목록으로
업무 생산성 개선을 위한 AI 활용
INVELOOP – 기업의 연구개발 자료 속에 숨어 있는 발명을 발견하고 구체화하는 AI 서비스
혼자 특허 업무를 맡은 직장인이 AI로 연구개발 자료 속에 숨어 있는 발명을 빠르게 발견하고 이를 구체화한 사례
🤖 활용 AI 도구
챗지피티, 클로드
① 어떤 상황에서 AI를 활용했나요?
저는 AI 반도체 팹리스 기업에서 특허 업무를 혼자 담당합니다. 연구자는 수십 명인데 담당자는 한 명이라, 발명 하나를 출원 가능한 상태로 정리하는 데 며칠씩 걸렸습니다. 선행기술을 검색하고, 연구자와 미팅하며 빠진 내용을 채우고, 발명신고서를 다시 정리하는 일이 매번 반복됐습니다. 더 큰 문제는 연구자가 자기 결과물을 발명이라고 생각하지 않아 신고 자체가 들어오지 않는다는 점이었습니다.
② 어떤 AI를 어떻게 활용했나요?
용도에 따라 세 가지 AI를 나눠 썼습니다. 도구 개발과 분석에는 Claude와 ChatGPT를 번갈아 사용했습니다. 한 AI의 답만 믿으면 오류를 걸러내기 어렵기 때문에, 같은 작업을 두 AI에 맡겨 결과를 비교하고 한쪽이 만든 코드와 분석을 다른 쪽에 검토시켰습니다. 외부로 보내기 어려운 자료는 국산 AI 모델인 엑사원(EXAONE)을 PC에 직접 설치해 처리했습니다. 한국어 기술문서를 잘 읽고, 자료가 PC 밖으로 나가지 않기 때문입니다. 이 방식으로 퇴근 후 Python 도구를 직접 만들었습니다. 사용 절차는 네 단계입니다. 첫째, 기술자료를 올리면 AI가 문제, 해결수단, 구성요소를 읽어 국문·영문 검색어를 만듭니다. 둘째, 국내 특허(KIPRIS), 미국 특허, 논문(Semantic Scholar, arXiv)을 한 번에 검색합니다. 셋째, 결과를 유사도로 넓게 추린 뒤 AI가 상위 문헌을 다시 읽어 관련도 점수와 근거를 붙입니다. 넷째, AI가 가상 변리사 역할로 발명자에게 질문하고, 문답이 끝나면 발명신고서와 선행조사보고서를 문서로 만듭니다.
③ 활용 결과 어떤 변화가 있었나요?
발명 1건을 출원 검토가 가능한 상태로 정리하는 데 2~3일 걸리던 작업이 반나절 수준으로 줄었습니다. 선행기술 검색은 여러 사이트를 오가며 약 3~4시간 정도 걸렸는데 지금은 약 10분 안에 1차 결과가 나옵니다. 발명 미팅도 확인할 질문이 미리 정리되어 2~3회에서 1회로 줄었습니다. 신고서를 기다리는 대신 회의록과 설계 문서에서 특허가 될 만한 기술을 먼저 찾아 연구자에게 제안할 수 있게 됐고, 현재 실제 업무에서 매일 사용하고 있습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI를 믿을 수 있게 쓰기 위한 원칙을 정해 도구에 넣었습니다. 첫째, 질문을 AI가 임의로 만들게 하지 않고, 실제 발명 미팅 기록에서 반복되는 질문 유형을 정리해 그 순서대로 묻게 했습니다. 둘째, 자료에 없는 내용은 AI가 추측하지 않고 "확인이 필요합니다"로 남깁니다. 셋째, 모든 결과에 문헌 번호와 원문 출처를 표시해 사람이 직접 확인할 수 있게 했습니다. 넷째, AI 점수는 참고용으로만 쓰고 출원 여부는 사람이 결정합니다. 다섯째, 자료의 민감도에 따라 AI를 구분합니다. 미공개 기술자료는 PC에 설치한 엑사원으로 처리해 외부로 전송되지 않게 하고, 외부 AI에는 공개 가능한 내용만 입력합니다. 미팅 기록은 이름 등 개인정보를 지운 뒤 사용했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
가능합니다. 코딩 없이도 세 단계로 따라 할 수 있습니다. 1단계, 공개해도 되는 자료를 AI에 주고 "문제, 해결수단, 효과로 나눠 정리하고 검색어를 뽑아 달라"고 요청합니다. 2단계, 그 검색어로 KIPRIS 같은 무료 공개 검색 사이트에서 직접 검색합니다. 3단계, 찾은 문헌을 AI에 주고 "내 자료와 같은 점, 다른 점을 근거 문장과 함께 표로 정리해 달라"고 요청한 뒤 원문과 대조합니다. 특허 외에 계약 검토, 민원 응대, 보고서 작성처럼 확인할 질문이 반복되는 업무에도 같은 방식을 쓸 수 있습니다. 반복 업무의 실제 기록에서 패턴을 찾고, AI가 모르는 것은 모른다고 답하게 하고, 결과에 출처를 붙이는 세 가지만 지키면 됩니다.
저는 AI 반도체 팹리스 기업에서 특허 업무를 혼자 담당합니다. 연구자는 수십 명인데 담당자는 한 명이라, 발명 하나를 출원 가능한 상태로 정리하는 데 며칠씩 걸렸습니다. 선행기술을 검색하고, 연구자와 미팅하며 빠진 내용을 채우고, 발명신고서를 다시 정리하는 일이 매번 반복됐습니다. 더 큰 문제는 연구자가 자기 결과물을 발명이라고 생각하지 않아 신고 자체가 들어오지 않는다는 점이었습니다.
② 어떤 AI를 어떻게 활용했나요?
용도에 따라 세 가지 AI를 나눠 썼습니다. 도구 개발과 분석에는 Claude와 ChatGPT를 번갈아 사용했습니다. 한 AI의 답만 믿으면 오류를 걸러내기 어렵기 때문에, 같은 작업을 두 AI에 맡겨 결과를 비교하고 한쪽이 만든 코드와 분석을 다른 쪽에 검토시켰습니다. 외부로 보내기 어려운 자료는 국산 AI 모델인 엑사원(EXAONE)을 PC에 직접 설치해 처리했습니다. 한국어 기술문서를 잘 읽고, 자료가 PC 밖으로 나가지 않기 때문입니다. 이 방식으로 퇴근 후 Python 도구를 직접 만들었습니다. 사용 절차는 네 단계입니다. 첫째, 기술자료를 올리면 AI가 문제, 해결수단, 구성요소를 읽어 국문·영문 검색어를 만듭니다. 둘째, 국내 특허(KIPRIS), 미국 특허, 논문(Semantic Scholar, arXiv)을 한 번에 검색합니다. 셋째, 결과를 유사도로 넓게 추린 뒤 AI가 상위 문헌을 다시 읽어 관련도 점수와 근거를 붙입니다. 넷째, AI가 가상 변리사 역할로 발명자에게 질문하고, 문답이 끝나면 발명신고서와 선행조사보고서를 문서로 만듭니다.
③ 활용 결과 어떤 변화가 있었나요?
발명 1건을 출원 검토가 가능한 상태로 정리하는 데 2~3일 걸리던 작업이 반나절 수준으로 줄었습니다. 선행기술 검색은 여러 사이트를 오가며 약 3~4시간 정도 걸렸는데 지금은 약 10분 안에 1차 결과가 나옵니다. 발명 미팅도 확인할 질문이 미리 정리되어 2~3회에서 1회로 줄었습니다. 신고서를 기다리는 대신 회의록과 설계 문서에서 특허가 될 만한 기술을 먼저 찾아 연구자에게 제안할 수 있게 됐고, 현재 실제 업무에서 매일 사용하고 있습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI를 믿을 수 있게 쓰기 위한 원칙을 정해 도구에 넣었습니다. 첫째, 질문을 AI가 임의로 만들게 하지 않고, 실제 발명 미팅 기록에서 반복되는 질문 유형을 정리해 그 순서대로 묻게 했습니다. 둘째, 자료에 없는 내용은 AI가 추측하지 않고 "확인이 필요합니다"로 남깁니다. 셋째, 모든 결과에 문헌 번호와 원문 출처를 표시해 사람이 직접 확인할 수 있게 했습니다. 넷째, AI 점수는 참고용으로만 쓰고 출원 여부는 사람이 결정합니다. 다섯째, 자료의 민감도에 따라 AI를 구분합니다. 미공개 기술자료는 PC에 설치한 엑사원으로 처리해 외부로 전송되지 않게 하고, 외부 AI에는 공개 가능한 내용만 입력합니다. 미팅 기록은 이름 등 개인정보를 지운 뒤 사용했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
가능합니다. 코딩 없이도 세 단계로 따라 할 수 있습니다. 1단계, 공개해도 되는 자료를 AI에 주고 "문제, 해결수단, 효과로 나눠 정리하고 검색어를 뽑아 달라"고 요청합니다. 2단계, 그 검색어로 KIPRIS 같은 무료 공개 검색 사이트에서 직접 검색합니다. 3단계, 찾은 문헌을 AI에 주고 "내 자료와 같은 점, 다른 점을 근거 문장과 함께 표로 정리해 달라"고 요청한 뒤 원문과 대조합니다. 특허 외에 계약 검토, 민원 응대, 보고서 작성처럼 확인할 질문이 반복되는 업무에도 같은 방식을 쓸 수 있습니다. 반복 업무의 실제 기록에서 패턴을 찾고, AI가 모르는 것은 모른다고 답하게 하고, 결과에 출처를 붙이는 세 가지만 지키면 됩니다.
