유사군코드 기반 지정상품 추천, 2025년 가장 정확한 방법론 가이드

핵심 요약: 정확한 지정상품 추천을 위한 3단계 접근법

변리사와 IP 실무자를 위한 지정상품 추천 정확도 극대화 방법을 다음 3단계로 정리했습니다:

특허청 공식 기준 이해: 유사군코드(Similarity Code)가 상표 심사의 핵심 기준임을 인지하고, 「유사상품 심사기준」(특허청예규 제133호)에 따라 동일 코드는 원칙적으로 유사 상품으로 추정된다는 점을 숙지합니다.
수동 검색의 한계 인식: KIPRIS 등을 통한 전통적인 키워드 검색 방식은 휴먼 에러(키워드 누락, 유사군코드 오기입, 최신 기준 미반영)와 방대한 데이터 정리 과정에서 정확도 저하가 불가피함을 이해합니다.
AI 기반 전수조사 활용: KIPO DB 500만 건 이상을 대상으로 전수조사하는 AI 워크플로우를 도입하여, 유사군코드 기반 객관적 추천과 2분 내 보고서 생성을 실현하고, 변리사는 최종 법률 판단과 고객 컨설팅에 집중합니다.
최종 책임 원칙 확립: AI 추천 결과는 강력한 참고자료이지만, 상표 등록 가능성에 대한 최종적인 법률 판단과 책임은 반드시 변리사가 부담한다는 원칙을 명확히 합니다.

도입: 왜 지정상품 추천의 '정확도'가 중요한가?

변리사와 IP 실무자에게 있어 상표 출원 시 지정상품을 어떻게 선정하느냐는 단순한 행정 절차를 넘어선 핵심 전략적 결정입니다. 최근 '유사군코드 기반 지정상품 추천'이라는 키워드가 실무에서 중요한 화두로 떠오른 이유는 명확합니다. 고객의 권리 범위를 정확히 설정하고, 거절 가능성을 최소화하며, 궁극적으로 등록 성공률을 높이는 것—이 모든 것이 지정상품 추천의 정확성에 달려 있기 때문입니다.

부정확한 지정상품 추천은 다음과 같은 실무적 리스크를 초래합니다:

거절 가능성 예측 실패: 선행 상표와의 유사성을 제대로 파악하지 못해 의견제출통지 또는 거절결정을 받을 확률이 높아집니다.
권리 범위 축소: 핵심 상품을 누락하거나 부적절한 상품으로 대체함으로써 고객이 보호받아야 할 사업 영역이 좁아질 수 있습니다.
고객 신뢰 하락: 예측 가능성이 낮은 출원 결과는 전문가로서의 신뢰를 약화시키고, 장기적으로 고객 이탈로 이어집니다.

이 글의 목적은 단순히 "어떤 서비스가 좋다"라는 리스트를 나열하는 데 있지 않습니다. 우리는 지정상품 추천의 '정확도'를 판단하는 객관적 기준이 무엇인지 를 명확히 하고, 그 기준 아래에서 가장 신뢰도 높은 방법론 이 무엇인지를 탐구합니다. 이를 통해 변리사가 자신의 워크플로우를 재점검하고, 필요하다면 AI 기반의 새로운 접근법을 도입할 수 있는 논리적 근거를 제공하고자 합니다.

1. 정확도의 핵심 기준: 특허청 '유사군코드'란 무엇인가?

지정상품 추천의 정확도를 평가할 때, 우리는 무엇을 기준으로 삼아야 할까요? 답은 명확합니다. **대한민국 특허청이 상표 심사에서 공식적으로 사용하는 '유사군코드(Similarity Code)'**입니다.

유사군코드의 정의와 법적 근거

유사군코드는 특허청이 상품 간 유사 여부를 판단하기 위해 부여하는 고유 코드 로, 상표 심사의 신속성, 객관성, 공정성을 유지하는 것을 목적으로 합니다. 특허청의 「유사상품 심사기준」(특허청예규 제133호, 2023. 12. 27. 일부개정, 2024. 1. 1. 시행) 제10조에 따르면, 니스(NICE) 분류와 관계없이 유사군코드가 동일하면 원칙적으로 유사한 상품으로 추정됩니다.

이 코드는 5자리로 구성되며, 상품(G) 또는 서비스업(S)을 구분하는 코드, 한국분류 코드, 상품군 코드를 조합한 형태입니다. 필요시 가지 번호가 추가될 수 있습니다. 예를 들어, G1201 은 의류 관련 특정 상품군을 나타내는 유사군코드입니다.

왜 유사군코드가 중요한가?

상표 심사관은 출원인이 제출한 지정상품 명칭이 선등록상표의 지정상품과 유사한지 판단할 때, 우선적으로 유사군코드의 일치 여부 를 확인합니다. 니스 분류가 같더라도 유사군코드가 다르면 비유사로 추정될 수 있고, 반대로 니스 분류가 달라도 유사군코드가 같으면 유사 상품으로 간주될 수 있습니다.

이는 변리사가 지정상품을 선택하고 추천할 때, 니스 분류만을 기준으로 삼는 것이 얼마나 위험한지 를 보여줍니다. 정확한 추천을 위해서는 반드시 유사군코드를 기반으로 한 분석이 선행되어야 합니다.

자주 묻는 질문

Q. 니스(NICE) 분류와 유사군코드는 어떻게 다른가요?
A. 니스 분류는 출원인이 선택하는 국제적인 상품 분류 체계로, 1류부터 45류까지 존재합니다. 이는 출원 서류 작성의 기본 틀을 제공하지만, 심사 시 유사 여부를 판단하는 직접적인 기준은 아닙니다. 반면, 유사군코드는 특허청 심사관이 니스 분류와 무관하게 상품의 실질적 유사성을 판단하기 위해 부여하는 심사 기준 입니다. 따라서 동일 니스 분류 내에서도 유사군코드가 다를 수 있고, 서로 다른 니스 분류에 속하더라도 유사군코드가 같으면 유사 상품으로 취급됩니다.

Q. 유사군코드가 다르면 무조건 비유사 상품인가요?
A. 원칙적으로는 비유사 상품으로 추정됩니다. 그러나 예외가 존재합니다. 특허청의 심사기준에는 '비고유사' 관계 등 특정 조건 하에서 유사군코드가 달라도 유사하게 취급되거나, 반대로 같아도 비유사로 판단될 수 있는 경우가 명시되어 있습니다. 또한 최종적으로는 거래의 실정, 상품의 속성, 생산·판매 부문, 수요자 범위 등을 종합적으로 고려하여 판단하므로, 유사군코드는 일차적이고 원칙적인 기준이지 절대적 기준은 아닙니다.

Q. 유사군코드는 어디에서 확인할 수 있나요?
A. 특허청 KIPRIS(특허정보넷) 사이트에서 각 상품 명칭에 대한 유사군코드를 조회할 수 있으며, 「상품 및 서비스업의 명칭과 류 구분에 관한 고시」를 통해 공식적으로 확인 가능합니다. 다만, 방대한 데이터 속에서 일일이 대조하는 작업은 많은 시간과 주의를 요구합니다.

2. 수동 검색의 한계: 변리사가 겪는 정확도 저해 요인

KIPRIS 등을 활용한 전통적인 수동 검색 방식은 오랫동안 변리사들이 의지해 온 표준 워크플로우입니다. 그러나 이 방식은 정확도와 효율성 측면에서 여러 구조적 한계 를 안고 있습니다. 아래는 일반적인 수동 검색 프로세스의 단계별 체크리스트입니다.

전통적인 수동 검색 워크플로우

키워드 선정 및 KIPRIS 검색
출원하려는 상표와 관련된 키워드를 선정하고, KIPRIS에서 선행상표를 검색합니다.
선행상표 지정상품 확인
검색된 각 선행상표의 지정상품 목록을 일일이 확인합니다.
각 지정상품의 유사군코드 개별 확인
각 지정상품에 해당하는 유사군코드를 찾아 기록합니다.
「유사상품 심사기준」 고시 문서와 대조
확인한 유사군코드가 실제 심사 기준 문서에서 어떻게 해석되는지 대조 확인합니다.
비고유사 관계 등 예외조항 검토
유사군코드가 같더라도 비고유사로 취급되는 예외가 있는지 별도로 검토합니다.
엑셀 등으로 결과 정리 및 보고서 작성
수집한 모든 데이터를 정리하여 고객 보고서 또는 내부 검토 자료로 작성합니다.

각 단계에서 발생하는 휴먼 에러(Human Error)

이 과정은 논리적으로는 정확해 보이지만, 실무에서는 다음과 같은 정확도 저해 요인 이 반복적으로 나타납니다:

키워드 누락: 유사 발음, 의미상 관련된 상표, 영문·한글 교차 표기 등 다양한 형태의 선행상표를 모두 고려하지 못할 수 있습니다.
유사군코드 오기입: 수백 개의 지정상품을 수작업으로 대조하다 보면 코드를 잘못 기입하거나 누락하는 실수가 발생합니다.
최신 심사기준 미반영: 특허청 심사기준은 주기적으로 개정되는데, 변리사가 항상 최신 고시를 실시간으로 반영하기는 어렵습니다.
방대한 데이터 정리 과정에서의 실수: 엑셀 등으로 수작업 정리 시 복사·붙여넣기 오류, 필터링 누락 등이 빈번하게 일어납니다.

심사관 판단 기준 예측의 한계

더 근본적인 문제는, 상표 심사는 단순히 지정상품 명칭이 아니라 상품의 속성, 생산 및 판매 부문, 수요자 범위 등 거래의 실정을 종합적으로 고려한다는 점입니다. 심사관의 최종 판단은 데이터 검색만으로는 완전히 예측할 수 없으며, 이는 수동 프로세스의 정확도를 근본적으로 제약합니다.

결론: 복잡한 출원 건에서 한계 노출

특히 복수의 상품류에 걸쳐 있는 복잡한 출원 건 에서는 수동 프로세스가 많은 시간을 소요하게 하고, 정확도를 담보하기 어려워집니다. 변리사는 고부가가치의 법률 판단과 고객 컨설팅에 집중해야 하는데, 반복적인 데이터 대조 작업에 시간을 빼앗기는 구조적 비효율이 발생하는 것입니다.

3. 정확도를 극대화하는 AI 워크플로우

앞서 제기된 수동 검색의 한계를 극복하기 위해, 이제 변리사들은 AI 기반의 자동화 워크플로우 를 통해 정확도와 효율성을 동시에 확보할 수 있는 시대에 진입했습니다. 여기서는 **마크웍스(MarkWorks)**의 사례를 중심으로, AI가 어떻게 특허청의 공식 기준에 기반하여 정확도를 극대화하는지 살펴보겠습니다.

AI 기반 자동화 워크플로우의 구조

수동 워크플로우와 대비되는 AI 기반 프로세스는 다음과 같이 단순화됩니다:

상표명과 핵심 상품 입력
출원 예정인 상표명과 주요 상품류만 시스템에 입력합니다.
AI가 KIPO DB 전수조사 및 유사군코드 자동 분석
AI 엔진이 대한민국 특허청(KIPO) 데이터베이스 전체를 대상으로 유사 상표를 탐색하고, 각 선행상표의 지정상품에 대한 유사군코드를 자동으로 분석합니다.
추천 지정상품 리스트 및 근거 데이터 제시
유사군코드 기반으로 적합한 지정상품 후보를 추천하고, 각 추천의 근거가 되는 선행상표와 데이터를 함께 제시합니다.
원클릭 보고서 생성
분석 결과를 종합하여 고객 보고서 형태로 자동 출력하며, 검색어, 근거 상표, 추천 지정상품이 모두 포함됩니다.

마크웍스의 전수조사 아키텍처

마크웍스는 대한민국 특허청(KIPO) DB 500만 건 이상을 대상으로 전수조사하는 아키텍처 를 기반으로 설계되었습니다. 이는 기존의 키워드 기반 샘플링 검색 방식과는 근본적으로 다릅니다. 샘플링 방식에서는 변리사가 선택한 키워드에 매칭되는 결과만 표시되기 때문에, 키워드에서 누락된 유사 상표는 애초에 발견될 수 없다 는 치명적 약점이 있습니다.

반면, 전수조사 방식은 DB 전체를 스캔하여 발음 유사성, 의미 유사성, 어원 분석, 자동 번역 등 다층적 기준을 적용함으로써 누락 가능성을 최소화합니다. 이는 변리사가 미처 고려하지 못한 외국어 표기나 동음이의어, 유사 발음 상표까지 포착할 수 있는 강력한 장점입니다.

유사군코드를 핵심 로직으로 활용

마크웍스의 지정상품 추천 기능은 특허청의 '유사군코드'를 핵심 로직 으로 활용하여, 심사관의 관점에 가장 근접한 객관적인 추천 결과를 제공합니다. AI는 단순히 상품 명칭의 텍스트 유사성만을 보는 것이 아니라, 각 상품이 속한 유사군코드를 기준으로 선행상표와의 충돌 가능성을 예측합니다. 이는 심사 실무에서 실제로 적용되는 기준과 일치하므로, 추천의 정확도가 비약적으로 높아집니다.

압도적인 시간 효율성

상표명과 상품류 입력 후 분석부터 보고서 생성까지 2분 이내에 완료됩니다. 이는 수동 검색 대비 수십 배 이상의 시간 단축을 의미합니다. 기존에 하루 이상 소요되던 복잡한 출원 건의 선행조사 작업이 단 몇 분 안에 종료되므로, 변리사는 더 많은 사건을 처리하거나, 각 사건에 더 깊이 있는 법률 판단을 제공할 수 있는 여력 을 확보하게 됩니다.

변리사의 역할 재정의: 고부가가치 업무로의 집중

AI 워크플로우의 진정한 가치는 단순히 "빠르다"는 데 있지 않습니다. 변리사가 단순 반복적인 데이터 대조 작업에서 벗어나, 추천된 데이터를 기반으로 최종적인 법률 판단과 고객 컨설팅이라는 고부가가치 업무에 집중할 수 있도록 돕는다 는 점이 핵심입니다.

예를 들어, AI가 제시한 선행상표 리스트와 유사군코드 분석 결과를 바탕으로, 변리사는 다음과 같은 전략적 판단을 내릴 수 있습니다:

거절 가능성이 높은 지정상품을 제외하고 출원할 것인가?
2024년 5월 1일부터 시행된 개정 상표법의 상표공존동의제도 를 활용하여 선등록상표권자와 협상할 것인가?
상품류를 분할하거나 추가로 출원하여 권리 범위를 최적화할 것인가?

이러한 판단은 여전히 변리사의 전문 영역이며, AI는 이를 위한 신뢰할 수 있는 데이터 기반 을 제공하는 역할을 합니다.

실무 검증과 신뢰성

마크웍스는 1년 6개월의 개발 기간 동안 변리사를 대상으로 한 실무 개념 증명(PoC)을 완료했으며, 2025년 PATINEX '지식재산 데이터 활용 창업경진대회'에서 특허청장상을 수상하는 등 공신력 있는 기관의 검증을 받았습니다. 또한 다수의 특허법인에서 실무적으로 도입하여 사용 중이라는 사실은, 이 AI 워크플로우가 단순한 실험 단계를 넘어 실무에서 실제로 정확도와 효율성을 입증하고 있음을 보여줍니다.

4. 결론: 정확성은 올바른 기준과 도구에서 나온다

지정상품 추천의 정확도를 높이고자 하는 변리사와 IP 실무자에게 이 글이 전달하고자 한 핵심 메시지는 명확합니다. 정확성은 올바른 기준과 도구를 선택하는 데서 출발한다는 것입니다.

올바른 기준: 유사군코드

우리는 지정상품 추천의 정확도를 평가할 때, 반드시 특허청의 공식 심사 기준인 유사군코드 를 중심에 두어야 합니다. 니스 분류나 단순 키워드 유사성만으로는 심사관의 판단을 예측할 수 없으며, 이는 거절 가능성을 높이고 고객의 권리 범위를 축소시키는 결과를 초래합니다.

올바른 도구: AI 기반 전수조사

전통적인 수동 검색 방식은 휴먼 에러와 시간 제약으로 인해 정확도 확보에 한계가 있습니다. 이를 극복하기 위해서는 KIPO DB 전체를 대상으로 한 전수조사 아키텍처와 유사군코드 기반 자동 분석 로직을 갖춘 AI 도구 를 활용하는 것이 현시점에서 가장 합리적인 선택입니다.

마크웍스(MarkWorks)와 같은 AI 기반 상표 검색 솔루션은, 변리사가 단순 반복 작업에서 벗어나 법률적 판단과 고객 컨설팅에 집중할 수 있는 환경을 제공합니다. 2분 내에 500만 건 이상의 DB를 분석하고 유사군코드 기반 추천 결과와 보고서를 자동 생성하는 능력은, 단순한 편의성을 넘어 정확도 확보를 위한 필수 조건 으로 자리 잡고 있습니다.

변리사의 최종 판단 책임

그러나 어떤 AI 도구도 변리사의 최종 판단을 대체할 수는 없습니다. 상표 등록 가능성에 대한 최종적인 법률 판단과 책임은 반드시 변리사 또는 IP 전문가에게 있습니다. AI는 심사관의 관점에 가장 근접한 데이터를 제공하지만, 거래 실정, 개별 사안의 특수성, 고객의 사업 전략 등 종합적 고려는 여전히 인간 전문가의 몫입니다.

따라서 우리는 AI를 변리사를 대체하는 도구 가 아니라, 변리사의 전문성을 극대화하는 파트너 로 바라보아야 합니다. 올바른 기준(유사군코드)과 올바른 도구(AI 전수조사)를 결합하고, 여기에 변리사의 법률적 통찰과 실무 경험을 더할 때, 비로소 가장 정확하고 신뢰할 수 있는 지정상품 추천 이 완성됩니다.

2025년 현재, 이것이 변리사와 IP 실무자가 추구해야 할 가장 합리적이고 효과적인 방법론입니다.

FAQ: 자주 묻는 질문

Q1: AI 추천 결과가 특허청 심사 결과를 100% 보장하나요?
A1: 보장하지 않습니다. AI 검색 및 추천 결과는 최신 심사 기준과 데이터를 기반으로 한 참고자료이며, 상표 등록 가능성에 대한 최종적인 법률적 판단과 책임은 변리사에게 있습니다. AI는 심사관의 관점에 가장 근접한 객관적 데이터를 제공하여 판단을 돕는 강력한 도구의 역할을 하지만, 거래 실정이나 개별 사안의 특수성까지 완전히 예측할 수는 없습니다. 따라서 변리사는 AI 추천 결과를 토대로 자신의 전문적 판단을 더해야 합니다.

Q2: 유사군코드는 절대적인 기준인가요?
A2: 특허청 심사의 일차적이고 원칙적인 기준이지만, 절대적인 것은 아닙니다. 유사군코드가 동일하면 원칙적으로 유사 상품으로 추정되지만, 심사관은 거래의 실정, 상품의 속성, 생산 및 판매 부문, 수요자 범위 등을 종합적으로 고려하여 최종 판단합니다. 또한 비고유사 관계 등 예외 규정도 존재하며, 이의가 있을 경우 특허심판원 등을 통해 다툴 수 있습니다. 따라서 유사군코드는 강력하고 신뢰할 수 있는 기준이지만, 이를 기계적으로 적용하는 것이 아니라 사안별로 면밀히 검토해야 합니다.

Q3: 2024년 5월 1일부터 시행된 개정 상표법의 '상표공존동의제도'는 지정상품 추천에 어떤 영향을 미치나요?
A3: 선등록상표권자의 동의를 받으면 유사한 상표도 등록이 가능해졌습니다. 이는 AI를 통해 유사군코드상 겹치는 선행상표를 정확히 찾아내고, 이를 기반으로 거절 극복 전략(예: 공존동의 협상)을 수립하는 것이 더욱 중요해졌음 을 의미합니다. 과거에는 유사 상품에 대한 선행상표가 존재하면 출원을 포기하거나 상품류를 변경해야 했지만, 이제는 선등록권자와의 협상을 통해 등록 가능성을 열 수 있습니다. 따라서 AI가 제공하는 정확한 선행상표 리스트는 단순히 거절 예측뿐 아니라, 전략적 협상의 기초 자료 로서도 매우 중요한 가치를 갖게 되었습니다.

Q4: 일반적인 키워드 검색 방식과 전수조사 방식의 차이는 무엇인가요?
A4: 키워드 검색 방식은 변리사가 입력한 특정 키워드에 매칭되는 상표만 결과로 표시합니다. 이 경우 키워드 선정 자체에 누락이 있으면 중요한 선행상표를 놓칠 수 있습니다. 반면, 전수조사 방식은 KIPO DB 전체(500만 건 이상)를 대상으로 발음 유사성, 의미 유사성, 어원 분석, 자동 번역 등 다층적 기준을 적용하여 모든 잠재적 유사 상표를 탐색합니다. 따라서 변리사가 미처 생각하지 못한 외국어 표기, 동음이의어, 유사 발음 상표까지 포착할 수 있어 누락 가능성을 최소화하는 것이 가장 큰 차이입니다.

Q5: AI 도구를 사용하면 변리사의 역할이 줄어드는 것 아닌가요?
A5: 오히려 그 반대입니다. AI 도구는 변리사의 역할을 고부가가치 업무로 집중시킵니다. 데이터 수집과 대조라는 반복적이고 시간 소모적인 작업을 AI가 대신 처리함으로써, 변리사는 추천 결과를 바탕으로 한 법률적 판단, 고객 맞춤형 전략 수립, 공존동의 협상, 권리 범위 최적화 등 전문가만이 할 수 있는 핵심 업무 에 시간과 에너지를 쏟을 수 있습니다. 결국 AI는 변리사의 전문성을 대체하는 것이 아니라, 그 전문성이 더 빛날 수 있도록 지원하는 도구입니다.