Sztuczna inteligencja i patenty. Kto jest wynalazcą, gdy rozwiązanie generuje model?

AI i patenty spotykają się dziś w laboratorium, kancelarii i urzędzie patentowym. Modele przeszukują miliony dokumentów, generują warianty rozwiązań i skracają drogę od problemu do eksperymentu. Prawo nadal wymaga jednak wskazania człowieka jako wynalazcy. Im więcej możliwości potrafi wytworzyć system, tym trudniej ustalić, co było ludzką koncepcją i czy wynik zasługuje na czasowy monopol.

.Patent nie jest nagrodą za sam pomysł. Stanowi czasowy monopol przyznawany w zamian za ujawnienie rozwiązania, które jest nowe, ma poziom wynalazczy i nadaje się do przemysłowego stosowania. Od początku tej konstrukcji zakładano, że u źródła wynalazku stoi człowiek. Nawet gdy prawa majątkowe przejmuje pracodawca albo inwestor, wynalazca pozostaje konkretną osobą.

Sztuczna inteligencja narusza nie tyle tę zasadę, ile praktyczne kryteria jej stosowania. Model może odnaleźć dokument, którego nie zauważył ekspert, połączyć wiedzę z odległych dziedzin i wygenerować wiele wariantów rozwiązania. Pytanie nie brzmi już wyłącznie, kto pierwszy wpadł na pomysł. Coraz częściej trzeba ustalić, gdzie w długim łańcuchu danych, instrukcji, obliczeń, selekcji i eksperymentów pojawiła się ludzka koncepcja wynalazcza.

Patentowa mapa, której człowiek nie przeczyta

.Najbardziej dojrzałe zastosowanie AI w systemie patentowym nie polega na „wynajdywaniu”, lecz na wyszukiwaniu. Europejska baza Espacenet obejmuje ponad 150 mln dokumentów patentowych. Sama liczba nie oddaje trudności: te same rozwiązania bywają opisywane innymi terminami, w różnych językach i klasyfikacjach, a istotny element może być ukryty w rysunku, przykładzie wykonania albo starym dokumencie z innej branży.

Wyszukiwanie semantyczne nie ogranicza się do identycznych słów. Model porównuje znaczenie fragmentów, strukturę dokumentu, cytowania i klasyfikacje, a następnie porządkuje wyniki według podobieństwa. EPO rozwija modele trenowane na milionach dokumentów do klasyfikacji, wyszukiwania i tłumaczenia. Amerykański USPTO udostępnił egzaminatorom narzędzie SimSearch, które tworzy zapytanie z tekstu badanej aplikacji i zwraca uszeregowany wcześniejszy stan techniki. Urząd podkreśla, że wynik wspiera, a nie zastępuje ocenę egzaminatora.

Korzyść jest podwójna. Firma może wcześniej zobaczyć, że planowane zgłoszenie nie jest nowe, a urząd ma większą szansę zatrzymać słaby patent. Jednocześnie ranking nie jest neutralnym oknem na całą wiedzę. Dokument niewysoko oceniony przez model może zniknąć z pola widzenia, a system generatywny może stworzyć nieistniejący numer patentu albo błędnie streścić zastrzeżenie. AI skraca poszukiwanie, lecz nie usuwa potrzeby sprawdzenia źródła.

Od pomysłu do przestrzeni wariantów

.Druga zmiana zachodzi przed zgłoszeniem. W projektowaniu inżynierskim, chemii i materiałoznawstwie modele potrafią tworzyć kandydatów według zadanych parametrów, oceniać ich właściwości w symulacji i kierować uwagę badaczy ku najbardziej obiecującym wariantom. System GNoME opisany w „Nature” wskazał 2,2 mln struktur krystalicznych stabilnych względem bazy Materials Project, z czego 381 tys. znalazło się na zaktualizowanej otoczce stabilności. Nie oznacza to powstania 2,2 mln gotowych wynalazków. Były to przewidywane struktury, a droga od kandydata do użytecznego materiału prowadzi przez syntezę, pomiary i wykazanie konkretnego zastosowania.

Badanie iDesignGPT opublikowane w 2026 r. w „Nature Communications” pokazało z kolei, jak agenci oparci na modelach językowych mogą wspierać wczesne projektowanie systemów: doprecyzowywać problem, zbierać informacje, generować koncepcje i je oceniać. Wyniki sześciu zadań projektowych były lepsze od prostszego użycia modeli pod względem części miar oryginalności i modularności. Nadal był to system wspomagający proces, nie dowód na autonomiczne wynalazki.

Wartość przemysłowa nie musi więc polegać na jednej olśniewającej odpowiedzi. Przewagą staje się zdolność przeszukania przestrzeni rozwiązań, której zespół nie mógłby ręcznie przeanalizować. Wąskim gardłem przesuwa się z produkowania wariantów na sformułowanie właściwego problemu, dobór ograniczeń, ocenę wyników i eksperymentalne potwierdzenie działania.

Prawo widzi wynalazcę, nie właściciela modelu

.Spór o DABUS przetestował granicę obowiązującego systemu. Stephen Thaler wskazał swój system AI jako wynalazcę dwóch rozwiązań. Europejski Urząd Patentowy odrzucił zgłoszenia. Jego izby odwoławcze potwierdziły ten kierunek w sprawach J 8/20 i J 9/20, a w lutym 2026 r. oddaliły odwołanie w powiązanej sprawie T 528/25. Brytyjski Sąd Najwyższy w 2023 r. doszedł do podobnego wniosku: samo bycie właścicielem DABUS nie dawało Thalerowi prawa do patentu na rozwiązania, których -według jego własnego stanowiska – nie stworzył. Odpowiednie wnioski DABUS zaakceptowano jedynie w Republice Południowej Afryki, gdzie patent został zarejestrowany bez merytorycznego badania.

W Stanach Zjednoczonych zasada również pozostaje jednoznaczna. USPTO w listopadzie 2025 r. wycofał szczególne wytyczne z 2024 r. i przyjął, że dla wynalazków wspomaganych przez AI obowiązuje zwykły test autorstwa wynalazku: liczy się ludzka koncepcja, a system AI jest narzędziem i nie może zostać wymieniony jako wynalazca. Zmiana wytycznych nie zamknęła jednak najtrudniejszej luki.

Jeżeli inżynier określa problem, narzuca ograniczenia, wybiera architekturę i na podstawie badań przebudowuje propozycję modelu, jego wkład może tworzyć koncepcję wynalazczą. Samo wpisanie ogólnego polecenia, naciśnięcie przycisku i wybranie atrakcyjnego wyniku nie musi wystarczyć. Granica zależy od faktów, a nie od liczby promptów. Twórca modelu, dostawca danych ani właściciel infrastruktury także nie stają się automatycznie wynalazcami tylko dlatego, że ich zasoby umożliwiły uzyskanie wyniku.

Firmy potrzebują zatem nie tylko laboratoriów, lecz również śladu decyzyjnego: dokumentacji sformułowania problemu, kolejnych iteracji, odrzuconych wariantów, eksperymentów i wkładu poszczególnych osób. Nie jest to powszechny ustawowy obowiązek ujawniania całej historii pracy z AI. Jest to sposób obrony autorstwa wynalazku, gdy ważność patentu zostanie zakwestionowana kilka lat później.

Gdy tysiąc rozwiązań staje się rutyną

.Największe wyzwanie może dotyczyć nie nazwiska wynalazcy, lecz poziomu wynalazczego. Patent nie powinien obejmować rozwiązania oczywistego dla specjalisty w danej dziedzinie. Jeżeli jednak zwykłym narzędziem specjalisty staje się model przeszukujący wiele branż i testujący tysiące kombinacji, granica rutynowego eksperymentu może się przesunąć.

Nie nastąpi to automatycznie ani jednakowo we wszystkich sektorach. Urząd lub sąd musiałby ustalić, czy dane narzędzie było rzeczywiście powszechnie dostępne i używane w danej dziedzinie w chwili zgłoszenia. WIPO wskazuje jednak wprost, że upowszechnienie „wynalazczej” AI komplikuje definicję specjalisty oraz ocenę oczywistości. USPTO już w 2024 r. pytał interesariuszy, czy dostęp do AI powinien zmienić standard osoby mającej zwykłe umiejętności w dziedzinie i jak traktować publikacje wygenerowane przez modele.

Prywatna odpowiedź modelu nie staje się wcześniejszym stanem techniki tylko dlatego, że została wygenerowana. Musi zostać publicznie udostępniona na zasadach właściwych dla danego systemu prawnego. Masowe publikowanie syntetycznych opisów mogłoby jednak zapełniać przestrzeń patentową. Pojawia się problem: opis, który brzmi technicznie, może być niewykonalny. Sam USPTO postawił pytanie, czy treści wygenerowane bez ludzkiej kontroli powinny korzystać z takiego samego domniemania operacyjności i wystarczającego ujawnienia jak tradycyjne publikacje. Na razie jest to otwarta debata, nie nowa reguła.

Skala wyścigu jest już widoczna, choć łatwo ją źle odczytać. WIPO podała, że liczba opublikowanych w 2025 r. rodzin patentowych dotyczących generatywnej AI wyniosła 37 808 wobec 18 862 rok wcześniej. Dane mierzą patenty na technologie GenAI, a nie wynalazki stworzone przez modele. Pokazują jednak, jak szybko własność przemysłowa staje się elementem rywalizacji o przewagę w AI.

Patent jako infrastruktura przewagi

.AI może obniżyć koszt pierwszego etapu wynalazczości, ale nie usuwa kosztu walidacji, zgłoszeń i sporów. Najwięcej zyskają podmioty, które połączą modele z danymi przemysłowymi, laboratoriami, ekspertami i budżetem na międzynarodową ochronę. Mała firma uzyska dostęp do dobrego generatora koncepcji, lecz duży koncern łatwiej zamieni strumień kandydatów w portfel patentowy obejmujący wiele rynków.

Grozi to zagęszczeniem „gąszczy patentowych”, w których konkurenci muszą negocjować licencje na nakładające się rozwiązania. Przeciwną strategią jest publikacja obronna: ujawnienie wariantu po to, aby wszedł do stanu techniki i nikt nie mógł go później opatentować. Generowanie na masową skalę może wzmocnić obie taktyki, a więc zarówno monopolizację, jak i blokowanie monopolu.

Rozsądna odpowiedź nie wymaga dziś przyznawania maszynie osobowości ani prawa do patentu. Model nie potrzebuje zachęty ekonomicznej, nie przenosi praw i nie ponosi odpowiedzialności za treść zgłoszenia. Potrzebne są za to rygorystyczna identyfikacja ludzkiego wkładu, dokumentowanie procesu, wymaganie wykonalnego opisu oraz aktualizowanie oceny oczywistości wraz z rzeczywistymi praktykami badawczymi.

System patentowy nie straci sensu dlatego, że model wygeneruje tysiąc pomysłów. Straci go wtedy, gdy przestanie odróżniać możliwość znalezioną przez obliczenia od wynalazku, za który społeczeństwo powinno zapłacić czasowym monopolem.

Szymon Ślubowski