La reciente expansión de la elegibilidad de patentes para invenciones de IA ante la USPTO
Introducción
El nuevo Director de la Oficina de Patentes y Marcas de Estados Unidos (USPTO) tomó posesión el 22 de septiembre de 2025 y rápidamente amplió la elegibilidad de patentes para invenciones relacionadas con la IA. En particular, presidió la decisión del Panel de Revisión de Apelaciones el 26 de septiembre en el caso Ex parte Desjardins, Apelación 2024-000567. En su decisión, el panel comenzó a dirigir explícitamente la política de interpretación de reclamaciones de la USPTO bajo el 35 U.S.C. § 101 hacia un nuevo enfoque que busca reducir el escrutinio de elegibilidad de patentes y potencialmente minimizar los obstáculos asociados con la interpretación de ideas abstractas y sus implementaciones prácticas bajo el marco establecido de Alice/Mayo.
Análisis del caso Desjardins
En Desjardins, el panel interpretó un pipeline de entrenamiento de aprendizaje automático como una mejora tecnológica. Identificó específicamente el término de reclamar el entrenamiento de un modelo de aprendizaje automático como una mejora patentable en su funcionamiento. Este análisis incluyó aspectos como la reducción de los requisitos de capacidad de almacenamiento y la complejidad del sistema.
Hasta ahora, tales operaciones de procesamiento ampliamente reclamadas eran comúnmente interpretadas como la aplicación de partes genéricas de computadoras a una idea abstracta. El panel reconoció su posible alejamiento de la norma previa, donde muchas innovaciones de IA podían ser consideradas no patentables.
Casos del Tribunal de Apelación de Patentes
El panel del PTAB en Ex parte Mittal, Apelación 2025-002097, revirtió rechazos de elegibilidad de patentes para un método de reentrenamiento de un modelo de aprendizaje automático. Identificaron que los pasos de generación de un conjunto de validación y el reentrenamiento del modelo representaban una mejora en el funcionamiento de la computadora.
De manera similar, en Ex parte Brush, Apelación 2025-002376, el PTAB revirtió rechazos para un sistema de aprendizaje automático que convierte datos heterogéneos en catálogos listos para el modelo, integrando procesos mentales en aplicaciones prácticas.
En otro caso, Ex parte Wang, Apelación 2025-001388, se abordó un pipeline de aprendizaje automático que alinea datos de series temporales y entrena un modelo para predecir fallos de aseguramiento de calidad. El PTAB nuevamente citó a Desjardins, indicando que la mejora en el funcionamiento del modelo de aprendizaje automático era evidente.
Implicaciones
Los casos Ex parte Mittal, Ex parte Brush y Ex parte Wang indican que el PTAB está siguiendo claramente el precedente establecido en Ex parte Desjardins. Este enfoque ampliado de la elegibilidad de patentes podría facilitar la patente de modelos únicos de aprendizaje automático.
Esta nueva política se está implementando dentro del marco legal existente, sin necesidad de enmiendas legislativas. Las decisiones del PTAB, siguiendo el caso de Desjardins, sugieren una recalibración significativa en el análisis de elegibilidad de patentes que podría influir en las estrategias de redacción y procesamiento en el futuro.
