▲ 출처=freepik  © 특허뉴스

기술 경쟁의 무대가 ‘속도전’으로 바뀌었다. 특허 정보는 더 이상 검색 창에 던져 넣을 키워드 묶음이 아니다. 연구개발·IP·전략·영업이 동시에 참조하는 전사 의사결정 인프라로 부상했고, 그 중심에는 도메인 지식으로 무장한 버티컬 AI 특허 인텔리전스가 서 있다. 키워드·불린(Boolean) 논리로는 맥락을 읽지 못해 ‘놓침’과 ‘노이즈’가 뒤섞였던 과거의 한계를, 의미 기반(semantic) 검색·머신러닝 분류·생성형 AI가 정면으로 돌파하면서다.

먼저 검색의 본질이 바뀌었다. AI 의미 검색은 동의어·유사 개념·산업별 용어를 스스로 연결한다. “자동차 엔진”을 찾으면 “차량 동력장치”, “파워트레인”으로 기술된 특허까지 묶어 보여주고, 다국어 말뭉치를 학습한 모델은 일본·중국·유럽 공보의 개념을 한 화면에서 정리한다. 과거처럼 불린 쿼리를 ‘예술’처럼 다루지 않아도 된다. 머신러닝 군집화는 수만 건을 기술 테마별로 재배열하고, 인용 네트워크 분석은 영향력 특허의 허브를 드러낸다. 표에서 보듯(의미 기반 검색·자동 분류·기술 예측·경쟁사 분석·전략 수립·문서 작성 지원), 과거 구현이 어렵던 기능 대부분이 AI 도입 후 정확도·속도·범용성에서 질적으로 도약했다.

▲ 출처=워트인텔리전스  © 특허뉴스

이 변화는 업무 흐름을 밀어 올린다. 대량 수집–수작업 정리–분기 보고로 이어지던 선형 프로세스가, 상시 모니터링–임계치 알림–즉시 의사결정의 순환 구조로 바뀌었다. “특정 CPC에서 경쟁사 월간 출원이 3개월 연속 30%↑” 같은 조건을 걸면 대시보드가 즉시 경보를 띄우고, 생성형 AI가 요약·근거 링크·비교표를 초안으로 제공한다. 이후 분석가가 사실 검증·법적 상태 확인·리스크 평가를 덧대는 Human-in-the-Loop 체계가 품질을 담보한다. 보고서는 ‘이미 일어난 일’의 기록이 아니라 ‘지금 선택지’의 제안서가 된다.

도입 사례는 더 설득력 있다.

Resonac은 사내 생성형 AI ‘Chat Resonac’으로 베테랑 지식을 데이터화해 세대 간 격차를 해소하고 부서 간 지식의 벽을 없앴다. 특허 요약·분류 소요 시간은 기존의 1/5로 줄며 R&D 생산성이 급등했다.

토요타 TTDC는 특허 평가 AI 기업 AI Samurai를 인수해 발명 가치 평가를 내부화했다. R&D 초기에 등록 가능성·유사 선행기술을 자동 진단하고, Phrase TMS로 다국어 공보 번역을 일관 처리해 글로벌 포트폴리오 운영 속도를 끌어올렸다.

미쓰이 케미칼은 화학 도메인 전용 생성형 AI로 구조식·실험 테이블까지 해석한다. 특허 탐색·신규 용도 발굴에 걸리는 시간이 80% 단축되며, 분석 결과가 영업 제안과 신규 사업 기회 발굴로 직결된다.

국내 셀위버스는 배양배지 특허의 성분·농도·금지 조합·공정 조건을 AI가 구조화해 ‘바로 실험 가능한 레시피 후보’를 추천한다. 외부 자문 의존에서 내부 역량 축적으로 무게중심이 이동했다.

▲ 출처=워트인텔리전스 보고서  © 특허뉴스

엘앤에프(L&F)는 AI 기반 특허 분석 시스템을 온프레미스 환경에 검색·요약·분류 3개 모델을 엮은 분석형 엔진을 구축했다. 특허의 수치·코팅·열처리 조건을 기계적으로 추출해 사내 레시피와 즉시 대조하고, 발명신고 접수 시 유사 특허 묶음 리포트가 자동 생성된다. 발명–IP 검토–R&D–영업이 하나의 루프로 연결되며 리드타임이 짧아졌다.

이들 기업이 버티컬 AI를 택한 이유는 명확하다. 범용 LLM은 유창하지만, 특허 고유의 CPC/IPC, 패밀리·인용 그래프, 법적 상태, SEP 가능성 같은 메타데이터를 규칙으로 엮어 업무용 결론으로 뽑아내는 데 한계가 있다. 반면 버티컬 AI는 산업별 용어사전·평가 규칙·임베딩 스키마를 내장해 재현율과 정밀도를 동시에 확보한다. 자동차 전장 분야에서 OTA 관련 청구항 패턴을 별도 필드로 추출하거나, 통신 표준 문헌과의 매핑으로 SEP 후보를 조기 표식하는 식의 현장 최적화가 가능하기 때문이다. 보안이 중요한 조직은 온프레미스로, 협업이 중요한 팀은 대시보드+알림 중심으로, 레거시 DB와는 ETL 파이프라인으로 연결하는 설계의 자유도 역시 도입 결정의 핵심 요인이다.

AI는 사람의 역할도 바꿨다. 불린 쿼리를 다루던 ‘검색 장인’에서, 프롬프트·평가 설계자로의 전환이다. 목적·범위·기간·판단 기준·출력 형식을 명시해 모델을 올바른 문제로 안내하고, 골든셋·표준 연계성·인용 중심성·법적 상태 변동 등 평가 지표로 성능을 주기적으로 점검한다. 실무자는 “무엇을 더 수집할까?”보다 “무엇을 할 것인가(자체 개발·라이선스 인·공동 개발)”에 시간을 쓴다.

물론 리스크도 있다. 환각(hallucination), 데이터 편향, 기밀 보호, 발명자 자격 등 법·윤리 이슈가 상존한다. 글로벌 리더들은 감사 가능한 로깅·접근통제·개인정보 비식별화, 그리고 전문가 검증 절차로 이를 통제한다. 핵심은 대체가 아니라 분업이다. AI는 데이터의 바다를 순식간에 가다듬고, 인간은 전략과 책임을 맡는다.

셀위버스, 엘앤에프 등 국내외 여러 기업이 워트인텔리전스 같은 버티컬 AI 파트너와 손잡는 것도 같은 맥락이다. 온프레미스 구축, 도메인 스키마 설계, 특허 속 수치·공정의 기계적 구조화, R&D–IP–사업개발 워크플로우 통합까지 현장형 문제 해결이 빠르게 가능해서다. 자체 개발은 시간이 너무 오래 걸리고 시행착오 비용이 크다. 검증된 IP-AX 모델을 도입해 의미 검색→자동 군집→예측 인사이트→실행 보고까지 한 번에 잇는 조직이, 다음 시장을 선점한다.

결론은 분명하다. “AI를 도입할 것인가?”가 아니라, “우리 도메인에 맞춘 버티컬 AI를 어떻게 설계·내재화할 것인가?”다. 특허는 이제 AI가 읽고, 조직은 더 빨리·정확히 결정한다. 이 속도 차이가 곧 기술 경쟁력의 격차가 된다.