Por qué el trabajo de patent landscape está roto, y qué arreglar primero

Qué está realmente roto

Un informe típico de patent landscape contiene: heatmaps de clasificación, gráficos de velocidad de presentación, rankings de mayores solicitantes, redes de citas y un mapa de "espacio en blanco". El resultado impresiona. El resultado también es casi inútil para el trabajo real del equipo de IP.

¿Por qué? Porque el entregable responde a las preguntas que la base de datos puede responder ("¿qué clase CPC creció?", "¿quién presentó?") en lugar de a las preguntas que planteó el equipo de IP ("¿podemos lanzar sin riesgo?", "¿deberíamos acelerar el programa X?", "¿cuál es la posición de freedom-to-operate en Y?").

El modelo anclado a la decisión

En nuestra práctica de consultoría, hemos encontrado tres reencuadres que llevan el trabajo de landscape del teatro al provecho:

1. Defina la decisión antes de la búsqueda. No "cómo se ve el landscape", sino "para finales del Q3 tenemos que decidir si presentar en el espacio de reivindicaciones X, licenciar de Y o virar a Z". El alcance de la búsqueda se deduce, a la inversa, a partir de la frontera de la decisión.
2. Reporte contra la decisión, no contra la base de datos. El resultado principal es una lista numerada de tres a cinco presentaciones (a veces una) que cambian lo que el interesado debería hacer este trimestre. El heatmap de clasificación es material de apéndice.
3. Acote en el tiempo la pregunta de FTO. La freedom-to-operate no es binaria; es una posición con una ventana de confianza. Un informe de landscape debería enunciar la ventana explícitamente: "Posición de FTO evaluada como despejada hasta finales de 2027 frente al conjunto de reivindicaciones X, con recomendación de reverificar al publicarse una enmienda de la solicitud Y."

Qué cambia aquí la IA en realidad

No lo que la mayoría de los equipos supone. La IA no arregla el mal trabajo de landscape, lo escala. Un equipo que ejecuta el patrón bibliométrico por defecto con ayuda de la IA solo produce más teatro de visualización, y más rápido.

El modelo anclado a la decisión es lo que la IA acelera de forma productiva: la IA puede leer el lenguaje de las reivindicaciones, resumir el historial de enmiendas y sacar a la luz presentaciones candidatas frente a una pregunta de FTO enunciada. No puede decidir qué pregunta de FTO plantear. Ahí es donde corresponde el juicio del analista de IP.

Qué dicen en realidad los estándares

No es una opinión marginal. Las propias Guidelines for Preparing Patent Landscape Reports de WIPO parten del mismo sitio: un landscape "busca responder a preguntas concretas de política o de práctica" para un público definido, no dibujar todo lo que una base de datos puede dibujar (WIPO, 2015↗). Las directrices incorporan la lógica de la "necesidad detrás de la necesidad" (la necesidad impulsa la pregunta, la pregunta impulsa los datos, los datos impulsan la herramienta) y tratan la precisión/cobertura (precision/recall) como un compromiso deliberado, no como algo secundario.

La freedom-to-operate es una disciplina propia con un proceso definido. La guía de FTO de WIPO enseña un método de tres fases (Describa la invención, Busque reivindicaciones en vigor que pudieran leerse sobre ella, Analice cada reivindicación y su estatus legal) y documenta explícitamente los límites y riesgos de la determinación (guía de FTO de WIPO, CDIP↗). Por eso insisto en enunciar una posición de FTO como una ventana de confianza con un disparador de reverificación, en lugar de un binario "despejada / no despejada".

Fuentes

• WIPO (2015). Guidelines for Preparing Patent Landscape Reports. resumen↗ · PDF completo↗
• WIPO. Guide on conducting a Freedom-to-Operate (FTO) analysis (Describe / Search / Analyze). PDF↗
• Trippe, A. Patinformatics: Patent analytics, types of patent reports & the Law of Linear Patent Analysis. presentación de WIPO, PDF↗