Yapay Zekâ ve TRIZ ile Patentlenebilir Buluş Geliştirmek: Çelişkiden İsteme
· Patent Raporu
Sistematik inovasyon yöntemlerini yapay zekâ araçlarıyla birleştirerek, baştan patentlenebilirlik ölçütlerine göre tasarlanmış buluşlar üretmenin beş adımlı yolu.
Ar-Ge toplantılarında sık duyduğum bir cümle var: “Elimizde iyi bir ürün var ama patentlenebilir bir buluş çıkmıyor.” Çoğu zaman sorun ekibin yaratıcılığında değil, problemi tanımlama biçiminde. Mühendisler mevcut çözümü biraz daha iyileştirmeye odaklanıyor; ortaya çıkan şey de çoğunlukla tekniğin bilinen durumuna yakın, buluş basamağı tartışmalı bir geliştirme oluyor.
Bu yazıda farklı bir yol öneriyorum: Sistematik inovasyon yöntemlerini (özellikle TRIZ’i) yapay zekâ araçlarıyla birlikte kullanarak, daha baştan patentlenebilirlik ölçütlerine göre tasarlanmış buluşlar üretmek. Amaç makineye buluş yaptırmak değil; insan ekibin daha iyi sorular sormasını, daha geniş bir çözüm alanını taramasını ve daha güçlü bir istem setine ulaşmasını sağlamak.
Neden “iyileştirme” değil, “çelişki” aramalıyız?
TRIZ’in temel fikri basittir: Güçlü buluşlar genellikle bir teknik çelişkiyi çözer. Bir parametreyi iyileştirdiğinizde başka bir parametre kötüleşiyorsa (daha hafif ama daha az dayanıklı, daha hızlı ama daha çok ısınan), sıradan mühendislik bir uzlaşma noktası arar. Buluşçu yaklaşım ise iki gereksinimi aynı anda karşılayan bir çözüm arar.
Patent hukuku açısından bu ayrım önemlidir. Avrupa Patent Ofisi’nin uyguladığı problem-çözüm yaklaşımında, buluş basamağı değerlendirmesi en yakın tekniğe göre objektif teknik problemin belirlenmesiyle başlar. Bu konuyu daha önce UPC ve EPO’da buluş basamağı yaklaşımlarını karşılaştırdığımız analizde ele almıştık. Bir çelişkiyi açıkça adlandırmak, ileride inceleme uzmanına “bu problem neden uzman kişi için aşikâr değildi?” sorusunun cevabını vermeyi kolaylaştırır.
Yapay zekâ bu sürecin neresinde durmalı?
Üretken yapay zekâ, TRIZ’in en çok zaman alan aşamalarını hızlandırabilir: çelişkileri listelemek, 40 buluşçu ilkeyi probleme uyarlamak, başka sektörlerdeki benzer çözümleri bulmak ve alternatif uygulama biçimlerini çoğaltmak. WIPO’nun 2024 tarihli Üretken Yapay Zekâ Patent Peyzajı Raporu, bu teknolojilerin sadece yazılımda değil, kimyadan imalata kadar pek çok alanda Ar-Ge araçlarına dönüştüğünü gösteriyor.
Ancak burada çizgiyi net çekmek gerekir. Buluşu yapan insandır. Birleşik Krallık Yüksek Mahkemesi’nin Aralık 2023 tarihli Thaler (DABUS) kararı, buluşçunun gerçek kişi olması gerektiğini açıkça teyit etti. USPTO’nun 2024’te yayımladığı yapay zekâ destekli buluşlarda buluşçuluk rehberi de aynı noktaya işaret etti: Yapay zekâ bir araç olarak kullanılabilir, fakat buluşa önemli katkıyı yapan kişilerin insan olması ve bu katkının belgelenmesi gerekir. Bu konudaki pratik riskleri patent süreçlerinde aşırı yapay zekâ kullanımının riskleri başlıklı yazımızda da tartışmıştık.
Benim kuralım şu: Yapay zekâ seçenek üretir, ekip seçer, birleştirir ve teknik etkisini kanıtlar. Buluşçuluk katkısı bu ikinci kısımda oluşur.
Beş adımlı bir çalışma düzeni
1. Problemi işlev ve çelişki diliyle yazın
“Daha iyi bir pompa” yerine “debiyi artırırken titreşimi düşürmek” gibi ölçülebilir bir çelişki tanımlayın. Hangi parametrenin iyileşeceğini, hangisinin kötüleşmemesi gerektiğini ve başarının nasıl ölçüleceğini baştan yazın.
2. Tekniğin bilinen durumunu yapay zekâdan önce tarayın
Fikir üretmeden önce patent veritabanlarında hızlı bir ön araştırma yapın. Böylece model bilinen çözümleri “yeni fikir” gibi sunduğunda bunu hemen fark edersiniz. EPO’nun Espacenet aracı bu ilk tarama için ücretsiz ve yeterli bir başlangıçtır.
3. Buluşçu ilkelerle çözüm alanını genişletin
Modelden tek bir çözüm değil, her biri farklı bir TRIZ ilkesine (bölümleme, ters çevirme, dinamikleştirme, ara aracı kullanma gibi) dayanan on ayrı yaklaşım isteyin. Ardından her birini mevcut tekniğe göre “yeni mi, aşikâr mı, uygulanabilir mi?” sorularıyla eleyin.
4. Teknik etkiyi deneyle bağlayın
Seçilen fikrin beklenmeyen bir teknik etki yaratıp yaratmadığını küçük bir deney, simülasyon ya da prototiple gösterin. EPO’nun 2025 İnceleme Kılavuzu’nda da vurgulandığı üzere objektif teknik problem, buluşun sağladığı teknik etkiden hareketle belirlenir. Veri yoksa iddia zayıf kalır.
5. Katkıyı kayıt altına alın
Hangi kişinin hangi kararı verdiğini, hangi model çıktısının reddedildiğini ve neden reddedildiğini tarihli olarak saklayın. Bu kayıt hem buluşçu belirlemesinde hem de olası bir itiraz veya hükümsüzlük sürecinde değerli bir kanıttır. Gizlilik açısından da dikkatli olun: Halka açık bir modele yayımlanmamış buluş ayrıntılarını girmek yenilik açısından risk yaratabilir; kurumsal ve veri saklamayan araçları tercih edin.
Patentlenebilir buluştan ticari değere
Sistematik yöntemin bir avantajı daha var: Aynı çelişkiyi çözen alternatif uygulama biçimlerini de üretirsiniz. Bu da istemleri yalnızca tek bir ürünle sınırlamadan yazmayı, rakiplerin etrafından dolaşma (design-around) imkânını daraltmayı sağlar. Daha geniş ve iyi desteklenmiş bir istem seti, lisanslamada ve değerlemede doğrudan güç demektir. Bu bağlamda patent değerleme disiplinini anlattığımız yazı ile pilot uygulama ve süreli opsiyonla lisanslama analizimiz bu yazının devamı gibi okunabilir.
LIVE #15’te konuştuğumuz gibi, yapay zekâ buluştan ticarileştirmeye kadar tüm zinciri değiştiriyor. Benim gözlemim şu: Kazanan ekipler yapay zekâyı en çok kullananlar değil, onu en disiplinli kullananlar olacak.
Kısa kontrol listesi
- Problem ölçülebilir bir teknik çelişki olarak yazıldı mı?
- Fikir üretiminden önce tekniğin bilinen durumu tarandı mı?
- Model çıktıları yenilik ve aşikârlık açısından insan ekip tarafından elendi mi?
- Teknik etki deney veya simülasyonla gösterildi mi?
- İnsan katkısı ve kullanılan araçlar tarihli olarak belgelendi mi?
- Gizli bilgiler güvenli araçlarda mı işlendi?
Bu adımları kurumunuzun Ar-Ge sürecine uyarlamak ve buluşlarınızı doğru istemlerle korumak için uzman patent vekillerimiz ile görüşebilirsiniz.