Prompt o invenzione: dove finisce la brevettabilità dell'AI

17 ore fa

Tempo di lettura: 8 min

Postazione tecnica per la validazione di un'invenzione AI

Un’invenzione generata o assistita da AI generativa è brevettabile solo quando l’inventore designato è una persona fisica e quando l’output produce un contributo tecnico con un effetto tecnico verificabile, non un semplice risultato computazionale astratto. Lo confermano le decisioni J 8/20 e J 9/20 dell’EPO e i fact-sheet del WIPO. La domanda deve dimostrare, con descrizione sufficiente, esempi concreti e parametri tecnici riproducibili, che dietro il prompt c’è un apporto umano identificabile.

In breve:

La brevettabilità di invenzioni AI dipende dal contributo tecnico verificabile e dalla presenza di un inventore persona fisica; le sole soluzioni astratte non sono brevetti validi.
Per superare l’esclusione, l’effetto tecnico deve essere concreto e associato a un problema tecnico reale, come la diagnostica o l’ottimizzazione di processi industriali.
La documentazione degli interventi umani, come la definizione del problema e l’interpretazione dei risultati, è cruciale per dimostrare l’apporto inventivo durante il processo di deposito.
Le linee guida EPO e le decisioni sul caso DABUS rafforzano che l’inventore deve essere una persona, e non un sistema di intelligenza artificiale, e che l’effetto tecnico deve essere dimostrato con esempi e dati riproducibili.
La strategia di tutela include la brevettabilità dei componenti tecnici e la conservazione del segreto sui dataset strategici, descrivendo le caratteristiche essenziali senza divulgare l’intero insieme di dati.

Indice

Linee guida e casi chiave: cosa dicono EPO, WIPO e i casi DABUS
Requisiti tecnici: effetto tecnico, inventive step e sufficienza della disclosure
Apporto umano e inventività: come documentare prompt, workflow e decisioni
Strategie pratiche per redigere la domanda: descrizione, rivendicazioni e allegati tecnici
Rischi pratici e contestabilità: come vengono impugnati i brevetti AI
Prospettiva dello studio: priorità per chi fornisce consulenza IP sulle AI generative
Come procedere: i servizi per proteggere un’invenzione AI
Fonti
Domande frequenti

Linee guida e casi chiave: cosa dicono EPO, WIPO e i casi DABUS

Il punto di partenza per qualsiasi valutazione di brevettabilità AI è la sezione G-II-3.3.1 delle linee guida EPO, aggiornata per chiarire come trattare algoritmi e modelli di machine learning. Il principio cardine resta quello del «further technical effect»: un algoritmo, di per sé, è escluso dalla brevettabilità come metodo matematico astratto, ma diventa rilevante nel momento in cui produce una soluzione tecnica a un problema tecnico concreto, per esempio nella diagnostica per immagini o nel controllo di un processo industriale.

Il caso DABUS resta il precedente più citato in materia. Le decisioni J 8/20 e J 9/20 hanno stabilito che un sistema AI non può essere designato come inventore ai sensi della Convenzione sul Brevetto Europeo, perché la CBE richiede una persona fisica. Questo principio antropocentrico è coerente con l’impostazione del Codice della proprietà industriale italiano, che lega la titolarità originaria alla persona fisica autrice dell’invenzione, come evidenziato dall’analisi normativa dell’UIBM.

Sul piano dei volumi, il quadro globale racconta una crescita rapida della domanda di tutela:

oltre 56.000 nuove famiglie brevettuali legate all’AI sono state pubblicate nel biennio 2024-2025, secondo un report WIPO.
la crescita riguarda soprattutto applicazioni verticali (diagnostica, manifattura, energia), non modelli generici;
gli uffici brevetti stanno affinando prassi specifiche per l’esame di domande con componente AI, segno che la materia non è più marginale.

Per chi deposita oggi, la conseguenza pratica è semplice: l’attenzione dell’esaminatore si sposta dalla provenienza dell’output (umana o artificiale) al suo contributo tecnico effettivo.

Requisiti tecnici: effetto tecnico, inventive step e sufficienza della disclosure

Superare l’esclusione per metodi matematici o programmi per elaboratore richiede di dimostrare un effetto tecnico concreto. Non basta un miglioramento nell’accuratezza di un modello: serve un legame diretto con un problema tecnico, come la riduzione del rumore in un’immagine medica o l’ottimizzazione energetica di un processo produttivo.

L’approccio problema-soluzione, applicato dall’EPO in sede di esame, resta lo strumento di riferimento per valutare l’attività inventiva. Si parte dal problema tecnico oggettivo, si identifica lo stato dell’arte più vicino e si verifica se la soluzione proposta sarebbe stata ovvia per un tecnico del settore. Per le invenzioni assistite da AI generativa, questo significa isolare cosa, nell’output del sistema, costituisce effettivamente un salto tecnico non evidente.

Un punto delicato riguarda la sufficienza della disclosure quando l’effetto tecnico dipende da un modello addestrato. Le linee guida EPO indicano che il dataset di addestramento non deve necessariamente essere pubblicato, ma le caratteristiche del training necessarie a riprodurre l’effetto tecnico vanno divulgate se non deducibili dalla competenza media del settore.

Un dato da ricordare: la decisione G2/21 e la giurisprudenza collegata (T 0161/18) chiariscono che la plausibility dell’effetto tecnico può essere sostenuta con dati sperimentali già presenti in domanda, ma la mancanza di dettagli sufficienti sul training può condurre a un’obiezione di insufficiente disclosure ai sensi dell’articolo 83 CBE, come riassunto in un’analisi su Lexology.

Nella pratica, questo si traduce in scelte concrete:

includere almeno un esempio completo di training con risultati misurabili;
specificare gli iperparametri quando influenzano l’effetto tecnico rivendicato;
valutare se descrivere pesi o coefficienti appresi come alternativa alla pubblicazione del dataset, un compromesso da valutare caso per caso quando il dataset stesso è un asset commerciale strategico.

Apporto umano e inventività: come documentare prompt, workflow e decisioni

Chi lavora con AI generativa deve trattare la documentazione del processo creativo come parte integrante della strategia brevettuale, non come un adempimento accessorio. Gli esperti WIPO segnalano che il dettaglio con cui si documentano progettazione del prompt, esperimenti e decisioni umane è spesso decisivo per sostenere l’attività inventiva davanti a un esaminatore.

Contano soprattutto quattro tipi di intervento umano:

Definizione del problema tecnico che il sistema AI deve risolvere, prima ancora di avviare qualsiasi elaborazione.
Scelta degli obiettivi e dei vincoli imposti al modello, incluse le metriche di successo definite a monte.
Progettazione dell’architettura o della pipeline che collega input, modello e output, comprese le scelte di preprocessing.
Interpretazione, selezione e verifica dei risultati generati, con motivazione tecnica delle scelte scartate.

Ogni fase produce materiale documentale utile: versioning dei prompt con timestamp, criteri di selezione tra output alternativi, log degli esperimenti con metriche registrate, verbali delle decisioni prese dal team tecnico. Un registro strutturato di questo tipo, tenuto con continuità, diventa la prova principale dell’apporto umano in caso di opposizione o di contestazione della titolarità.

Un consiglio: tieni un registro separato per ogni progetto AI, con data, versione del prompt, output generato e motivo della scelta finale: in fase di esame o di opposizione, questo dossier vale più di qualsiasi dichiarazione retrospettiva.

Flusso documentale per un progetto AI brevettabile

Per chi affina i prompt in modo iterativo, risorse come guide sulla scrittura di istruzioni efficaci possono aiutare a strutturare il processo di documentazione fin dalla fase di progettazione.

Strategie pratiche per redigere la domanda: descrizione, rivendicazioni e allegati tecnici

La descrizione tecnica di un’invenzione con componente AI deve seguire una struttura che anticipi le obiezioni più comuni degli esaminatori. Diagrammi di flusso dell’architettura, esempi concreti di coppie input/output e, dove utile, pseudo-codice della logica applicativa rafforzano la posizione del richiedente più di una descrizione puramente narrativa.

Le rivendicazioni vanno formulate ancorandole all’effetto tecnico e all’implementazione concreta, evitando linguaggio che descriva soltanto il risultato desiderato senza specificare come il sistema lo raggiunge. Una rivendicazione che si limita a “un metodo per generare X mediante intelligenza artificiale” è quasi sempre troppo generica per superare l’esame.

Sul fronte segreto commerciale, la scelta tra divulgare e proteggere il dataset non è binaria. Una strategia consigliata dalle linee guida EPO, sintetizzata da Lexology, consiste nel descrivere le caratteristiche essenziali del training senza pubblicare l’intero dataset, integrando dove serve la disclosure di coefficienti o pesi appresi.

Elemento da documentare	Obiettivo	Rischio se omesso
Diagramma dell’architettura	Chiarire il flusso tecnico	Rivendicazione giudicata generica
Esempio completo di training	Sostenere la plausibility	Obiezione di insufficiente disclosure
Iperparametri rilevanti	Garantire riproducibilità	Difficoltà a dimostrare l’effetto tecnico
Test di riproducibilità	Provare la stabilità del risultato	Contestazione in opposizione
Log delle decisioni umane	Provare l’apporto inventivo umano	Rischio di rifiuto per assenza di inventore persona fisica

Chi ha bisogno di una verifica preliminare sull’originalità della soluzione può affidarsi a ricerche di anteriorità mirate, utili anche per capire se componenti simili siano già stati protetti da terzi in giurisdizioni diverse.

Rischi pratici e contestabilità: come vengono impugnati i brevetti AI

I motivi di invalidità più frequenti per brevetti con componente AI ruotano attorno a tre criticità: disclosure insufficiente sui parametri di training, rivendicazioni troppo ampie o astratte, e assenza di prove documentali sull’apporto tecnico umano. Un esaminatore o un opponente che riesce a mostrare che il risultato deriva unicamente dall’elaborazione automatica, senza un contributo umano dimostrabile, può far cadere l’intera domanda.

Le strategie difensive più efficaci combinano più livelli di protezione:

rivendicazioni indipendenti graduate, dalla più ampia alla più specifica, per mantenere una posizione di ripiego in caso di contestazione;
evidenze sperimentali allegate fin dal deposito, non prodotte solo in risposta a un’obiezione;
conservazione sistematica dei log di sviluppo, inclusi i prompt utilizzati e le versioni intermedie del modello.

In fase di enforcement, la capacità di ricostruire con precisione il processo decisionale umano diventa spesso l’elemento che decide una controversia, più della qualità tecnica dell’output stesso.

Prospettiva dello studio: priorità per chi fornisce consulenza IP sulle AI generative

Chi assiste aziende su brevetti AI deve spingere per un approccio ibrido: brevettare i componenti tecnici concreti, mantenere il segreto industriale sui dataset strategici. La priorità operativa è costruire, prima del deposito, una governance interna che tracci ogni decisione umana nel processo di sviluppo. Senza questa disciplina, anche un’invenzione tecnicamente solida rischia di restare priva di tutela per un difetto formale di inventorship.

— STUDIO

Come procedere: i servizi per proteggere un’invenzione AI

Lo studio legale affronta la brevettabilità delle invenzioni AI combinando consulenza legale specialistica e strumenti digitali per gestire la documentazione tecnica richiesta da EPO e uffici nazionali.

[

](https://www.studiolegalecoviello.com/)

Per chi ha un’invenzione con componente AI generativa, il primo passo utile è una verifica di registrazione brevetti che valuti effetto tecnico, sufficienza della disclosure e solidità delle rivendicazioni prima del deposito. Lo studio offre anche ricerche di anteriorità per verificare se soluzioni simili siano già protette, e assistenza nella redazione di contratti per bilanciare segreto commerciale e tutela brevettuale sui dataset strategici. Chi desidera un quadro completo della propria posizione IP può richiedere una prima valutazione tramite la pagina dei servizi, indicando la natura tecnica dell’invenzione e il livello di intervento umano già documentato nel processo di sviluppo.

Fonti

Per verifiche puntuali, i documenti ufficiali di riferimento restano i più affidabili:

Questo articolo fornisce informazioni generali e non sostituisce il parere di un avvocato qualificato. Consulta un professionista legale qualificato riguardo al tuo caso specifico prima di agire in base a questo contenuto.

Domande frequenti

Quali sono i requisiti per la brevettabilità di un’invenzione AI?

Servono novità, attività inventiva e applicabilità industriale, più due condizioni specifiche per l’AI: un inventore persona fisica e un effetto tecnico concreto, come stabilito dalle linee guida EPO. Senza queste due condizioni la domanda viene respinta indipendentemente dalla qualità del risultato generato.

Gli output dell’elaborazione AI sono protetti dal diritto d’autore?

In generale no, se manca un apporto creativo umano identificabile nella selezione o nell’organizzazione del risultato. Il diritto d’autore e il brevetto seguono logiche diverse: il primo tutela l’espressione creativa, il secondo il contributo tecnico, e in entrambi i casi l’assenza di intervento umano documentato è un ostacolo.

Come faccio a sapere se un’idea è già stata brevettata?

Una ricerca di anteriorità sui database ufficiali (EPO, WIPO, uffici nazionali) verifica se soluzioni simili esistono già. Studiolegalecoviello offre ricerche di anteriorità mirate anche per invenzioni con componente AI, dove la ricerca deve considerare sia l’applicazione tecnica che l’architettura sottostante.

Come faccio a brevettare un’invenzione assistita da AI generativa?

Bisogna documentare l’apporto umano nel processo (definizione del problema, scelte progettuali, verifica degli output), descrivere l’effetto tecnico con esempi riproducibili e designare un inventore persona fisica. Il deposito passa poi attraverso la registrazione brevetti presso l’ufficio competente, con rivendicazioni ancorate all’implementazione tecnica concreta.

Cosa succede se il dataset di training è un segreto commerciale?

Non è necessario pubblicare l’intero dataset: basta descrivere le caratteristiche necessarie a riprodurre l’effetto tecnico rivendicato. In alternativa, si può divulgare pesi o coefficienti appresi come compromesso, una scelta da valutare caso per caso in base al valore strategico dei dati.