La EPO endurece la divulgación en invenciones asistidas por IA

La orientación pública de la EPO está haciendo más difícil ignorar un punto clave: en las invenciones asistidas por IA, la cuestión ya no es simplemente si se utilizó IA, sino si la solicitud conecta con claridad el efecto técnico reivindicado con una solución técnica reproducible y con una contribución técnica humana identificable. En las solicitudes apoyadas en entrenamiento de modelos, selección de datos o descubrimiento asistido por IA, eso afecta de lleno a la patentabilidad, a la suficiencia de la divulgación y a la solidez futura de la patente.

Muchos solicitantes siguen interpretando mal el punto de la divulgación. La EPO no exige de forma general entregar el conjunto de entrenamiento concreto. Pero cuando el efecto técnico depende de determinadas características de los datos de entrenamiento, esas características pueden tener que describirse con suficiente detalle para reproducir el efecto. Si a eso se suma la insistencia de la EPO en un enfoque humano en el examen, el mensaje práctico es bastante claro: ahora pesan más los registros internos, la delimitación de contribuciones y una memoria bien redactada que una referencia genérica a la “optimización mediante IA”.

No se trata solo de mencionar la IA en la solicitud

Gran parte del debate sobre patentes de IA todavía parte de una premisa demasiado simple: si el solicitante debe o no declarar expresamente que utilizó herramientas de IA. Eso ya no basta. Lo que sugieren los materiales públicos actuales de la EPO es un cambio de enfoque en el examen: los examinadores tenderán a preguntar antes qué produce realmente el efecto técnico, qué pasos tienen relevancia técnica en lugar de quedarse en un nivel abstracto y dónde se sitúan la definición humana del problema y la validación humana dentro de la historia de la invención. Cuando esas preguntas se adelantan, la disciplina de redacción deja de ser un detalle.

Esto resulta especialmente sensible para equipos que usan grandes modelos de lenguaje en la redacción o aprendizaje automático para filtrar materiales, secuencias o parámetros de proceso. La IA puede ayudar a descubrir. Pero una solicitud no puede quedarse en una narrativa de caja negra según la cual el modelo arrojó un resultado mejor. Cuanto menos concreta sea la explicación, más fácil será que la solicitud quede expuesta a objeciones sobre reproducibilidad, efecto técnico y actividad inventiva.

La contribución humana debe verse dentro del relato técnico

Una debilidad práctica en muchas solicitudes asistidas por IA es que la verdadera aportación humana queda aplanada en el papel. La contribución técnica valiosa suele estar en la formulación del problema, la elección de restricciones, la exclusión de candidatos débiles, el diseño experimental, la interpretación de salidas y la decisión sobre qué quedó realmente validado. Si nada de eso aparece en la memoria, el expediente puede leerse como si la aportación inventiva esencial procediera solo del sistema y el papel humano fuera meramente administrativo.

Ahí es donde el solicitante pierde el control del relato. Un enfoque más sólido consiste en explicar, con precisión pero sin exceso, cómo los humanos definieron el objetivo técnico, eligieron parámetros operativos, conectaron la salida del modelo con el efecto técnico y verificaron ese vínculo mediante ensayos o implementación. A nivel interno, eso también implica que el análisis de inventores, los cuadernos de laboratorio, el control de versiones y los registros de desarrollo ya no pueden tratarse como tareas separadas de archivo.

La divulgación de datos se vuelve más selectiva y más exigente

Este es probablemente el punto que más conviene leer con cuidado. La guía de la EPO traza una línea matizada: en general no hace falta revelar el conjunto de entrenamiento concreto, pero si el efecto técnico depende de características de los datos de entrenamiento, las características necesarias para reproducir ese efecto pueden tener que divulgarse. En la práctica, eso significa que la Oficina no está pidiendo vaciar por completo el almacén de datos. Está pidiendo explicar la parte del relato de datos que realmente sostiene el resultado técnico reivindicado.

Eso cambia la forma de redactar la memoria. Expresiones como “el modelo se entrenó con datos históricos” o “los parámetros se optimizaron con una muestra” suelen ser demasiado vagas para soportar una reivindicación exigente. Cada vez será más importante explicar el alcance relevante de los datos, cómo se seleccionaron o etiquetaron, qué características estructurales o estadísticas importan y cómo la salida del modelo se conectó de nuevo con un resultado técnico validado. En materiales avanzados, diseño de secuencias u optimización de procesos, ese puente entre datos y efecto suele decidir la fortaleza real de la solicitud.

La debilidad suele aparecer más tarde, no el día de presentación

Muchos equipos siguen pensando que, si una solicitud relacionada con IA supera el examen inicial, la parte difícil ya pasó. En la práctica, una redacción débil suele reaparecer después. En oposición o nulidad vuelven a juntarse la suficiencia de la divulgación, el carácter técnico, la actividad inventiva y la credibilidad de la prueba. Si la solicitud descansa sobre un proceso de modelo insuficientemente explicado y el titular no puede mostrar una ruta coherente de validación humana, la solidez de la patente se vuelve bastante más frágil.

Esa es la lectura práctica que deja la dirección actual de la EPO. La pregunta real no es solo si se utilizó IA. La pregunta es si la solicitud podrá seguir explicando, años después y bajo presión, quién aportó qué desde el punto de vista técnico, por qué el efecto reivindicado resulta verosímil en todo el alcance reclamado y si el expediente que sustenta la invención sigue siendo consistente. Quien resuelva esas tres cuestiones pronto tendrá muchas más posibilidades de acabar con activos exigibles y no con solicitudes llamativas pero quebradizas.