EDICIÓN Nº 069 · Domingo 22 nov 2026
Ciencia

PaECTER, la IA de código abierto que busca patentes parecidas a la tuya

Un equipo europeo entrena un modelo de lenguaje con las citas que añaden los examinadores de patentes. Encuentra documentos similares mejor que otros modelos, especializados o generalistas.

Redacción2026-11-13patentes · inteligencia artificial · procesamiento del lenguaje · código abierto · innovación
Ascadex patent drawings beverage container invention
Foto: Ascadex · CC BY-SA 4.0 · Wikimedia Commons · realzada
Stacks of documents in Patent Office, Washington, D.C. LCCN93510973
Foto: National Photo Company Collection · Public domain · Wikimedia Commons

Quien patenta un invento tiene que demostrar que nadie lo ha hecho antes. Comprobarlo no es fácil: hay que revisar millones de documentos escritos en una jerga técnica y jurídica muy densa, donde dos patentes pueden describir casi lo mismo con palabras muy distintas. Esa búsqueda se llama estado de la técnica (en inglés, prior art) y ocupa mucho tiempo a inventores, abogados y examinadores. Un trabajo publicado en la revista PLoS ONE presenta PaECTER, un modelo de código abierto pensado para facilitar esa tarea.

El artículo lo firman Mainak Ghosh, Michael E. Rose y Sebastian Erhardt y se publica en acceso abierto con licencia CC BY (DOI: 10.1371/journal.pone.0358188). Lo que sigue es un resumen con nuestras propias palabras, no una traducción del artículo.

Qué es PaECTER y cómo aprende

PaECTER es un codificador: un modelo que lee el texto de una patente y lo convierte en una lista de números, lo que en inteligencia artificial se llama una representación vectorial o embedding. Funciona como unas coordenadas en un mapa. Si dos patentes tratan de ideas parecidas, sus coordenadas deberían quedar cerca aunque no compartan vocabulario.

Patent drawing DE352704A pogo stick
Foto: Inventors of the pogo stick (Ernst Gottschall and Max Pohlig · Public domain · Wikimedia Commons

Los autores no partieron de cero. Usaron como base BERT for Patents, un modelo de lenguaje ya preentrenado con textos de patentes, y lo ajustaron con una fuente de información muy valiosa: las citas que añaden los examinadores. Cuando una oficina de patentes estudia una solicitud, el examinador anota qué documentos anteriores se parecen o son relevantes. Esas citas son, en la práctica, un juicio experto sobre qué patentes están relacionadas.

Con esa señal, el modelo aprende a colocar cerca en su mapa las patentes que los examinadores consideraron vinculadas y a separar las que no tienen nada que ver. De ahí viene el nombre: representaciones de patentes informadas por citas.

Los resultados: mejor que modelos especializados y generalistas

Para medir el rendimiento, los investigadores prepararon un conjunto de prueba de predicción de citas. La idea es sencilla: dada una patente, se le presenta al modelo una patente citada de verdad mezclada con otras que no son relevantes, y se comprueba en qué puesto del ranking la sitúa.

Bell's drawing for Patent 161739 granted by U.S. PTO in April 1875
Foto: Alexander Graham Bell · Public domain · Wikimedia Commons

Según el artículo, PaECTER supera en varias métricas de ranking tanto al propio BERT for Patents como a modelos de embeddings de propósito general muy usados, como E5, GTE y BGE. El dato que más llama la atención es este:

  • Frente a 25 patentes irrelevantes, PaECTER coloca al menos una patente realmente similar en el puesto 1,32 de media. Dicho de otro modo, casi siempre la pone la primera de la lista.
  • El modelo es de código abierto, de modo que otros equipos pueden usarlo, comprobar los resultados y adaptarlo.

Que un modelo especializado gane a los generalistas no es raro. Las patentes tienen un estilo propio, con frases larguísimas, fórmulas legales y términos muy técnicos que confunden a los sistemas entrenados con textos de la web. Lo interesante es que además mejora a su modelo de partida, lo que sugiere que las citas de los examinadores aportan algo que el texto por sí solo no enseña.

Limitaciones y cautelas

Conviene leer estos resultados con calma. Hay varias cosas que tener en cuenta:

Stacks of documents in Patent Office, Washington, D.C. LCCN93510973
Foto: National Photo Company Collection · Public domain · Wikimedia Commons
  • El banco de pruebas es de los propios autores. Las comparaciones se hacen sobre su conjunto de predicción de citas. Habrá que ver cómo se comporta el modelo en otras evaluaciones independientes y con otros tipos de búsqueda.
  • Las citas no son una verdad perfecta. Dependen del criterio de cada examinador, de su tiempo y de su forma de buscar. El modelo aprende lo que los examinadores citan, con sus aciertos y sus posibles omisiones.
  • Parecido no es lo mismo que falta de novedad. Que dos textos sean semánticamente cercanos no significa que uno invalide jurídicamente al otro. La decisión sobre si un invento es nuevo sigue siendo un análisis legal y técnico humano.
  • Una prueba con 25 distractores es un escenario controlado. En una búsqueda real se compite contra millones de documentos, y la dificultad cambia mucho.

Ninguna de estas cautelas resta valor al trabajo, pero ayudan a situarlo: PaECTER es una herramienta para encontrar candidatos más rápido, no un sustituto del examinador.

Por qué importa

Las patentes son uno de los grandes archivos del conocimiento técnico de la humanidad, y buscar en ellas sigue siendo lento y caro. Un modelo abierto que entiende mejor qué patentes se parecen puede ahorrar horas a inventores, pequeñas empresas y oficinas de patentes al buscar el estado de la técnica. Los autores apuntan además a otros usos: clasificar documentos, hacer búsquedas por significado y rastrear cómo fluye el conocimiento entre empresas, sectores o países. Para economistas e investigadores que estudian la innovación, disponer de un mapa numérico fiable de millones de patentes abre preguntas que antes eran muy difíciles de responder. Y al ser de código abierto, cualquiera puede comprobar si de verdad cumple lo que promete.

FuentesResumen propio de la redacción a partir de las fuentes citadas; no es una traducción. Licencia de la fuente: cc-by.

Texto generado con inteligencia artificial a partir de las fuentes citadas, sin revisión humana individual (Reglamento UE 2024/1689, art. 50). Las fotos llevan su crédito y licencia; las marcadas como realzadas se han retocado con IA sin alterar su contenido.

patentesinteligencia artificialprocesamiento del lenguajecódigo abiertoinnovación
💬 Comentarios

Comentarios

Para comentar hay que iniciar sesión (Google, X, Facebook, Apple, Microsoft o cuenta de Disqus). Se moderan insultos, spam y datos personales: normas.

Los comentarios los sirve Disqus, un servicio externo que usa cookies propias y de publicidad. Solo se carga si pulsas el botón. Más información.

Sigue leyendo

Curiosidades

Un abad medieval acabó en un ataúd romano de segunda mano (y nadie lo sabía)

Catherine, Duke of Buckingham monument, Westminster Abbey 04

El sarcófago romano de la abadía de Westminster guardaba un esqueleto desde hace siglos. Una datación nueva apunta a un abad del siglo XI que se metió en un ataúd con 600 años de uso.

Reciclar está muy bien. Reutilizar un táper, un bote de cristal o una caja de mudanza es de persona responsable. Reutilizar un ataúd romano con más de seis siglos de antigüedad ya es otro nivel. Eso es justo lo que parece que pasó en la abadía de Westminster, en Londres. Un esqueleto que llevaba más de 150 años esperando a que alguien le preguntara el nombre podría tener por fin respuesta, y resulta que el inquilino era un pez gordo.

Juegos

Ubisoft crea Motherbrain, su nuevo estudio de IA generativa para juegos

Logo Ubisoft Montreal

Ubisoft ha abierto Motherbrain, una filial dedicada a aplicar IA generativa a la jugabilidad. Te contamos qué se sabe, de dónde viene y qué sigue en el aire.

Ubisoft ha anunciado una filial nueva con un nombre muy de ciencia ficción: Motherbrain. Se dedicará a la inteligencia artificial generativa aplicada a los videojuegos. La compañía lo comunicó junto a sus resultados del primer semestre de su año fiscal, publicados el 19 de noviembre de 2026, y la noticia ha corrido por los medios especializados. Es una de las búsquedas más repetidas de la semana en torno a la editora francesa. Aquí no hay juego que comprar ni precio que comparar. Lo que hay es un movimiento empresarial que puede cambiar cómo se fabrican algunos de los mundos abiertos más grandes del mercado.

Tecnología

GTA VI sin consola: qué opción sale más barata y qué letra pequeña tiene

Xbox Series S with controller

Con las consolas encarecidas por la escasez de componentes, entrar en GTA VI puede costar de 81 a casi 1.000 euros. Comparamos opciones, cómo funciona el juego en la nube y sus trampas.

GTA VI salió a la venta el 19 de noviembre de 2026 solo en PS5 y Xbox Series X|S. Si no tienes ninguna de esas máquinas, la cuenta se complica. Xataka ha calculado cuánto cuesta jugar gastando lo mínimo y su autor lo resume en una idea: casi ninguna opción es barata. La escasez de componentes, en especial de memoria, que ha provocado la demanda de la inteligencia artificial ha disparado el precio de todas las consolas. Vamos a ordenar las opciones y a mirar cómo funciona por dentro la más económica, porque es la que más condiciones tiene.

Juegos

GTA 6 se cierra en algunas PS5 con el error CE-108255-1 y bloquea la historia

Playstation 5 base edition with controller (original)

Desde su lanzamiento el 19 de noviembre, varios jugadores de PS5 sufren cierres repetidos de GTA 6 con el código CE-108255-1. No hay parche ni explicación oficial por ahora.

Grand Theft Auto VI acaba de llegar a las tiendas y casi todo lo que se oye sobre él es entusiasmo. Pero un grupo de jugadores de PlayStation 5 lo está pasando mal. Desde el estreno del 19 de noviembre hay quejas de cierres repetidos acompañados del código CE-108255-1. A algunos les impiden avanzar en la historia, y a otros incluso pasar de los primeros minutos. Lo han contado medios como IGN, GameSpot y Notebookcheck. Resumimos lo que se sabe y lo que todavía no.