AI R&D 특허와 영업비밀, 무엇을 남겨야 기술이 되는가

• 목록
• 답변
• 글쓰기
• 옵션
  • 수정
  • 삭제

모델 성능은 분명 좋아졌는데 투자 미팅이나 기술이전 협상에서 “그래서 경쟁사가 따라 하기 어려운 부분은 무엇입니까?”라는 질문에 답하지 못하는 AI 연구팀이 적지 않습니다. 논문, 소스코드, 데이터, 학습 방법을 많이 보유했다고 해서 곧바로 강한 기술자산이 되는 것은 아닙니다. 공개해도 권리가 유지되는 특허와 공개하지 않아야 가치가 유지되는 영업비밀을 구분해야 연구 결과가 실제 사업 경쟁력으로 연결됩니다.

이번 글은 AI 기술사업화와 지식재산 실무에서 자주 발생하는 쟁점을 전문가 인터뷰 형식으로 재구성했습니다. 개별 기업의 법률 판단을 대신하기보다, (주)천조기술연구원이 AI R&D 조직과 함께 검토할 수 있는 의사결정 기준과 실행 절차에 초점을 맞췄습니다.

특허와 영업비밀은 보호 방식부터 다릅니다

Q. AI R&D 결과물은 일단 특허로 출원하는 편이 안전한가요?

전문가: 반드시 그렇지는 않습니다. 특허는 기술 내용을 일정 수준 공개하는 대신 심사를 거쳐 독점권을 확보하는 제도입니다. 경쟁사가 제품이나 서비스를 분석해 구현 여부를 확인할 수 있고, 사업 수명이 비교적 길며, 권리 범위를 문장으로 특정할 수 있는 기술에 잘 맞습니다. 예를 들어 영상 전처리 순서, 추론 자원 할당 방식, 엣지 장치에서의 모델 경량화 절차처럼 외부 결과에서 구현 특징이 드러나는 기술은 특허 검토 가치가 큽니다.

반면 영업비밀은 등록증이 발급되는 권리가 아닙니다. 외부에 알려지지 않았고 경제적 가치가 있으며, 기업이 실제로 비밀로 관리했다는 요건을 입증해야 보호 가능성이 생깁니다. 모델 학습에 사용하는 데이터 정제 규칙, 실패 샘플 분류 기준, 프롬프트 평가 세트, 고객별 튜닝 파라미터처럼 서비스 화면만 보고는 알아내기 어려운 정보가 대표적입니다. 이런 노하우를 특허 명세서에 지나치게 자세히 적으면 오히려 경쟁사에 학습 경로를 제공할 수 있습니다.

따라서 질문은 “특허를 낼까 말까?”가 아니라 “어떤 부분은 공개를 감수하고 권리화하며, 어떤 부분은 조직 내부에 감춰 운영할 것인가?”가 되어야 합니다. 한 개의 AI 서비스 안에서도 핵심 구조는 특허, 데이터 조합법은 영업비밀, 화면 디자인은 디자인권, 코드와 문서는 저작권으로 나눠 보호할 수 있습니다.

• 특허가 유리한 경우: 경쟁사의 침해 여부를 외부 제품이나 API 동작으로 확인할 수 있고, 3~5년 이상 활용할 핵심 원리가 있는 경우
• 영업비밀이 유리한 경우: 서버 내부에서만 실행되어 역설계가 어렵고, 기술 변화가 빨라 출원 공개 전에 가치가 줄어들 수 있는 경우
• 병행 전략이 필요한 경우: 전체 시스템 구조는 쉽게 모방되지만 성능을 만드는 세부 파라미터와 데이터 운영법은 관찰하기 어려운 경우
• 보호가 어려운 경우: 논문, 학회 발표, 제안서, 오픈소스 저장소를 통해 이미 핵심 내용을 공개한 경우

전문가 조언: “특허와 영업비밀은 서로 대체하는 선택지가 아니라 공개 가능한 뼈대와 감춰야 할 근육을 나누는 설계 도구입니다. 연구가 끝난 뒤 분류하면 이미 늦을 수 있습니다.”

Q. 연구기관이나 기술기업의 사례는 무엇을 참고해야 하나요?

전문가: 특정 기관의 특허 수만 따라가기보다 연구개발, 사업화, 기술이전이 어떤 구조로 연결되는지 살펴보는 편이 유용합니다. 공공 연구기관의 역할과 성격은 한국과학기술연구원 관련 지식백과처럼 기관의 설립 목적을 설명하는 자료에서 배경을 확인할 수 있습니다. 민간 기술기업을 검토할 때도 우리기술 기업 정보와 같은 공개 자료를 출발점으로 삼되, 실제 보유 특허의 청구항과 사업 적용 여부는 별도로 확인해야 합니다.

벤치마킹할 때는 “이 기관이 무엇을 출원했는가”뿐 아니라 “무엇을 출원하지 않았을 가능성이 있는가”도 질문해 보십시오. 공개된 특허는 포트폴리오의 한 면에 불과합니다. 재현에 필요한 데이터 규격, 검수 기준, 운영 장애 대응법은 문서 밖에 남겨 두는 경우가 많기 때문입니다.

1. 공개 특허에서 시스템의 핵심 구성요소와 권리 범위를 확인합니다.
2. 논문과 보도자료를 대조해 출원 전 공개 여부와 연구 흐름을 살펴봅니다.
3. 제품에서 관찰할 수 없는 성능 요인을 추정해 영업비밀 후보를 분리합니다.
4. 우리 조직의 기술과 직접 겹치는 부분만 선별해 회피설계 또는 공동연구 가능성을 검토합니다.

AI 기술의 권리화 단위는 모델 하나가 아닙니다

Q. 무엇을 발명 단위로 나눠야 출원 품질이 좋아집니까?

전문가: “딥러닝으로 정확도를 높였다”는 설명만으로는 부족합니다. AI R&D의 권리화 단위는 문제 정의, 입력 데이터 처리, 학습 과정, 추론 구조, 출력 후처리, 배포 환경까지 연결해 찾아야 합니다. 같은 기반 모델을 사용하더라도 특정 산업의 오류를 줄이는 데이터 구성법이나 제한된 GPU 환경에서 지연 시간을 낮추는 제어 방식에는 별도의 기술적 특징이 있을 수 있습니다.

실무 회의에서는 연구원이 성능 지표만 보여주고, 특허 담당자는 발명 포인트를 찾지 못하는 장면이 자주 나옵니다. 이때 베이스라인과 개선 모델의 차이를 코드 줄 수로 설명하지 말고 입력·처리·출력·효과의 흐름으로 바꾸어 말해야 합니다. “모듈을 추가했다”보다 “어떤 조건을 감지해 어떤 연산 경로를 선택했고, 그 결과 메모리 사용량이 얼마나 줄었는가”가 훨씬 강한 설명입니다.

가령 제조 불량 탐지 모델을 개발했다고 가정해 보겠습니다. 공개 모델을 미세조정했다는 사실 자체보다 조명 변화에 따라 촬영 프레임을 선택하는 방식, 불균형 데이터를 재구성하는 규칙, 불확실도가 높은 결과만 작업자에게 보내는 절차가 각각 발명 후보가 될 수 있습니다. 반대로 실제 성능을 좌우하는 불량 이미지 선별 기준과 고객사별 임계값 표는 영업비밀로 남길 여지가 있습니다.

• 문제 정의: 기존 방식이 해결하지 못한 기술적 제약과 오류 상황은 무엇인가
• 데이터 계층: 수집, 정제, 증강, 라벨 검증 중 성능을 바꾼 독자 규칙은 무엇인가
• 모델 계층: 네트워크 구조, 손실함수, 검색 또는 도구 호출 방식에 차별점이 있는가
• 시스템 계층: GPU 배치, 캐시, 라우팅, 엣지 배포 방식이 속도나 비용을 개선했는가
• 운영 계층: 사용자 피드백을 재학습에 반영하거나 오류를 차단하는 폐쇄루프가 있는가

Q. LLM 서비스는 프롬프트만 잘 보호하면 충분한가요?

전문가: 프롬프트는 중요한 자산이지만 그것만으로 방어막을 만들기는 어렵습니다. 서비스 과정에서 시스템 프롬프트가 추론되거나 유출될 수 있고, 짧은 지시문은 독창성이나 비밀관리 사실을 입증하기도 까다롭습니다. LLM 서비스의 경쟁력은 검색용 문서 분할 규칙, 임베딩 갱신 주기, 검색 결과 재정렬, 권한 필터, 환각 평가 데이터, 사람 검토 기준이 결합된 운영 체계에서 나오는 경우가 많습니다.

특허를 준비한다면 “생성형 AI를 사용한다”는 표현에서 멈추지 말고 기술적 작동 관계를 구체화해야 합니다. 예컨대 사용자 권한과 문서 민감도를 함께 계산해 검색 후보를 제한하고, 답변의 근거 점수가 기준 이하이면 별도 검증 모델을 호출하는 구조라면 입력 조건, 판단 단계, 후속 동작과 기술적 효과를 연결할 수 있습니다. 영업비밀 문서에는 실제 임계값, 평가 질문 묶음, 금지 응답 패턴, 고객별 예외 규칙을 별도로 기록하는 방식이 적합합니다.

1. LLM 호출 전후의 전체 데이터 흐름을 한 장의 구조도로 그립니다.
2. 외부 사용자가 API 테스트만으로 추정할 수 있는 기능에 표시합니다.
3. 성능을 좌우하지만 외부에서 관찰하기 어려운 설정값과 평가 자료를 분리합니다.
4. 공개 가능한 구조는 특허 후보로, 내부 노하우는 영업비밀 관리대장 후보로 등록합니다.
5. 오픈소스 모델과 외부 API의 라이선스 및 약관이 권리화 범위에 미치는 영향을 확인합니다.

논문 공개와 특허 출원은 하루 차이도 결과를 바꿉니다

Q. 학회 발표나 정부과제 보고 전에 무엇을 확인해야 하나요?

전문가: 가장 먼저 공개 일정을 한곳에 모아야 합니다. 학회 논문 제출, 포스터 게시, 데모데이 발표, 보도자료 배포, 과제 성과 등록, Git 저장소 공개는 각각 기술 내용이 외부에 알려지는 경로입니다. 연구팀은 논문 게재일만 공개일로 생각하기 쉽지만, 사전 공개 저장소나 행사 자료집이 먼저 열리는 상황도 생깁니다. 신규성 판단은 세부 사실관계와 국가별 제도가 얽히므로 공개 전에 변리사 등 전문가의 검토를 받는 것이 안전합니다.

“국내에는 공개 후 출원할 수 있는 예외가 있으니 괜찮다”는 접근도 위험합니다. 예외 적용에는 요건과 절차가 있고 해외 출원 전략에 불리하게 작용할 수 있으며, 공개한 사람이 누구인지에 따라서도 쟁점이 달라질 수 있습니다. 특히 글로벌 시장을 목표로 한다면 선출원 후공개를 기본 운영 원칙으로 두고, 발표 일정이 앞당겨질 때 자동으로 지식재산 담당자에게 알림이 가도록 설계해야 합니다.

정부과제에서는 주관기관, 공동연구기관, 위탁기관, 참여 연구원의 이해관계도 확인해야 합니다. 비용을 부담한 기관과 실제 발명자가 같지 않을 수 있고, 협약과 내부 규정에 따라 성과 귀속 및 실시권 조건이 달라질 수 있습니다. 논문 저자 명단을 그대로 특허 발명자 명단에 복사하는 실수도 피해야 합니다. 특허의 발명자는 해당 발명의 구체적 창작에 실질적으로 기여한 사람을 사실관계에 따라 판단해야 합니다.

• D-60: 논문 초안, 데모 기능, 과제 산출물에서 발명 후보를 수집합니다.
• D-45: 선행기술 조사와 발명자 인터뷰를 진행하고 공개·비공개 영역을 나눕니다.
• D-30: 출원 범위, 국가, 비용, 공동출원 여부에 대한 내부 승인을 받습니다.
• D-14: 발표자료와 출원 초안의 표현이 충돌하지 않는지 교차 검토합니다.
• D-1: 실제 출원 접수 여부와 공개 자료의 최종 버전을 책임자가 확인합니다.

발표자료에서 핵심 수식 한 줄을 가리는 것만으로 비밀이 유지된다고 단정할 수 없습니다. 입력 조건과 결과 그래프만으로도 기술 구성이 추론될 수 있으므로 자료 전체의 정보 조합을 검토해야 합니다.

Q. 공동개발 계약에서는 어떤 문장이 중요합니까?

전문가: “성과는 공동 소유한다”는 한 문장만으로는 부족합니다. 기존에 각 회사가 보유하던 배경기술과 프로젝트에서 새로 생긴 결과물을 구분하고, 데이터·모델 가중치·소스코드·특허를 각각 누가 보유하고 사용할 수 있는지 적어야 합니다. 공동 소유 특허를 제3자에게 라이선스하거나 침해 소송을 제기할 때 필요한 동의 절차도 미리 정해야 사업화 단계의 충돌을 줄일 수 있습니다.

AI 프로젝트에서는 고객이 제공한 원천 데이터로 개발사가 정제 데이터와 모델을 만드는 구조가 흔합니다. 이때 원천 데이터의 소유권만 정하고 파생 데이터와 학습 가중치의 사용 범위를 비워 두면 재사용 가능성을 두고 갈등이 발생합니다. 계약서에는 목적 외 사용, 익명화, 프로젝트 종료 후 보관·파기, 모델 재학습, 유사 고객 적용, 사고 발생 시 통지 절차를 구체적으로 반영해야 합니다.

• 계약 전부터 보유한 코드, 특허, 데이터 등 배경기술의 목록과 사용 허락 범위
• 프로젝트 중 생성된 발명, 모델, 파생 데이터 등 전경성과의 귀속 기준
• 특허 비용을 누가 부담하고 어느 국가까지 출원할지에 대한 의사결정 절차
• 퇴사자와 외주 인력을 포함한 비밀유지 및 권리승계 확인 방식
• 협력 종료 후 API, 저장소, 학습 데이터와 접근 계정을 회수하는 절차
• 상용화 매출, 기술료, 유지보수 비용을 계산하고 검증하는 기준

90분 자산 분해 회의로 첫 관리대장을 만드세요

Q. 전담 법무팀이 없는 조직은 어디서 시작해야 합니까?

전문가: 거대한 지식재산 시스템부터 구매할 필요는 없습니다. 연구책임자, 모델 개발자, 데이터 담당자, 사업 담당자 네 사람이 90분 동안 한 서비스를 분해해 보는 것만으로 첫 단계를 시작할 수 있습니다. 준비물은 시스템 구성도, 최근 실험 결과, 사용 중인 외부 모델과 데이터 목록, 향후 3개월의 논문·행사·납품 일정입니다.

회의에서는 기술의 멋진 점을 발표하기보다 경쟁사가 똑같이 만들려면 무엇이 필요한지를 묻습니다. 화면에서 쉽게 확인되는 기능인지, 코드를 보지 않으면 알 수 없는 규칙인지, 퇴사자가 기억만으로 재현할 수 있는지, 2년 뒤에도 사용할 기술인지에 따라 보호 수단이 달라집니다. 각 항목을 특허 후보, 영업비밀 후보, 공개 가능, 추가 검토의 네 칸으로 옮기면 논의가 추상적인 수준에 머물지 않습니다.

비용은 출원료만 보지 말아야 합니다. 특허에는 선행기술 조사, 명세서 작성, 심사 대응, 등록과 연차 유지, 해외 번역 및 현지 대리인 비용이 이어질 수 있습니다. 영업비밀 역시 공짜가 아닙니다. 접근권한 관리, 로그 보관, 비밀표시, 직원 교육, 퇴직 절차와 사고 대응 체계를 운영해야 합니다. 정확한 금액은 기술 난도, 청구항, 출원 국가, 조직 규모에 따라 달라지므로 견적을 받아 비교하되, 보호 기간 전체의 총비용으로 판단해야 합니다.

Q. 회의가 끝난 오늘 당장 할 수 있는 행동은 무엇인가요?

전문가: 가장 효과적인 첫 행동은 새 도구를 도입하는 것이 아니라 핵심 기술 한 건의 자산 카드를 작성하는 일입니다. 문서 첫 줄에는 기술 이름이 아니라 “어떤 기존 문제를 어떤 처리 방식으로 바꾸어 어떤 효과를 냈는가”를 한 문장으로 적으십시오. 이어서 최초 완성일, 참여자, 관련 코드 저장소, 사용 데이터, 외부 공개 이력, 예상 사업 수명을 기록합니다.

그다음 재현에 필요한 요소를 최대 열 개로 나눕니다. 모델 구조, 학습 스크립트, 데이터 선별 기준, 파라미터, 평가 세트, 배포 구성, 모니터링 규칙처럼 구체적으로 적고 각 요소 옆에 ‘외부 관찰 가능’, ‘내부 접근 필요’, ‘이미 공개’ 중 하나를 표시합니다. 이 표시만으로도 특허 후보와 영업비밀 후보가 훨씬 선명해집니다.

마지막으로 자산 카드의 소유자를 한 명 지정하고 30일 뒤 재검토 날짜를 예약하십시오. 담당자가 없는 문서는 곧 낡고, 갱신되지 않은 비밀 목록은 실제 접근권한과 어긋나기 쉽습니다. 지금 캘린더에 90분 회의를 잡고, 현재 매출이나 PoC 가능성이 가장 큰 AI 기술 한 건의 자산 카드부터 작성하는 것이 오늘 실행할 단 하나의 행동입니다.

1. 핵심 기술 한 건을 선택하고 기술적 문제·처리 방식·효과를 한 문장으로 씁니다.
2. 재현에 필요한 구성요소를 열 개 이하로 분해합니다.
3. 각 요소의 공개 여부와 외부 관찰 가능성을 표시합니다.
4. 특허, 영업비밀, 공개 가능, 추가 검토의 네 범주로 임시 분류합니다.
5. 담당자와 30일 후 재검토 일정을 확정해 관리대장에 남깁니다.