▲ 출처=키워트  © 특허뉴스

특허 실무자들이 가장 많은 시간을 소모하는 구간은 검색 자체보다 ‘검색 이후’다. 수집한 특허를 다시 정리하고, AI 도구에 업로드하고, 결과 신뢰성을 검증하는 반복 작업은 오히려 분석 효율을 떨어뜨려 왔다. 이러한 구조적 병목에 대해 키워트(Kwork)가 기존 특허 검색 실무 방식은 유지하면서 AI 분석만 즉시 연결하는 ‘폴더 기반 AI 분석’ 기능을 선보이며, 특허 검색에서 분석으로 넘어가는 실무 흐름 자체를 재설계하고 있다.

키워트는 사용자가 기존 플랫폼 내에서 직접 검색·선별·정제해 저장해 둔 문헌 데이터를 별도 재가공 없이 ‘키워트 인사이트’ 프로젝트로 즉시 불러와 AI 분석을 시작할 수 있는 기능을 공개했다. 핵심은 새로운 AI 워크플로우를 배우거나 설계할 필요 없이, 사용자가 이미 구축해 놓은 자신만의 폴더 트리 구조와 데이터 분류 체계를 그대로 유지한 채 AI 분석을 더하는 방식이라는 점이다.

이는 단순한 기능 추가를 넘어, 기존 범용 AI 기반 특허 분석의 구조적 한계를 겨냥한다. 지금까지 많은 실무자들은 AI 분석을 위해 별도 문헌 업로드와 데이터 재정리를 반복해야 했고, AI가 어떤 기준으로 문헌을 선별했는지 불분명한 결과물을 다시 검증하는 데 더 많은 시간을 써야 했다. 결국 ‘분석은 5분, 검증은 100분’이라는 역설적 비효율이 발생했던 것이다.

키워트 인사이트는 이 지점을 정면으로 파고들었다. AI가 임의의 데이터셋 위에서 분석을 시작하는 것이 아니라, 사용자가 이미 산업·기술 범위에 맞춰 직접 검색하고 선별한 데이터 위에서 분석이 시작된다. 다시 말해, 사람의 전문성이 데이터 선정 단계에 반영되고 AI는 그 위에서 속도와 구조화 역량을 제공하는 방식이다. 이는 단순 자동화보다 ‘신뢰 가능한 AI 분석’에 방점을 찍은 접근으로 해석된다.

특히 키워트의 이번 업데이트는 고객 실무 요구에서 출발했다는 점에서 의미가 크다. “키워트에서 정리한 데이터를 키인(키워트 인사이트)으로 바로 가져오고 싶다”는 현장 요청이 기능 개발 우선순위가 됐고, 실제 서비스로 구현됐다. 이는 AI 기능을 기술 시연용이 아닌 실무 병목 해결형 도구로 진화시키겠다는 전략으로 읽힌다.

업계 관점에서 보면 이번 기능은 IP 분석 도구 경쟁의 기준이 단순 AI 성능에서 ‘데이터 신뢰성 + 기존 실무 연결성’으로 이동하고 있음을 보여준다. 특허 분석은 어떤 AI를 쓰느냐 못지않게 어떤 데이터셋 위에서 분석하느냐가 핵심인데, 키워트는 사용자의 기존 조사 자산 자체를 AI 분석의 출발점으로 전환함으로써 실무자의 통제권을 유지했다.

이 구조는 특히 기업 IP팀, 특허법인, R&D 전략 조직처럼 이미 자체 분류 체계와 조사 방식이 정교한 사용자층에게 강점이 될 수 있다. 기존 워크플로우를 버리지 않고 AI를 얹는 방식은 조직 내 도입 저항을 낮추고, AI 전환 비용을 최소화할 수 있기 때문이다.

키워트는 이를 통해 검색에서 분석, 보고서 작성까지의 흐름을 ‘끊김 없는 IP 분석 체계’로 연결하겠다는 구상이다. 사용자가 이미 만들어 둔 폴더만 있다면, 선별된 문헌 그대로 원하는 보고서를 약 10분 내 완성할 수 있다는 설명이다.

결국 이번 업데이트는 AI가 기존 업무 방식을 완전히 대체하는 것이 아니라, 실무자가 오랫동안 구축해 온 조사 방식 위에 자연스럽게 결합될 때 가장 강력한 생산성 혁신이 가능하다는 점을 보여준다. 특허 실무의 다음 경쟁은 더 많은 검색이 아니라, 더 신뢰도 높은 데이터와 더 빠른 분석을 얼마나 매끄럽게 연결하느냐에 달려 있을 가능성이 커지고 있다.