# Columna publicada: análisis de patentes de IA agéntica AI Times publicó el análisis de Yongduck Kim sobre las patentes de IA agéntica de Regie.ai. El artículo examina las invenciones descritas en los documentos de patente y su relación con la competencia entre empresas de IA. Source: https://www.iplexlaw.co.kr/es/blog/1369454 INICIO / Noticias y análisis Noticias y análisis Columna publicada: análisis de patentes de IA agéntica AI Times publicó el análisis de Yongduck Kim sobre las patentes de IA agéntica de Regie.ai. El artículo examina las invenciones descritas en los documentos de patente y su relación con la competencia entre empresas de IA. IA y software Publicado el 2025.12.16 IPLEX 3 min de lectura Artículo del agente de patentes Yongduck Kim 'Agent IA fijado con patente! El caso de Regie.ai muestra la próxima etapa del concurso corporativo de IA. En este artículo, vamos a ver lo que el documento de patente define como una invención, no sólo un fad, sino una IA eléctrica que se ha convertido en un tema en el mercado corporativo de IA recientemente. La patente estadounidense de Reggie.ai 12,346,822 B2 encarna el concepto abstracto de un agente como una estructura de sistema de estado, acción, limitación, recompensa y relearning, demostrando futuros cambios competitivos de terreno en la empresa de IA. La contribución comienza con el anuncio de la patente emitida por Regie.ai el 7 de octubre de 2025, y la declaración “IA juzgará y ejecutará la próxima acción por sí sola” se libera desde el punto de vista de la reivindicación de patente real y el componente. No se trata sólo de la IA generada por correo electrónico, sino de inventar un motor de toma de decisiones que distribuye recursos bajo restricciones organizativas y relearna los resultados de implementación. Tomar un motor de decisión. La parte más obvia de esta patente no es “automación” sino “decisiones”. El sistema toma entrada de múltiples fuentes de datos, haciendo que el estado actual se calcule, y luego elige la siguiente acción basada en ese estado. En contraste con la forma en que las personas ejecutan flujos de trabajo etiquetando manualmente cosas como interés y no respuesta, el comienzo es diferente en que el propio estado es una representación dinámicamente generada. Opciones de derecho a la acción. Las opciones de comportamiento se toman a través de un modelo de aprendizaje por refuerzo, que se extiende a una amplia gama de conceptos, incluyendo canales, fechas y métodos de contacto, en lugar de un único comando como el correo electrónico. En particular, es importante incluir el modelo farmacéutico en el proceso de selección de comportamiento. Incluso con el potencial de conversión, las restricciones del mundo real como mano de obra, tiempo, coste, regulación y fatiga del cliente no pueden ser ignoradas, la patente ha fijado una estructura que calcula qué acciones se distribuyen a quién bajo recursos limitados. Ciclos cerrados de generación, ejecución y reentrenamiento La acción seleccionada se convierte en un ejecutable a través de un modelo generador. Si es un correo electrónico, el texto se genera, y si es una llamada telefónica, se crea un script y se transmite al sistema externo. Y después de la ejecución, las métricas de rendimiento como respuesta, reunión y contribuciones de ingresos se recogen y regresan al aprendizaje. En otras palabras, no es una automatización de una sola vez, es una estructura de bucle cerrado que evalúa el rendimiento y actualiza continuamente las políticas, y está en consonancia con la próxima fase de la empresa de IA. El próximo Battleground de Corporate IA El mensaje que pone de relieve este artículo es claro. Ahora, los criterios para la competencia van más allá de escribir mejor y resumir mejor, a quien puede tomar mejores decisiones constantemente bajo limitaciones organizativas. Y a medida que la estructura de decisión comienza a ser protegida por una patente, está creando un entorno donde los corredores tienen que considerar no sólo la implementación, sino también las estrategias de evitación y diseño de derechos. El ejemplo de Regie.ai ilustra simbólicamente el cambio de la competencia basada en el rendimiento modelo a la competencia de propiedad en los sistemas de decisión. IPLEX apoya la estrategia de patentes basada en la tecnología y la estructura empresarial en tecnologías avanzadas como inteligencia artificial, fábrica inteligente y cadena de bloques. Yongduck Kim ha trabajado en derechos de propiedad intelectual de las principales empresas nacionales y extranjeras como LG Electronics, Samsung Electronics, Su-A Lab, Makinarax y Xiaomi. Ha acumulado experiencia en diversos campos, como la evaluación de productos destacados relacionados con la inteligencia artificial y la tecnología IoT, y la evaluación profesional de la inclusión de una admisión especial a cotización por la vía tecnológica. En el futuro, IPLEX proporcionará una solución práctica de propiedad intelectual que combina el análisis técnico y el diseño de derechos para asegurar que tecnologías innovadoras como la IA corporativa lleven a la competitividad en el mercado. Por favor, comparta mucho interés. Leer el artículo original ↗ Leer el original coreano Este artículo del archivo refleja la situación en su fecha de publicación. Contacte con el despacho para analizar su caso. Consultar sobre este tema ↗ Todos los artículos HABLE CON IPLEX Consulte sus necesidades de propiedad intelectual Analizamos conjuntamente sus necesidades tecnológicas y empresariales. ↗ Contactar Más reciente Columna: la primera firma de un director de la USPTO; diseño y divulgación en patentes de IA y blockchain ↗ Anterior Yongduck Kim asesora y evalúa equipos del programa de emprendimiento de la Universidad de Corea para estudiantes internacionales de áreas STEM de 2025 ↗ Artículos relacionados IA y software 2026.10.01 FiX: olvido selectivo por características en la atención softmax Yongduck Kim analiza las compuertas de FiX, su estabilidad numérica y la caché paginada, diferenciando los resultados medidos de las cuestiones aún abiertas. ↗ Lea el artículo IA y software 2026.09.30 MHAR: leer las capas anteriores desde distintos subespacios de características Yongduck Kim analiza Multi-Head Attention Residuals: selección en profundidad, resultados publicados, costes de implementación y relación entre características técnicas y efectos. ↗ Lea el artículo IA y software 2026.09.28 Columna: Claude Computer Use y el aprendizaje de los agentes de IA a través de las patentes Yongduck Kim, socio director de IPLEX, analiza en AI Times los datos y las secuencias de acciones que permiten entrenar a agentes de IA para utilizar software. ↗ Lea el artículo - https://www.iplexlaw.co.kr/es - https://www.iplexlaw.co.kr/es/blog/category/ai - https://www.aitimes.kr/news/articleView.html?idxno=37714 - https://www.iplexlaw.co.kr/forum/view/1369454 - https://www.iplexlaw.co.kr/es/contact - https://www.iplexlaw.co.kr/es/blog - https://www.iplexlaw.co.kr/es/contact - https://www.iplexlaw.co.kr/es/blog/1377841 - https://www.iplexlaw.co.kr/es/blog/1363450 - https://www.iplexlaw.co.kr/es/blog/fix-fine-grained-forgetting-attention - https://www.iplexlaw.co.kr/es/blog/fix-fine-grained-forgetting-attention - https://www.iplexlaw.co.kr/es/blog/mhar-multi-head-attention-residuals - https://www.iplexlaw.co.kr/es/blog/mhar-multi-head-attention-residuals - https://www.iplexlaw.co.kr/es/blog/claude-computer-use-agent-patent - https://www.iplexlaw.co.kr/es/blog/claude-computer-use-agent-patent