Патенты на способы взаимодействия с ИИ: можно ли запатентовать промпт?

С 2017 года — момента внедрения архитектуры трансформера — число патентов в области генеративного ИИ выросло более чем на 800% ^[1]. Сейчас уже более ^[2]50 тысяч патентных семейств в области генеративного ИИ. 

Среди этого массива быстро растёт специфическая ниша — патенты на способы взаимодействия с языковыми моделями. Это структурированные последовательности промптов, интерфейсы коммуникации, методы управления ИИ-агентами. Разбираемся, что именно пате��туют, кто это делает и какие бизнес-модели на этом строятся.

Реальны ли вообще патенты в промпт-инжиниринге: дело Recentive v. Fox Corp

В американском патентном праве, чтобы разработку запатентовали, нужно сначала доказать, что это не просто «абстрактная идея»: в ней должна быть «изобретательская концепция», которая превращает идею в нечто большее.

В апреле 2025 года показательное решение вынес апелляционный суд по делу Recentive Analytics, Inc. v. Fox Corp. ^[4]  

Суть в том, что у компании Recentive было четыре патента, которые описывали применение машинного обучения ^[5]. Например, один из патентов описывал метод, при котором: 

1. Собирают параметры событий (место, дата, цены билетов, гонорары и т. д.) и целевые показатели (выручка, посещаемость, прибыль);

2. Модель машинного обучения обучается на исторических данных, чтобы выявлять связи между параметрами и целями;

3. Пользователь вводит свои параметры и приоритеты, а модель генерирует оптимизированное расписание событий;

4. При изменении данных в реальном времени расписание автоматически обновляется, чтобы оставаться «оптимальным».​

Стоит отметить, что изначально патенты Recentive зарегистрировали. Проблемы начались, когда фирма решила подать в суд на Fox Corp за нарушение прав на эти охранные документы. 

Суд рассматривал, можно ли считать решения такого рода вообще патентоспособными или это абстрактная идея без изобретательского вклада. Отметили, что:

1. Сами по себе методы машинного обучения, описанные в патентах, общие и стандартные (нейросети, SVM и т.п.); 

2. Патенты не претендуют на улучшение самой технологии ИИ, только на ее применение в новой предметной области (расписания и сетки вещания).​

В итоге сочли, что применение общеизвестных ИИ‑методов к новой задаче (расписания) — это абстрактная идея «использовать существующую технологию в новом окружении». В итоге все 4 патента аннулировали. 

Это означает, что теоретически «просто хороший промпт для хорошего решения» не патентуется (во всяком случае, в США). Нужен как минимум структурированный метод, встроенный в техническую систему с проверками, итерациями и конкретным техническим результатом.

Также не стоит забывать ^[6], что пока что, чтобы изобретение было патентоспособным, автором должен быть человек ^[7]. 

Можно ли запатентовать структурированную последовательность промптов: примеры

Итак, в целом патенты на промпты делают, пусть и не всегда на них можно по-настоящему опираться. Больше практики в описании взаимодействия с ИИ как полноценного метода работы системы, а не просто «удачного текста». Патентуют не содержание промпта, а алгоритм его генерации, проверки, доработок и применения результата.

Rockwell Automation: патенты на промпт-инжиниринг в промышленности

Rockwell Automation — крупный американский игрок в промышленной автоматизации и цифровой трансформации производств, история которого тянется с 1903 года. Компания подала целую серию заявок на патенты на взаимодействие с ИИ, которые опубликовали в 2025 году. 

US20250004428A1 ^[8] — «Prompt Engineering for AI-Assisted Industrial Automation Device Configuration». Описывает многошаговую схему: 

• интерфейсный сервис получает данные о системе автоматизации, 

• генерирует первый промпт (для определения типа приложения),

• отправляет его LLM, 

• получает ответ, 

• генерирует второй промпт (запрос конфигурационных настроек),

• снова отправляет в LLM. 

Результат отображается на интерфейсе и применяется к устройству. Планируется использовать в промышленной автоматизации. 

US20250005224A1 ^[9] — «Prompt Engineering for AI-Assisted Industrial Automation System Design». Похожая логика ^[10], но для проектирования всей системы автоматизации: LLM определяет категорию системы, затем предлагает полную модель данных проекта с возможностью сравнения.

US20250004450A1 ^[11] — «Prompt Engineering for AI-Assisted Industrial Automation Device Troubleshooting». Промпт генерируется, чтобы идентифицировать тип аномалии и сразу выработать решение по устранению этой аномалии — на основе обученной модели и базы эмбеддингов (числовых отображений объектов).

Microsoft: промпт-инжиниринг для разработки ПО

Microsoft патентует промптинг, как часть среды и инструментов разработки. Среди примеров: 

US20250123814A1 ^[14], опубликован в 2025 году, «Software Development Language Model Prompt Engineering». Запатентованная система определяет связи между контекстом разработки (результаты анализа, настройки проекта, история инструмента) и потенциальным контекстом для промпта. Для каждого элемента определяют числовой показатель того, насколько те или иные сведения о разработке полезны для включения в промпт.

US20240419917A1 ^[15], публикация 2024 года, «Customized Prompt Generation Service for Software Engineering Tasks». Отдельный сервис автоматически генерирует промпты для LLM по конкретным задачам — ревью кода, поиск уязвимостей, генерация тестов. Каждая задача имеет свой шаблон промпта, в который «подставляются» данные клиента.

US20250231763A1 ^[16], 2025 год, «Graph-Based Code Representation for Prompt Generation». Описанная система в фоновом режиме строит «карту» программы — как схему с блоками, где каждый описывает отдельный фрагмент кода. Потом, когда нужно дать запрос LLM, она проходит по этой карте и автоматически выбирает только те части, которые действительно относятся к текущей задаче, чтобы не перегружать модель лишними деталями.

То есть почти во всех случаях патентуют не сам промпт, а автоматическую программу по его генерации. При этом иногда это заранее подготовленные запросы нейросети, а основная задача «изобретения» — автоматически подставить туда новые данные. 

Google: автоматическая генерация и оптимизация промптов

Google подходит к промптингу еще более абстрактно — как к задаче по оптимизации. Относительно свежие примеры: 

US20240394545A1 ^[17] — «Universal Self-Adaptive Prompting» (USP). Патент описывает универсальный механизм автоматического конструирования промптов. Он сам подстраивается под задачу и превращает обычный пользовательский запрос в расширенный примерами — так модели работают точнее. То есть: 

1. Система получает текстовый запрос, который описывает задачу для модели (классификация, извлечение, генерация и т. д);​

2. Модель сначала генерирует несколько кандидатных ответов на этот запрос;

3. В зависимости от типа задачи система выбирает из кандидатных ответов те, которые подойдут как «псевдо‑демонстрации»;

4. Эти выбранные примеры добавляются в промпт перед исходным запросом, и уже с таким расширенным промптом модель заново решает задачу

US20240311652A1 ^[18] — «Markup Language for Generative Model Prompting». Описывает специальный «язык разметки» для промптов — как разметку в HTML, но для запросов к ИИ.​ Система берёт обычный пользовательский запрос, автоматически понимает, что именно хочет человек, и переписывает его в более аккуратный, структурированный промпт в этом языке разметки.​

Пользователь работает в удобном интерфейсе наподобие среды разработки — там есть подсказки, автодополнение и готовые элементы промпта, которые помогают собирать «хорошие» запросы без глубоких технических знаний.

US20250077776A1 ^[19] — «Golden Prompt Generation Based on Authoritative Publications». Автоматическая генерация «эталонных промптов» из авторитетных публикаций по теме, с дополнительной тонкой настройкой модели и проверкой на пороговую ошибку ^[20].

Если обобщить структуру патентоспособных решений, то «проходящая» заявка обычно содержит:

1. Алгоритмическую генерацию промптов из контекста/данных системы (а не ручной ввод);

2. Минимум один контур проверки: валидация ответа, сравнение с ограничениями, обработка ошибок, повторная генерация;

3. Привязку к технической задаче: формирование, исполнение кода, управление агентами.

Часто компании применяют вполне известные решения к новой задаче — составлению промптов — и с добавлением осязаемого технического результата патенты становятся подходящими для регистрации. О другой крупной ветке в патентовании в данной сфере я расскажу в следующем материале.