfaces multimodales |
| Fecha de registro | 30 de septiembre de 2025 |
| Fecha de presentación | 8 de octubre de 2024 |
| Fecha de prioridad | 20 de marzo de 2024 |
| Solicitante | Anthropic PBC |
| Inventores | Rohan Bavishi, Erich Elsen, Curtis Hawthorne y otros |
| Número de reivindicaciones | 20 (3 independientes: reivindicaciones 1, 14 y 20; 17 dependientes) |
| Estado | Patente concedida |
«Computer Use» es una tecnología que permite a la IA manejar cualquier software al observar la pantalla (reconociendo capturas de pantalla), mover el ratón, hacer clic e introducir texto, tal y como lo haría un ser humano. A diferencia de la automatización tradicional a través de API, lo innovador de esta tecnología es que maneja la propia interfaz de usuario (UI), lo que permite automatizar incluso aplicaciones cuyas API no son públicas.
Esta patente protege precisamente la arquitectura básica que permite llevar a cabo esta «automatización de la interfaz de usuario mediante IA» en tiempo de ejecución (runtime). Cabe destacar que no se protegen las ideas, sino el mecanismo que las pone en práctica.
La característica más destacada de esta patente es su estructura, que distribuye el procesamiento entre el lado del cliente y el lado del servidor, conectándolos mediante una capa de abstracción denominada «representación intermedia (intermediate representation)». El flujo general es el siguiente.
💡 Punto clave: al intercalar una capa de abstracción denominada «representación intermedia (intermediate representation)», se separan las especificaciones del agente (qué se quiere hacer) de los comandos de accionamiento reales de la interfaz de usuario (cómo se maneja).Se trata de un enfoque similar al del diseño de compiladores, que eleva la simple idea de «hacer que la IA maneje el ordenador» a una arquitectura de software concreta.
Según la descripción de la patente, las «funciones de agente» que este puede invocar se clasifican en varios tipos. Estas constituyen el vocabulario de operaciones concretas que sustenta la invención.
| Tipo | Ejemplos de funciones (según la descripción) | Función |
|---|---|---|
| Funciones integradas | answerQuestionAboutScreen (respuesta a preguntas sobre la pantalla), click (clic), type (introducción de texto), scroll (desplazamiento) | Manejo y reconocimiento básicos de la interfaz de usuario |
| Funciones del planificador | act (acción), fillform (rellenar formulario), pickdate (seleccionar fecha) | Tareas de nivel superior que agrupan varias operaciones |
| Funciones de flujo de trabajo | (flujos de trabajo definidos por el usuario) | Unidades de automatización específicas de cada tarea |
Esta estructura, en la que las operaciones se abstraen como funciones y los agentes de IA las combinan para llevar a cabo tareas, también se describe de forma concreta en las reivindicaciones subordinadas (que se explicarán más adelante).
Para que un agente de IA pueda decidir «qué debe hacer a continuación», es necesario que perciba la situación actual. En la descripción de la presente patente se indica que la lógica de observación (observation logic) proporciona al agente lo siguiente:
| Información de observación | Contenido |
|---|---|
| Captura de pantalla | Información visual de la pantalla actual (entrada multimodal) |
| Historial de acciones (action history) | Historial de las operaciones realizadas hasta el momento |
| Descripción de la tarea (task description) | Descripción de la tarea que se debe realizar |
El bucle de percepción-acción («mirar la pantalla → tener en cuenta las acciones realizadas hasta el momento → decidir la siguiente operación») es precisamente la base de la «autonomía» de los agentes de IA. Esta patente materializa técnicamente dicho bucle.
Esta patente consta de un total de 20 reivindicaciones y sigue la estructura clásica de las patentes de software, en la que las reivindicaciones independientes se clasifican en tres categorías: método, sistema y soporte.
| Reivindicaciones | Categoría | Objeto de protección | Sujeto presuntamente infractor |
|---|---|---|---|
| Reivindicación 1 | Sistema (system) | Sistema que funciona en un procesador | Quien fabrique, utilice o comercialice el dispositivo |
| Reivindicación 14 | Método de implementación informática (method) | Procedimiento de procesamiento | Quien lleva a cabo dicho método |
| Reivindicación 20 | Soporte de almacenamiento no transitorio legible por ordenador | Soporte en el que se ha grabado el programa | Persona que distribuye o proporciona el programa |
Las reivindicaciones dependientes (2 a 13, 15 a 19) limitan de forma concreta el tipo de función del agente, la lógica de observación, el valor de retorno, etc., y crean una defensa en varias capas para que los derechos se mantengan incluso en el caso de que la reivindicación independiente fuera declarada nula.
Reivindicación 1 (texto original / inglés)
Un sistema, que se ejecuta en uno o más procesadores, para la implementación en el lado del cliente de un lenguaje de automatización de interfaces en tiempo de ejecución, que comprende: lógica de especificación de agentes, que se ejecuta en el lado del cliente y está configurada para construir una especificación de agente y para poner dicha especificación a disposición de la traducción en el lado del servidor a una representación intermedia, en la que la especificación de agente está configurada para automatizar un flujo de trabajo de interfaz multimodal; y una lógica de interpretación en tiempo de ejecución, que se ejecuta en el lado del cliente y está configurada para: recibir la representación intermedia; detectar una o más funciones de agente en la representación intermedia; generar una o más llamadas de agente basadas en las funciones de agente; enviar las llamadas de agente a un agente y, en respuesta, recibir al menos una función de accionamiento en tiempo de ejecución del agente; y traducir la función de accionamiento en tiempo de ejecución en al menos un comando de accionamiento en tiempo de ejecución, en el que dicho comando de accionamiento en tiempo de ejecución desencadena al menos una acción accionada por máquina como una acción sintética en tiempo de ejecución que automatiza el flujo de trabajo de la interfaz multimodal.
Traducción de referencia realizada por un agente de patentes (en japonés)
| Limitaciones | Significado técnico | Motivo por el que es válida |
|---|---|---|
| Traducción a una representación intermedia (intermediate representation) | Capa de abstracción que separa la especificación de la ejecución | Alejarse de las ideas abstractas. Concreción de la arquitectura |
| Detección de funciones de agente y generación de llamadas | Funcionalización de las operaciones y su invocación dinámica | Concretización de la lógica de control. Argumentos a favor de la progresividad |
| Traducción de funciones de funcionamiento a comandos de funcionamiento | Conversión de las decisiones de la IA en operaciones reales de la interfaz de usuario | El núcleo de la implementación técnica de «manipular la pantalla» |
La reivindicación 14, que es una reivindicación de método, describe un procesamiento prácticamente idéntico al de la reivindicación 1 en forma de método, pero presenta una diferencia importante.
Reivindicación 14 (extracto) (texto original / inglés)
... emitir, en el lado del cliente, las llamadas del agente a un agente en el lado del servidor y, en respuesta, recibir, en el lado del cliente, al menos una función de activación en tiempo de ejecución procedente del agente; ...
Mientras que la reivindicación 1 (sistema) se limita a indicar «emitir las llamadas al agente (issue the agent calls to an agent)», la reivindicación 14 (método) y la reivindicación 20 (soporte) especifican expresamente «al agente del lado del servidor (to an agent on the server-side)».
💡 Punto clave: esta diferencia es fruto de una redacción intencionada de las reivindicaciones. Al limitar el alcance de los derechos únicamente al dispositivo del lado del cliente, la reivindicación de sistema abarca de forma amplia a «quien implemente el lado del cliente».Por su parte, las reivindicaciones de método y de soporte especifican la interacción con el «agente del lado del servidor» y abarcan el procesamiento de todo el sistema distribuido. Se trata de un buen ejemplo de protección en múltiples niveles de una misma invención desde diferentes perspectivas.
① Se corresponde uno a uno con el producto. Protege directamente la función principal real, denominada «uso informático», por lo que su valor comercial es claro.
② Se protege la arquitectura, no una idea. No se trata de una teoría abstracta del tipo «la IA maneja el ordenador», sino que se describe como una estructura de software concreta —expresión intermedia, funcionalización y conversión en varias etapas—, lo que le confiere una alta aptitud para ser patentada.
③ El enfoque de las reivindicaciones es multifacético. Además de las tres categorías —sistema (centrado en el lado del cliente), método y soporte—, las reivindicaciones de sistema y de método varían la descripción de la ubicación del agente (lado del servidor), lo que permite abarcar diferentes modalidades de infracción.
En las pruebas de Alice y Mayo se evalúa si se trata de una «idea abstracta» o si existe un «concepto inventivo». Dado que este caso conlleva una implementación técnica —representación intermedia, llamada al agente y traducción de comandos de funcionamiento—, resulta fácil argumentar que se trata de una «solución técnica a un problema técnico (el manejo automático de la interfaz de usuario)», por lo que actualmente se encuentra registrado.
El criterio es «si el procesamiento de la información se lleva a cabo de forma concreta utilizando recursos de hardware». Dado que se describen un sistema que funciona en un procesador, la distribución de tareas entre cliente y servidor y la conversión concreta de datos, se trata de una configuración que cumple fácilmente los requisitos de patentabilidad como invención relacionada con el software.En cuanto a la actividad inventiva, la clave reside en los recursos técnicos de «abstractización mediante representaciones intermedias» y «conversión de funciones de funcionamiento en comandos».
Se exige una contribución técnica (COMVIK). Se trata de una estructura que permite posicionarla fácilmente como una solución técnica a nivel de arquitectura para el reto técnico que supone el control automático de la interfaz de usuario, lo que facilita evitar que se evalúe como una mera estrategia comercial.
① Redactar reivindicaciones que protejan directamente las funciones del producto. No limitarse a conceptos abstractos de nivel superior, sino incluir la configuración concreta que corresponde a las funciones centrales del producto de la empresa.
② Expresar la arquitectura en términos técnicos. Definir los componentes del sistema y el flujo de procesamiento mediante términos técnicos —como «representación intermedia», «lógica de observación» o «comandos de funcionamiento»— e incorporarlos a las reivindicaciones.
③ En el caso de las configuraciones distribuidas, especificar y diferenciar «dónde se realiza cada acción». Indicar claramente la distribución de funciones entre cliente, servidor y agente, y adaptar el enfoque de las reivindicaciones en función del sujeto infractor.
④ Funcionalizar las operaciones para abarcarlas de forma exhaustiva. Concretar el vocabulario de operaciones (como «clic», «escribir» o «desplazarse») en las reivindicaciones subordinadas y en la descripción, con el fin de dificultar el diseño de soluciones de elusión.
Analizamos si su agente de IA es susceptible de ser patentado.
Abogados especializados en propiedad industrial con amplia experiencia en los campos de las tecnologías de la información, el software y la IA le ofrecen un apoyo integral que abarca desde un diagnóstico gratuito de la viabilidad de la patente, pasando por el diseño de las reivindicaciones y el estudio de libertad de uso (FTO), hasta la estrategia de presentación de solicitudes en Japón, EE. UU. y Europa.
Reserva tu primera consulta gratuita Servicios de propiedad intelectual en TI e IAP. ¿En qué consiste la patente US 12,430,150 B1?
R. Es una patente registrada en EE. UU. propiedad de Anthropic que protege una «arquitectura de tiempo de ejecución» que permite a un agente de IA manejar automáticamente una interfaz de usuario multimodal (imágenes + texto).Se trata de una patente fundamental relacionada con el «uso informático» (la función de Claude para manejar un ordenador) de dicha empresa, y se registró el 30 de septiembre de 2025. Se compone de un total de 20 reivindicaciones (3 independientes y 17 dependientes).
P. ¿Cuántas reivindicaciones independientes tiene esta patente?
R. Tres. Se trata de la reivindicación 1 (sistema), la reivindicación 14 (método de implementación informática) y la reivindicación 20 (soporte de almacenamiento legible por ordenador no transitorio). Están estructuradas en estas tres categorías, siguiendo las pautas habituales de las patentes de software, para poder abarcar a diferentes sujetos infractores.
P. ¿Por qué se distingue entre «lado del cliente» y «lado del servidor»?
R. Esta arquitectura se basa en una distribución de tareas en la que el lado del cliente se encarga de la construcción de las especificaciones del agente, la interpretación de la representación intermedia y la traducción a comandos de funcionamiento, mientras que el lado del servidor se ocupa de la traducción de las especificaciones del agente a la representación intermedia y del propio agente.Se trata de una configuración acorde con una implementación realista, en la que se delega el razonamiento complejo a la IA del lado del servidor, mientras que la ejecución de las operaciones de la interfaz de usuario recae en el lado del cliente; esta concreción contribuye a garantizar la elegibilidad para la patente.
P. ¿Cómo pueden las empresas japonesas obtener una patente con una tecnología de tipo «Computer Use»?
R. En lugar de centrarse en la idea de que «la IA maneja el ordenador», resulta eficaz describirla como una arquitectura de software concreta, tal y como se hace en este caso: ① la división de funciones entre cliente y servidor; ② la capa de abstracción que supone la representación intermedia; y ③ la conversión en varias etapas: llamada al agente → función de ejecución → comando de ejecución.
P. Me preocupa infringir esta patente. ¿Qué debo hacer?
R. Se trata de una patente registrada, por lo que el alcance real de los derechos viene determinado por el texto de cada reivindicación, la doctrina de la equivalencia y la información sobre la historia de la patente.Determinar si la tecnología de agentes de su empresa infringe la patente (estudio de libertad para operar, FTO) es una tarea especializada que requiere la interpretación de las reivindicaciones. Si le preocupa, solicite a un agente de la propiedad industrial especializado en el ámbito de las tecnologías de la información y el software que realice un análisis comparativo de las reivindicaciones.
Notas sobre este artículo: Este artículo es una explicación general de la tecnología y el sistema basada en boletines de patentes publicados. La patente US 12,430,150 B1 es una patente registrada, pero el alcance real de los derechos viene determinado por el texto de cada reivindicación, la doctrina de la equivalencia y la información sobre la historia de la patente.Las citas de las reivindicaciones, el resumen y la descripción se basan en datos de boletines publicados (como FreePatentsOnline, etc.), pero para usos de importancia jurídica (análisis de libertad para actuar, análisis de infracción, nulidad, solicitudes, etc.), es imprescindible que consulte el original de la USPTO y la información más reciente sobre el historial de la patente, y que recurra al análisis individual de un experto.La traducción al japonés es una traducción de referencia para facilitar la comprensión; el texto oficial es el original en inglés.