Expansão da Elegibilidade de Patentes para Invenções de IA no USPTO

A recente expansão da elegibilidade de patentes para invenções de IA perante o USPTO

Introdução

A nova diretora do Escritório de Patentes e Marcas dos Estados Unidos (USPTO) tomou posse em 22 de setembro de 2025 e rapidamente começou a expandir a elegibilidade de patentes para invenções relacionadas à IA. Em particular, a nova diretora presidiu a decisão do Painel de Revisão de Apelações (ARP) em Ex parte Desjardins, Apelação 2024-000567, que direciona explicitamente a política de interpretação de reivindicações do USPTO sob 35 U.S.C. § 101 para reduzir a análise de elegibilidade de patentes e minimizar as barreiras associadas à interpretação de ideias abstratas.

Análise do Caso Desjardins

No caso Desjardins, o ARP interpretou um pipeline de treinamento de aprendizado de máquina reivindicado como uma melhoria tecnológica. O ARP identificou o termo de reivindicação de treinar um modelo de aprendizado de máquina, incluindo uma pluralidade de parâmetros, como um aprimoramento patenteável na operação do modelo de aprendizado de máquina. Essa decisão reflete uma mudança em relação à interpretação anterior, onde operações de processamento amplamente reivindicadas eram frequentemente vistas como aplicação genérica de computador a uma ideia abstrata.

Casos do Painel de Julgamento de Patentes

O painel do PTAB em Ex parte Mittal reverteu rejeições de elegibilidade de patentes de um método reivindicado de re-treinamento de um modelo de aprendizado de máquina implantado. O PTAB identificou as etapas do método como uma melhoria no funcionamento de um computador. O caso Ex parte Brush também reverteu rejeições para um sistema de aprendizado de máquina que converte dados heterogêneos em catálogos prontos para modelos.

No caso Ex parte Wang, o PTAB reverteu rejeições de elegibilidade de patentes de um pipeline de aprendizado de máquina que alinha dados de séries temporais de múltiplos sensores. A análise destacou as vantagens declaradas na especificação, enfatizando melhorias nas operações do modelo de aprendizado de máquina.

Implicações e Riscos

Os casos discutidos indicam que o PTAB está seguindo claramente o precedente estabelecido em Ex parte Desjardins, que promove uma interpretação expandida de assuntos elegíveis para patentes. As limitações de reivindicação que mencionam o re-treinamento de modelos implantados podem agora ter maior facilidade para estabelecer elegibilidade de patentes, em contraste com a dificuldade encontrada em reivindicações anteriores.

Conclusão

Esta nova mudança de política no PTAB ocorre dentro do quadro estatutário e regulatório existente, sem necessidade de emendas ou regulamentações do Congresso. As decisões do PTAB sinalizam uma recalibração significativa na análise de elegibilidade de patentes que deve influenciar as estratégias de redação e processamento no futuro.

More Insights

A Importância da IA Responsável: Riscos e Soluções

As empresas estão cientes da necessidade de uma IA responsável, mas muitas a tratam como um pensamento secundário ou um fluxo de trabalho separado. Isso pode levar a riscos legais, financeiros e de...

Modelo de Governança de IA que Combate o Shadow IT

As ferramentas de inteligência artificial (IA) estão se espalhando rapidamente pelos locais de trabalho, mudando a forma como as tarefas diárias são realizadas. A adoção da IA está ocorrendo de forma...

Acelerando Inovação com IA Ética

As empresas estão correndo para inovar com inteligência artificial, mas muitas vezes sem as diretrizes adequadas. A conformidade pode se tornar um acelerador da inovação, permitindo que as empresas se...

Riscos Ocultos da IA na Contratação

A inteligência artificial está transformando a forma como os empregadores recrutam e avaliam talentos, mas também introduz riscos legais significativos sob as leis federais de anti-discriminação. A...