Thomson Reuters presentó Thomson, su primer modelo de lenguaje de gran escala desarrollado internamente y diseñado específicamente para tareas profesionales. La compañía aseguró que destinó USD 40 millones a su entrenamiento y que mantendrá el control sobre el modelo, en lugar de depender exclusivamente de sistemas desarrollados por terceros.
El nuevo LLM parte de una base de código abierto, pero fue sometido posteriormente a distintas etapas de entrenamiento con material especializado de Thomson Reuters. Entre las fuentes empleadas aparecen contenidos de Westlaw, Practical Law, Checkpoint y Reuters, además de la participación de expertos de distintas disciplinas durante el diseño y la evaluación del sistema.
La estrategia marca un cambio importante para una empresa que hasta ahora incorporaba modelos de terceros dentro de sus productos. Con Thomson, busca controlar una parte mayor de la infraestructura de inteligencia artificial que utiliza en servicios legales, fiscales y profesionales.
Según Thomson Reuters, hasta ahora el modelo fue entrenado con menos del 10% del contenido disponible dentro de la compañía, por lo que todavía existe margen para ampliar su especialización.
Un modelo especializado en lugar de un LLM de propósito general
La apuesta de Thomson Reuters se aleja, al menos en parte, de la carrera por desarrollar modelos cada vez más grandes y costosos. En lugar de construir un sistema desde cero con inversiones de miles de millones de dólares, la empresa tomó un modelo base de código abierto y concentró sus recursos en adaptarlo a tareas concretas.
La compañía sostiene que este enfoque permitió reducir los costos de desarrollo y, al mismo tiempo, mejorar el rendimiento en áreas que requieren conocimientos especializados. Las evaluaciones internas realizadas hasta el momento ubican a Thomson, según Thomson Reuters, en niveles comparables con modelos de frontera recientes en distintas tareas profesionales.
Ese dato, sin embargo, corresponde a pruebas comunicadas por la propia empresa. Thomson Reuters comenzó además a entregar acceso al sistema a investigadores externos especializados en derecho e inteligencia artificial para ampliar su evaluación.
Uno de los aspectos sobre los que la compañía asegura haber obtenido mejoras es el seguimiento de instrucciones complejas, especialmente en tareas que requieren analizar grandes cantidades de información específica de una disciplina. También afirma que el entrenamiento especializado produjo mejores resultados que el simple acceso de un modelo generalista a una base documental.
El enfoque responde a uno de los problemas que empieza a ganar peso en el mercado corporativo de inteligencia artificial: cuánto control conserva una empresa sobre los modelos que utiliza, dónde se procesan sus datos y qué información intervino durante el entrenamiento.
Thomson Reuters también publicará una versión abierta para investigadores
Antes de su presentación, Thomson Reuters permitió que académicos especializados en derecho e inteligencia artificial probaran Thomson y anticipó que continuará con evaluaciones de terceros.
La empresa también anunció una versión denominada Thomson Small, cuyos pesos estarán disponibles a través de Hugging Face para usos académicos y no comerciales. El objetivo es que investigadores externos puedan analizar el comportamiento del modelo y aportar nuevas evaluaciones.
Entre quienes accedieron anticipadamente al sistema estuvo Jonathan H. Choi, profesor de la Washington University School of Law, que comparó respuestas de Thomson con las de ChatGPT y Claude mediante preguntas utilizadas en cursos de derecho tributario. Otro análisis realizado por investigadores de Queen's University y Cornell examinó la calidad de las citas jurídicas generadas por el sistema.
Estas pruebas aportan una primera referencia externa, aunque todavía no constituyen una evaluación amplia del rendimiento del modelo frente a los principales sistemas disponibles en el mercado.
El primer destino de Thomson será CoCounsel Legal
Thomson no aparecerá inicialmente como un chatbot independiente dirigido al público general. Su primer uso será dentro de Tabular Analysis, una herramienta de CoCounsel Legal destinada al análisis estructurado de grandes cantidades de documentos.
Thomson Reuters aclaró además que CoCounsel continuará con una arquitectura multimodelo. Es decir, Thomson se utilizará para aquellas tareas en las que la compañía considere que ofrece mejores resultados, mientras que otras funciones podrán continuar apoyándose en modelos externos.
Más adelante, la empresa planea incorporar versiones de Thomson en otros productos de sus áreas legal y fiscal.
La decisión de desarrollar un LLM propio muestra, además, un cambio que empieza a aparecer entre grandes compañías con enormes volúmenes de información especializada. Frente a modelos generalistas capaces de trabajar sobre una gran variedad de temas, Thomson Reuters apuesta por un sistema más acotado, entrenado para interpretar el tipo de documentos y consultas que forman parte de su negocio.
El resultado de esa estrategia dependerá de cómo responda Thomson cuando su uso se amplíe y aparezcan evaluaciones independientes más extensas. Por ahora, el lanzamiento representa el paso de Thomson Reuters de utilizar inteligencia artificial creada principalmente por terceros a controlar también el modelo que integra parte de sus propias herramientas profesionales.