“특허 문서를 범용 AI에 넣어 봤는데, 답은 그럴듯한데 자꾸 어긋납니다.”
“사내에 우리 전용 특허 AI를 만들고 싶은데, 데이터부터 어디서 구해야 할지 모르겠습니다.”
범용 AI에 특허 문서를 넣어 보신 적 있으실 겁니다. 요약은 그럴듯하게 나오는데 청구항 해석에서 어긋나기도 하고, 그렇다고 기밀 명세서를 외부 서비스에 계속 올릴 수도 없습니다. 이미 나와 있는 서비스로 풀리지 않는 요구가 남는다면, 방법이 하나 더 있습니다. 우리 회사에 맞추는 것입니다.
윕스(WIPS)는 기업·공공·연구기관·대학 등 고객사마다 다른 요구에 맞춰 특허 AI를 구축해 왔습니다. 회사의 내부 문헌과 기술 분류 체계, 보안 요건에 맞춰 데이터부터 모델, 시스템까지 설계하는 방식입니다. 지금까지 만든 여섯 가지와 구축 방식, 도입 절차를 알려드릴게요.
가장 먼저 받는 질문입니다. 답부터 드리면, 우열이 아니라 용도가 다릅니다.
범용 AI는 문서를 요약하고 번역하고 초안을 잡는 일을 잘합니다. 특허 업무에서도 그 쓰임은 분명히 있습니다. 다만 특허 문서 앞에서는 사정이 좀 달라집니다.
청구항은 줄글이 아닙니다.
권리 범위를 규정하는 문장이라 구성요소 사이의 관계와 한정사항이 의미를 결정합니다. 자연어로만 읽으면 “무슨 말인지”는 나와도 “어디까지가 권리인지”는 어긋납니다.
같은 대상이 나라마다 다르게 적혀 있습니다.
출원번호 체계가 다르고, 같은 기업의 이름이 한국어·영어·일본어·중국어로 제각각 기재됩니다. 이 편차를 정리하지 않은 데이터를 넣으면 모델이 아무리 좋아도 답이 흩어집니다.
기술 분류 체계는 회사마다 다릅니다.
공개된 분류 코드가 아니라 그 회사가 실제로 쓰는 체계에 맞춰 문헌이 정리되어야 실무에서 제대로 쓸 수 있습니다.
그래서 갈림길은 어떤 모델을 쓰느냐 하나로 갈리지 않습니다. 앞의 세 가지는 층이 다른 문제라 대응도 따로 필요하기 때문에 특허를 위한 AI가 필요합니다.
같은 문서라도 특허를 학습한 모델을 적용하면 깊이가 달라집니다.
특허 실무에 맞춰 파인튜닝한 모델은 청구항의 구성요소 관계와 한정사항을 따라가고, 명세서가 그 기술을 어떤 맥락에 놓고 있는지까지 짚습니다. 문장을 매끄럽게 옮기는 데서 그치지 않고 무엇이 핵심이고 어디까지가 권리인지를 읽어 내기 때문에, 그럴듯하지만 어긋난 답이 나올 여지가 줄어듭니다.
번호 체계와 기업명 표기가 제각각인 문제는 정제해 둔 데이터가 받고, 회사마다 다른 기술 체계는 그 회사의 문헌으로 다시 학습시켜 맞춥니다. 그렇게 나온 답이 맞는지는 근거를 함께 보여주는 방식(RAG)으로 확인합니다. 답변이 어느 문헌의 어느 대목에서 나왔는지 같이 제시하는 구조라, 그대로 믿는 대신 짚어 볼 수 있습니다.
범용 AI가 못한다는 이야기가 아닙니다. 재료와 구조를 우리 조직에 맞춰 갖추는 일이 모델 선택과는 별개의 작업이라는 뜻입니다.
윕스의 AI는 크게 두 갈래입니다. 이미 만들어 둔 서비스를 쓰는 쪽과 고객사에 맞춰 만드는 쪽입니다.
상용 AI
윈텔립스(WINTELIPS)·윕스온(WIPSON)·윕스프리즘(PRISM)처럼 완성된 화면과 기능을 계정으로 바로 사용합니다. 도입이 빠르고, 쓰는 법만 익히면 됩니다. 검색·요약·번역·자동 분류처럼 많은 기업에 공통된 업무가 여기에 해당합니다.
커스텀 AI
회사의 내부 문헌과 기술 분류 체계, 보안 요건에 맞춰 데이터·모델·시스템을 설계해 구축합니다. 사내 서버에 올려 데이터가 회사 밖으로 나가지 않게 구성하기도 합니다. 우리 회사에만 있는 요구라면 이쪽입니다.
⚠️ 상용 서비스로 되는 일은 굳이 새로 구축할 필요는 없습니다. 윈텔립스에 어떤 AI 기능이 들어 있는지는 윈텔립스 AI 활용 가이드에, 생성형 AI 기능을 먼저 선보이는 실험실은 WIPS AI Lab 활용 가이드에 정리돼 있습니다. 먼저 써 보시고, 그것으로 풀리지 않는 요구가 남을 때 커스텀을 검토하시면 됩니다.
커스텀 AI를 구축하려면 네 가지가 함께 있어야 합니다. 쓸 수 있는 상태의 데이터, 특허를 아는 AI 구조, 그 데이터를 회사 밖으로 내보내지 않는 방법, 그리고 전 과정을 맡는 사람입니다.
윕스는 1999년부터 지식재산 데이터를 쌓아 왔습니다. 특허·상표·디자인을 합쳐 4억 건이 넘고, 112개국의 특허정보와 50개국의 전문(Full-text)을 제공합니다. 데이터 품질인증에서 최고 등급(Class A)을 받은 데이터입니다. 여기에 산업·기업 데이터를 연계하여 제공하기도 합니다.
규모와 품질은 밖에서도 한 번 확인됐습니다. 2026년 7월, 윕스는 세계지식재산기구(WIPO)와 아세안 지식재산협력 실무그룹(AWGIPC)이 운영하는 WIPO ASEAN IP Register의 공식 협력 파트너로 선정됐습니다. 팻스냅(Patsnap), 퀘스텔(Questel)과 함께 최종 3개사에 이름을 올렸고, 국내 기업으로는 유일합니다.
커스텀 AI에 들어가는 재료가 바로 이 데이터이고, 우리 회사 시스템에 무엇을 올리는지 그 출처를 그만큼 분명하게 말씀드릴 수 있습니다.
윕스 AI는 특허 전용 인텔리전스입니다. 특허 문서에 맞춰 만든 벡터 임베딩으로 의미 기반 검색을 하고, 기업 전용 sLLM을 파인튜닝해 고객사의 문맥을 학습시킵니다. 답변은 RAG로 원문 근거와 함께 생성하고, 기술 분류는 딥러닝 모델이 자동으로 수행합니다.
또한, 모델만으로 끝내지 않고, 윕스 내부 IP 전문가의 실무 피드백을 다시 학습에 반영하는 구조(Human-in-the-loop)를 둡니다.
커스텀 AI를 검토하는 가장 흔한 이유이기도 합니다. 기밀 명세서나 사내 기술문서를 외부 AI 서비스에 넣을 수 없는 조직이 많습니다.
구축 위치를 선택할 수 있습니다 — 사내망에 전체를 올리는 온프레미스 구축이 가능합니다. 데이터가 회사 밖으로 나가지 않는 구성으로, 물론 하이브리드 방식도 가능합니다.
원문이 아니라 벡터로 다룹니다 — 기밀 문서를 벡터로 변환해 처리하므로 원문이 그대로 노출되지 않고, 역추적도 차단됩니다.
국제 표준 인증으로 검증받았습니다 — 정보보안 ISO 27001과 개인정보보호 BS 10012 인증을 획득했습니다. 사내 보안 심사나 조달 절차에 그대로 근거 자료가 됩니다.
▲ 기밀 문서는 벡터로 바꿔 처리하고, 온프레미스 구축에서는 원문이 사내에 남는다
데이터·AI 구조·보안, 앞의 세 가지를 세우고 움직이는 것은 결국 사람입니다. 윕스는 영역마다 전담 조직을 두어 깊이를 만들고, 프로젝트별로 협업하여 시너지를 냅니다.
AI R&D — AI 연구실과 기술연구소를 함께 운영합니다. AI 연구실은 최신 AI 기술을 선행 연구하고, 기술연구소와 함께 이를 실제 서비스에 최적화합니다. 두 조직이 각자의 전문성을 바탕으로 협업하기 때문에 연구에서 실제 구현까지 완성도 있는 결과를 만듭니다.
플랫폼 기획·개발·운영 — 서비스의 기획, 개발, 운영을 각각 전담하는 조직을 둡니다. 세 조직이 촘촘하게 맞물려 안정적인 서비스를 제공하고, 현장에서 나온 이슈에도 유연하게 대응합니다.
데이터 센터 — 데이터만 전담하는 조직을 둡니다. 전 세계 데이터를 수급하고, 분석과 학습에 바로 쓸 수 있는 형태로 가공하는 업무를 수행합니다. 첫 번째 기반에서 말씀드린 IP 데이터 품질의 기반이 되는 부서입니다.
기술분야별 조사·분석 — 공학·경영·경제·디자인 등 분야별 전문가와 기술분야별 전문조사인력 약 200명이 있습니다. 지식재산처 선행기술조사에서 누적 100만건 이상 쌓아 온 실무 노하우가 앞서 말씀드린 전문가 피드백 반영 구조(Human-in-the-loop)의 바탕입니다. 변리사·기술거래사·기술가치평가사 같은 자격 인력도 함께합니다.
커스텀 AI 구축은 요구 분석부터 PoC, 구축, 운영까지 여러 단계를 거칩니다. 단계마다 그 일을 전담해 온 전문가와 엔지니어가 투입됩니다.
커스텀 AI는 고객 니즈에 따라 형태가 달라집니다. 서로 다른 회사의 서로 다른 과제로 구축한 것 가운데, 대표적인 여섯 가지를 알려드릴게요.
통합 AI 검색·분석
과제 — 내부 기술문헌과 전세계 특허를 단계별로 따로 다루다 보니 시간이 많이 들고, 중복 연구와 누락 위험이 함께 발생했습니다.
솔루션 — 자연어로 질문하면 사내 문헌과 글로벌 특허를 한 번에 검색하는 AI 검색을 두고, 내부 문헌과 특허를 같은 유사도 척도로 비교합니다. 자사·경쟁사 문헌은 딥러닝 기반 AI 분류가 자동으로 기술 분류하고, 기술 흐름과 유망 기술 탐지 같은 커스텀 분석을 도출합니다. 검색은 벡터화된 상태로 처리해 원문이 노출되지 않고, 시스템 전체를 내부망에 두는 온프레미스로 구축했습니다.
성과 — 원문 유출 없는 안전한 검색과 효율성 향상, 그리고 맞춤형 심층 분석을 내재화했습니다.
신착 특허 모니터링
과제 — 새로 공개되는 특허를 사람이 직접 확인하다 보니 시간과 비용이 들고, 놓치는 건도 생겼습니다.
솔루션 — 한국·미국·일본·중국·유럽·대만 6개국의 공개·등록 특허를 월 1회 자동 수집합니다. 기술분야마다 개별 sLLM 노이즈 필터를 두어 분야별로 다른 기준으로 불필요한 문헌을 걸러내고, 도면까지 함께 읽는 멀티모달 요약을 생성합니다. 요약은 개발자가 이해하기 쉬운 형태로 만들어 메일로 자동 발송되고, 특허 목록과 요약정보는 사내 IPMS에 자동 등록됩니다.
성과 — 모니터링 정확도가 개선됐고, 반복 업무가 자동화되면서 담당자가 핵심 업무에 집중할 수 있게 됐습니다.
타겟 분야 특허 조회
과제 — 대규모 특허 DB를 조회할 때 정확도가 떨어지고 분류 기준이 서로 맞지 않았습니다. 데이터를 최신 상태로 유지하는 것도 부담이었습니다.
솔루션 — 타겟 분야 특허를 AI가 선별ㆍ심층 분석해 핵심 키워드를 뽑아 DB를 구축하고, 분야 특성을 고려하여 수치 범위로 검색할 수 있도록 했습니다 (예: 0.05 ≤ Mn ≤ 0.7 중량%). 또한, 정기 업데이트를 자동화해 최신성을 유지하고, 문헌별로 sLLM 기반 AI 요약을 제공하여 검토를 지원합니다. 구축 데이터는 기계적 검증과 전문가 정성 검증 2단계를 거치고, 이상이 발견되면 학습데이터와 모델을 보정합니다.
성과 — 최적화된 전용 DB로 조회 속도가 향상되고, 분류 정확도와 분석 효율성이 개선됐습니다.
맞춤형 특허 AI 비서
과제 — 선행기술 조사와 경쟁사 분석을 수작업에 의존하다 보니 작업 시간 부담이 크고 품질도 일정하지 않았습니다.
솔루션 — 세 모듈을 하나로 묶었습니다. AI 선행조사로 키워드와 검색식을 자동 생성하고 자연어로 유사특허를 찾아 보고서 초안까지 만듭니다. 특허 챗봇은 대화형 질의응답과 청구항 비교 분석, 회피설계 검토를 지원합니다. PDF 챗봇은 논문이나 기술보고서에 질문하면 근거 페이지와 문단을 함께 표기해 답합니다. 결과는 Word·PPT·CSV로 내보낼 수 있습니다.
성과 — 검색 정확도가 향상되고 분석 시간이 줄어, R&D 워크플로우의 흐름이 개선되었습니다.
유망 기술 탐지 (Emerging Signal)
과제 — 방대한 특허를 사람이 분석해서는 급부상하는 기술과 플레이어를 제때 파악하기 어려웠습니다.
솔루션 — LLM과 계층형 클러스터링, SNA(관계망 분석)를 함께 써서 기술 신호를 자동으로 포착합니다. 떠오르는 기술과 플레이어는 시각화로 조망합니다.
성과 — 유망 기술을 조기에 포착해 선제적으로 전략을 세울 수 있게 됐습니다.
디자인 도면 AI 분석
과제 — 디자인 도면이 이미지 형태라 검색과 분류가 어려워 수작업에 의존하고 있었습니다.
솔루션 — 도면의 형상을 AI가 자동으로 분류하고, 도면을 텍스트로 변환해 키워드로 검색하고 분석합니다.
성과 — 대량의 디자인 물품을 자동으로 분류하고 간편하게 검색할 수 있게 됐습니다.
📌 이 밖에도 특허에 산업·기업 데이터까지 연계한 맞춤 구축, 기업과의 공동 R&D 등 다양한 형태가 가능합니다. 명세서 자동 생성용 데이터 API처럼 고객사 자체 AI에 데이터만 공급하는 방식도 제공 가능한 범위에 있습니다.
구축 방식 세 가지
보안 요건과 예산에 맞춰 고르시면 됩니다.
윕스 서버 구축 — 비용이 가장 적게 들고 구축이 빠릅니다.
사내 전체 구축 — 보안과 내부 통제력을 최대한 확보하는 방식입니다. 온프레미스가 여기에 해당합니다.
하이브리드 — 특허 DB와 검색엔진은 윕스가 맡고, 일부 모듈만 사내에 두는 절충안입니다.
사내 구축이라고 해서 회사가 큰 인프라를 들여야 하는 것은 아닙니다. 세 가지 방식 가운데 모델 학습까지 윕스가 맡고 고객사는 추론 전용 최소 사양 서버만 운영하는 구성도 있습니다. 매월 반복해서 돌리는 업무일수록 범용 LLM API는 누적 비용이 부담이 되는데, 오픈소스 sLLM을 쓰면 운영 비용 구조가 달라집니다.
기존 시스템과의 연결도 함께 봅니다. 고객사의 IPMS 환경과 자체 보안 기준에 맞춘 Custom API를 지원합니다.
도입은 이런 순서로 진행됩니다.
요구 분석 — 무엇을 풀어야 하는지 과제를 정의합니다.
PoC · 타당성 검증 — 고객사의 실제 데이터로 되는지 확인합니다.
구축 · 미세조정 — 기업 데이터로 모델을 학습시키고 시스템을 구축합니다.
납품 · 운영 — 이후 운영을 이어가거나 공동 R&D로 확장합니다.
요구 분석과 PoC로 범위를 확인한 뒤 구축에 들어가므로, 처음부터 전체를 확정하지 않으셔도 됩니다. 과제 하나로 시작해 되는 것을 확인하고 넓혀 가는 방식이 가능합니다.
인수인계도 절차에 포함됩니다. 소스코드와 Git 형상관리를 이전하고, 관리자·사용자·개발자 3종 교육 커리큘럼을 제공하며, 무상 기술지원 기간을 둡니다.
비용은 과제의 범위와 구축 방식에 따라 달라지므로 별도 협의로 진행합니다.
앞의 여섯 가지가 서로 다른 회사의 서로 다른 과제였던 것처럼, 커스텀을 검토하게 되는 지점도 하나가 아닙니다. 이런 상황이라면 한번 짚어 보실 때입니다.
회사 안에만 있는 기준을 따라야 할 때 — 공개된 분류 코드가 아니라 그 회사가 실제로 쓰는 기술 분류 체계에 맞춰 문헌이 정리되어야 하는 경우입니다. 「타겟 분야 특허 조회」가 그런 경우였습니다.
사내 문헌과 외부 특허를 같이 놓고 봐야 할 때 — 둘을 단계별로 따로 다루면 시간이 들고, 중복 연구와 누락 위험이 함께 생깁니다. 「통합 AI 검색·분석」이 그런 경우였습니다.
같은 일을 주기적으로 반복해야 할 때 — 새로 공개되는 특허를 매달 사람이 확인하는 식의 정형 업무입니다. 「신착 특허 모니터링」이 그런 경우였습니다.
다루는 양이 사람 손을 넘어설 때 — 방대한 특허를 사람이 분석해서는 급부상하는 기술과 플레이어를 제때 파악하기 어렵습니다. 「유망 기술 탐지」가 그런 경우였습니다.
결과의 품질이 담당자마다 달라질 때 — 선행기술 조사나 경쟁사 분석을 수작업에 의존하면 시간 부담과 함께 품질이 일정하지 않습니다. 「맞춤형 특허 AI 비서」가 그런 경우였습니다.
다뤄야 할 자료가 텍스트가 아닐 때 — 도면처럼 이미지 형태면 검색과 분류가 어려워 수작업에 기대게 됩니다. 「디자인 도면 AI 분석」이 그런 경우였습니다.
데이터가 회사 밖으로 나갈 수 없을 때 — 기밀 명세서나 사내 기술문서를 외부 AI 서비스에 넣을 수 없는 요건이 있는 경우입니다. 「통합 AI 검색·분석」은 시스템 전체를 내부망에 두는 온프레미스로 구축했습니다.
이미 쓰는 시스템에 붙여야 할 때 — 사내 IPMS 환경이나 자체 보안 기준에 맞춰 연결해야 하는 경우입니다. 「신착 특허 모니터링」은 특허 목록과 요약정보를 사내 IPMS에 자동 등록하도록 구성했습니다. 자체 AI는 이미 있고 특허 데이터만 공급받는 형태도 여기에 들어갑니다.
여러 항목에 걸치는 경우도 많습니다. 여기에 딱 들어맞지 않아도 괜찮습니다 — 무엇이 상용으로 되고 무엇이 맞춤이 필요한지는 요구 분석 단계에서 함께 정리해 드립니다.
우리 조직의 과제도 커스텀 AI로 해결할 수 있을지 궁금하시다면, 전문 컨설턴트가 AI 도입 로드맵을 함께 설계해 드립니다.
윕스 솔루션비즈니스팀 | 02-726-1267 | ipdb@wips.co.kr
▶ 먼저 상용 서비스를 써 보고 싶으시다면
윈텔립스 AI 활용 가이드 — 특허 검색·분석 서비스에서 제공하는 AI 기능 안내
WIPS AI Lab 활용 가이드 — 생성형 AI 신기능을 가장 먼저 선보이는 실험실
▶ 데이터만 필요하시다면
IP 데이터, 통째로 살 수 있습니다 — 통합·표준화가 끝난 IP 데이터 구매 안내
