La CNIPA lleva el cumplimiento de datos al examen de patentes de IA

La revisión de las Directrices de Examen de Patentes de China, en vigor desde el 1 de enero de 2026, acerca mucho más el control de legalidad al centro mismo del examen de patentes sobre inteligencia artificial y big data. La CNIPA hizo dos movimientos a la vez. Por un lado, añadió un criterio expreso de examen con base en el artículo 5, apartado 1. Por otro, modificó la regla de examen para dejar claro que, cuando sea necesario, el examinador puede mirar también la memoria descriptiva y no solo las reivindicaciones. El cambio importa. Las solicitudes que giran en torno a captación de datos, gestión de etiquetas, configuración de reglas o decisiones de recomendación ya no se medirán únicamente por si el efecto técnico parece convincente. El expediente también podrá leerse buscando fallas jurídicas o éticas evidentes.

Los ejemplos oficiales lo dejan bastante claro. Uno trata de un sistema de marketing con reconocimiento facial que no mostraba una obtención de datos lícita y conforme. Otro se refiere a un modelo de conducción autónoma entrenado para diferenciar a las personas por edad y sexo en decisiones de emergencia. Para quienes solicitan patentes sobre entrenamiento de grandes modelos, limpieza de corpus, flujos de etiquetado, métodos de alineación o despliegue de modelos verticales, la señal es nítida: los datos de entrenamiento y la ruta de tratamiento de datos ya no son una caja negra de fondo que el expediente pueda ignorar sin coste. La CNIPA no ha publicado una lista independiente de fuentes de datos aceptables, pero la distancia entre la concesión de la patente y la gobernanza de datos ya se ha reducido de forma visible.

Qué cambió realmente y qué todavía no puede darse por supuesto

El error más fácil sería leer esta reforma como si China hubiera creado un régimen general de compliance previo para toda patente de IA. Eso exagera el texto oficial. Lo que la CNIPA ha incorporado formalmente es más concreto y, precisamente por eso, más relevante. Primero, si una solicitud que incluye rasgos algorítmicos o reglas de negocio contiene captación de datos, gestión de etiquetas, configuración de reglas, decisiones de recomendación u otros elementos que vulneren la ley, la moral social o el interés público, no puede obtener patente. Segundo, cuando haga falta, el examen podrá extenderse a la memoria descriptiva. Es decir, no se ha impuesto un formulario universal para revelar cada conjunto de entrenamiento. Lo que se ha creado es una puerta de entrada mucho más clara para revisar la legalidad dentro del propio examen de patentes.

Y una vez abierta esa puerta, cuestiones que antes se empujaban a la fase de implementación o a la auditoría de producto empiezan a pesar antes en el expediente. Eso importará especialmente cuando la contribución inventiva dependa de una ruta concreta de tratamiento de datos. Si el solicitante afirma que el rendimiento del modelo proviene de un entrenamiento, un filtrado, un etiquetado o un bucle de retroalimentación específico, pero deja casi vacía la lógica de obtención de esos datos, la solicitud puede empezar a verse coja. El examen de patentes sigue sin ser una fiscalización administrativa general, y desde luego no sustituye a un litigio por infracción. Pero ya no está dispuesto a tratar una irregularidad evidente de legalidad como si fuera un problema ajeno al título.

Por qué el entrenamiento, la limpieza de corpus y el etiquetado sentirán antes la presión

La primera presión recaerá, probablemente, sobre las solicitudes más construidas alrededor del propio manejo de datos: métodos de selección de datos de entrenamiento, control de calidad de etiquetas, flujos de alineación y corrección de sesgos, reentrenamiento basado en feedback, arquitecturas de ajuste fino para sectores concretos o tuberías de recuperación vinculadas a bases de conocimiento curadas. En este tipo de casos, el efecto técnico se apoya precisamente en la calidad, la estructura o el tratamiento del dato. Ahí es donde el viejo hábito de redactar en abstracto empieza a resultar mucho menos cómodo.

Durante años, muchas memorias resolvieron esta capa con frases vagas. Se decía que el modelo se entrenaba con muestras históricas o que los parámetros se optimizaban con datos etiquetados, mientras se dejaban fuera del expediente las preguntas incómodas: de dónde salían los datos, si existía licencia, si había datos personales, qué condiciones pesaban sobre datasets sectoriales o bajo qué supuestos reales podía desplegarse la solución. Esa técnica de redacción no implica una denegación automática. Pero sí aumenta el riesgo cuando la oficina tiene ahora un mandato más claro para mirar la legalidad del esquema tal como se describe. Si el efecto reivindicado depende de una operación concreta de gobernanza de datos, será más natural que el examen pregunte si esa operación puede ejecutarse de forma lícita y consistente.

No convierte el examen en un tribunal de copyright, pero sí cambia el riesgo de solicitud

Conviene no ir más allá del texto oficial. Las reglas hoy publicadas por la CNIPA no contienen todavía una lista pormenorizada, dentro del derecho de patentes, sobre “riesgo de infracción de derechos de autor” o “riesgo de seguridad en la exportación de datos”, ni obligan en cada caso a presentar una cadena documental completa de titularidad sobre los datos de entrenamiento. Afirmar que esos requisitos exactos ya quedaron codificados sería decir más de lo que hoy permiten las fuentes públicas. Aun así, esos asuntos son cada vez menos fáciles de tratar como irrelevantes. En proyectos de grandes modelos y modelos sectoriales, la licencia de los datos de entrenamiento, el modo de tratamiento de datos personales, los supuestos de transferencia transfronteriza y las condiciones impuestas por datasets de terceros afectan a si la solución puede describirse de forma creíble como una solución susceptible de ejecución lícita.

El giro práctico, por tanto, no es que la CNIPA se haya convertido en la autoridad de copyright o en el regulador de ciberseguridad. El giro es otro: el solicitante ya no puede asumir con tranquilidad que estos temas están totalmente fuera del expediente. El riesgo sube cuando el pipeline de entrenamiento depende de contenido capturado sin relato de procedencia, cuando aparecen datos personales o sensibles sin delimitar su tratamiento, o cuando la implementación comercial exige flujos de datos entre varias entidades o regiones y la memoria lo presenta como si fuera un contexto neutro y sin fricción. Ya no son solo asuntos de diligencia posterior. Cada vez influyen más en cómo conviene redactar la solicitud desde el principio.

Cómo ajustar la estrategia de redacción y de respuesta al examen

La respuesta más útil no consiste en llenar la memoria de citas normativas. Lo sensato es volver a unir el relato técnico con el relato de cumplimiento. Si el punto inventivo depende de la captación, limpieza, etiquetado o retroalimentación de datos, el equipo debería preparar al menos una nota interna sobre procedencia y tratamiento: qué datos son propios, cuáles están bajo licencia, cuáles han sido anonimizados o agregados, qué escenarios de despliegue dependen de una configuración jurisdiccional concreta y qué parte del efecto técnico se apoya en esos supuestos. No todos esos detalles deben entrar en el texto público, pero condicionan cuánto puede decirse con seguridad en la memoria y cuánta credibilidad tendrá la respuesta posterior ante el examinador.

También conviene afinar la arquitectura de reivindicaciones. En invenciones sólidas, suele ser útil separar niveles de protección. Un primer nivel puede centrarse en arquitectura del modelo, control del entrenamiento u optimización del sistema con una dependencia débil respecto de una fuente concreta de datos. Un segundo nivel puede cubrir implementaciones que sí descansan sobre una cadena de tratamiento más específica. La ventaja comercial es bastante clara. El primer nivel tiene más posibilidades de sostenerse con estabilidad en examen. El segundo puede buscar una cobertura de negocio más amplia cuando la base de cumplimiento sea realmente fuerte. Las solicitudes de IA que más sufrirán en la etapa que se abre no serán necesariamente las menos inventivas. A menudo serán las que apoyan su efecto principal en una ruta de datos que el propio solicitante no quiere o no puede explicar de forma coherente.