Cosa sono gli Ontology based Patent Classifier e come usarli nella tua azienda

Nel panorama della Patent Intelligence per le aziende tech, mappare e organizzare correttamente l’informazione tecnica è diventato un fattore ad alto valore strategico. Tuttavia, la crescita dei volumi documentali e la complessità del linguaggio tecnico rendono sempre più necessario il supporto di tecnologie avanzate per classificare opportunamente questi dati. Il Natural Language Processing applicato ai brevetti ci viene a supporto.

Negli ultimi anni l’IA per l’IP ha mostrato potenzialità significative anche nell’ambito della classificazione brevettuale. È possibile velocizzare l’assegnazione automatica delle categorie di interesse ai brevetti, ma, come evidenziato in precedenti articoli, i modelli generalisti non sempre riescono a cogliere appieno il significato tecnico-ingegneristico delle invenzioni. Questo può comportare errori di classificazione o perdita di informazioni critiche, una criticità da gestire con attenzione alla luce dei potenziali rischi legali ed economici derivanti da categorizzazioni errate.

È proprio per colmare questo divario che si sono affermati gli Ontology-based Patent Classifier: strumenti progettati per comprendere la tecnologia non come testo generico, ma come sistema governato da funzioni, relazioni e principi ingegneristici, consentendone una mappatura efficace e una categorizzazione puntuale. Ma andiamo più in profondità di questi strumenti per la classificazione dei brevetti in azienda.

Come funziona un’ontologia tecnica nel contesto della classificazione brevettuale?

Un’ontologia è un modello formale della conoscenza, che descrive concetti, proprietà, regole, vincoli. La differenza tra ontologia e tassonomia è che quest’ultima organizza concetti in una gerarchia, mentre un’ontologia rappresenta anche le connessioni tra essi, offrendo una visione del dominio molto più ricca e articolata.

Un classificatore basato su ontologie utilizza quindi una rappresentazione strutturata della conoscenza tecnica, costruita non attraverso correlazioni statistiche, ma tramite modelli concettuali coerenti con la logica dell’ingegneria.

Un’ontologia in questo contesto è infatti una mappa formale del sapere di un dominio tecnologico: descrive le funzioni di una tecnologia, i suoi componenti, le relazioni causali tra le parti, i problemi che affronta e i principi fisici che ne guidano il funzionamento. Chiaramente ogni settore tecnologico è caratterizzato da entità e relazioni specifiche e quindi richiederà una ontologia dedicata.

Quando applicata alla classificazione brevettuale, la presenza di una ontologia di dominio  permette al sistema di interpretare, nell’ambito di riferimento, le invenzioni per ciò che sono, non solo considerando i termini con cui vengono descritte, superando i limiti della classificazione per parole chiave. Ciò significa che il classificatore riconosce un concetto tecnico anche se espresso con varianti linguistiche o descrizioni complesse, perché lo identifica a partire dalla sua funzione e dal suo scopo.

Perché gli Ontology-based Patent Classifier sono diversi dagli LLM generalisti?

Un LLM generalista non capisce davvero il significato dei testi: prevede quale parola è più probabile che appaia dopo un’altra, basandosi sui pattern osservati in milioni di esempi e producendo risposte plausibili. Tuttavia, l’ingegneria non è probabilità ma rigore: si basa su funzioni, vincoli, e relazioni causa effetto. Integrando ontologie tecniche nell’addestramento degli LLM il modello diventa realmente performante in ambito ingegneristico, aumentando l’accuratezza dei risultati dei task dal 50% tipico dei modelli generici fino al 95%.

È proprio rispetto a queste premesse che nascono i classificatori ontology-based di Erre Quadro in cui le classificazioni dei brevetti non dipendono più da come una tecnologia è menzionata nel testo, ma dalle funzioni che essa assolve.

Questo approccio di addestramento degli LLM permette di sfruttare appieno il potere dell’AI, accelerando significativamente le attività senza sacrificare il rigore necessario. Elimina molte delle criticità tipiche dei modelli generalisti, come la perdita di informazioni, l’incapacità di cogliere segnali deboli o la generazione di dati inesatti, offrendo una rappresentazione completa, precisa e affidabile del dominio tecnologico.

Come può un’azienda integrare gli Ontology-based patent classifier nei propri processi?

L’integrazione di un Ontology-based Patent Classifier deve essere modellata sulle esigenze interne dell’azienda, perché ogni organizzazione ha processi e priorità strategiche differenti.

Nell’implementazione di Innovation Reveal®,  ad esempio, la classificazione può seguire due approcci distinti. Il primo è un approccio top-down, in cui la struttura di classificazione ricalca le “categorie” già utilizzate dal cliente: linee di prodotto, aree tecnologiche strategiche, domini applicativi o processi di R&D. In questo modo il sistema si allinea immediatamente al linguaggio e all’architettura decisionale dell’azienda, favorendo un utilizzo rapido e coerente dei risultati. Il secondo è un approccio bottom-up, in cui si parte direttamente dai dati brevettuali e si osservano le categorie che emergono spontaneamente attraverso la clusterizzazione delle funzioni, delle soluzioni e dei problemi tecnici affrontati dalle invenzioni. Questo metodo permette di rendere visibile l’invisibile: scoprire pattern celati, aree tecnologiche non ancora presidiate, segnali deboli e nuove direzioni di sviluppo che non erano state considerate in precedenza…in altre parole, consente di rivelare l’innovazione nascosta.

Qual è il valore strategico di applicare gli Ontology-based Patent Classifier?

L’adozione di un Ontology-based Patent Classifier permette alle aziende di trasformare radicalmente il modo in cui gestiscono e interpretano l’informazione brevettuale, ottimizzando l’analisi dei brevetti in R&D, introducendo un sistema di classificazione capace di raggruppare in modo affidabile tutti i documenti tecnici realmente rilevanti, accelerando la ricerca di brevetti su specifici focus anche complessi, facilitandone la condivisione interna e supportando decisioni più rapide e informate.

Il valore che ne deriva è certamente significativo. Le aziende hanno ora in mano la mappa del proprio dominio tecnologico: non si tratta più di interpretare centinaia o migliaia di documenti isolati, ma di navigare una struttura concettuale perfettamente rappresentativa del panorama innovativo di loro interesse. È proprio questa capacità di organizzare il dato in conoscenza che consente alle aziende di passare da una visione reattiva a una visione realmente proattiva dell’innovazione.