Patentability of LLM Prompts: Overcoming Abstract Idea Rejections

 

Can a Simple Command to an AI Be Patented? This article provides an in-depth analysis of how LLM prompt techniques can transcend mere ‘ideas’ to be recognized as concrete ‘technical inventions,’ exploring key strategies and legal standards across different countries.

It seems that almost no one around us thinks of protecting prompt techniques or prompts that instruct LLM models with patents. At first, I was also skeptical, wondering, ‘Can a simple command to a computer be patented?’ However, as I delved deeper into this topic, I came to the conclusion that it is entirely possible if certain conditions are met. This article is a summary of the thought process I went through, and please bear in mind that it may not yet be an academically established view. 😊

 

🤔 Prompts Aren’t Patentable Because They’re Just ‘Human Thoughts,’ Right?

The first hurdle that comes to mind for many is the principle that ‘human mental processes’ are not patentable subject matter. In fact, the argument that “a prompt is fundamentally human involvement, and technology involving such human mental activity is not patentable” is one of the strongest reasons for rejection in patent examination. This standard has been particularly firm since the U.S. Supreme Court’s Alice Corp. v. CLS Bank decision. It means that merely implementing something on a computer that a person could do in their head is not enough to get a patent.

According to this logic, the act of instructing an AI through a prompt is ultimately an expression of human thought, so one could easily conclude that it cannot be patented. However, this argument is half right and half wrong. And this is precisely where our patent strategy begins.

💡 Good to Know!
What patent law takes issue with as ‘human intervention’ is not the act of giving a command to a system itself. It refers to cases where the core idea of the invention remains at the level of a mental step that can be practically performed in the human mind. Therefore, the key is to prove that our prompt technology transcends this boundary.

 

📊 A Shift in Perspective: From ‘Command’ to ‘Computer Control Technology’

The first step to unlocking the patentability of prompt technology is to change our perspective. We need to redefine our technology not as ‘a message sent from a human to an AI,’ but as ’a technology that controls the internal computational processes of a complex computer system (LLM) through structured data to solve a technical problem and achieve concrete performance improvements.’

If you take a close look at the algorithm of China’s DeepSeek-R1, you can see that it implements various prompt techniques as they are.

Think about it. The process of assigning a specific expert role to an LLM with billions of parameters, injecting complex library dependency information as context, and combining numerous constraints to control the generation of optimal code is clearly in a realm that ‘cannot practically be performed in the human mind.’ This is a crucial standard for recognizing patent eligibility in the guidelines and case law of the U.S. Patent and Trademark Office (USPTO).

 

🌍 A Comparative Look at Key Examination Standards of Major Patent Offices

The patentability of prompt technology is not assessed uniformly across all countries. If you are considering international filing, it is crucial to understand the subtle differences in perspective among major patent offices.

1. USPTO (United States Patent and Trademark Office) – Emphasis on the Abstract Idea Exception

The USPTO strictly applies the Alice/Mayo two-step test, which originated from Supreme Court case law. Instructions or general linguistic expressions that merely replace human thought processes can be dismissed as “abstract ideas.” However, if it can be demonstrated that the prompt is linked to a concrete technical implementation (e.g., improving model accuracy, optimizing specific hardware operations), there is a chance of it being recognized as patent-eligible subject matter.

2. EPO (European Patent Office) – Focus on Technical Effect

The EPO assesses based on “technical character” and “technical effect.” Simply presenting data input or linguistic rules is considered to lack inventive step, but if the prompt structure serves as a means to solve a technical problem (e.g., improving computational efficiency, optimizing memory usage, enhancing interaction with a specific device), it can be recognized as patent-eligible.

3. KIPO (Korean Intellectual Property Office) – Emphasis on Substantive Requirements for Software Inventions

KIPO places importance on the traditional requirement of “a creation of a technical idea utilizing the laws of nature.” Therefore, a prompt as a mere sentence or linguistic rule is not considered a technical idea, but if it is shown to be combined with a specific algorithm, hardware, or system to produce a concrete technical result, it can be recognized as an invention. In Korean practice, presenting a concrete system structure or processing flow is particularly persuasive.

Key Comparison Summary

Patent Office	Key Requirement
USPTO (U.S.)	Emphasis on ‘concrete technical implementation’ to avoid the abstract idea exception
EPO (Europe)	Proof of ‘technical effect’ is key; simple data manipulation is insufficient
KIPO (Korea)	Must be a technical idea using laws of nature + emphasis on systemic/structural implementation

⚠️ Implications for International Filing
The same “LLM prompt” technology could be at risk of being dismissed as an “abstract business method” in the United States, a “non-technical linguistic rule” in Europe, and a “mere idea” in Korea. Therefore, when considering international filing, a strategy that clearly articulates the ‘concrete system architecture’ and ‘measurable technical effects’ throughout the specification is essential as a common denominator.

 

🧮 A Practical Guide to Drafting Patent Claims (Detailed)

So, how should you draft patent claims to avoid the ‘human intervention’ attack and clearly establish that it is a ‘technical invention’? Let’s take a closer look at four key strategies.

1. Set the subject as the ‘computer (processor),’ not the ‘person.’

This is the most crucial step in shifting the focus of the invention from the ‘user’s mental activity’ to the ‘machine’s technical operation.’ It must be specified that all steps of the claim are performed by computer hardware (processor, memory, etc.).

• Bad 👎: A method where a user specifies a persona to an LLM and generates code.
• Good 👍: A step where a processor, upon receiving a user’s input, assigns a professional persona for a specific programming language to the LLM.

2. Specify the prompt as ‘structured data.’

Instead of abstract expressions like ‘natural language prompt,’ you need to clarify that it is a concrete data structure processed by the computer. This shows that the invention is not just a simple idea.

• Bad 👎: A step of providing a natural language prompt to the LLM.
• Good 👍: A step of generating and providing to the LLM a machine-readable context schema that includes library names and version constraints.

3. Claim ‘system performance improvement,’ not the result.

Instead of subjective results like ‘good code,’ you must specify objective and measurable effects that substantially improve the computer’s functionality. This is the core of ‘technical effect.’

• Bad 👎: A step of generating optimized code.
• Good 👍: A step of controlling the LLM’s token generation probability through the schema to generate optimized code that reduces code compatibility errors and saves GPU memory usage.

4. Clarify the ‘automation’ process.

It should be specified that all processes after the initial input (data structuring, LLM control, result generation, etc.) are performed Automatically by the system without further human judgment, demonstrating that it is a reproducible technical process.

 

📜 Reinforced Claim Example

By integrating all the strategies described above, you can construct a reinforced patent claim as follows.

[Claim] A computer-implemented method for generating optimized code, comprising:

1. (a) parsing, by a processor, a user’s natural language input to generate a persona identifier defining an expert role for a specific programming language;
2. (b) generating, by the processor, by referencing said input and an external code repository, structured context data including library names, version constraints, and hardware memory usage limits;
3. (c) generating, by the processor, a control prompt including said persona identifier and structured context data and transmitting it to an LLM, thereby automatically controlling the internal token generation process of the LLM;
4. (d) receiving, from said controlled LLM, optimized code that satisfies said constraints and has a compilation error rate below a predefined threshold and reduced GPU memory usage.

→ This example, instead of focusing on a simple result, greatly increases the chances of patent registration by clarifying system-level measurable technical effects such as ‘reduced compilation error rate’ and ‘reduced GPU memory usage.’

 

Frequently Asked Questions ❓

Q: Can a simple prompt like "write a poem about a cat" be patented?

A: No, that in itself is just an idea and would be difficult to patent. The subject of a patent would be a technical method or system that uses a prompt with a specific data structure (e.g., a schema defining poetic devices, rhyme schemes) to control an LLM to generate a poem, resulting in less computational resource usage or more accurate generation of a specific style of poetry.

Q: What are some specific ‘technical effects’ of prompt technology?

A: Typical examples include reduced compilation error rates in code generation, savings in computational resources like GPU and memory, shorter response generation times, and improved output accuracy for specific data formats (JSON, XML, etc.). The important thing is that these effects must be measurable and reproducible.

Q: Do I need to draft claims differently for each country when filing internationally?

A: Yes, while the core strategy is the same, it is advantageous to tailor the emphasis to the points that each patent office values. For example, in a U.S. (USPTO) specification, you would emphasize the ‘concrete improvement of computer functionality,’ in Europe (EPO), the ‘technical effect through solving a technical problem,’ and in Korea (KIPO), the ‘concreteness of the system configuration and processing flow.’

In conclusion, there is a clear path to protecting AI prompts with patents. However, it requires a strategic approach that goes beyond the idea of ‘what to ask’ and clearly demonstrates ‘how to technically control and improve a computer system.’ I hope this article provides a small clue to turning your innovative ideas into powerful intellectual property. If you have any more questions, feel free to ask in the comments~ 😊

※ This blog post is intended for general informational purposes only and does not constitute legal advice on any specific matter. For individual legal issues, please consult a qualified professional.

‘추상적 아이디어’ 공격을 피하는 프롬프트 특허 전략

 

AI에게 내리는 단순한 명령, 특허가 될 수 있을까? LLM 프롬프트 기술이 단순한 ‘아이디어’를 넘어 어떻게 구체적인 ‘기술적 발명’으로 인정받을 수 있는지, 그 핵심 전략과 국가별 법적 기준을 심층적으로 분석합니다.

우리 주변에 LLM 모델에게 지시하는 프롬프트 기법이나 그 프롬프트를 특허로 보호받을 생각을 하는 사람은 거의 없는 것 같습니다. 저도 처음에는 ‘단순히 컴퓨터에 내리는 명령인데 이게 특허가 될까?’ 하는 의구심이 들었죠. 하지만 이 주제에 대해 깊이 파고들면서, 특정 조건을 만족할 경우 충분히 가능하다는 결론에 이르게 되었습니다. 이 글은 제가 도달한 일련의 사고 과정을 정리한 것이며, 아직 학술적으로 확립된 견해는 아닐 수 있다는 점을 감안하고 읽어주시면 좋겠습니다. 😊

 

🤔 프롬프트, 단순한 ‘사람의 생각’이라 특허가 안 된다고요?

많은 분들이 가장 먼저 떠올리는 장벽은 바로 ‘인간의 정신적 활동’은 특허 대상이 아니라는 원칙일 겁니다. 실제로 “프롬프트는 근본적으로 인간의 개입이며, 이러한 인간의 정신적 활동이 개입되는 기술은 특허 대상이 아니다”라는 주장은 특허 심사에서 가장 강력한 거절 이유 중 하나입니다. 이는 특히 미국 연방대법원의 앨리스 판례(Alice Corp. v. CLS Bank) 이후 더욱 확고해진 기준이죠. 사람이 머릿속으로 생각해서 할 수 있는 일을 단순히 컴퓨터로 구현한 것만으로는 특허를 받을 수 없다는 의미입니다.

이 논리에 따르면, 우리가 프롬프트를 통해 AI에게 무언가를 지시하는 행위는 결국 사람의 머릿속 생각을 표현한 것이니, 특허가 될 수 없다는 결론에 쉽게 다다를 수 있습니다. 하지만 이 주장은 절반은 맞고 절반은 틀립니다. 바로 여기서부터 우리의 특허 확보 전략이 시작됩니다.

💡 알아두세요!
특허법이 문제 삼는 ‘인간의 개입’은 시스템에 명령을 내리는 행위 자체가 아닙니다. 발명의 핵심 아이디어가 인간의 머릿속에서 실질적으로 수행될 수 있는 정신적 단계에 머무는 경우를 의미합니다. 따라서 우리의 프롬프트 기술이 이 경계를 넘어서는 것임을 증명하는 것이 핵심입니다.

 

📊 관점의 전환: ‘명령어’에서 ‘컴퓨터 제어 기술’로

프롬프트 기술의 특허 가능성을 열기 위한 첫걸음은 관점을 바꾸는 것입니다. 우리의 기술을 ‘인간이 AI에게 보내는 메시지’가 아니라, ’복잡한 컴퓨터 시스템(LLM)의 내부 연산 과정을 특정 구조의 데이터를 통해 제어하여, 기술적 문제를 해결하고 구체적인 성능 향상을 이끌어내는 기술’로 재정의해야 합니다.

중국의 DeepSeek-R1의 알고리즘을 가만히 들여다보면, 다양한 프롬프트 기법을 그대로 구현하고 있다는 사실을 발견할 수 있습니다.

생각해보세요. 수십억 개의 파라미터를 가진 LLM에 특정 전문가 역할을 부여하고, 복잡한 라이브러리 의존성 정보를 컨텍스트로 주입하며, 수많은 제약 조건을 조합해 최적의 코드를 생성하도록 제어하는 과정은 명백히 ‘인간의 정신 능력으로는 실질적으로 수행 불가능한(cannot practically be performed in the human mind)’ 영역입니다. 이는 미국 특허상표청(USPTO)의 가이드라인이나 판례에서도 특허 적격성을 인정하는 중요한 기준이 됩니다.

 

🌍 주요국 특허청별 핵심 심사 기준 비교

프롬프트 기술의 특허 가능성은 모든 나라에서 동일하게 평가되지 않습니다. 국제 출원을 고려한다면 주요국 특허청의 미묘한 시각차를 이해하는 것이 매우 중요합니다.

1. USPTO (미국 특허청) – 추상적 아이디어 예외 강조

미국 특허청은 대법원 판례에서 비롯된 Alice/Mayo 2단계 테스트를 엄격히 적용합니다. 단순히 인간의 사고 과정을 대체하는 지시나 일반적 언어 표현은 “추상적 아이디어”로 보아 배제될 수 있습니다. 그러나 프롬프트가 구체적인 기술적 구현(예: 모델 정확도 개선, 특정 하드웨어 연산 최적화)에 연결되어 있음을 입증하면 특허 적격성을 인정받을 여지가 있습니다.

2. EPO (유럽 특허청) – 기술적 효과(technical effect) 중심

유럽 특허청은 ”기술적 성격” 및 “기술적 효과”를 기준으로 판단합니다. 단순히 데이터 입력이나 언어 규칙을 제시하는 수준은 발명성이 없다고 보지만, 프롬프트 구조가 기술적 문제를 해결하는 수단(예: 연산 효율 개선, 메모리 사용 최적화, 특정 장치와의 상호작용 강화)으로 기능한다면 특허 적격성을 인정할 수 있습니다.

3. KIPO (한국 특허청) – 소프트웨어 발명의 실체적 요건 강조

한국 특허청은 “자연법칙을 이용한 기술적 사상의 창작”이라는 전통적 요건을 중시합니다. 따라서 단순히 문장이나 언어 규칙으로서의 프롬프트는 기술적 사상이 아니라고 보지만, 특정 알고리즘·하드웨어·시스템과 결합하여 구체적인 기술적 결과를 도출함을 입증하면 발명으로 인정될 수 있습니다. 특히 한국 실무에서는 구체적 시스템 구조나 처리 흐름을 함께 제시해야 설득력이 큽니다.

핵심 비교 요약

특허청	핵심 요건
USPTO (미국)	추상적 아이디어 예외를 피하기 위한 ‘구체적 기술 구현’ 강조
EPO (유럽)	‘기술적 효과(technical effect)’ 입증이 핵심. 단순 데이터 조작은 불가
KIPO (한국)	자연법칙을 이용한 기술적 사상 + 시스템/구조적 구현 강조

⚠️ 국제출원 시사점
동일한 “LLM 프롬프트” 기술이라도 미국에서는 “추상적 비즈니스 방법”으로, 유럽에서는 “비기술적 언어 규칙”으로, 한국에서는 “단순 아이디어”로 배제될 위험이 각각 존재합니다. 따라서 국제출원을 고려한다면, 공통분모인 ‘구체적인 시스템 아키텍처’와 ‘측정 가능한 기술적 효과’를 명세서 전반에 명확히 드러내는 전략이 필수적입니다.

 

🧮 특허 청구항 구성 실무 가이드 (상세편)

그렇다면 ‘인간의 개입’이라는 공격을 피하고 ‘기술적 발명’임을 명확히 하려면 특허 청구항을 어떻게 작성해야 할까요? 핵심 전략 4가지를 더 구체적으로 살펴보겠습니다.

1. 주어를 ‘사람’이 아닌 ‘컴퓨터(프로세서)’로 설정하세요.

이는 발명의 중심을 ‘사용자의 정신 활동’에서 ‘기계의 기술적 동작’으로 옮기는 가장 중요한 단계입니다. 청구항의 모든 단계가 컴퓨터 하드웨어(프로세서, 메모리 등)에 의해 수행됨을 명시해야 합니다.

• Bad 👎: 사용자가 LLM에 페르소나를 지정하고 코드를 생성하는 방법.
• Good 👍: 프로세서가(A processor), 사용자의 입력을 수신하여 특정 프로그래밍 언어의 전문가 페르소나를 LLM에 부여하는 단계.

2. 프롬프트를 ‘구조화된 데이터’로 구체화하세요.

‘자연어 프롬프트’와 같은 추상적인 표현 대신, 컴퓨터가 처리하는 구체적인 데이터 구조임을 명확히 해야 합니다. 이는 발명이 단순한 아이디어가 아님을 보여줍니다.

• Bad 👎: LLM에 자연어 프롬프트를 제공하는 단계.
• Good 👍: 라이브러리 명칭 및 버전 제약 조건을 포함하는 기계 판독 가능한 컨텍스트 스키마(a machine-readable context schema)를 생성하여 LLM에 제공하는 단계.

3. 결과물이 아닌 ‘시스템 성능 개선’을 청구하세요.

‘좋은 코드’와 같은 주관적인 결과물이 아니라, 컴퓨터의 기능을 실질적으로 향상시키는 객관적이고 측정 가능한 효과를 명시해야 합니다. 이것이 바로 ‘기술적 효과’의 핵심입니다.

• Bad 👎: 최적화된 코드를 생성하는 단계.
• Good 👍: 상기 스키마를 통해 LLM의 토큰 생성 확률을 제어하여, 코드 호환성 오류를 감소시키고 GPU 메모리 사용량을 절감하는 최적화된 코드를 생성하는 단계.

4. ‘자동화’ 과정을 명확히 하세요.

최초의 입력을 제외한 모든 과정(데이터 구조화, LLM 제어, 결과 생성 등)은 인간의 추가적인 판단 없이 시스템에 의해 자동으로(Automatically) 이루어진다는 점을 명시하여, 재현 가능한 기술 프로세스임을 보여줘야 합니다.

 

📜 강화된 청구항 예시

앞서 설명한 전략들을 모두 통합하면 다음과 같이 강화된 특허 청구항을 구성할 수 있습니다.

[청구항] 최적화된 코드를 생성하는 컴퓨터 구현 방법으로서,

1. (a) 프로세서가 사용자의 자연어 입력을 파싱하여, 특정 프로그래밍 언어의 전문가 역할을 정의하는 페르소나 식별자를 생성하는 단계;
2. (b) 프로세서가 상기 입력 및 외부 코드 저장소를 참조하여, 라이브러리 명칭과 버전 제약조건, 하드웨어 메모리 사용 한계치를 포함하는 구조화된 컨텍스트 데이터(structured context data)를 생성하는 단계;
3. (c) 프로세서가 상기 페르소나 식별자 및 구조화된 컨텍스트 데이터를 포함하는 제어 프롬프트를 생성하여 LLM에 전송함으로써, LLM의 내부 토큰 생성 과정을 자동으로 제어하는 단계;
4. (d) 상기 제어된 LLM으로부터, 상기 제약조건을 만족하고 컴파일 오류율이 사전 정의된 임계값 미만이며 GPU 메모리 사용량이 감소된 최적화된 코드를 수신하는 단계를 포함하는 방법.

→ 이 예시는 단순한 결과물이 아니라, ‘컴파일 오류율 감소’, ‘GPU 메모리 사용량 감소’와 같은 시스템 수준의 측정 가능한 기술적 효과를 명확히 함으로써 특허 등록 가능성을 크게 높입니다.

 

자주 묻는 질문 ❓

Q: “고양이 시를 써줘” 같은 간단한 프롬프트도 특허를 받을 수 있나요?

A: 아니요, 그 자체는 아이디어에 불과하여 특허를 받기 어렵습니다. 특허의 대상은 시를 생성하기 위해 특정 데이터 구조(예: 시적 장치, 운율 구조를 정의한 스키마)를 가진 프롬프트를 사용하여 LLM을 제어하고, 그 결과 컴퓨팅 자원을 덜 사용하거나 특정 스타일의 시를 더 정확하게 생성하는 등의 기술적 방법이나 시스템입니다.

Q: 프롬프트 기술의 ‘기술적 효과’는 구체적으로 어떤 것들이 있나요?

A: 대표적으로 코드 생성 시 컴파일 오류율 감소, GPU나 메모리 같은 컴퓨팅 리소스 사용량 절감, 응답 생성 시간 단축, 특정 데이터 형식(JSON, XML 등)의 출력 정확도 향상 등이 있습니다. 중요한 것은 이 효과가 측정 가능하고 재현 가능해야 한다는 점입니다.

Q: 국제 출원 시 국가마다 청구항을 다르게 작성해야 하나요?

A: 네, 핵심 전략은 같지만 각 특허청이 중시하는 포인트에 맞춰 강조점을 달리하는 것이 유리합니다. 예를 들어, 미국(USPTO) 명세서에는 ‘컴퓨터 기능의 구체적 개선’을, 유럽(EPO)에는 ‘기술적 문제 해결을 통한 기술적 효과’를, 한국(KIPO)에는 ‘시스템 구성과 처리 흐름의 구체성’을 더 부각시키는 방식입니다.

결론적으로, AI 프롬프트를 특허로 보호받는 길은 분명히 존재합니다. 다만, ‘무엇을 요청하는가’라는 아이디어의 차원을 넘어, ‘어떻게 컴퓨터 시스템을 기술적으로 제어하고 개선하는가’를 명확히 보여주는 전략적 접근이 필요합니다. 이 글이 여러분의 혁신적인 아이디어를 강력한 지식재산으로 만드는 데 작은 실마리가 되었으면 합니다. 더 궁금한 점이 있다면 댓글로 물어봐 주세요~ 😊

LLM-Powered Patent Search from A to Z: From Basic Prompts to Advanced Strategy

 

Still Stumped by Patent Searches with LLMs? This post breaks down how to use the latest AI Large Language Models (LLMs) to maximize the accuracy and efficiency of your patent searches, including specific model selection methods and advanced ‘deep research’ prompting techniques.

Hi there! Have you ever spent days, or even weeks, lost in a sea of patent documents, trying to find that one piece of information you need? I’ve definitely been there. The anxiety of wondering, ‘Is my idea truly novel?’ can keep you up at night. But thanks to the latest Large Language Models (LLMs), the whole paradigm of patent searching is changing. It’s even possible for an AI to conduct its own ‘deep research’ by diving into multiple sources. Today, I’m going to share some practical examples of ‘prompt engineering’ that I’ve learned firsthand to help you unlock 200% of your LLM’s potential!

Prompt Engineering Tricks to Boost Accuracy by 200%

Choosing the right AI model is important, but the success of your patent search ultimately depends on how you ask your questions. That’s where ‘prompt engineering’ comes in. It’s the key to making the AI accurately grasp your intent and deliver the best possible results. Let’s dive into some real-world examples.

Heads Up!
LLMs are not perfect. They can sometimes confidently present false information, a phenomenon known as ‘hallucination.’ It’s crucial to get into the habit of cross-referencing any patent numbers or critical details the AI provides with an official database.

 

1. Using Chain-of-Thought for Step-by-Step Reasoning

When you have a complex analysis task, asking the AI to ‘show its work’ by thinking step-by-step can reduce logical errors and improve accuracy.

Prompt Example:
Analyze the validity of a patent for an ‘autonomous driving technology that fuses camera and LiDAR sensor data’ by following these steps.

Step 1: Define the core technical components (camera, LiDAR, data fusion).
Step 2: Based on the defined components, generate 5 sets of search keywords for the USPTO database.
Step 3: From the search results, select the 3 most similar prior art patents.
Step 4: Compare the key claims of the selected patents with our technology, and provide your final opinion on the patentability of our tech.

 

2. Using Real-Time External Information (RAG & ReAct)

LLMs only know information up to their last training date. To get the latest patent data, you need to instruct them to search external databases in real-time.

Prompt Example:
You are a patent analyst. Using your search tool, find all patent publications on KIPRIS related to ‘Quantum Dot Displays’ published since January 1, 2024.

1. Organize the list of patents by application number, title of invention, and applicant.
2. Summarize the overall technology trends and analyze the core technical focus of the top 3 applicants.
3. Based on your analysis, predict which technologies in this field are likely to be promising over the next two years.

 

3. Activating the “Deep Research” Function

The latest LLMs can do more than just a single search. They have ‘deep research’ capabilities that can synthesize information from multiple websites, academic papers, and technical documents to create a comprehensive report, much like a human researcher.

Prompt Example:
Activate your deep research function. Write an in-depth report on the global R&D trends for ‘next-generation semiconductor materials using Graphene.’ The report must include the following:

1. The main challenges of the current technology and the latest research trends aimed at solving them (reference and summarize at least 3 reputable academic papers or tech articles).
2. An analysis of the top 5 companies and research institutions leading this field and their key patent portfolios.
3. The expected technology development roadmap and market outlook for the next 5 years.
4. Clearly cite the source (URL) for all information referenced in the report.

 

4. Exploring Multiple Paths (Tree of Thoughts)

This is useful for solving strategic problems with no single right answer, like designing around a patent or charting a new R&D direction. You have the AI explore and evaluate multiple possible scenarios.

Prompt Example:
Propose three new design concepts for a ‘secondary battery electrode structure’ that do not infringe on claim 1 of U.S. Patent ‘US 1234567 B2’.

1. For each design, clearly explain which elements of the original patent were changed and how.
2. Evaluate the technical advantages, expected performance, and potential drawbacks of each design.
3. Select the design you believe has the highest likelihood of avoiding infringement and achieving commercial success, and provide a detailed argument for your choice.

💡 Pro Tip!
The common thread in all great prompts is that they give the AI a clear ‘role,’ explain the ‘context,’ and demand a ‘specific output format.’ Just remembering these three things will dramatically improve your results.

💡

LLM Patent Search: Key Takeaways

Assign a Role: Give the AI a specific expert role, like “You are a patent attorney.”

Step-by-Step Thinking: For complex analyses, instruct the AI to use step-by-step reasoning (CoT) to improve logical accuracy.

Advanced Strategies:

Use Deep Research and Tree of Thoughts to generate expert-level reports.

Cross-Verification is a Must: Always be aware of AI hallucinations and verify important information against original sources.

One smart question can save you hours of work.

Frequently Asked Questions

Q: Is the ‘deep research’ function available on all LLMs?

A: No, not yet. It’s more of an advanced feature typically found in the latest premium versions of LLMs like Perplexity, Gemini, and ChatGPT. However, you can mimic a similar effect by using the standard search function and asking questions in multiple, sequential steps.

Q: Can I trust the search results from an LLM 100%?

A: No, you absolutely cannot. An LLM is a powerful assistant, not a substitute for a qualified expert’s final judgment. Due to hallucinations, it can invent patent numbers or misrepresent content. It is essential to always verify its findings against the original documents and have them reviewed by a professional.

Q: Prompt engineering seems complicated. Where should I start?

A: An easy way to start is by modifying the examples shown today. Just applying three techniques—’assigning a role,’ ‘specifying the format,’ and ‘requesting step-by-step thinking’—will dramatically improve the quality of your results.

Patent searching is no longer the tedious, uphill battle it once was. How you wield the powerful tool of LLMs can change the speed of your R&D and business. I hope you’ll use the tips I’ve shared today to create smarter innovations with AI. If you have any more questions, feel free to ask in the comments!

초보자를 위한 LLM 기반 특허 검색 A to Z: 기본 기법부터 딥리서치까지

 

LLM으로 특허 검색, 아직도 막막하신가요? 이 글에서는 최신 AI 언어 모델(LLM)을 활용해 특허 검색의 정확도와 효율성을 극대화하는 구체적인 모델 선택법과 ‘딥리서치’를 포함한 프롬프트 엔지니어링 비법을 총정리해 드립니다.

안녕하세요! 혹시 방대한 특허 문헌 속에서 원하는 정보를 찾기 위해 몇 날 며칠을 헤매본 경험, 다들 한 번쯤은 있으시죠? ‘내 아이디어가 정말 새로운 게 맞을까?’ 하는 불안감에 밤잠 설치는 일도 많았고요. 하지만 최신 거대 언어 모델(LLM) 덕분에 이제 특허 검색의 패러다임이 바뀌고 있습니다. 심지어 AI가 스스로 여러 자료를 깊이 있게 조사하는 ‘딥리서치’까지 가능해졌죠. 오늘은 제가 직접 터득한, LLM의 잠재력을 200% 끌어내는 ‘프롬프트 엔지니어링’ 실전 예시들을 집중적으로 보여드릴게요!

정확도 200% 올리는 프롬프트 엔지니어링 비법

좋은 AI 모델을 고르는 것도 중요하지만, 특허 검색의 성패는 결국 AI에게 ‘어떻게 질문하는지’에 달려있습니다. 바로 ‘프롬프트 엔지니어링’이죠. AI가 여러분의 의도를 정확히 파악하고 최고의 결과물을 내놓게 만드는 핵심 기술입니다. 지금부터 실전 예시와 함께 알아보겠습니다.

주의하세요!
LLM은 완벽하지 않습니다. 때때로 사실이 아닌 정보를 그럴듯하게 만들어내는 ‘환각(Hallucination)’ 현상을 보일 수 있습니다. 따라서 AI가 제시한 특허 번호나 내용은 반드시 원문 데이터베이스에서 교차 확인하는 습관이 중요합니다.

 

1. 단계별 추론(Chain-of-Thought) 활용 예시

복잡한 분석을 요청할 때, AI에게 생각의 과정을 단계별로 보여달라고 요청하면 논리적 오류를 줄이고 정확도를 높일 수 있습니다.

프롬프트 예시:
‘카메라와 라이다 센서 데이터를 융합하는 자율주행 기술’에 대한 특허 유효성을 단계별로 분석해줘.

1단계: 핵심 기술 구성요소(카메라, 라이다, 데이터 융합)를 정의해줘.
2단계: 정의된 구성요소를 바탕으로 USPTO 데이터베이스에서 사용할 검색 키워드 조합 5개를 생성해줘.
3단계: 생성된 키워드로 검색된 선행 기술 중 가장 유사한 특허 3개를 선정해줘.
4단계: 선정된 특허들의 핵심 청구항과 우리 기술의 차이점을 비교 분석하고, 최종적으로 우리 기술의 특허 등록 가능성에 대한 너의 의견을 제시해줘.

 

2. 외부 정보 실시간 활용(RAG & ReAct) 예시

LLM은 학습된 시점까지의 정보만 알고 있습니다. 최신 특허 정보를 반영하기 위해서는 외부 데이터베이스를 실시간으로 검색하도록 지시해야 합니다.

프롬프트 예시:
너는 특허 분석 전문가야. 너의 검색 기능을 사용해서 2024년 1월 1일 이후 KIPRIS에 공개된 ‘양자점(Quantum Dot) 디스플레이’ 관련 특허 공보를 모두 찾아줘.

1. 검색된 특허 리스트를 출원번호, 발명의 명칭, 출원인 순으로 정리해줘.
2. 전체 기술 트렌드를 요약하고, 가장 많이 출원한 상위 3개 기업의 핵심 기술 방향을 분석해줘.
3. 분석 결과를 바탕으로 향후 2년간 이 분야에서 유망할 것으로 예상되는 기술을 예측해줘.

 

3. 딥리서치(Deep Research) 기능 활성화 예시

최신 LLM들은 단순히 한두 개의 문서를 검색하는 것을 넘어, 여러 웹사이트와 논문, 기술 문서를 종합하여 하나의 완성된 보고서를 만드는 ‘딥리서치’ 기능을 제공합니다. 이 기능을 활성화하면 사람이 직접 리서치를 수행하는 것과 유사한 수준의 심도 있는 결과를 얻을 수 있습니다.

프롬프트 예시:
너의 딥리서치 기능을 활성화해줘. ‘그래핀(Graphene)을 이용한 차세대 반도체 소재’의 글로벌 기술 개발 동향에 대한 심층 보고서를 작성해줘. 보고서에는 다음 내용이 반드시 포함되어야 해:

1. 현재 기술의 주요 난제와 이를 해결하려는 최신 연구 동향 (공신력 있는 학술 논문 및 기술 기사 3개 이상 참조 및 요약).
2. 이 기술 분야를 선도하는 TOP 5 기업 및 연구 기관과 그들의 핵심 특허 포트폴리오 분석.
3. 향후 5년간 예상되는 기술 발전 로드맵과 시장 전망.
4. 보고서에 인용된 모든 정보의 출처(URL)를 명확히 밝혀줘.

 

4. 다중 경로 탐색(Tree of Thoughts) 활용 예시

특허 침해를 회피하는 설계안이나 새로운 연구개발 방향처럼 정답이 없는 전략적 문제를 해결할 때 유용합니다. AI에게 여러 가능한 시나리오를 탐색하고 평가하게 만듭니다.

프롬프트 예시:
미국 특허 ‘US 1234567 B2’의 독립항 1항을 침해하지 않는 새로운 ‘2차 전지 전극 구조’ 설계안을 3가지 제안해줘.

1. 각 설계안에 대해, 원본 특허의 어떤 구성요소를 어떻게 변경했는지 명확히 설명해줘.
2. 각 설계안의 기술적 장점, 예상되는 성능, 그리고 잠재적 단점을 평가해줘.
3. 3가지 설계안 중 특허 회피 가능성과 상업적 성공 가능성이 가장 높다고 생각되는 안을 하나 선택하고, 그 이유를 상세히 논증해줘.

💡 알아두세요!
좋은 프롬프트의 공통점은 AI에게 명확한 ‘역할’을 부여하고, ‘배경 상황’을 설명하며, ‘구체적인 산출물 형태’를 요구하는 것입니다. 이 세 가지만 기억해도 LLM의 활용도가 극적으로 높아집니다.

💡

LLM 특허 검색 핵심 요약

역할 부여: “너는 변리사야”와 같이 AI에게 구체적인 전문가 역할을 부여하세요.

단계별 사고: 복잡한 분석은 AI에게 단계별 추론(CoT)을 지시하여 논리적 정확도를 높이세요.

고급 전략 활용:

딥리서치와 다중경로 탐색으로 전문가 수준의 분석 보고서를 만드세요.

교차 검증 필수: AI의 환각 가능성을 항상 인지하고, 중요한 정보는 반드시 원문으로 확인하세요.

스마트한 질문 하나가 당신의 시간을 아껴줍니다.

자주 묻는 질문

Q: ‘딥리서치’ 기능은 모든 LLM에서 사용할 수 있나요?

A: 아니요, 아직은 모든 모델에서 지원하지는 않습니다. 주로 Perplexity, Gemini, ChatGPT 등 최신 유료 버전의 LLM에서 제공하는 고급 기능에 가깝습니다. 하지만 일반 검색 기능을 활용하여 여러 단계에 걸쳐 질문함으로써 유사한 효과를 낼 수도 있습니다.

Q: LLM의 검색 결과를 100% 신뢰할 수 있나요?

A: 아니요, 절대 안 됩니다. LLM은 강력한 ‘보조’ 도구이지, 최종 판단을 내리는 전문가를 대체할 수는 없습니다. 특히 환각 현상으로 인해 없는 특허 번호를 만들어내거나 내용을 왜곡할 수 있으니, 항상 원문을 확인하고 전문가의 검토를 거치는 것이 필수입니다.

Q: 프롬프트 엔지니어링, 뭐부터 시작해야 할까요?

A: 가장 쉬운 시작은 오늘 보여드린 예시들을 조금씩 바꿔보는 것입니다. ‘역할 부여’, ‘구체적인 형식 지정’, ‘단계별 사고 요청’ 이 세 가지만 응용해도 결과물의 질이 크게 향상되는 것을 체감하실 수 있을 거예요.

특허 검색은 이제 더 이상 지루하고 힘든 싸움이 아닙니다. LLM이라는 강력한 무기를 어떻게 사용하느냐에 따라 여러분의 연구 개발과 비즈니스의 속도가 달라질 수 있습니다. 오늘 알려드린 팁들을 꼭 활용해 보시고, AI와 함께 더 스마트한 혁신을 만들어가시길 바랍니다. 더 궁금한 점이 있다면 언제든지 댓글로 물어봐주세요!

미국, 유럽, 일본, 한국 특허 경고장을 바라보는 서로 다른 시각들... Different Perspectives on Patent Warning Letters in the US, Europe, Japan, and Korea...

국가별로 상이한 특허 경고장 규제, 권리자와 수신자 모두를 위한 필승 전략 가이드
Navigating Different Patent Warning Letter Regulations by Country: A Winning Strategy Guide for Both Rights Holders and Recipients

특허 침해 경고, 국가별로 대응법이 다르다는 사실을 알고 계셨나요?
Patent Infringement Warnings: Did you know that response strategies differ by country? 이 글에서는 미국, 유럽, 일본, 한국의 법적 차이를 명확히 분석하고, 특허권자와 수신자 모두를 위한 핵심 전략을 심층적으로 제시합니다.
This article clearly analyzes the legal differences in the United States, Europe, Japan, and South Korea, and provides in-depth core strategies for both patent holders and recipients.

1. 서론: 특허 경고권의 이중적 기능과 국가별 시각 차이
1. Introduction: The Dual Function of the Right to Warn and Differences in National Perspectives

특허권 침해 경고장(이하 '경고장')은 단순히 침해 중지를 요구하는 문서를 넘어 두 가지 중요한 기능을 수행합니다.
A patent infringement warning letter (hereinafter 'warning letter') is more than just a document demanding cessation of infringement; it performs two important functions.

• 법적 통지·증거 기능:
  Legal Notice and Evidentiary Function: 침해자에게 권리 존재와 침해 사실을 공식적으로 알려 즉각적인 중단을 요구합니다. 이는 향후 소송에서 고의 침해(willful infringement) 입증 및 손해배상 산정의 중요한 근거가 됩니다.
  It officially informs the infringer of the existence of the right and the fact of infringement, demanding immediate cessation. This becomes a crucial basis for proving willful infringement and calculating damages in future litigation.
• 협상 개시 기능:
  Negotiation Initiation Function: 소송을 피하고 라이선스 계약 등 상업적 해결을 유도하는 교섭의 출발점이 됩니다. 특히 독일법상 'Abmahnung(사전 경고)'은 침해 중지와 함께 위약벌 약정이 포함된 침해중단 선언(cease-and-desist declaration)을 제안하는 공식 절차로 자리 잡았습니다.
  It serves as a starting point for negotiations to avoid litigation and induce commercial resolutions such as license agreements. In particular, under German law, 'Abmahnung' (a formal warning) has become an established official procedure that proposes a cease-and-desist declaration, which includes a penalty clause, along with the cessation of infringement.

그러나 각국은 경고권의 법적 성격에 대해 근본적으로 다른 시각을 취합니다. 미국은 이를 특허권에 내재된 본질적 권능으로 폭넓게 보호하는 반면, 한국은 자력구제적 성격으로 위험시하며 엄격히 통제합니다. 유럽은 경쟁법과 비방 금지 원칙을 통한 시장질서 보호에 중점을 두고, 일본은 절차적 정당성 준수를 가장 중시합니다. 이러한 철학적 차이는 정당성 요건, 입증 책임, 제재 수단 전반에 큰 영향을 미칩니다.
However, each country takes a fundamentally different view on the legal nature of the right to warn. The United States broadly protects it as an inherent power of the patent right, whereas South Korea views it as a form of self-help, considering it risky and strictly controlling it. Europe focuses on protecting market order through competition law and principles against defamation, while Japan places the highest importance on adherence to procedural legitimacy. These philosophical differences have a significant impact on justification requirements, the burden of proof, and enforcement measures.

2. 주요 4개국별 상세 분석
2. Detailed Analysis by Four Major Countries

2.1 미국 (United States) 🇺🇸

• 법적 성질:
  Legal Nature: 'Good Faith' 원칙 하에 정당한 권리 행사로 폭넓게 인정됩니다. 연방대법원은 특허권자의 선의의 경고는 반독점법 위반이 아니라고 판시했으며 (Virtue v. Creamery Package Mfg. Co., 1913), 이는 수정헌법 제1조의 표현의 자유와도 연결됩니다.
  It is broadly recognized as a legitimate exercise of rights under the 'Good Faith' principle. The Supreme Court has held that a patent holder's good-faith warning does not violate antitrust laws (Virtue v. Creamery Package Mfg. Co., 1913), and this is also connected to the First Amendment's freedom of speech.
• 악의(Bad Faith) 판단:
  Determination of Bad Faith: 합리적으로 승소를 기대할 수 없는 '객관적 무근거성'과 이를 알면서도 합의금 갈취 등 부당한 목적으로 발송한 '주관적 악의'가 모두 입증될 경우 악의로 판단됩니다.
  Bad faith is determined when both 'objective baselessness' (where a reasonable party could not expect to win) and 'subjective bad faith' (sending the warning with improper motives like extorting settlement money, knowing it is baseless) are proven.
• 제재 및 대응:
  Sanctions and Responses: 30여 개 주에서 'Bad Faith Patent Assertion Law'를 통해 과도한 요구, 허위 정보 등을 금지하며, 위반 시 손해배상, 소송비용, 징벌적 배상까지 부과될 수 있습니다.
  In over 30 states, 'Bad Faith Patent Assertion Laws' prohibit excessive demands, false information, etc., and violations can lead to damages, attorney's fees, and even punitive damages.

2.2 유럽 (European Union) 🇪🇺

• 법적 성질:
  Legal Nature: 권리 행사는 인정되나, EU 경쟁법(TFEU 제102조)과 비방 금지 원칙의 제약이 강력합니다. 특히 시장지배적 지위 남용 시 막대한 과징금이 부과될 수 있습니다.
  The exercise of rights is recognized, but it is strongly constrained by EU competition law (Article 102 TFEU) and principles against defamation. In particular, abuse of a dominant market position can result in substantial fines.
• 국가별 특징:
  Country-Specific Features: 프랑스는 판결 전 경쟁사 거래처에 침해를 단정하면 비방 행위로, 독일은 허위·과장 주장을 불공정경쟁방지법 위반으로 봅니다. 영국은 2차 행위자(유통업체 등)에 대한 위협을 원칙적으로 금지합니다.
  France considers asserting infringement to a competitor's clients before a court ruling as defamation (dénigrement), while Germany sees false or exaggerated claims as a violation of the Unfair Competition Prevention Act. The UK generally prohibits threats against secondary actors (like distributors).
• SEP와 FRAND 의무:
  SEP and FRAND Obligations: 표준필수특허(SEP) 보유자는 소송 전 반드시 FRAND 협상 절차를 이행해야 하며, 위반 시 지위 남용으로 제재받습니다 (Huawei v. ZTE 판례).
  Holders of Standard Essential Patents (SEPs) must follow FRAND negotiation procedures before litigation; failure to do so is considered an abuse of position and is subject to sanctions (Huawei v. ZTE case).

2.3 일본 (Japan) 🇯🇵

• 법적 성질:
  Legal Nature: 선의나 악의보다 '절차적 정당성' 준수를 핵심으로 봅니다.
  The core focus is on adherence to 'procedural legitimacy' rather than good or bad faith.
• 정당성 요건:
  Justification Requirements: 유통업체나 고객보다 제조사/수입업자에게 우선적으로 경고해야 합니다. 특히 실용신안권은 권리 행사를 위해 반드시 특허청(JPO) 기술평가서를 첨부해야 합니다.
  Warnings should be sent to manufacturers/importers first, before distributors or customers. For utility model rights, a technical evaluation report from the JPO must be attached to exercise the right.
• 위법성 판단:
  Determination of Illegality: 무효 특허에 기반한 경고, 기술평가서 없는 실용신안 경고 등 절차적 요건을 지키지 않으면 불법행위로 평가될 수 있습니다.
  Failure to comply with procedural requirements, such as warnings based on an invalid patent or a utility model warning without a technical evaluation report, can be deemed an illegal act.

2.4 한국 (South Korea) 🇰🇷

• 법적 성질:
  Legal Nature: 경고장은 원칙적으로 사법절차를 우회하는 '자력구제 행위'로 간주되어, 법치주의 이념에 반할 수 있다고 봅니다.
  A warning letter is, in principle, considered an act of 'self-help' that bypasses judicial procedures and may conflict with the principle of the rule of law.
• 판례 경향:
  Case Law Trends: 무효가 확정된 권리로 거래처에 경고장을 발송한 행위를 불법행위(영업방해)로 인정한 바 있으며(특허법원 2020나1100), "독자적 판단에 따라 누구에게나 임의로 요구할 수 없다"고 명시했습니다.
  Courts have recognized the act of sending a warning letter to a business partner based on a right that was later invalidated as an illegal act (tort of business interference) (Patent Court Case 2020Na1100), stating that "one cannot arbitrarily make demands on anyone based on one's own judgment."
• 위법성 판단:
  Determination of Illegality: 침해 여부가 불분명한 상태에서 거래처에 경고하거나, 침해를 단정하는 표현을 사용하거나, 무효 특허에 기반해 경고하는 경우 위법으로 판단될 가능성이 높습니다.
  It is highly likely to be deemed illegal if a warning is sent to business partners when infringement is unclear, uses definitive language asserting infringement, or is based on an invalid patent.

3. 규제 동향 및 미래 전망 (3~5년)
3. Regulatory Trends and Future Outlook (3-5 Years)

특허 경고를 둘러싼 법적 환경은 계속 진화하고 있습니다. 향후 3~5년간 다음과 같은 변화가 예상됩니다.
The legal environment surrounding patent warnings continues to evolve. The following changes are expected over the next 3-5 years.

• 플랫폼 사업자 책임 강화:
  Strengthening Platform Operator Liability: EU의 디지털 서비스법(DSA)과 같이 플랫폼에 '통지-조치' 의무를 부과하고, 플랫폼 기반 경고 행위의 관할권 리스크가 부각될 것입니다.
  Like the EU's Digital Services Act (DSA), 'notice-and-takedown' obligations will be imposed on platforms, and the jurisdictional risks of platform-based warning activities will become more prominent.
• AI 활용 자동 경고 시스템:
  AI-Powered Automated Warning Systems: AI 기반 특허 분석 및 경고 초안 생성이 보편화되겠지만, 오류로 인한 무근거 경고 시 책임 소재가 새로운 법적 쟁점으로 떠오를 것입니다.
  AI-based patent analysis and the generation of draft warning letters will become common, but the issue of liability for baseless warnings due to errors will emerge as a new legal battleground.
• 'Bad Faith' 규제 강화 추세:
  Trend of Strengthening 'Bad Faith' Regulations: 미국, 유럽, 한국, 일본 모두 악의적이거나 부당한 특허 경고 행위에 대한 규제를 강화하는 추세입니다.
  The US, Europe, South Korea, and Japan are all moving towards strengthening regulations against malicious or unfair patent warning practices.

4. 결론 및 전략적 제언
4. Conclusion and Strategic Recommendations

종합 분석: 국가별 접근 방식 요약
Overall Analysis: Summary of National Approaches

• 미국:
  United States: 권리 중심적 접근 (선의 보호, 악의 입증은 수신자 책임)
  Rights-centric approach (protection of good faith, burden of proof for bad faith lies with the recipient)
• 유럽:
  Europe: 시장 중심적 접근 (경쟁법을 통한 시장 질서 보호)
  Market-centric approach (protection of market order through competition law)
• 일본:
  Japan: 절차 중심적 접근 (경고 절차 준수 여부가 핵심)
  Procedure-centric approach (compliance with warning procedures is key)
• 한국:
  South Korea: 사법 중심적 접근 (자력구제 금지, 사법절차 내 해결 강조)
  Judiciary-centric approach (prohibition of self-help, emphasis on resolution within judicial procedures)

4.2 특허권자를 위한 전략
4.2 Strategies for Patent Holders

• 사전 실사:
  Prior Due Diligence: 특허의 유효성과 침해 분석을 확실히 하고, 1차 침해자(제조사/수입업자)를 특정합니다.
  Thoroughly analyze patent validity and infringement, and identify the primary infringer (manufacturer/importer).
• 관할권별 유의사항 확인:
  Check Jurisdiction-Specific Considerations: 미국에서는 주법별 Bad Faith 법률을, 유럽에서는 SEP 절차를, 일본에서는 제조사 우선 원칙을, 한국에서는 제3자 경고 자제를 반드시 유념해야 합니다.
  One must be mindful of state-specific Bad Faith laws in the US, SEP procedures in Europe, the manufacturer-first principle in Japan, and refraining from third-party warnings in South Korea.
• 역소송 대비:
  Prepare for Counter-litigation: 상대방의 확인소송 제기 가능성에 대비하고, 전문가 의견서 등을 확보하여 방어 논리를 갖춥니다.
  Prepare for the possibility of a declaratory judgment action from the other party and build a defense logic by securing expert opinions.

4.3 수신자를 위한 대응 전략
4.3 Response Strategies for Recipients

• 초기 대응:
  Initial Response: 경고장을 무시하지 말고 즉시 법률 검토를 통해 특허 유효성 및 비침해 논리를 확보합니다.
  Do not ignore the warning letter; immediately seek legal review to establish arguments for patent invalidity and non-infringement.
• 법적 대응:
  Legal Action: 미국의 확인소송, 유럽의 경쟁법 위반 소송, 일본의 절차 위반 주장, 한국의 영업방해에 따른 손해배상 청구 및 공정위 제소 등 국가별 상황에 맞는 적극적인 대응을 고려합니다.
  Consider active responses tailored to each country's situation, such as declaratory judgment actions in the US, competition law violation lawsuits in Europe, claims of procedural violation in Japan, or claims for damages for business interference and filings with the Fair Trade Commission in South Korea.

※ 법적 고지 ※
※ Legal Notice ※
본 블로그 포스트는 일반적인 정보 제공을 목적으로 하며, 특정 사안에 대한 법률적 자문을 대체할 수 없습니다. 개별적인 법률 문제에 대해서는 반드시 전문가와 상담하시기 바랍니다.
This blog post is for general informational purposes only and cannot substitute for legal advice on specific matters. Please be sure to consult with a professional regarding individual legal issues.

마틴 파울러가 말하는 LLM과 소프트웨어 개발의 미래: '환각'은 결함이 아니다? Martin Fowler on the Future of LLM and Software Development: Is 'Hallucination' Not a Flaw?

 

LLM의 '환각'이 결함이 아니라고?
Is LLM's 'Hallucination' Not a Flaw?
세계적인 소프트웨어 개발 사상가 마틴 파울러가 제시하는 LLM 시대의 개발 패러다임! 그의 날카로운 통찰을 통해 '비결정성'과 새로운 보안 위협 등 개발자가 마주할 미래를 미리 확인해 보세요.
The development paradigm for the LLM era presented by world-renowned software development thinker Martin Fowler! Get a preview of the future developers will face, including 'non-determinism' and new security threats, through his sharp insights.

안녕하세요! 요즘 너나 할 것 없이 AI, 특히 LLM(대규모 언어 모델)을 업무에 활용하고 있죠. 코드를 짜게 하거나, 아이디어를 얻거나, 심지어는 복잡한 개념을 설명해달라고 하기도 하고요. 저 역시 LLM의 편리함에 푹 빠져 지내고 있는데요, 문득 이런 생각이 들더라고요. '과연 우리는 이 도구를 제대로 이해하고 사용하고 있는 걸까?'
Hello! Nowadays, everyone is using AI, especially LLMs (Large Language Models), for work. We make them write code, get ideas, or even ask them to explain complex concepts. I'm also deeply immersed in the convenience of LLMs, but a thought suddenly struck me: 'Are we truly understanding and using this tool correctly?'

이런 고민의 와중에 소프트웨어 개발 분야의 세계적인 구루, 마틴 파울러(Martin Fowler)가 최근 LLM과 소프트웨어 개발에 대한 생각을 정리한 글을 읽게 되었습니다. 단순히 'LLM은 대단해!' 수준을 넘어, 그 본질적인 특성과 우리가 앞으로 마주하게 될 변화에 대한 깊이 있는 통찰이 담겨 있었죠. 오늘은 여러분과 함께 그의 생각을 따라가 보려고 합니다. 😊
While pondering this, I came across an article by Martin Fowler, a world-renowned guru in the software development field, who recently summarized his thoughts on LLMs and software development. It went beyond a simple 'LLMs are amazing!' level, offering deep insights into their fundamental nature and the changes we will face. Today, I'd like to explore his thoughts with you. 😊

LLM and Software Development

 

마틴 파울러, LLM의 현주소를 말하다 🤔
Martin Fowler on the Current State of LLMs 🤔

마틴 파울러는 먼저 현재 AI 산업이 명백한 '버블' 상태에 있다고 진단합니다. 하지만 역사적으로 모든 기술 혁신이 그래왔듯, 버블이 꺼진 후에도 아마존처럼 살아남아 새로운 시대를 여는 기업이 나타날 것이라고 봤어요. 중요한 건, 지금 단계에서는 프로그래밍의 미래나 특정 직업의 안정성에 대해 누구도 확실히 알 수 없다는 점입니다.
Martin Fowler first diagnoses the current AI industry as being in a clear 'bubble' state. However, as with all technological innovations historically, he believes that even after the bubble bursts, companies like Amazon will survive and usher in a new era. The important thing is that at this stage, no one can be certain about the future of programming or the job security of specific professions.

그래서 그는 섣부른 예측보다는 각자 LLM을 직접 사용해보고, 그 경험을 적극적으로 공유하는 실험적인 자세가 중요하다고 강조합니다. 우리 모두가 새로운 도구를 탐험하는 개척자가 되어야 한다는 의미겠죠?
Therefore, he emphasizes that an experimental attitude of personally using LLMs and actively sharing those experiences is more important than making hasty predictions. This implies that we all need to become pioneers exploring this new tool, right?

💡 알아두세요!
💡 Good to know!
파울러는 최근 LLM 활용에 대한 설문조사들이 실제 사용 흐름을 제대로 반영하지 못할 수 있다고 지적했어요. 다양한 모델의 기능 차이도 크기 때문에, 다른 사람의 의견보다는 자신의 직접적인 경험을 믿는 것이 더 중요해 보입니다.
Fowler pointed out that recent surveys on LLM usage may not accurately reflect actual usage patterns. Since there are also significant differences in the capabilities of various models, it seems more important to trust your own direct experience rather than the opinions of others.

 

LLM의 환각: 결함이 아닌 본질적 특징 🧠
LLM Hallucination: An Intrinsic Feature, Not a Flaw 🧠

이번 글에서 가장 흥미로웠던 부분입니다. 파울러는 LLM이 사실이 아닌 정보를 그럴듯하게 만들어내는 '환각(Hallucination)' 현상을 단순한 '결함'이 아니라 '본질적인 특성'으로 봐야 한다고 주장합니다. 정말 충격적이지 않나요? LLM은 결국 '유용성이 있는 환각을 생성하기 위한 도구'라는 관점입니다.
This was the most interesting part of the article for me. Fowler argues that the 'hallucination' phenomenon, where LLMs create plausible but untrue information, should be seen as an 'intrinsic feature' rather than a mere 'flaw'. Isn't that shocking? The perspective is that LLMs are ultimately 'tools for generating useful hallucinations'.

이런 관점에서 보면, 우리는 LLM의 답변을 맹목적으로 신뢰해서는 안 됩니다. 오히려 동일한 질문을 여러 번, 표현을 바꿔가며 던져보고 답변의 일관성을 확인하는 작업이 필수적입니다. 특히 숫자 계산과 같이 결정적인 답이 필요한 문제에 LLM을 직접 사용하려는 시도는 적절하지 않다고 덧붙였습니다.
From this viewpoint, we should not blindly trust the answers from LLMs. Instead, it is essential to ask the same question multiple times with different phrasing to check for consistency in the answers. He added that attempting to use LLMs directly for problems requiring definitive answers, such as numerical calculations, is not appropriate.

⚠️ 주의하세요!
⚠️ Be careful!
파울러는 LLM을 '주니어 개발자'에 비유하는 것에 강하게 비판합니다. LLM은 "모든 테스트 통과!"라고 자신 있게 말하면서 실제로는 테스트를 실패시키는 코드를 내놓는 경우가 흔하죠. 만약 인간 동료가 이런 행동을 반복한다면, 신뢰를 잃고 인사 문제로 이어질 수준의 심각한 결함이라는 것입니다. LLM은 동료가 아닌, 강력하지만 실수를 저지를 수 있는 '도구'로 인식해야 합니다.
Fowler strongly criticizes the analogy of an LLM to a 'junior developer'. LLMs often confidently state "All tests passed!" while providing code that actually fails tests. If a human colleague were to do this repeatedly, it would be a serious flaw leading to a loss of trust and personnel issues. LLMs should be recognized not as colleagues, but as powerful 'tools' that can make mistakes.

 

소프트웨어 공학, '비결정성' 시대로의 전환 🎲
Software Engineering's Shift to an Era of 'Non-Determinism' 🎲

전통적인 소프트웨어 공학은 '결정론적'인 세계 위에 세워져 있었습니다. '2+2'를 입력하면 '4'가 나와야 하듯, 모든 것은 예측 가능하고 일관적이어야 했죠. 예상과 다른 결과는 '버그'로 취급되어 즉시 수정되었습니다.
Traditional software engineering was built on a 'deterministic' world. Just as inputting '2+2' must yield '4', everything had to be predictable and consistent. Unexpected results were treated as 'bugs' and fixed immediately.

하지만 LLM의 등장은 이러한 패러다임을 근본적으로 바꾸고 있습니다. 파울러는 LLM이 소프트웨어 공학에 '비결정성(Non-Determinism)'을 도입하는 전환점이 될 것이라고 진단합니다. 동일한 요청에도 LLM은 미묘하게 다른 결과물을 내놓을 수 있으며, 그럴듯해 보이는 코드 안에 치명적인 오류를 숨겨놓기도 합니다.
However, the emergence of LLMs is fundamentally changing this paradigm. Fowler diagnoses that LLMs will be a turning point, introducing 'Non-Determinism' into software engineering. Even with the same request, an LLM can produce subtly different outputs and may hide critical errors within plausible-looking code.

이제 개발자의 역할은 단순히 코드를 작성하는 것을 넘어, LLM이 만들어낸 불확실한 결과물을 비판적으로 검증하고 관리하는 능력이 더욱 중요해졌습니다. 아래 표로 그 차이를 간단히 정리해봤습니다.
Now, the role of a developer has become more about the ability to critically verify and manage the uncertain outputs generated by LLMs, going beyond simply writing code. I've summarized the differences in the table below.

구분 Category	전통적 소프트웨어 (결정적) Traditional Software (Deterministic)	LLM 기반 소프트웨어 (비결정적) LLM-based Software (Non-deterministic)
결과 예측성 Result Predictability	동일 입력, 동일 결과 보장 Same input, same output guaranteed	동일 입력에도 다른 결과 가능 Different outputs possible for the same input
오류의 정의 Definition of Error	예측을 벗어난 모든 동작 (버그) Any behavior deviating from prediction (Bug)	결과의 불확실성 (본질적 특성) Uncertainty of results (Intrinsic feature)
개발자 역할 Developer's Role	정확한 로직 구현 및 디버깅 Implementing precise logic and debugging	결과물 검증 및 불확실성 관리 Verifying outputs and managing uncertainty

 

피할 수 없는 위협: 보안 문제 🔐
The Unavoidable Threat: Security Issues 🔐

마지막으로 파울러는 LLM이 소프트웨어 시스템의 공격 표면을 광범위하게 확대한다는 심각한 경고를 던집니다. 특히 브라우저 에이전트와 같이 비공개 데이터 접근, 외부 통신, 신뢰할 수 없는 콘텐츠 노출이라는 '치명적 삼중' 위험을 가진 도구들은 근본적으로 안전하게 만들기 어렵다는 것이 그의 의견입니다.
Finally, Fowler issues a serious warning that LLMs significantly expand the attack surface of software systems. He opines that tools with the 'lethal triple' risk of accessing private data, communicating externally, and being exposed to untrusted content, such as browser agents, are fundamentally difficult to secure.

예를 들어, 웹 페이지에 인간의 눈에는 보이지 않는 명령어를 숨겨 LLM을 속이고, 이를 통해 민감한 개인 정보를 유출하도록 유도하는 공격이 가능해집니다. 개발자들은 이제 코드의 기능뿐만 아니라, LLM과 상호작용하는 모든 과정에서 발생할 수 있는 새로운 보안 취약점을 고려해야 합니다.
For example, it becomes possible to trick an LLM by hiding commands invisible to the human eye on a web page, thereby inducing it to leak sensitive personal information. Developers must now consider not only the functionality of their code but also new security vulnerabilities that can arise in all processes interacting with LLMs.

💡

마틴 파울러의 LLM 핵심 인사이트
Martin Fowler's Core LLM Insights

환각은 본질:
Hallucination is Intrinsic: LLM의 환각은 '결함'이 아닌 '본질적 특징'으로 이해해야 합니다.
LLM's hallucination must be understood as an 'intrinsic feature,' not a 'flaw.'

비결정성의 시대:
The Era of Non-Determinism: 소프트웨어 공학이 예측 불가능성을 관리하는 시대로 진입했습니다.
Software engineering has entered an era of managing unpredictability.

검증은 필수:
Verification is a Must:

LLM의 결과물은 주니어 개발자가 아닌, 검증이 필수적인 '도구'의 산출물입니다.
The output of an LLM is not that of a junior developer, but the product of a 'tool' that requires mandatory verification.

보안 위협:
Security Threats: LLM은 시스템의 공격 표면을 넓히는 새로운 보안 변수입니다.
LLMs are a new security variable that broadens a system's attack surface.

LLM을 현명하게 활용하려면 비판적 사고와 지속적인 실험이 중요합니다.
To use LLMs wisely, critical thinking and continuous experimentation are crucial.

자주 묻는 질문 ❓
Frequently Asked Questions ❓

Q: 마틴 파울러가 '환각'을 결함이 아닌 본질로 봐야 한다고 말하는 이유는 무엇인가요?
Q: Why does Martin Fowler say that 'hallucination' should be seen as an intrinsic feature, not a flaw?

A: LLM은 방대한 데이터를 기반으로 가장 그럴듯한 다음 단어를 예측하여 문장을 생성하는 모델이기 때문입니다. 이 과정에서 사실관계와 무관하게 매끄러운 문장을 만들어내는 '환각'은 자연스러운 결과물이며, 이 특성을 이해해야 LLM을 올바르게 활용할 수 있다는 의미입니다.
A: This is because LLMs are models that generate sentences by predicting the most plausible next word based on vast amounts of data. In this process, 'hallucination,' which creates fluent sentences regardless of factual accuracy, is a natural outcome. Understanding this characteristic is key to using LLMs correctly.

Q: 소프트웨어 공학의 '비결정성'이란 무엇을 의미하며, 왜 중요한가요?
Q: What does 'non-determinism' in software engineering mean, and why is it important?

A: '비결정성'이란 동일한 입력에 대해 항상 동일한 결과가 나오지 않는 특성을 의미합니다. 전통적인 소프트웨어는 100% 예측 가능해야 했지만, LLM은 같은 질문에도 다른 답변을 줄 수 있습니다. 이 불확실성을 이해하고 관리하는 것이 LLM 시대 개발자의 핵심 역량이 되었습니다.
A: 'Non-determinism' refers to the characteristic where the same input does not always produce the same output. While traditional software had to be 100% predictable, an LLM can give different answers to the same question. Understanding and managing this uncertainty has become a core competency for developers in the age of LLMs.

Q: LLM이 생성한 코드를 신뢰하고 바로 사용해도 될까요?
Q: Can I trust and use the code generated by an LLM immediately?

A: 아니요, 절대 안 됩니다. 마틴 파울러는 LLM이 그럴듯하지만 작동하지 않거나, 보안에 취약한 코드를 생성할 수 있다고 경고합니다. 생성된 코드는 반드시 개발자가 직접 검토, 테스트, 검증하는 과정을 거쳐야 합니다.
A: No, absolutely not. Martin Fowler warns that LLMs can generate code that looks plausible but doesn't work or is insecure. The generated code must be reviewed, tested, and verified by a developer.

Q: LLM을 사용하면 왜 보안 위협이 커지나요?
Q: Why do security threats increase with the use of LLMs?

A: LLM은 외부 데이터와 상호작용하고, 때로는 민감한 정보에 접근할 수 있기 때문입니다. 악의적인 사용자가 웹사이트나 입력값에 보이지 않는 명령어를 숨겨 LLM을 조종(프롬프트 인젝션)하여 정보를 유출하거나 시스템을 공격하는 새로운 형태의 보안 위협이 발생할 수 있습니다.
A: Because LLMs interact with external data and can sometimes access sensitive information. Malicious users can hide invisible commands in websites or inputs to manipulate the LLM (prompt injection), leading to new types of security threats such as data leakage or system attacks.

마틴 파울러의 통찰은 LLM이라는 새로운 도구를 어떻게 바라보고 사용해야 하는지에 대한 중요한 가이드를 제시합니다. 단순히 편리한 코드 생성기를 넘어, 우리 개발 환경의 근본적인 패러다임을 바꾸는 존재임을 인식해야 합니다. 그의 조언처럼, 두려워하거나 맹신하기보다는 적극적으로 실험하고 경험을 공유하며 이 거대한 변화의 물결에 현명하게 올라타야 할 때입니다.
Martin Fowler's insights provide an important guide on how to view and use the new tool that is the LLM. We must recognize it not just as a convenient code generator, but as an entity that is changing the fundamental paradigm of our development environment. As he advises, now is the time to wisely ride this massive wave of change by experimenting and sharing experiences, rather than fearing or blindly trusting it.

여러분은 LLM에 대해 어떻게 생각하시나요? 개발 과정에서 겪었던 흥미로운 경험이 있다면 댓글로 공유해주세요! 😊
What are your thoughts on LLMs? If you have any interesting experiences from your development process, please share them in the comments! 😊

'잠수함 특허'의 종말? 미국 출원 해태 법리 완벽 분석 (Sonos vs Google 최신 판례)

 

특허 출원, 일부러 지연시키면 어떻게 될까요? 혹시 기술 시장이 성숙할 때까지 특허 등록을 미루는 '잠수함 특허' 전략에 대해 들어보셨나요? 이 글에서는 미국 특허 제도 속 시한폭탄, '출원 해태' 법리의 모든 것을 최신 판례와 함께 알기 쉽게 설명해 드립니다.

안녕하세요! 오늘은 기업이나 발명가라면 꼭 알아야 할, 조금은 생소하지만 아주 중요한 미국 특허 이야기를 해볼까 해요. 바로 '출원 해태(Prosecution Laches)'라는 개념인데요. 제가 최근에 'Sonos 대 Google' 사건 판결을 보고 '아, 이거 정말 중요하구나!' 싶어서 여러분께 꼭 공유하고 싶었어요. '나중에 해야지' 하고 미루는 습관이 특허 세계에서는 얼마나 큰 나비효과를 불러올 수 있는지, 지금부터 함께 알아보시죠!

'잠수함 특허'를 막는 방패, 출원 해태란? 🤔

'출원 해태'라는 말이 좀 어렵게 들리죠? 쉽게 말해, 특허 출원인이 합리적인 이유 없이 고의로 출원 절차를 지연시켜 다른 사람에게 피해를 줬을 때, 나중에 그 특허권을 주장할 수 없게 만드는 법리를 말해요. 아주 오래전부터 있던 형평법상의 방어 수단이죠.

특히 1995년 미국 특허법이 개정되기 전에는 이런 전략이 기승을 부렸어요. 당시에는 특허 기간이 '등록일'로부터 17년이었거든요. 그래서 일부러 등록을 늦추고, 관련 기술이 시장의 표준이 되었을 때 '짜잔!' 하고 나타나 막대한 로열티를 요구하는 거죠. 마치 깊은 바닷속에 숨어있다가 목표물이 나타나면 공격하는 잠수함 같다고 해서 '잠수함 특허(Submarine Patent)'라는 별명이 붙었답니다.

💡 알아두세요!
출원 해태가 인정되려면 크게 두 가지 요건이 필요해요. 첫째, 특허 출원인의 '불합리하고 설명할 수 없는 지연'이 있어야 하고, 둘째, 그 지연으로 인해 소송 상대방(피고)에게 '법적 불이익(prejudice)'이 발행한다는 점이 입증되어야 합니다. 여기서 말하는 '법적 불이익 또는 손해'(prejudice)란 단순한 피해를 넘어, '특허 출원인의 부당한 지연이 없었다면 발생하지 않았을, 피고의 경제적·사업적 이해관계 형성'을 의미하는 법률 용어랍니다.

 

전설의 발명가, 길버트 하얏트 이야기 📜

출원 해태를 이야기할 때 빼놓을 수 없는 인물이 바로 '길버트 하얏트'입니다. 이분은 마이크로컨트롤러 기술의 선구자로 불리지만, 동시에 수십 년에 걸친 특허 출원 지연으로도 아주 유명해요. 1995년 법 개정 직전에 무려 400개에 가까운 특허를 출원하며 소위 'GATT 버블 출원'을 감행했죠.

미국 특허청(PTO)은 하얏트의 이런 장기적인 지연 행위가 특허 시스템을 남용하는 것이라며 '출원 해태'를 주장했고, 결국 2025년 연방순회항소법원은 특허청의 손을 들어줬습니다. 이 판결은 특허 출원 과정에서의 성실한 진행 의무를 다시 한번 일깨워준 중요한 사건으로 기록되었어요.

구분	일반적인 특허 출원	하얏트의 사례
출원 시점	기술 개발 후 즉시	1970년대부터 시작
지연 기간	평균 2~3년	수십 년에 걸쳐 진행
결과	정상적인 특허 등록	출원 해태로 인한 권리 불인정

 

최신 판례: Sonos 대 Google 스마트 스피커 전쟁 🔊

그렇다면 1995년 법 개정으로 특허 기간이 '출원일'로부터 20년으로 바뀐 지금은 어떨까요? '잠수함 특허' 전략은 이제 무의미해졌을까요? 최근 Sonos와 Google의 스마트 스피커 특허 소송이 이 질문에 대한 중요한 실마리를 제공합니다.

1심 법원은 Sonos가 13년이라는 긴 시간 동안 계속 출원을 통해 의도적으로 절차를 지연했고, 그 사이 Google이 해당 기술에 막대한 투자를 했다는 점을 들어 '출원 해태'를 인정했어요. 특히 1심 판사는 Sonos가 경쟁사(Google) 제품을 보고 그에 맞춰 청구항을 수정하는 '표적 계속 출원(Targeted Continuation Practice)' 관행을 강하게 비판했죠.

하지만! 2025년 연방순회항소법원은 이 판결을 뒤집었습니다. 항소 법원은 출원 해태는 '아주 드문 경우'에만 허용되는 예외적인 방어 수단임을 강조하며, Google이 Sonos의 지연 때문에 실질적인 피해를 봤다는 증거가 부족하다고 판단했어요. 이 판결로 Sonos는 3,250만 달러의 배심원 평결을 되찾을 수 있었습니다.

⚠️ 주의하세요!
Sonos 사건의 항소심 판결은 출원 해태 주장이 그만큼 어렵다는 것을 보여주지만, 그렇다고 해서 장기간의 출원 지연이 괜찮다는 의미는 아니에요. 특히 경쟁사 제품을 명백히 겨냥한 듯한 계속 출원 전략은 여전히 위험 부담이 따를 수 있답니다.

💡

출원 해태 핵심 요약

고의적 지연은 금물: 합리적 이유 없는 장기 지연은 특허권 행사에 걸림돌이 될 수 있어요.

'불이익' 입증이 관건: 실시자는 특허출원의 단순 지연만으론 부족! 지연 기간 동안 상대방이 기술에 투자/개발했다는 '개입 권리'과 같은 손해 또는 불이익 발생을 입증해야 합니다.

달라진 판결 추세:

Sonos 판결로 출원 해태 인정 문턱은 더 높아졌어요!

성실한 절차 진행: 모든 지연은 합리적으로 설명 가능해야 하며, 관련 기록을 잘 남겨두는 것이 중요해요.

특허는 타이밍! 권리 위에 잠자는 자는 보호받기 어렵습니다.

자주 묻는 질문 ❓

Q: 그럼 특허 계속출원(Continuation) 전략은 이제 위험한가요?

A: 아니요, 정상적인 계속출원 자체는 전혀 문제 되지 않아요. 기술을 발전시키고 권리 범위를 명확히 하기 위한 합법적인 절차입니다. 다만 수십 년씩 이유 없이 지연시키거나, 경쟁사 제품을 명백히 겨냥하는 듯한 모습은 피하는 것이 좋습니다.

Q: '불합리한 지연'의 명확한 기준이 있나요? 몇 년부터 위험한가요?

A: 아쉽게도 '몇 년 이상은 무조건 위험하다' 같은 명확한 기준은 없습니다. 법원은 '총체적 상황(totality of the circumstances)'을 고려하여 개별 사건마다 판단합니다. 하지만 하얏트의 사례처럼 수십 년에 걸친 지연은 명백히 불합리하다고 볼 수 있겠죠.

Q: 한국 특허법에도 출원 해태와 비슷한 제도가 있나요?

A: 한국 특허법에는 미국식 ‘출원 해태(prosecution laches)’ 법리가 명문으로 존재하지는 않습니다. 그러나 몇 가지 제도적 장치가 사실상 비슷한 제한 효과를 가집니다.

계속출원 제도 부재: 한국은 미국처럼 무제한 계속출원이 불가능하고, 대신 분할출원만 허용됩니다. 다만 이는 거절이유통지 후 의견서 제출기간이나 특허결정 송달 후 3개월 이내 등 특정 시점에서만 가능합니다.

심사청구 3년 기한: 출원일부터 3년 안에 심사청구를 하지 않으면 심사에 착수되지 않습니다. 이를 통해 일정 기간 시장을 관망할 수 있으나 3년이 상한입니다.

PCT 활용 가능: 국제출원을 활용하면 전략적 유연성을 가질 수 있지만, 장기간 권리화를 늦춰 ‘서브마린 특허’를 만드는 것은 제도상 불가능합니다.

따라서 한국에는 출원 해태와 동일한 법리는 없지만, 분할출원 시기 제한과 심사청구 3년 기한 등을 통해 권리 남용 방지 및 제3자의 예측가능성 보장이라는 정책적 취지는 구현되고 있습니다.

오늘은 미국 특허의 '출원 해태'라는 흥미로운 주제에 대해 알아봤습니다. 조금 복잡하게 느껴질 수 있지만, 핵심은 결국 '정당한 이유 없이 자신의 권리 행사를 미루어 타인에게 피해를 주지 말라'는 상식적인 원칙인 것 같아요. 여러분의 소중한 발명이 바닷속 잠수함처럼 가라앉지 않도록, 항상 성실하게 절차를 진행하는 것이 무엇보다 중요해 보입니다. 더 궁금한 점이 있다면 언제든 댓글로 물어봐 주세요!

※ 본 블로그 포스트는 일반적인 정보 제공을 목적으로 하며, 특정 사안에 대한 법률적 자문을 대체할 수 없습니다. 개별적인 법률 문제에 대해서는 반드시 전문가와 상담하시기 바랍니다.