Интеллектуальная система поддержки решений венчурного фонда с учетом значимости патентов на изобретение и на полезную модель

Введение

Байесовский подход [10] успешно применяется для моделирования предметной области в исследовательских задачах и для создания интеллектуальных экспертных систем различного назначения [9]. В частности, байесовская сетевая модель была использована для прогнозирования вероятности регистрации патента на изобретение или отклонения патентной заявки патентным ведомством [16]. Экспертная система на базе такой модели позволяет существенно упростить работу по подготовке материалов заявки на изобретение. В отечественной литературе была представлена интеллектуальная система, позволяющая учитывать изобретения как сигналы о появлении новых разработок у стартапа, и анализировать причинно-следственные связи между всеми субъектами инновационной экосистемы. Система помогает венчурному фонду извлекать новые знания и обоснованно уменьшать неопределенность при принятии решений о финансировании стартапа с учетом результатов патентования его изобретений [11].

В приведенных примерах и других работах чаще всего по умолчанию подразумевается, что разработка инноваторов защищается патентом на изобретение, а противоположным результатом рассмотрения заявки может быть только получение отрицательного решения патентного ведомства [12, 17]. При этом авторы моделей не учитывают, что, в последнем случае заявка на изобретение может быть успешно преобразована в заявку на полезную модель [6]. Несмотря на то, что патент на полезную модель, в силу своих характеристик может иметь меньшую значимость в качестве сигнала для конкретного венчурного фонда и рынка в целом, его значением в качестве приемлемой альтернативы полному отказу в выдаче патента на изобретение пренебрегать неразумно [13]. Однако в литературе отсутствуют сообщения об исследованиях, посвященных оценке самостоятельной значимости патентов на полезные модели в качестве сигналов для венчурных фондов.

Вместе с тем, имеются сообщения об исследованиях роли полезных моделей в таких областях, как охрана результатов интеллектуальной деятельности (РИД) второго уровня (после изобретений) [19]; формирование корпоративной стратегии патентования [14, 15]; обоснование грантов на НИОКР [20]. Таким образом, расширяющаяся практика использования полезных моделей повышает вероятность их возможного использования в качестве дополнительного сигнала для венчурных фондов при принятии решений о финансировании стартапов. Кроме того, факт получения патента на полезную модель способен существенно повлиять на характер последующего взаимодействия субъектов инновационной экосистемы. В связи с этим, целью настоящего исследования является уточнение формализованного описания предметной области инновационной экосистемы за счет введения дифференцированных вероятностных параметров патента на изобретение и на полезную модель.

Материалы и методы исследования

В работе применен метод логико-вероятностного моделирования с использованием аппарата байесовских сетей доверия (БСД). Модель предметной области и вычислительные эксперименты реализованы в программной среде редактора байесовских сетей Netica (Norsys) [18]. В качестве субъектов инновационной экосистемы в модели выступают: малая технологическая компания (МТК, стартап); независимый эксперт – технологический брокер; технологический аудитор; эксперт фондового рынка; институциональный инвестор (венчурный фонд); патентное ведомство.

Результаты исследования и их обсуждение

Конструирование описания предметной области

По условиям задачи предполагается, что важнейшим результатом интеллектуальной деятельности стартапа является новое изобретение, на которое уже подана заявка в патентное ведомство. Результатом рассмотрения патентной заявки может быть (1) положительное решение о выдаче патента на изобретение, либо (2) патента на полезную модель (с учетом возможности преобразования первоначальной заявки), либо (3) полный отказ в выдаче охранного документа. Венчурному фонду в таких условиях необходимо принять решение о финансировании стартапа, учитывая высокую неопределенность решения патентного ведомства, уровень готовности технологии (technology readiness level, TRL), и в целом состояние финансового рынка. Поскольку фонду приходится принимать финансовые, инвестиционные и управленческие решения в подобных условиях неоднократно, его менеджерам требуется автоматизированная система аналитической и экспертной поддержки [5]. В связи с этим, для анализа деятельности субъектов экосистемы и поддержки решений инвестора предлагается построить БСД из четырех узлов, отображающих следующие случайные переменные:

- патентный портфель – вероятность получения патента на изобретение, патента на полезную модель, или отказа по заявке, поданной стартапом в патентное ведомство (родительский узел);

- вероятность достижения проектом уровня готовности технологии не ниже TRL-5 [2], или выше (родительский узел);

- фондовый рынок – состояние фондового рынка, связываемое с общим ожиданием «роста» или «снижения» (родительский узел);

- венчурный фонд – вероятность (перспектива) привлечения венчурного фонда для финансирования стартапа.

Для всех случайных переменных в байесовской модели необходимо установить дискретные состояния (см. рис. 1). В частности, для родительского узла переменной вероятности получения патентов назначены состояния: изобретение (Invention), полезная модель (UtilityMod) и отказ (No). Третье состояние соответствует вероятности окончательного отказа патентного ведомства по заявке стартапа. Таблицу безусловных вероятностей для этого узла заполним исходя из того, что независимые эксперты – технологические брокеры [4], основываясь (1) на собственной информации о технологии, разработанной компанией и (2) на знаниях о новых разработках в данной области техники считают, что вероятность получения компанией патента на изобретение составляет 40%, а патента на полезную модель 50%. Соответственно, вероятность полного отказа составляет 10%. В целом отметим, что назначенные уровни говорят о достаточно высокой уверенности экспертов в возможности получения патентов, что является хорошим априорным сигналом для венчурного фонда [12].

Уровень готовности проекта, так же как и получение патентов является значимым сигналом для венчурного фонда, поэтому узел вероятности достижения уровня готовности TRL-5 назначен вторым родительским узлом, напрямую воздействующим на интерес венчурного фонда. Как известно, доведение проекта до уровня TRL-5 и выше является непростой задачей для любого стартапа [3], поэтому вероятности достижения этого уровня готовности эксперты – технологические аудиторы реалистично дают оценку 40%.

Третий родительский узел отображает текущее состояние рынка ценных бумаг как внешней инвестиционной среды [8]. Это состояние обычно характеризуется специалистами в целом как «хорошее» (растущий рынок) или «плохое» (снижение рынка). Назначая уровни безусловных вероятностей этого узла, будем исходить из оценок экспертов-аналитиков фондового рынка, которые считают, что его текущее состояние можно с вероятностью 40% считать хорошим.

Подчеркнём, что заданные выше вероятности являются безусловными. С помощью редактора БСД они уже внесены в таблицы и отображаются на диаграммах (см. рис. 1, только родительские узлы). На этом этапе для инициализации модели данных еще недостаточно, т.к. нет вероятностных характеристик переменной зависимого узла (венчурного фонда), обусловленных состоянием родительских узлов. Поэтому для машинного расчета и вывода значений полных вероятностей на диаграмме узла венчурного фонда нужно заполнить внутреннюю таблицу условных вероятностей (ТУВ). Однако исходных данных для этого не задано. Для решения этой задачи эксперты должны использовать всю полезную информацию и свои знания:

- о реальном уровне готовности технологии, которую разрабатывает данная инновационная компания;

- о новейших достижениях и разработках в данной области техники;

- о состоянии фондового рынка в целом и о восприятии инвесторами рисков, связанных с акциями молодых инновационных компаний [1];

- о предпочтениях венчурного фонда, а также о любых фактах и событиях, способных оказывать на них влияние, и т. д.

Заполнение ТУВ начнем, предполагая, что фондовый рынок находится в относительно хорошем состоянии (таблица 1, первая колонка). В таких условиях эксперты реалистично считают, что при получении стартапом положительного решения по заявке на изобретение (самый высокий результат), и одновременном достижении проектом уровня готовности TRL-5 вероятность привлечения венчурного фонда должна быть самой высокой. По этой причине условной вероятности высокой заинтересованности венчурного фонда присвоено значение 98% (1-я строка ТУВ). Следующая комбинация случайных событий (2-я строка ТУВ) также соответствует получению положительного решения по заявке, но при этом уровень TRL-5 не достигнут, поэтому вероятность высокой заинтересованности фонда обоснованно снижается до 90%.

В следующей комбинации событий рассматривается возможное получение патента на полезную модель, скорее всего после безуспешной полемики с патентным ведомством по заявке на изобретение. Как отмечалось выше, патент на полезную модель в таком случае обычно рассматривается как менее высокий результат, чем патент на изобретение. По этой причине, даже при достижении проектом к этому моменту уровня готовности TRL-5 вероятность высокой заинтересованности венчурного фонда снижается до 80% (3-я строка ТУВ), а при недостижении TRL – до 70% (4-я строка ТУВ).

Наконец, последняя комбинация событий при благоприятной ситуации на фондовом рынке предполагает полный отказ патентного ведомства в выдаче патентов по заявке компании. Тем не менее, здесь присутствует вариант, при котором проект всё же достиг уровня готовности TRL-5, что дает основание присвоить вероятности высокой заинтересованности венчурного фонда значение 60% (5-я строка ТУВ). Однако при недостижении TRL эта вероятность критически снижается до 5% (6-я строка ТУВ).

Далее продолжаем заполнение ТУВ, предполагая ухудшение ситуации на фондовом рынке, что автоматически приводит к общему снижению активности и повышению осторожности инвесторов [8]. Так, при получении положительного решения по заявке на изобретение и одновременном достижении проектом уровня готовности TRL-5 (7-я строка ТУВ) вероятность высокой заинтересованности фонда закономерно снижается до 90% (минус 8% по сравнению с растущим рынком). При недостижении TRL эта вероятность снижается, соответственно, до 80% (8-я строка ТУВ).

При получении патента на полезную модель вместо патента на изобретение, но с достигнутым уровнем TRL-5 вероятность высокой заинтересованности фонда снижается до 70% (минус 10% по сравнению с растущим рынком). При недостижении TRL эта вероятность снижается до 60% (10-я строка ТУВ). Наконец, при полном отказе патентного ведомства, но при достижении проектом уровня TRL-5, остается шанс привлечь венчурный фонд с вероятностью 40% (минус 20% по сравнению с растущим рынком). Соответственно, при недостижении TRL-5 эта вероятность критически снижается до 2%.

Таблица 1

ТУВ для узла вероятности привлечения венчурного фонда

Анализ действующей модели инновационной экосистемы

Построение полной конфигурации графа и заполнение всех таблиц вероятностей завершает процесс первоначального обучения и позволяет перейти непосредственно к практическому использованию модели, т.е., к вероятностным выводам. После инициализации обученной модели машина автоматически рассчитывает априорное распределение полных вероятностей состояния узла венчурного фонда, выводит их значения в таблицу, и строит стержневые диаграммы для условий полной неопределенности (рис. 1), т.е. до поступления каких-либо свидетельств.

Рис. 1. Графический вывод вероятностных распределений после инициализации модели (составлено авторами)

Поскольку основной интерес для венчурного фонда представляет наличие патентов и уровень готовности технологии, начнем последовательно вводить соответствующие свидетельства. Например, при поступлении свидетельства, подтверждающего получение патента на изобретение, кликаем в строку Invention узла патентного портфеля (рис. 2). При этом машина мгновенно пересчитывает вероятностное состояние модели и показывает в узле венчурного фонда, что вероятность его привлечения увеличивается на 16,5% (до 87,7%). Также отметим, что состояние двух других родительских узлов не изменилось, поскольку они (в данной модели) не зависят от переменной патентного портфеля.

Рис. 2. Графический вывод при поступлении свидетельства о получении патента на изобретение (составлено авторами)

Далее отметим, что такой существенный рост вероятности привлечения венчурного фонда связан с тем, что именно патенты на изобретения придают наибольший вес новой разработке. По этой причине ввод свидетельства, подтверждающего альтернативное получение стартапом патента на полезную модель (рис. 3), хотя и не снижает интерес венчурного фонда радикально (минус 3,2%), но всё же, подчеркивает более высокую значимость патента на изобретение. Тем не менее, напомним, что интерес фонда в этой ситуации может быть более высоким, если стартап сумел довести готовность разработки до уровня TRL-5 или выше [7]. В частности, на рис. 4 представлен графический вывод системы, подтверждающий, что при вводе дополнительного свидетельства в узле TRL-5 вероятность привлечения фонда увеличивается до 74%.

Отметим, что вероятность получения отрицательного решения патентного ведомства по заявке стартапа не исключена, и ввод соответствующего свидетельства в узле патентного портфеля приводит к резкому снижению интереса венчурного фонда при любых состояниях двух других родительских узлов (графический вывод не приводится).

Рис. 3. Графический вывод при поступлении свидетельства о получении патента на полезную модель (составлено авторами)

Рис. 4. Графический вывод при получении патента на полезную модель и достижении уровня готовности TRL-5 (составлено авторами)

До этого момента в вероятностных выводах не учитывалось влияние родительской переменной фондового рынка, хотя, при построении модели априорно отмечалось, что состояние рынка существенно влияет на ожидания и активность инвесторов. И действительно, ввод любых свидетельств в узле состояния фондового рынка подтверждает это. Например, подтверждение хорошего состояния рынка (рис. 5) увеличивает вероятность привлечения венчурного фонда до 80%, поскольку инвесторы при таком рынке чувствуют себя увереннее. И наоборот, клик в строке худшего состояния (графический вывод не приводится) приводит к пересчету значений полной вероятности в меньшую сторону.

Рис. 5. Графический вывод при благоприятном состоянии фондового рынка (составлено авторами)

Таким образом, адекватные реакции построенной системы подтверждают логику причинно-следственных связей между всеми переменными байесовской сети. Остается добавить, что возможности обучения и расширения предложенной исходной системы практически не ограничены. Добавление новых узлов и связей с помощью программы-редактора не требует сложных операций и знания алгоритмических языков.

Заключение

В результате проведенного исследования разработана и верифицирована байесовская модель инновационной экосистемы, учитывающая вероятностные параметры различных объектов патентного права. В частности, модель позволяет давать дифференцированные оценки влияния фактов получения патентов (на изобретение и на полезную модель) на решения венчурного фонда о финансировании стартапа.

Ключевые результаты исследования доказывают, что получение стартапом патента на изобретение оказывает наиболее существенное влияние на принятие положительных инвестиционных решений. Патенты на полезные модели, хотя и имеют меньшую значимость, но также являются важным фактором привлечения инвестиций. Состояние фондового рынка и уровень готовности технологии являются значимыми модификаторами вероятности привлечения венчурного финансирования. Предложенная модель позволяет эффективно обновлять убеждения субъектов инновационной экосистемы при поступлении новых свидетельств.

Практическая значимость разработанной модели определяется возможностями количественной оценки влияния различных факторов на инвестиционные решения, а также возможностями ее адаптации и расширения за счет добавления новых переменных. Модель может применяться для различных инновационных проектов в качестве инструмента поддержки принятия решений. Перспективы развития модели связаны с углублением анализа взаимосвязей между субъектами инновационной экосистемы, расширением набора учитываемых факторов и параметров, интеграцией дополнительных метрик оценки инновационных проектов, а также с возможностью донастройки под специфику различных технологических отраслей.

Теоретическая значимость работы заключается в развитии методологии моделирования инновационных экосистем с учетом вероятностных характеристик объектов патентного права. Разработанная модель может служить основой для продолжения исследований в области оценки эффективности патентной защиты инновационных разработок и ее влияния на инвестиционную привлекательность стартапов. Полученные результаты подтверждают актуальность дальнейшего развития методов логико-вероятностного моделирования в сфере управления интеллектуальной собственностью и поддержки принятия решений инвесторов. Предложенная методология может быть использована как для академических исследований, так и для практического применения в деятельности субъектов инновационных экосистем.