Pianificazione aziendale con l’IA: strategie brevettuali illustrate dal caso 47

A chi sta leggendo questo articolo: La invitiamo a visitare anche il nostro portale dedicato alla proprietà intellettuale nel settore IT, che offre un servizio completo di assistenza in materia di brevetti, marchi e diritti d'autore per le aziende del settore.

Introduzione

«Vorremmo sviluppare uno strumento di previsione aziendale basato sull’intelligenza artificiale, ma si tratta di un’invenzione brevettabile?», «Quali sono i requisiti necessari per ottenere un brevetto su una tecnologia di intelligenza artificiale applicata al mondo degli affari?» — Queste sono le domande che molte aziende si pongono negli ultimi anni.

Con l’accelerazione dell’utilizzo dell’IA nel settore aziendale, cresce anche l’importanza della protezione tramite brevetto; tuttavia, le invenzioni relative al mondo degli affari e quelle legate all’IA sono da sempre considerate particolarmente difficili da brevettare. In particolare, è difficile soddisfare i requisiti di descrizione, quali quelli di attuabilità e di supporto, e storicamente molte domande di brevetto sono state respinte.

Pertanto, nel presente articolo si analizzerà in dettaglio il caso n. 47, «Dispositivo di supporto alla pianificazione aziendale», riportato nel Manuale di esame dell’Ufficio Brevetti, illustrando i punti concreti necessari affinché le invenzioni relative all’IA nel settore commerciale siano riconosciute come brevettabili.Questo caso rappresenta un esempio in cui è stato ritenuto che un dispositivo di supporto alla pianificazione aziendale che utilizza l’IA soddisfacesse i requisiti di descrizione; si tratta quindi di un contenuto estremamente utile per le aziende e gli sviluppatori che mirano a ottenere un brevetto in settori tecnologici affini.

1. Panoramica del caso n. 47 «Dispositivo di supporto alla pianificazione aziendale»

1.1 Ambito delle rivendicazioni

Nel caso n. 47 sono riportate le seguenti rivendicazioni di brevetto.

【Rivendicazione 1】
un metodo per memorizzare la quantità di scorte di un determinato prodotto e,
un sistema per ricevere i dati relativi alle attività pubblicitarie online e alle menzioni dei suddetti prodotti specifici, nonché
un mezzo che, utilizzando un modello predittivo addestrato tramite apprendimento automatico sulla base di dati relativi alle attività pubblicitarie e alle menzioni online di prodotti simili venduti in passato, nonché delle quantità vendute di tali prodotti simili, simula e fornisce le previsioni relative alle future quantità vendute di detto prodotto specifico, ricavate dai dati relativi alle attività pubblicitarie e alle menzioni di detto prodotto specifico, e
un mezzo per elaborare un piano di produzione, che includa il volume di produzione futuro del prodotto specifico, sulla base delle quantità di scorte precedentemente memorizzate e del numero di vendite precedentemente registrato, e
un mezzo per visualizzare i dati relativi al fatturato sopra indicati e il piano di produzione sopra elaborato, e,
Un sistema di supporto alla pianificazione aziendale dotato di.

1.2 Punti salienti della descrizione dettagliata dell’invenzione

Nella descrizione dettagliata dell’invenzione, come contesto e problema della presente invenzione, viene illustrato che, sebbene la diffusione di Internet abbia reso le attività pubblicitarie sul web uno strumento efficace per promuovere le vendite dei prodotti, è difficile valutare in tempo reale l’effettiva efficacia di tali attività e sussiste il rischio di perdere opportunità commerciali a causa, ad esempio, di carenze di scorte, nel corso di un processo di tentativi ed errori.

Al fine di risolvere tale problema, la presente invenzione si propone di fornire un dispositivo di supporto alla pianificazione aziendale che, per un determinato prodotto, stimi i valori previsionali delle vendite future sulla base dei dati relativi alle attività pubblicitarie e a quelle menzionanti il prodotto stesso, e che, in base alle quantità di magazzino e ai valori previsionali delle vendite, proponga un piano di produzione che includa i volumi di produzione futuri.

Come elementi costitutivi della presente invenzione, vengono descritti i seguenti dati e funzioni:

1. Dati relativi alle attività pubblicitarie: numero di esposizioni pubblicitarie su Internet relative a un determinato prodotto (banner pubblicitari, annunci a pagamento, pubblicità via e-mail, ecc.)
2. Dati relativi alle menzioni: valutazioni relative al prodotto in questione o alla pubblicità presenti in articoli sul web, sui social media, nei blog, ecc.
3. Modello predittivo: generato tramite apprendimento automatico supervisionato, che utilizza algoritmi di apprendimento automatico noti, quali le reti neurali, per addestrare il sistema utilizzando come dati di addestramento la relazione tra i dati relativi alle attività pubblicitarie e alle menzioni di prodotti simili venduti in passato e i dati di vendita effettivi di tali prodotti simili
4. Elaborazione del piano di produzione: si definisce un piano di produzione che prevede l’aumento della quantità prodotta qualora le vendite superino le scorte, e una riduzione della quantità prodotta qualora le vendite risultino inferiori alle scorte

1.3 Risultati dell’esame

È importante sottolineare che, per quanto riguarda la rivendicazione 1 del caso 47, non è stato notificato alcun motivo di rigetto per violazione dei requisiti di descrizione (violazione del requisito di attuabilità e del requisito di supporto). In altre parole, il caso viene presentato come un esempio conforme ai requisiti di descrizione.

2. Punti chiave dell’esame del caso 47 – Valutazione dei requisiti di descrizione

Analizziamo in dettaglio i motivi per cui si è ritenuto che il caso 47 soddisfacesse i requisiti di descrizione.

2.1 Valutazione del requisito di attuabilità

Il requisito di attuabilità (articolo 36, paragrafo 4, punto 1, della legge sui brevetti) verifica se la descrizione sia chiara e sufficientemente dettagliata da consentire a un esperto del settore di mettere in pratica l’invenzione. Nel caso n. 47 sono stati considerati fondamentali i seguenti aspetti:

1. Chiara identificazione dei dati di input e output:

   • come dati di input sono specificatamente indicati «il numero di esposizioni pubblicitarie sul web» e «i valori di valutazione su articoli web, social network, blog, ecc.»
   • Come dati di output, è stato chiaramente identificato il «volume delle vendite»

2. Esistenza di una correlazione tra i dati:

   • Sebbene nella descrizione dettagliata dell’invenzione non sia indicata una correlazione specifica tra i dati di input e quelli di output, alla luce delle conoscenze tecniche comuni al momento del deposito della domanda è possibile dedurre l’esistenza di una correlazione tra di essi
   • Si parte dal presupposto che l’esistenza di una correlazione tra i dati relativi alle attività pubblicitarie e le vendite successive sia ampiamente riconosciuta nella pratica aziendale

3. Descrizione chiara delle tecnologie di apprendimento automatico:

   • È indicato l’utilizzo di «algoritmi di apprendimento automatico noti, quali le reti neurali»
   • Vengono descritte in modo specifico le metodologie di apprendimento supervisionato

Nella nota esplicativa del Manuale di esame si afferma quanto segue:

È noto, al momento del deposito della domanda, che, utilizzando algoritmi generici di apprendimento automatico ed eseguendo tale apprendimento sulla base di dati di input e di output che presentano, ad esempio, una correlazione, è possibile generare un modello predittivo in grado di stimare l’output corrispondente a un dato input.

Ciò indica che, poiché le tecnologie di apprendimento automatico sono di per sé note, non è necessaria una loro descrizione dettagliata e che, qualora sia possibile dedurre una relazione di correlazione tra i dati di input e quelli di output, si ritiene che un esperto del settore sia in grado di attuarle.

2.2 Valutazione del requisito di supporto

Il requisito di supporto (articolo 36, paragrafo 6, punto 1, della Legge sui brevetti) verifica se l’invenzione descritta nelle rivendicazioni sia effettivamente descritta nella descrizione dettagliata dell’invenzione. Nel caso 47, si è ritenuto che l’invenzione della rivendicazione 1 soddisfacesse il requisito di supporto in base ai seguenti punti:

1. Descrizione concreta dei mezzi per la risoluzione del problema:

   • è chiaramente descritta una soluzione al problema che, per un determinato prodotto, prevede la previsione delle vendite future sulla base dei dati relativi alle attività pubblicitarie e dei dati di menzione, presentando un piano di produzione basato sui livelli delle scorte e sui valori previsti delle vendite

2. Concretezza degli esempi di attuazione:

   • Gli esempi di attuazione sono descritti in modo concreto, compresi i dati di input (dati relativi alle attività pubblicitarie, dati relativi alle menzioni), i dati di output (previsioni delle vendite), il metodo di generazione del modello predittivo e il metodo di elaborazione del piano di produzione

3. Ragionevole prevedibilità dell’effetto:

   • L’effetto, consistente nel prevedere il volume delle vendite sulla base dei dati relativi alle attività pubblicitarie e alle menzioni e nel formulare un piano di produzione in base al confronto con il livello delle scorte, è ragionevolmente prevedibile per un esperto del settore

3. Caso 47 e punti chiave per l’ottenimento di brevetti relativi a invenzioni di IA nel settore commerciale

Sulla base dell’analisi dell’esempio 47, riassumiamo i punti chiave per l’ottenimento di un brevetto per le invenzioni relative all’IA nel settore commerciale.

3.1 Chiarimento della correlazione tra dati di input e output

L’aspetto più importante nelle invenzioni relative all’IA in ambito commerciale è chiarire la correlazione tra i dati di input e quelli di output. Nel caso 47, è riconosciuto come conoscenza tecnica comune che esista una correlazione tra i dati relativi alle attività pubblicitarie e alle menzioni e il volume delle vendite.

Tuttavia, qualora tale correlazione non fosse riconosciuta come conoscenza tecnica comune, è necessario adottare le seguenti misure:

1. Spiegazione concreta della correlazione:

   • Inserire nella descrizione tecnica i dati statistici e i risultati delle analisi che dimostrano la correlazione tra i dati
   • Confermare la correlazione attraverso esempi concreti o risultati sperimentali

2. Fondamenti teorici della correlazione:

   • Spiegare le basi teoriche che giustificano l’esistenza di una correlazione tra tali dati
   • Corroborare tale ipotesi citando le conoscenze del settore e le ricerche accademiche

3.2 Livello di descrizione appropriato per i modelli di IA

Qualora il modello di IA non costituisca di per sé l’essenza dell’invenzione, non è necessariamente richiesta una descrizione dettagliata dello stesso. Nell’esempio 47, è ritenuta sufficiente una descrizione del tipo «algoritmi di apprendimento automatico noti, quali le reti neurali».

Tuttavia, è necessario prestare attenzione ai seguenti punti:

1. Nel caso in cui il modello di IA costituisca l’essenza dell’invenzione:

   • Se la struttura o il metodo di apprendimento del modello di IA costituiscono l’essenza dell’invenzione, è necessaria una descrizione più dettagliata
   • Ad esempio, qualora si utilizzino metodi di apprendimento o funzioni di perdita specifici, è necessario descriverne i dettagli

2. Nel caso in cui si utilizzino tecnologie non note:

   • qualora si utilizzino tecnologie di IA nuove e non note, è necessario descriverle in modo sufficientemente dettagliato da consentire l’attuazione da parte di un esperto del settore

3.3 Coniugazione di effetti commerciali ed effetti tecnici

Nelle invenzioni di natura commerciale, è importante dimostrare non solo i semplici effetti commerciali, ma anche quelli tecnici. Nell’esempio 47 si riscontrano i seguenti effetti, che si integrano reciprocamente:

1. Effetti commerciali:

   • Prevenzione del rischio di perdere opportunità commerciali a causa, ad esempio, di carenze di scorte
   • Consentire ai venditori di determinati prodotti di rivedere tempestivamente i propri piani di produzione

2. Effetti tecnici:

   • Realizzazione di previsioni di vendita altamente accurate tramite l’apprendimento automatico, utilizzando come input i dati relativi alle attività pubblicitarie online e i dati di menzione
   • L’automazione del sistema elimina le variazioni dovute alle valutazioni soggettive

In questo modo, chiarendo la struttura che risolve le sfide aziendali attraverso mezzi tecnici, si aumenta la brevettabilità.

4. Differenze rispetto ai casi di rigetto contrapposti all’Esempio 47

Mentre il caso 47 è stato ritenuto conforme ai requisiti di descrizione, vi sono casi in cui invenzioni simili relative all’intelligenza artificiale vengono ritenute non conformi a tali requisiti. Esaminiamo tali differenze confrontandole con altri casi riportati nel Manuale di esame.

4.1 Confronto con il caso 46 «Sistema di stima della gradazione zuccherina»

Il caso 46, «Sistema di stima della gradazione zuccherina», riguarda un sistema che, tramite apprendimento automatico, prevede la relazione tra l’immagine del volto di una persona e la gradazione zuccherina degli ortaggi da lei coltivati; tuttavia, è stato ritenuto non conforme al requisito di attuabilità.

Motivo del rigetto del caso 46:

• non è riconosciuto come conoscenza tecnica comune l’esistenza di una correlazione tra l’immagine del volto di una persona e il grado di dolcezza degli ortaggi, e nella descrizione dettagliata dell’invenzione non viene indicata alcuna correlazione specifica
• Non sono stati inoltre presentati i risultati della valutazione delle prestazioni del modello di classificazione effettivamente generato

Differenza rispetto al caso 47:

• Nel caso n. 47, l’esistenza di una correlazione tra i dati relativi alle attività pubblicitarie e il fatturato è riconosciuta come conoscenza tecnica comune
• Nel settore commerciale, la relazione tra pubblicità e fatturato è supportata da numerose ricerche e dalla pratica professionale

4.2 Confronto con il caso 49 «Sistema di stima del peso corporeo»

La rivendicazione 1 del caso 49 «Sistema di stima del peso corporeo» riguarda un sistema che stima il peso corporeo sulla base delle caratteristiche che descrivono la forma del volto di una persona e dell’altezza; tuttavia, è stata ritenuta non conforme ai requisiti di supporto.

Motivi del rigetto del caso 49:

• Sebbene nella rivendicazione 1 siano descritte in modo generico le «caratteristiche che rappresentano la forma del viso», nella descrizione dettagliata dell’invenzione è supportata solo una caratteristica specifica, ovvero l’«angolo della linea del viso»
• Non è riconosciuto come conoscenza tecnica comune che esista una correlazione tra le caratteristiche della forma del viso e il peso corporeo

Differenza rispetto al caso 47:

• Nel caso 47, i dati di input sono specificatamente identificati come «dati relativi alle attività pubblicitarie» e «dati relativi alle menzioni»
• La correlazione tra tali dati e il fatturato è riconosciuta come conoscenza tecnica comune

5. Punti pratici per soddisfare i requisiti di descrizione delle invenzioni relative all’IA nel settore commerciale

Sulla base dell’analisi del caso n. 47, si riassumono di seguito i punti pratici per soddisfare i requisiti di descrizione nelle domande di brevetto relative alle invenzioni nel campo dell’IA applicata al mondo degli affari.

5.1 Punti chiave per la redazione della descrizione

1. Chiarire l’aspetto tecnico del problema:

   • descriverla non come una semplice sfida commerciale, ma come una sfida tecnica relativa all’elaborazione delle informazioni
   • Ad esempio, si metta in evidenza il problema tecnico rappresentato dalla «difficoltà nel prendere decisioni in tempo reale»

2. Specificare concretamente i dati di input e output:

   • Descrivere chiaramente il contenuto e il formato specifici dei dati di input e di output
   • Fornire, per quanto possibile, esempi concreti o intervalli numerici

3. Spiegare le relazioni di correlazione tra i dati:

   • qualora la correlazione non sia riconosciuta come conoscenza tecnica comune, si devono riportare i dati e i risultati delle analisi a sostegno di tale correlazione
   • Spiegare le basi teoriche per cui si ritiene che esista una correlazione tra tali dati

4. Indicare chiaramente le modalità di utilizzo della tecnologia di intelligenza artificiale:

   • Quale algoritmo di apprendimento automatico viene utilizzato?
   • Quali dati verranno utilizzati come dati di addestramento?
   • In che modo viene effettuato l’apprendimento

5. Descrizione concreta dei risultati:

   • Descrivere in modo concreto sia gli effetti tecnici che quelli commerciali
   • Se possibile, si forniscano dati numerici o i risultati di esperimenti comparativi

5.2 Punti chiave per la redazione delle rivendicazioni

1. Descrivere chiaramente gli elementi tecnici:

   • Descrivere in modo concreto la configurazione hardware (apparecchiature, mezzi)
   • Descrivere in modo concreto l’elaborazione software (fasi, funzioni)

2. Limitare adeguatamente i dati di input e output:

   • Specificare chiaramente il tipo e il contenuto dei dati di ingresso e di uscita
   • In particolare, per quanto riguarda i dati per i quali non è riconosciuta una correlazione come conoscenza tecnica comune, limitarli all’ambito comprovato dalla descrizione dettagliata dell’invenzione

3. Descrivere in modo specifico le funzionalità del modello di IA:

   • Descrivere in modo concreto quali funzioni realizza il modello di IA
   • Ad esempio: «Utilizzando un modello predittivo... si esegue una simulazione e si genera un output» ecc.

4. Chiarire la relazione tra i processi aziendali e le elaborazioni tecniche:

   • Chiarire in che modo i processi aziendali (ad esempio: la definizione del piano di produzione) siano realizzati mediante quali trattamenti tecnici

5.3 Punti chiave per rispondere ai motivi di rigetto

È opportuno tenere presenti anche i punti chiave per la gestione dei motivi di rigetto:

1. Motivi di rigetto relativi alla correlazione:

   • Sostenere l’esistenza di una correlazione citando articoli accademici o dati di settore
   • Presentare dati che dimostrino la correlazione, ad esempio tramite certificati dei risultati sperimentali

2. Motivi di rigetto relativi al requisito di attuabilità:

   • Fornire spiegazioni aggiuntive sugli esempi concreti di implementazione del modello di IA e sui metodi di addestramento
   • Presentare diagrammi di flusso del programma o pseudocodice

3. Motivi di rigetto relativi ai requisiti di supporto:

   • Limitare l’ambito delle rivendicazioni a quanto supportato dalla descrizione dettagliata dell’invenzione
   • In particolare, aggiungere limitazioni relative al tipo di dati e alle relazioni di correlazione

6. Riepilogo: strategia per l’ottenimento di brevetti relativi a invenzioni di IA nel settore aziendale

Dall’analisi del caso 47 «Dispositivo di supporto alla pianificazione aziendale», i punti chiave per l’ottenimento di un brevetto per le invenzioni relative all’IA nel settore aziendale possono essere riassunti come segue:

1. Chiarimento delle problematiche tecniche e delle soluzioni:

   • Ridefinire le sfide aziendali da un punto di vista tecnico
   • Descrivere in modo concreto il metodo di risoluzione mediante mezzi tecnici

2. Convalida delle correlazioni tra i dati:

   • Chiarire la correlazione tra i dati di input e quelli di output
   • Qualora non siano riconosciute come conoscenze tecniche comuni, fornirne la conferma mediante dati concreti o risultati di analisi

3. Scelta e descrizione delle tecnologie di IA appropriate:

   • Selezionare la tecnologia di IA adeguata alla risoluzione del problema
   • Se si tratta di una tecnologia già nota, non è necessaria una spiegazione dettagliata; nel caso di una tecnologia nuova, descriverla in modo specifico

4. Descrizione concreta degli effetti:

   • Descrivere in modo concreto sia gli effetti tecnici che quelli commerciali
   • Ove possibile, si forniscano dati numerici o risultati di esperimenti comparativi

Le invenzioni relative all’IA in ambito commerciale difficilmente ottengono la brevettabilità se si limitano alla semplice sistematizzazione di metodi commerciali o alla semplice applicazione dell’IA; tuttavia, dimostrando chiaramente la risoluzione di un problema tecnico e corroborando adeguatamente la correlazione tra i dati di input e output, le possibilità di ottenere un brevetto aumentano, come illustrato nell’esempio 47.

Con il progresso delle tecnologie di IA, le applicazioni nel settore commerciale si ampliano di giorno in giorno. Qualora il modello di business o le metodologie di analisi dei dati della Sua azienda presentino elementi di originalità, è possibile che questi possano essere tutelati come proprietà intellettuale. Il nostro studio, avvalendosi della vasta esperienza e delle competenze specialistiche in materia di ottenimento di brevetti per invenzioni relative all’IA nel settore commerciale, Le proporrà la strategia di tutela dei diritti più adeguata. Non esiti a contattarci per una consulenza.

Riferimenti bibliografici

1. Ufficio dei Brevetti «Manuale di esame dei brevetti e dei modelli di utilità - Allegato A»
2. Ufficio dei Brevetti «Casi relativi alle tecnologie legate all’IA»
3. Ufficio dei Brevetti «Criteri di esame, Parte II, Capitolo 1: Requisiti di attuabilità»
4. Ufficio dei Brevetti «Criteri di esame, Parte II, Capitolo 2, Sezione 2: Requisito di supporto»
5. Ordine dei Patentisti del Giappone: «Relazione di ricerca sulla pratica brevettuale relativa alle invenzioni legate all’intelligenza artificiale»