Полезная модель как дополняющий фактор инвестиционной привлекательности в патентном портфеле стартапа

Введение

Выявлению значимости патентов как своего рода сигналов для обоснования намерений венчурного финансирования стартапов было посвящено несколько серьезных исследований. При этом разными авторами исследовалось, как прямое влияние наличия патентов у стартапа на получение финансирования [10], так и наоборот, влияние полученного финансирования на патентную активность стартапов [14]. Однако во всех отмеченных и других работах по умолчанию подразумевались патенты на изобретения. Также имеются редкие упоминания о комбинированном влиянии, например, патентов на изобретения в связке с товарными знаками [19]. Патенты на полезные модели в подобных исследованиях практически не упоминались, и их обособленная значимость для венчурных капиталистов не анализировалась.

Вместе с тем, в последние годы в литературе заметен интерес к практике использования патентов на полезные модели в тех странах, где патентные системы признают их в качестве охраняемых результатов интеллектуальной деятельности (РИД) [12, 13]. При этом в корпоративных стратегиях патентования полезным моделям обычно отводится более низкий (второй) уровень после изобретений [11]. Например, полезная модель может рассматриваться не как первоначальная цель, а как побочный продукт амбициозной разработки, которая не привела к получению патента на изобретение, либо как более узкое новшество, дополняющее изобретение [18]. Также известен подход, в котором патенты на изобретения и на полезные модели в совокупности рассматриваются как более эффективный набор механизмов охраны РИД (чем одни только патенты на изобретения) при разработке новых технических решений, особенно в малых и средних компаниях [17]. Таким образом, накопление опыта использования патентов на полезные модели для решения корпоративных задач повышает вероятность их возможного использования, в том числе в качестве дополнительного значимого сигнала для венчурных фондов при принятии решений о финансировании стартапов.

В одной из работ авторов была представлена байесовская модель экспертной системы, позволяющая учитывать изобретения как сигналы о появлении новых разработок у стартапа, и анализировать причинно-следственные связи между субъектами инновационной экосистемы в условиях высокой неопределенности [8]. Модель была предназначена для поддержки принятия решений венчурного фонда о финансировании стартапа с учетом результатов патентования изобретений. Идеи, заложенные в основу этой модели, были использованы авторами при разработке новой, представленной ниже модели, в которой предусмотрены возможности, как преобразования заявки на изобретение в заявку на полезную модель, так и подачи самостоятельной заявки на полезную модель стартапом в патентное ведомство с учетом вероятностей возможных вариантов исхода. Кроме того, состав участников экосистемы был расширен с целью моделирования воздействия факторов внешней и внутренней среды.

Материалы и методы исследования

В работе применен метод моделирования с использованием аппарата байесовских сетей доверия (БСД) [7]. Модель предметной области и вычислительные эксперименты с ней реализованы в программной среде редактора байесовских сетей Netica (Norsys) [15]. В качестве субъектов инновационной экосистемы в модели выступают: стартап (малая технологическая компания – МТК); специалист по управлению интеллектуальной собственностью; независимый эксперт – технологический брокер; технологический аудитор; эксперт фондового рынка; венчурный фонд; патентное ведомство.

Результаты исследования и их обсуждение

Конструирование описания предметной области экосистемы

По условиям задачи предполагается, что, во-первых, основным РИД стартапа является новое изобретение, на которое уже подана заявка в патентное ведомство. Результатом рассмотрения данной заявки может быть (1) положительное решение о выдаче патента на изобретение, (2) положительное решение (с учетом возможности преобразования первоначальной заявки) о выдаче патента на полезную модель, или (3) полный отказ. Во-вторых, в патентное ведомство может быть направлена самостоятельная заявка на полезную модель, если стартап примет такое решение. Результатом рассмотрения такой заявки может быть положительное решение о выдаче патента на полезную модель, или отказ.

Венчурному фонду в таких условиях необходимо принять решение о финансировании стартапа, учитывая высокую неопределенность решений патентного ведомства, уровень готовности технологии (УГТ или TRL – technology readiness level), 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 [4]. В связи с этим, для анализа деятельности субъектов экосистемы и поддержки решений инвестора авторами была построена БСД из восьми узлов (рис. 1), отображающих следующие случайные переменные:

- Опыт команды – вероятность наличия у команды стартапа опыта по выявлению и патентованию изобретений и полезных моделей (родительский узел);

- Заявка на ИЗ – вероятность получения (1) патента на изобретение, (2) патента на полезную модель, или (3) отказа по заявке на изобретение, поданной стартапом в патентное ведомство;

- Заявка на ПМ – вероятность получения (1) патента на полезную модель или (2) отказа по отдельной заявке на полезную модель, поданной стартапом в патентное ведомство (родительский узел);

- Специалист по управлению – вероятность наличия в стартапе штатного специалиста по управлению патентным портфелем или другой интеллектуальной собственностью (родительский узел);

- Патентный портфель – вероятность формирования патентного портфеля у стартапа;

- TRL-5 – вероятность достижения проектом уровня готовности технологии не ниже TRL-5 [1], или выше (родительский узел);

- РЦБ – состояние рынка ценных бумаг, связываемое с общим ожиданием роста или снижения (родительский узел);

- Венчурный фонд – вероятность привлечения венчурного фонда для финансирования стартапа.

На рис. 1 представлена структура байесовской сетевой модели, но пока не показаны стержневые диаграммы вероятностей состояния входящих в нее узлов случайных переменных, перечисленных выше.

Рис. 1. Исходный граф модели, включающей 8 узлов случайных переменных (составлено авторами)

Для всех случайных переменных в данной байесовской модели необходимо установить дискретные состояния. В частности, для родительского узла переменной вероятности наличия у команды стартапа опыта по выявлению и патентованию РИД («Опыт команды») назначены состояния: богатый опыт (Rich); недостаточный опыт (Poor). Таблицу безусловных вероятностей для этого узла (ТБВ, табл. 1) заполним исходя из того, что наличие богатого опыта в сфере интеллектуальной собственности для стартапов является скорее исключением, поэтому вероятности богатого опыта присвоено значение 20%, при этом вероятность недостаточного опыта составит, соответственно, 80%.

Таблица 1 – ТБВ для узла «Опыт команды»

Зависимой переменной этого узла является переменная «Заявка на ИЗ», для которой назначены три состояния: патент на изобретение (PatInvent), патент на полезную модель (PatUm) и отказ (No). Такие состояния назначены, исходя из того, что в случае отказа патентного ведомства по первоначальной заявке на изобретение у стартапа имеется дополнительная возможность в короткий срок преобразовать её в заявку на полезную модель, и со второй попытки попытаться получить соответствующий патент [5]. Третье состояние соответствует вероятности окончательного отказа патентного ведомства по заявке.

Вероятностные характеристики этой переменной обусловлены состоянием родительского узла «Опыт команды», поэтому для расчета и вывода значений полных вероятностей на стержневой диаграмме нужно заполнить внутреннюю таблицу условных вероятностей (ТУВ, табл. 2). Для первого состояния предположим, что команда стартапа уже имеет опыт выявления изобретений, полезных моделей, и составления заявок в патентное ведомство (строка 1). В таком случае условной вероятности получения патента на изобретение с первой попытки присвоено значение 60%, условной вероятности получения патента на полезную модель с учетом возможности быстрого преобразования заявки – значение 30%, а условной вероятности полного отказа, соответственно, 10%.

В случае если у стартапа не имеется достаточного опыта (строка 2) условная вероятность получения патента на изобретение с первой попытки снижена до 30%, вероятность получения патента на полезную модель после преобразования заявки составляет 40%, а вероятность полного отказа, соответственно, 30%.

Таблица 2 – ТУВ для узла «Заявка на ИЗ»

В то же время, в модели имеется отдельный родительский узел случайной переменной вероятности получения патента на полезную модель («Заявка на ПМ»). Это объясняется тем, что такая заявка может быть подана независимо от заявки на изобретение, в случае, если полученный РИД заведомо не удовлетворяет критериям изобретения, но его защита патентом на полезную модель, тем не менее, может рассматриваться как необходимый элемент патентной стратегии компании [13]. Таблицу 3 для безусловных вероятностей для этого узла заполним исходя из того, что вероятность получения патента на полезную модель по определению является более высокой, чем вероятность получения патента на изобретение, т.к. при этом не требуется соответствие объекта патентования критерию изобретательского уровня. В частности, эксперты-техноброкеры [3] считают, что вероятность получения такого патента составляет 70%, соответственно, вероятность отказа 30%.

Таблица 3 – ТБВ для узла «Заявка на ПМ»

Таблицу безусловных вероятностей для узла вероятности наличия в команде стартапа специалиста по управлению интеллектуальной собственностью (ИС) заполним исходя из того, что специалистов такой узкой квалификации на рынке труда очень мало (практически нет). Поэтому вероятность наличия такого специалиста в команде стартапа составляет 40%, соответственно, вероятность отсутствия 60% (табл. 4).

Таблица 4 – ТБВ для узла «Спец. по управлению ИС»

Характеристики переменной зависимого узла вероятности формирования патентного портфеля («Патентный портфель») обусловлены состоянием родительских узлов, поэтому для расчета и вывода значений полных вероятностей на его стержневой диаграмме нужно заполнить внутреннюю таблицу условных вероятностей. Однако исходной информации для этого не задано. Для решения этой задачи эксперты должны использовать всю полезную информацию и свои знания о принципах формирования корпоративных патентных портфелей, в частности о том, какие именно портфели считаются «сильными» и «слабыми» [9].

Заполнение ТУВ начнем, предполагая, что в команде стартапа всё же имеется специалист по управлению ИС (таблица 5, первая колонка). В таких условиях эксперты реалистично считают, что при получении стартапом положительных решений, как по заявке на изобретение, так и по заявке на полезную модель (самый высокий результат), вероятность формирования сильного патентного портфеля должна быть самой высокой. По этой причине условной вероятности формирования сильного патентного портфеля присвоено значение 90% (1-я строка ТУВ). Следующая комбинация случайных событий (2-я строка ТУВ) соответствует получению патента на изобретение по первой заявке, но при этом по второй независимой заявке получен отказ, поэтому вероятность формирования сильного портфеля обоснованно снижена до 80%.

В следующей комбинации событий рассматривается возможное получение патента на полезную модель, скорее всего после безуспешной полемики с патентным ведомством по первоначальной 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 получении патента по второй заявке вероятность формирования сильного портфеля снижается до 70% (3-я строка ТУВ), а при полном отказе по второй заявке – до 60% (4-я строка ТУВ).

Наконец, последняя комбинация событий при наличии специалиста по управлению ИС предполагает вариант полного отказа патентного ведомства в выдаче патентов по первой заявке компании. Тем не менее, здесь присутствует вариант, при котором патент на полезную модель получен по второй заявке, что дает основание присвоить вероятности формирования сильного портфеля значение 50% (5-я строка ТУВ). Однако при отказе по первой и по второй заявке эта вероятность критически снижается до 5% (6-я строка ТУВ).

Далее продолжаем заполнение ТУВ в условиях отсутствия специалиста по управлению ИС, что приводит к общему снижению эффективности управления портфелем. Так, при получении патентов по заявке на изобретение и на полезную модель (7-я строка ТУВ) вероятность формирования сильного портфеля снижается до 80% (минус 10% по сравнению с управляемым портфелем). При отказе по второй заявке эта вероятность снижается, соответственно, до 70% (8-я строка ТУВ).

В случае вынужденного преобразования первой заявки и получения патентов на полезные модели по первой и по второй заявке (9-я строка ТУВ) вероятность формирования сильного портфеля составляет 60% (минус 10% по сравнению с управляемым портфелем). При отказе по второй заявке – соответственно 50% (10-я строка ТУВ). Наконец, при полном отказе по первой заявке, но получении патента по второй остается шанс формирования портфеля с вероятностью 40% (11-я строка ТУВ). Соответственно, при полном отказе по первой и по второй заявкам эта вероятность критически снижается до 2% (12-я строка ТУВ). Как обычно, вероятности всех противоположных событий определяются из расчета суммы 100%.

Таблица 5 – ТУВ для узла «Патентный портфель»

Степень готовности проекта, так же как и получение патентов является значимым сигналом для венчурного фонда. Однако стандартизованного показателя степени готовности проекта в целом пока не имеется, поэтому чаще всего на практике используется показатель уровня готовности технологии. В модели узел вероятности достижения 5-го уровня готовности (TRL-5) назначен родительским узлом, напрямую воздействующим на интерес венчурного фонда. Как известно, доведение проекта до уровня TRL-5 является непростой задачей для любого стартапа [2], поэтому вероятности достижения этого уровня готовности эксперты – технологические аудиторы реалистично дают оценку 40% (табл. 6).

Таблица 6 – ТБВ для узла «TRL-5»

Последний родительский узел дает представление о текущем состоянии рынка ценных бумаг (РЦБ) как внешней инвестиционной среды [6]. Это состояние обычно характеризуется специалистами в целом как «хорошее» (растущий рынок) или «плохое» (снижение рынка). Назначая уровни безусловных вероятностей этого узла (табл. 7), будем исходить из оценок экспертов-аналитиков фондового рынка, которые считают, что его текущее состояние можно с вероятностью 40% считать хорошим.

Таблица 7 – ТБВ для узла состояния РЦБ

Характеристики целевой переменной зависимого узла вероятности привлечения венчурного фонда обусловлены состоянием его родительских узлов, поэтому для расчета и вывода значений полных вероятностей на стержневой диаграмме венчурного фонда нужно заполнить внутреннюю таблицу условных вероятностей (ТУВ, табл. 8). Однако исходной информации для этого также не задано. Для решения этой задачи эксперты должны использовать всю полезную информацию и свои знания:

- о текущем уровне готовности технологии (TRL), которую разрабатывает данный стартап;

- о новейших достижениях и разработках в данной области техники;

- о состоянии РЦБ в целом и о восприятии инвесторами рисков, связанных с акциями молодых инновационных компаний;

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

Заполнение ТУВ начнем, предполагая, что РЦБ находится в относительно хорошем состоянии (табл. 8, первая колонка). В таких условиях эксперты реалистично считают, что при формировании у стартапа сильного патентного портфеля, и одновременном достижении проектом уровня готовности технологии TRL-5 (самый высокий результат) вероятность привлечения венчурного фонда должна быть самой высокой. По этой причине условной вероятности высокой заинтересованности венчурного фонда присвоено значение 80% (1-я строка ТУВ). Следующая комбинация случайных событий (2-я строка ТУВ) также соответствует достижению уровня готовности TRL-5, но при этом сильный портфель не сформирован, поэтому вероятность высокой заинтересованности фонда обоснованно снижается до 60%.

В следующей комбинации событий предполагается, что уровень готовности TRL-5 не достигнут. По этой причине, даже при высокой вероятности формирования сильного портфеля вероятность привлечения венчурного фонда составляет 55% (3-я строка ТУВ). Однако если сильный портфель не сформирован, то эта вероятность снижается до 30% (4-я строка ТУВ).

Далее продолжаем заполнение ТУВ, предполагая ухудшение ситуации на РЦБ, что автоматически приводит к общему снижению активности и повышению осторожности инвесторов [6]. Так, при достижении проектом уровня готовности TRL-5 и формировании сильного патентного портфеля (5-я строка ТУВ) вероятность высокой заинтересованности фонда закономерно снижается до 70% (минус 10% по сравнению с растущим рынком). Если при этом сильный портфель не сформирован, то эта вероятность снижается, соответственно, до 50% (6-я строка ТУВ).

Если в такой ситуации уровень готовности TRL-5 не достигнут, то даже при формировании сильного портфеля вероятность высокой заинтересованности венчурного фонда снижается до 45% (7-я строка ТУВ). Если же сильный портфель не сформирован, то эта вероятность снижается до самого низкого значения 20% (8-я строка ТУВ).

Таблица 8 – ТУВ для узла вероятности привлечения венчурного фонда

Анализ действующей модели инновационной экосистемы

Построение полной конфигурации графа и заполнение всех таблиц условных и безусловных вероятностей завершает процесс первоначального обучения и позволяет перейти непосредственно к практическому использованию модели, т.е., к вероятностным выводам. После инициализации обученной модели машина рассчитывает априорные распределения полных вероятностей состояния узлов «Заявка на ИЗ», «Патентный портфель» и «Венчурный фонд», выводит их значения в таблицы, и строит стержневые диаграммы для условий полной неопределенности (рис. 2), т.е. до поступления каких-либо свидетельств.

Рис. 2. БСД после инициализация в условиях полной неопределенности (составлено авторами)

Как показано на рис. 2, инициализация модели в условиях полной неопределенности дает соотношение вероятностей (49,9/50,1) в узле «Венчурный фонд», характеризующем привлекательность проекта для венчурного фонда. Принятие решения о финансировании проекта в таких условиях чрезвычайно затруднительно, несмотря на то, что при этом вероятность формирования сильного патентного портфеля (узел «Патентный портфель») достаточно высока (60,6%).

Поступление свидетельства о положительном решении по (первоначальной) заявке на изобретение (рис. 3) увеличивает вероятность привлечения венчурного фонда до 54,6% (на 4,7%). При этом вероятность формирования сильного патентного портфеля сразу увеличивается до 81% (на 20,4%), что подтверждает правильность структурных связей модели и логики рассуждений.

Рис. 3. Поступление свидетельства о положительном решении по заявке на изобретение (составлено авторами)

Поступление свидетельства о получении положительного решения по заявке на изобретение при наличии подтверждения достижения проектом уровня готовности технологии TRL-5 (рис. 4) повышает вероятность привлечения венчурного фонда еще более существенно до 70,2% (на 15,6%).

Рис. 4. Подтверждение свидетельств о получении положительного решения по заявке на изобретение одновременно с достижением уровня готовности технологии не ниже TRL-5 (составлено авторами)

Далее рассматривается возможная ситуация, после того, как из патентного ведомства получено неоспоримое противопоставление, и стартап вынужден преобразовать первоначальную заявку на изобретение в заявку на полезную модель (рис. 5). Получение патента на полезную модель в таком случае почти не встречает ответной реакции венчурного фонда (50/50), и вероятность формирования сильного патентного портфеля также увеличивается незначительно (до 61%).

Рис. 5. Подтверждение свидетельства о получении патента на полезную модель после вынужденного преобразования первой заявки (составлено авторами)

Попытка усилить патентный портфель патентом на полезную модель, полученным по второй заявке дает не очень высокий результат (рис. 6). В частности, вероятность формирования сильного портфеля при этом увеличивается до 64% (на 3,4%), а вероятность привлечения венчурного фонда – на небольшую величину до 50,7% (на 0,8%).

Рис. 6. Подтверждение свидетельств о получении патентов на полезные модели, как по первой, так и по второй заявкам (составлено авторами)

Наконец, при полном отказе патентного ведомства по первой заявке в условиях полной неопределенности (рис. 7), вероятность формирования сильного патентного портфеля существенно снижается до 31,8% (на 28,8%), а вероятность привлечения венчурного фонда снижается до 43,3% (на 6,6%). Это объясняется тем, что основные ожидания инвесторов, безусловно, связаны с созданием и защитой новых изобретений, а полезные модели, как уже отмечалось, являются дополнительной, но более слабой альтернативой.

Рис. 7. Подтверждение полного отказа по первой заявке в условиях неопределенности (составлено авторами)

Если в этом случае удается получить хотя бы патент на полезную модель по второй заявке (рис. 8), то и это не способно существенно улучшить положение, т.к. вероятность формирования сильного патентного портфеля при этом снижается до 44% (на 16,6%), а вероятность привлечения венчурного фонда – до 46,1% (на 3,8%).

Рис. 8. Подтверждение свидетельства о получении патента на полезную модель по второй заявке при полном отказе по первой заявке (составлено авторами)

При таких обстоятельствах сохранить интерес венчурного фонда возможно только в том случае, если, во-первых, проект доведен до уровня готовности технологии не ниже TRL-5; во-вторых, в команде стартапа имеется специалист по управлению ИС; в-третьих, рынок ценных бумаг в целом является растущим (рис. 9). Только одновременное положительное влияние всех этих переменных позволяет вернуть вероятность привлечения венчурного фонда к уровню 70%.

Рис. 9. Попытка скомпенсировать неудачу патентования изобретения положительным воздействием других факторов (составлено авторами)

Таким образом, адекватные реакции построенной системы подтверждают логику причинно-следственных связей между всеми переменными байесовской сети. Дальнейший перебор возможных состояний случайных переменных позволяет получить множество значений целевой переменной для анализа и принятия решений. Остается добавить, что возможности обучения и расширения модели практически не ограничены. Добавление новых узлов переменных и причинно-следственных связей с помощью программы-редактора БСД не требует сложных операций и знания алгоритмических языков.

Заключение

В результате проведенного исследования разработана и верифицирована байесовская модель инновационной экосистемы, в которой предусмотрена оценка вероятности создания стартапом не только изобретений, но и полезных моделей. Актуальность использования полезных моделей в практике стратегического планирования НИОКР в последние годы была отмечена в ряде исследований. Предложенная байесовская модель позволяет анализировать причинно-следственные связи между всеми субъектами и элементами экосистемы, и может использоваться в составе экспертной системы для поддержки принятия решений венчурного фонда о финансировании стартапа.

Получение стартапом патента на изобретение оказывает наиболее существенное влияние на принятие инвестиционных решений венчурным фондом. Патенты на полезные модели имеют меньшую значимость, тем не менее, они являются дополняющим фактором привлечения инвестиций, а также, наравне с патентами на изобретения, могут играть существенную роль в стратегическом планировании НИОКР. Случайные переменные, отображающие состояние фондового рынка и уровень готовности технологии использованы в качестве значимых модификаторов вероятности привлечения венчурного капитала. Наличие в составе стартапа специалиста по управлению интеллектуальной собственностью и наличие у команды опыта по выявлению и патентованию изобретений являются дополняющими внутренними модификаторами. Предложенная модель позволяет эффективно обновлять убеждения венчурного фонда при поступлении новых свидетельств.

Теоретическая значимость исследования заключается в развитии методологии моделирования процессов интеллектуальной деятельности субъектов инновационных экосистем в условиях высокой неопределенности. Полученные результаты могут быть использованы для продолжения исследований в области оценки эффективности управления инновационными разработками и инвестиционной привлекательностью МТК.

Практическая значимость работы определяется возможностями количественной оценки влияния внешних и внутренних факторов на инвестиционные, финансовые и управленческие решения. Развитие модели направлено на расширение набора учитываемых факторов и параметров, интеграцию дополнительных метрик оценки инновационных проектов, и обеспечение возможности адаптации к специфике различных технологических отраслей. Предложенная методология может быть использована как для академических исследований, так и для практического применения в деятельности субъектов инновационных экосистем.