[Explicação detalhada do advogado de patentes] Analisando o pedido de patente “Fluxo de dados” da Anthropic (US 2025/0299074 A1) | Pipeline de aprendizagem ↔ inferência e o…

💡 Ponto-chave: este artigo é a quarta explicação individual da série sobre as patentes da Anthropic. Ao lê-lo em conjunto com a edição de análise estratégica, é possível compreender de forma abrangente o panorama geral da rede de patentes da Anthropic em torno do conceito de “Computer Use”.

Índice

1. Resumo em 30 segundos | A “fossa de dados” dos agentes de IA
2. Informações básicas sobre o pedido de patente
3. Quatro camadas | Visão geral das patentes de “Computer Use” da Anthropic
4. Tecnologia ① | Separação entre servidor de treinamento e servidor de produção (train ↔ inference)
5. Técnica 2 | Fluxo de dados e lógica = coordenação geral do tráfego
6. Tecnologia 3 | O “traceado do agente com anotações” como “trincheira de dados”
7. Análise detalhada da reivindicação 1
8. A perspectiva do advogado de patentes | Por que reivindicar o “sistema como um todo”?
9. Como isso será avaliado nos exames do Japão, dos EUA e da Europa
10. Lições para o pedido da própria empresa | Proteger os “dados” e o “pipeline”
11. Perguntas frequentes (FAQ)

💡 Ponto-chave: Além das “partes visíveis” — “roteiro, palco e atores” —, este caso abrange a “circulação sanguínea” = dados e o pipeline. Como a competitividade da IA é determinada pela base de dados, a obtenção de direitos sobre esta quarta camada é uma jogada importante que confere profundidade à rede de patentes.

💡 Ponto-chave: Ao estabelecer um componente integrador chamado “fluxo de dados e lógica”, todo o ciclo de vida — desde o aprendizado até a implantação, a inferência e a devolução — é tratado como um único sistema. Trata-se de uma configuração típica de uma patente de sistema, que se concentra no “fluxo” em vez de em componentes individuais.

US 2025/0299074 A1 | Reivindicação 1 (texto original / inglês)

Um sistema para fornecer agentes de inteligência artificial que automatizam o uso de software, compreendendo: uma pluralidade de servidores de treinamento configurados para treinar agentes durante o treinamento; uma pluralidade de servidores de produção configurados para executar os agentes treinados durante a inferência; uma pluralidade de conjuntos de dados de treinamento, em que a pluralidade de conjuntos de dados inclui imagens de trajetórias definidas dos agentes para fluxos de trabalho de tarefas de automação de interface multimodal, cada trajetória acompanhada por anotações multimodais detalhadas que descrevem ações e decisões dos agentes; e uma lógica de fluxo de dados configurada para: durante o treinamento, fornecer os agentes e a pluralidade de conjuntos de dados de treinamento aos servidores de treinamento, a fim de fazer com que os servidores de treinamento treinem os agentes com base na pluralidade de conjuntos de dados de treinamento e, assim, produzam os agentes treinados; configurar os servidores de produção com os agentes treinados para uso durante a inferência; durante a inferência, fornecer aos servidores de produção os comandos de automação de interface multimodal emitidos pelos clientes, de modo a fazer com que os servidores de produção traduzam os comandos em chamadas de agentes de automação de interface multimodal, em que cada chamada de agente de automação de interface multimodal especifica ações de interface para fazer com que os agentes treinados gerem saídas que automatizem o fluxo de trabalho da interface multimodal em resposta aos comandos multimodais; e disponibilizar as saídas aos clientes.

Tradução de referência feita por um advogado de patentes (em japonês)

Atenção | Reivindicações amplas também acarretam riscos correspondentes: reivindicações que abrangem amplamente o sistema como um todo também apresentam, na mesma proporção, o risco de serem invalidadas com base na técnica anterior (especialmente porque a estrutura geral de MLOps é uma área com muitas técnicas de conhecimento público). É necessário acompanhar de perto o andamento do processo para verificar até que ponto esta patente será registrada na fase de exame (o processo está em andamento).Manter um equilíbrio entre reivindicações amplas e restritas é uma prática recomendada na prática jurídica.

Que tal proteger não apenas a IA e os produtos da sua empresa, mas também os “dados e o pipeline”?

Nossos advogados especializados nas áreas de TI, software e IA oferecem suporte completo, desde a avaliação gratuita da viabilidade de obtenção de direitos, passando pela elaboração de reivindicações que incluem dados e MLOps, até o monitoramento de patentes concorrentes e estratégias de depósito no Japão, nos EUA e na Europa.

P. O que é a patente US 2025/0299074 A1?

R. Trata-se de uma publicação de pedido de patente nos EUA da Anthropic, que tem como objeto a “lógica de fluxo de dados” para fornecer agentes de IA que automatizam o uso de software.Sua principal característica é a separação entre o servidor de treinamento (que treina os agentes) e o servidor de produção (que executa inferências com os agentes já treinados), além de coordenar o fluxo de dados entre eles (fornecimento de dados de treinamento, implantação de modelos treinados, processamento de prompts dos clientes e retorno de resultados).Divulgada em 25 de setembro de 2025, em processo de análise, com 20 reivindicações no total.

P. O que é o “Data Flow Logic”?

R. É um mecanismo que coordena o fluxo de dados dentro do sistema. Neste pedido, ele é responsável por uma série de “organização do tráfego de dados”, que consiste em: ① fornecer dados de treinamento ao servidor durante o treinamento; ② implantar o agente treinado no servidor de produção; ③ encaminhar as solicitações do cliente para o servidor de produção durante a inferência; e ④ retornar a saída ao cliente.

P. Em que essa patente difere das três anteriores?

R. O “Computer Use” da Anthropic é protegido de forma hierárquica em quatro camadas: ① construção (US 2025/0299023), ② infraestrutura de execução (US 12,430,150),③ o próprio agente (US 12,566,913) e, ④ neste caso, trata-se do “fluxo de dados = pipeline da aprendizagem à inferência (infraestrutura MLOps)”. É uma estrutura que abrange não apenas a “estrutura” do produto, mas também sua “circulação”.

P. O que é “trajetória do agente com anotações”?

R. Trata-se do núcleo dos dados de aprendizado mencionados na reivindicação 1, que consiste em “imagens das trajetórias de ação do agente (agentic trajectories)” em tarefas de automação de interfaces multimodais, às quais foram adicionadas “anotações detalhadas que descrevem as ações e as decisões do agente”.Trata-se de dados de treinamento de alta qualidade que registram “como o agente de IA pensou e como agiu”, constituindo uma fonte de competitividade (a “vala de dados”).

P. Há algum ponto que possa servir de referência para o desenvolvimento de IA da nossa empresa?

R. O ponto é que não apenas o “próprio produto”, mas também o “pipeline de dados, desde o aprendizado até a inferência” e a “maneira de criar dados de aprendizado exclusivos” podem ser objeto de patente. Em especial, o mecanismo de geração de dados de aprendizado exclusivos (como trajetórias anotadas) constitui um “fosso” que os concorrentes não conseguem reproduzir facilmente, sendo, portanto, uma área que merece ser considerada para a obtenção de direitos de propriedade intelectual.

Observações sobre este artigo: Este artigo é uma explicação geral sobre tecnologia e regulamentação com base em boletins de pedidos de patente publicados. O US 2025/0299074 A1 é um pedido publicado em processo de exame e ainda não foi registrado. Como as reivindicações podem ser alteradas por meio de correções, o escopo final dos direitos ainda não está definido.As reivindicações, o resumo e o conteúdo da descrição citados baseiam-se em dados de publicações oficiais (Google Patents/FreePatentsOnline, etc.), mas, para fins juridicamente importantes (FTO, análise de violação, pedidos de patente, etc.), verifique sempre o original do USPTO e as informações mais recentes sobre o andamento do processo e recorra à análise individual de um especialista.A tradução para o japonês é uma tradução de referência para facilitar a compreensão; o texto oficial é o original em inglês.