생성형 AI 기반 지식재산 심사품질 진단 고도화

연구 및 구축안 · E(on). Jun · CAIPEX · 2026.9.

AI가 심사품질을 대신 판정하는 것이 아니라, 사건의 자료와 근거를 추적 가능한 형태로 정리하고 사람이 최종 판단하는 체계를 구축한다.

연구의 핵심

이 연구는 특허·실용신안·상표·디자인의 심사품질을 진단하기 위해 생성형 AI, 검색, 명시적 규칙, 전문가 검토를 결합한 시스템을 제안한다.

핵심은 사건마다 흩어진 문서와 데이터를 하나의 표준 구조로 묶고, 진단 결과가 어떤 자료의 어느 부분과 어떤 기준에서 나왔는지 확인할 수 있게 하는 것이다. 심사관이 실제로 인용한 문헌과 AI가 추가로 찾은 후보 문헌도 구분해 기록한다.

진단은 어떻게 이루어지는가?

사건 확인 → 필요한 자료 수집 → 사실 추출과 근거 검증 → 규칙 실행 → 진단관 검토 → 개선사항 반영

• 생성형 AI는 문서 구조화, 사실 추출, 검색질의 작성, 근거 연결, 규칙 개선안 작성 등을 돕는다.
• PEQ Rule Engine은 구조화된 사실과 심사기준에 따라 진단 후보를 생성하고, 적용한 규칙과 근거를 남긴다.
• 심사관·진단관은 근거를 검토해 최종 판단하며, 규칙의 변경과 적용을 승인한다.

자료가 없거나 사실관계가 모호할 때는 ‘문제없음’으로 처리하지 않는다. UNKNOWN으로 표시하고 추가 확인이 필요한 이유를 밝히는 것이 이 설계의 중요한 원칙이다.

구축과 검증 방향

연구는 특허·실용신안 진단을 시작점으로 삼고, 이후 상표의 문자·호칭·이미지 검색과 디자인의 시각자료 분석으로 확장하는 단계를 제안한다. 공개 데이터와 내부 심사문서는 보안 수준에 맞게 분리하며, 비공개 사건은 보호를 기본값으로 둔다.

성능 역시 AI의 답변 정확도 하나로 평가하지 않는다. 자료 수집의 완전성, 검색 성능, 사실 추출의 정확성, 근거 위치의 유효성, 중요 결함의 미탐 여부, 사람과 AI의 판단 차이를 각각 측정한다. 과거 사건 평가와 Shadow Mode를 거쳐 실제 업무에 적용할지를 판단하도록 설계했다.

이 논문의 성격

이 문서는 시스템의 연구·구축안이다. 제시된 운영 단계와 성능 목표는 앞으로 검증할 계획이며, 이미 달성한 실측 성과를 뜻하지 않는다.

궁극적인 목표는 AI의 판단을 늘리는 데 그치지 않는다. 심사품질의 근거를 확인하고, 오류를 재현하며, 전문가의 판단을 기관의 규칙 지식으로 축적할 수 있는 체계를 만드는 것이다.

CAIPEX 공식 사이트