Патенты на способы взаимодействия с ИИ: можно ли запатентовать промпт и как на этом заработать

С 2017 года — момента внедрения архитектуры трансформера — число патентов в области генеративного ИИ выросло более чем на 800%. Сейчас уже более 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 патентуют, 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.  

Суть в том, что у компании Recentive было четыре патента, которые описывали применение машинного обучения. 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, что пока что, чтобы изобретение было патентоспособным, автором должен быть человек. 

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

US20250004450A1 — «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).

US20250085688A1 — «Industrial Automation Design Environment Prompt Engineering for Generative AI». Описана система, которая принимает запросы на естественном языке, сама улучшает промпт за счет контекстных данных (архивы чатов, базы знаний вендоров, документация), и уже на его основе генерирует промышленный управляющий код или HMI-приложение.

Во всех этих заявках промптинг — это компонент инженерной системы. Генерация промптов привязана к конкретным данным (конфигурация устройства, телеметрия, модель проекта), а результат «приземлен» в управление оборудованием. 

Microsoft: промпт-инжиниринг для разработки ПО

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

US20250123814A1, 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, 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, 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 — «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 — «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 — «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.

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. 

Патенты на интерфейсы и протоколы взаимодействия с ИИ-агентами

Вторая крупная ветка патентования — не «что спрашивать», а как организовано взаимодействие человека (или системы) с ИИ-агентом. Где идет диалог, как передается контекст, как координируются несколько агентов.

Microsoft: ИИ-диалог внутри среды разработки и паралингвистика

В этом направлении у разработчика ПО тоже есть несколько патентов, опубликованных в 2024-2025 годах: 

1. US20240411527A1. Патентная заявка описывает встраивание диалога с ИИ непосредственно в интерфейс редактора кода — рядом с элементами разработки, а не в отдельном окне. Контекст (текущий файл, выделенный фрагмент, проект) автоматически включается в промпт;
2. US20240419922A1 — «AI-Based Interface System». LLM преобразует текстовый промпт пользователя в запрос под конкретную область и задачи в конкретном приложении. То есть общий ИИ-ассистент помогает общаться с другими моделями;
3. US20250232786A1. Расширение интерфейса общения с ИИ-агентом за счет паралингвистических данных (тон, интонация, невербальные сигналы). 

Последний патент описывает конкретно интерфейс, на котором отражалось бы «настроение» как пользователя, так и ИИ. То есть подразумевается, что интеллект считывает дополнительные сигналы через камеру и другие элементы взаимодействия. При этом ИИ может сам выражать свой тон и настрой через тот же интерфейс. 

К слову, осенью 2025 года Microsoft представили эмоционально-ориентированного ИИ-компаньона Mico. Это визуальный «аватар‑шар», который меняет лицо, цвет, поведение и голос в зависимости от интонации и контекста пользователя. То есть интерфейс прямо отображает эмоциональный фон взаимодействия и реагирует на него. 

Другое: непрерывное общение, управление и не только

Open AI — тоже важный игрок рынка с несколькими десятками патентов и мегапроектом с Трампом (который может развалиться). В области взаимодействия с ИИ разработки тоже есть. 

Например, US12346664B1 от октября 2025 г. Он описывает парадигму, при которой пользователь продолжает общаться с генеративным ИИ через разговорный интерфейс, пока тот выполняет длительную задачу. ИИ может запрашивать уточнения, показывать промежуточные результаты, а пользователь — модифицировать запрос на лету.

Еще есть UiPath — это разработчик платформы для автоматизации бизнес‑процессов с помощью «софт‑роботов» и AI‑агентов. Компания основана еще в 2005 году, и у них тоже есть патенты в сфере промптинга: 

US12412138B1 — «Agentic Orchestration». Описывает систему, которая координирует ИИ-агентов, RPA-роботов (программы автоматизации) и людей в рамках единого рабочего процесса. Агент:

• генерирует динамический план, 
• выполняет шаги (в том числе параллельно);
• при неудаче обращается к человеку. 

Решение человека сохраняется в памяти для самовосстановления.

US12346713B1 — «Unified AI Agent, RPA Robot, and Agentic Orchestration Process Development Applications». Разработчик задаёт ИИ-агенту:

• описание процесса на естественном языке;
• промпты для пользователя;
• основной контекст;
• инструменты интеграции;
• параметры для передачи вопроса человеку. 

Агент пытается действовать автономно, а если не получается  сообщает человеку. 

У молодой компании 2023 года Inspira Ai Corp есть публикация 2025 года US20250117749A1. Запатентованно, как автономные ИИ-агенты интегрируются в рабочий поток управления проектами. Там они выступают полноправными «участниками команды» с именами, навыками и полномочиями.

Бизнес-модели: кто и как зарабатывает на промпт-инжиниринге

Пока что самыми распространенными и очевидными остаются маркетплейсы промптов типа PromptBase. Это крупнейшая площадка, основанная Беном Стоуксом в 2022 году в Лондоне. По данным из открытых обзоров, типичные цены на промпт — $1,99-$9,99. 

Другие площадки:

• FlowGPT — основана в 2023 г., привлекла более $10 млн финансирования;
• AIPRM — браузерное расширение для ChatGPT, подписка $99–$2 990/мес, фокус на SEO и маркетинг;
• PromptHero — поисковый движок по миллионам промптов, фокус на визуальном контенте (Midjourney, Stable Diffusion).

Также уже есть стартапы, которые строят бизнес не на продаже отдельных промптов, а на инфраструктуре промптинга. Например, The Prompting Company привлекла $6,5 млн seed-раунда в октябре 2025 года и сотрудничает с NVIDIA. 

Платформа: 

1. Анализирует типы поисковых вопросов от ИИ-моделей; 
2. Определяет запросы, связанные с намерением совершить покупку; 
3. Автоматически генерирует оптимизированные для ИИ страницы, которые отвечают на эти вопросы.

Эти страницы выступают в качестве структурированных, машиночитаемых конечных точек, чтобы именно к ним обращались нейросети. Так ИИ считает страницу о продукте даже в тех случаях, когда компания не занимает высокие позиции в традиционных поисковых системах.

Клиенты оформляют подписку на количество отслеживаемых промптов и хостинг AI-оптимизированных страниц. За 4 месяца после запуска создано более 500 000 оптимизированных страниц и десятки миллионов визитов в месяц.

Итоги и перспективы: как еще можно защитить промпт

В чистом виде зарегистрировать промпт и получить патент трудно, но если вписать его в более масштабный процесс — вполне возможно. Кроме того, теоретически сложные оригинальные промпты могут защищаться как литературные произведения — они содержат элемент творчества, имеют экономическую ценность и легко воспроизводимы. Однако в этом вопросе тоже достаточно сложностей. 

Для многих компаний наиболее практичный путь защиты внутренних промптов — коммерческая тайна. Оптимальная стратегия часто комбинированная — патент на метод (видимую архитектуру) и коммерческая тайна на конкретные данные, параметры, шаблоны промптов.