[Explicación detallada de un agente de patentes] Análisis de la solicitud de patente de Anthropic sobre «flujo de datos» (US 2025/0299074 A1) | El proceso de aprendizaje ↔…

💡 Punto clave: este artículo es la cuarta explicación individual de la serie de patentes de Anthropic. Si se lee junto con la parte dedicada al análisis estratégico, se puede comprender de forma más completa el panorama general de la red de patentes de Anthropic en torno al «uso informático».

Índice

1. Resumen de 30 segundos | El «foso de datos» de los agentes de IA
2. Información básica sobre la solicitud de patente
3. Las cuatro capas | Panorama general de las patentes de «uso informático» de Anthropic
4. Técnica n.º 1 | Separación entre el servidor de entrenamiento y el servidor de producción (train ↔ inference)
5. Técnica n.º 2 | Flujo de datos y lógica = gestión del tráfico general
6. Técnica n.º 3 | La «traza del agente anotada» como foso de datos
7. Lectura detallada de la reivindicación 1
8. El punto de vista del agente de patentes | ¿Por qué se reivindica el «sistema completo»?
9. ¿Cómo se evaluará en los exámenes de Japón, EE. UU. y Europa?
10. Lecciones para las solicitudes de la propia empresa | Proteger los «datos» y el «flujo de datos»
11. Preguntas frecuentes (FAQ)

💡 Punto clave: además de los «aspectos visibles» como el «guion, el escenario y los actores», este caso abarca el «flujo sanguíneo», es decir, los datos y el proceso. Dado que la competitividad de la IA viene determinada por la base de datos, la protección de los derechos de esta cuarta capa constituye una jugada clave que aporta profundidad a la red de patentes.

💡 Punto clave: al establecer un componente global denominado «flujo de datos y lógica», se gestiona todo el ciclo de vida —desde el aprendizaje hasta el despliegue, pasando por la inferencia y la devolución— como un único sistema. Se trata de una configuración típica de las patentes de sistemas, que se centra en el «flujo» en lugar de en los componentes individuales.

US 2025/0299074 A1 | Reivindicación 1 (texto original / inglés)

Un sistema para proporcionar agentes de inteligencia artificial que automatizan el uso de software, que comprende: una pluralidad de servidores de entrenamiento configurados para entrenar a los agentes durante el entrenamiento; una pluralidad de servidores de producción configurados para ejecutar los agentes entrenados durante la inferencia; una pluralidad de conjuntos de datos de entrenamiento, en los que dicha pluralidad de conjuntos de datos incluye imágenes de trayectorias de agentes definidas para flujos de trabajo de tareas de automatización de interfaces multimodales, acompañadas cada una de ellas de anotaciones multimodales detalladas que describen acciones y decisiones de los agentes; y una lógica de flujo de datos configurada para: durante el entrenamiento, proporcionar los agentes y los conjuntos de datos de entrenamiento a los servidores de entrenamiento, con el fin de que estos entrenen a los agentes sobre dichos conjuntos de datos y, de este modo, generen los agentes entrenados; configurar los servidores de producción con los agentes entrenados para su uso durante la inferencia; durante la inferencia, proporcionar a los servidores de producción las indicaciones de automatización de la interfaz multimodal emitidas por los clientes, para que los servidores de producción traduzcan dichas indicaciones en llamadas a agentes de automatización de la interfaz multimodal, en las que cada llamada a un agente de automatización de la interfaz multimodal especifica acciones de interfaz para que los agentes entrenados generen resultados que automaticen el flujo de trabajo de la interfaz multimodal en respuesta a las indicaciones multimodales; y poner los resultados a disposición de los clientes.

Traducción de referencia realizada por un agente de patentes (en japonés)

Atención | Las reivindicaciones amplias conllevan riesgos proporcionales: las reivindicaciones que abarcan ampliamente el sistema en su conjunto conllevan, en la misma medida, el riesgo de que sean invalidadas por el estado de la técnica (sobre todo porque la estructura general de MLOps es un ámbito con mucha tecnología conocida). Será necesario seguir de cerca la evolución del caso para ver hasta qué punto se registra en el examen (este caso está pendiente de resolución).La práctica habitual consiste en lograr un equilibrio adecuado entre las reivindicaciones amplias y las restrictivas.

¿Por qué no proteger no solo la IA y los productos de su empresa, sino también los «datos y los flujos de trabajo»?

Nuestros agentes de la propiedad industrial, expertos 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 protección, pasando por el diseño de reivindicaciones que incluyan datos y MLOps, hasta el seguimiento de las patentes de la competencia y la estrategia de presentación de solicitudes en Japón, EE. UU. y Europa.

P. ¿En qué consiste la patente US 2025/0299074 A1?

R. Se trata de una solicitud de patente estadounidense publicada por Anthropic que se refiere a la «lógica de flujo de datos», que proporciona un agente de IA para automatizar el uso de software.Se caracteriza por separar el servidor de aprendizaje (que entrena a los agentes) del servidor de producción (que ejecuta inferencias con los agentes entrenados) y por gestionar el flujo de datos entre ambos (suministro de datos de aprendizaje, despliegue de modelos entrenados, procesamiento de las solicitudes de los clientes y devolución de resultados).Publicada el 25 de septiembre de 2025, en fase de examen, con un total de 20 reivindicaciones.

P. ¿Qué es «Data Flow Logic»?

R. Es un mecanismo que coordina el flujo de datos dentro del sistema. En esta solicitud, se encarga de una serie de «gestión del tráfico de datos» que consiste en: ① suministrar datos de aprendizaje al servidor durante el aprendizaje; ② desplegar los agentes entrenados en el servidor de producción; ③ enviar las solicitudes de los clientes al servidor de producción durante la inferencia; y ④ devolver los resultados a los clientes.

P. ¿En qué se diferencia esta patente de las tres anteriores?

R. El «uso informático» de Anthropic está protegido de forma estratificada en cuatro capas: ① la construcción (US 2025/0299023), ② la plataforma de ejecución (US 12,430,150),③ el agente propiamente dicho (US 12,566,913) y ④ la presente patente, que se refiere al «flujo de datos = canalización desde el aprendizaje hasta la inferencia (infraestructura MLOps)». Se trata de una estructura que abarca no solo el «esqueleto» del producto, sino también su «circulación».

P. ¿Qué son las «trayectorias de agente anotadas»?

R. Se trata del núcleo de los datos de aprendizaje que aparecen en la reivindicación 1, y consiste en «imágenes de las trayectorias de los agentes (agentic trajectories)» en tareas de automatización de interfaces multimodales, a las que se han añadido «anotaciones detalladas que describen las acciones y las decisiones de los agentes».Se trata de datos de aprendizaje de alta calidad que registran «cómo pensó y cómo actuó» el agente de IA, y constituyen una fuente de competitividad (la «trinchera de datos»).

P. ¿Hay algún aspecto que pueda servir de referencia para el desarrollo de IA de nuestra empresa?

R. El hecho de que no solo el «producto en sí», sino también el «flujo de datos desde el aprendizaje hasta la inferencia» y el «método propio de creación de datos de aprendizaje» puedan ser objeto de patente. En particular, el mecanismo para generar datos de aprendizaje propios (como las trayectorias anotadas) constituye una «ventaja competitiva» que la competencia no puede reproducir fácilmente, por lo que es un ámbito en el que merece la pena considerar la protección mediante derechos de propiedad intelectual.

Advertencias sobre este artículo: Este artículo es una explicación general de la tecnología y el sistema basada en el boletín de solicitudes de patente publicadas. La solicitud US 2025/0299074 A1 es una solicitud publicada que se encuentra en trámite de examen y no ha sido registrada. Dado que las reivindicaciones pueden modificarse mediante correcciones, el alcance definitivo de los derechos aún no está determinado.Las citas de las reivindicaciones, el resumen y la descripción se basan en los datos de los boletines publicados (Google Patents, FreePatentsOnline, etc.), pero para usos de importancia jurídica (análisis de libertad de uso, análisis de infracción, solicitudes, etc.), es imprescindible que consulte el original de la USPTO y la información más reciente sobre el estado de la tramitación, y que recurra al asesoramiento 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.