Il gruppo investe 40 milioni di dollari in un modello linguistico controllato internamente e addestrato sui propri contenuti professionali. La prima applicazione arriverà in CoCounsel Legal.
Thomson Reuters ha annunciato Thomson, il suo primo modello linguistico proprietario sviluppato internamente. Il gruppo punta a integrare il modello nei servizi destinati ai professionisti, partendo dall’ambito legale e dalla funzione Tabular Analysis di CoCounsel Legal.
L’operazione unisce tre risorse che Thomson Reuters considera strategiche: contenuti professionali proprietari, competenze editoriali specialistiche e controllo diretto dell’infrastruttura di intelligenza artificiale. Il progetto ha richiesto un investimento dichiarato di 40 milioni di dollari. Il modello è stato addestrato a partire da una base open source, della quale l’azienda non ha indicato il nome, e rimane interamente sotto il suo controllo.
Thomson Reuters definisce Thomson un modello frontier, espressione usata nel settore per indicare sistemi collocati vicino ai livelli più avanzati disponibili in un determinato momento. In questo caso la definizione richiede cautela: le valutazioni iniziali sono state condotte o commissionate dall’azienda e non sono accompagnate, nel materiale pubblicato, da una descrizione completa dei benchmark esterni e delle metriche adottate.
Un modello specializzato sui contenuti professionali
La caratteristica più rilevante di Thomson riguarda il rapporto tra modello e patrimonio informativo del gruppo. Thomson Reuters gestisce archivi, strumenti e flussi editoriali utilizzati nei settori legale, fiscale e informativo. Tra le risorse citate rientrano Westlaw, Practical Law, Checkpoint e Reuters.
L’azienda afferma di avere utilizzato finora meno del 10% dei propri contenuti per addestrare Thomson. Il dato suggerisce che esista ancora un ampio margine per ampliare la specializzazione del sistema, anche se non permette di stabilire da solo la qualità effettiva delle risposte. In un modello destinato al lavoro professionale contano la selezione dei documenti, il loro aggiornamento, la struttura dei metadati e il modo in cui vengono collegati alle istruzioni dell’utente.
La disponibilità di grandi raccolte affidabili offre un vantaggio diverso dalla semplice quantità di testo. Una banca dati giuridica o fiscale contiene classificazioni, relazioni tra fonti, riferimenti temporali e interpretazioni curate da specialisti. Questi elementi possono aiutare un sistema a gestire documenti densi e richieste formulate nel linguaggio tipico di una professione.
Thomson Reuters sostiene che le prime valutazioni collochino Thomson sul livello dei più recenti modelli frontier in una gamma di attività. L’azienda indica progressi nell’esecuzione delle istruzioni e nel ragionamento applicato a contenuti professionali complessi. In assenza di risultati indipendenti dettagliati, queste indicazioni descrivono l’obiettivo raggiunto nei test interni e dovranno essere verificate attraverso l’utilizzo quotidiano.
Il debutto dentro CoCounsel Legal
Thomson non viene proposto inizialmente come assistente generalista o servizio autonomo. La prima implementazione è prevista in Tabular Analysis, una funzione di CoCounsel Legal destinata all’analisi strutturata di informazioni organizzate in tabelle. La disponibilità è annunciata per il prossimo rilascio rivolto agli studi legali e ai dipartimenti legali delle aziende.
La scelta di un’applicazione circoscritta consente di valutare il modello all’interno di un flusso definito. I professionisti potranno osservare la capacità del sistema di seguire istruzioni, organizzare dati e lavorare su materiali complessi. Thomson Reuters potrà misurare tempi, costi e qualità delle elaborazioni in un ambiente collegato ai propri prodotti.
CoCounsel Legal si sta intanto evolvendo verso una piattaforma di AI agentica, con una nuova esperienza già proposta in accesso anticipato. Nel lessico delle piattaforme professionali, un agente è un sistema capace di scomporre un incarico in passaggi, richiamare strumenti e restituire un risultato coordinato. Il modello linguistico costituisce il motore di questo processo, mentre il prodotto definisce permessi, fonti consultabili e modalità di revisione.
L’integrazione verticale può incidere più del confronto astratto tra modelli. Un sistema leggermente meno brillante in una prova generale può risultare efficace quando dispone dei documenti appropriati, conosce la struttura del compito e opera dentro un’interfaccia costruita per quel lavoro. Per gli utenti professionali assumono rilievo anche la continuità del servizio, la tracciabilità e la possibilità di inserire l’elaborazione nei processi già adottati.
Controllo del modello e costi operativi
Thomson Reuters presenta il controllo diretto di Thomson attraverso il concetto di AI sovereignty. L’espressione richiama la capacità di governare il modello, i dati impiegati e l’ambiente nel quale vengono eseguite le richieste. È un’impostazione particolarmente rilevante per organizzazioni che trattano documenti riservati o operano in settori regolati.
Il gruppo sostiene inoltre che Thomson abbia costi di addestramento e inferenza inferiori rispetto a modelli frontier comparabili. L’inferenza è la fase nella quale un modello già addestrato elabora una richiesta e genera un risultato. Quando un servizio gestisce grandi volumi di documenti, il costo di ogni elaborazione influisce direttamente sulla sostenibilità economica del prodotto.
Il controllo interno permette anche di decidere con maggiore precisione quando aggiornare il sistema, quali capacità privilegiare e come distribuirlo nelle diverse applicazioni. Un fornitore che dipende completamente da modelli esterni deve adattarsi ai loro prezzi, alle finestre di contesto e ai cambiamenti delle interfacce. Un modello proprietario offre più autonomia, richiedendo allo stesso tempo investimenti continui in infrastruttura, valutazione e manutenzione.
Thomson Reuters associa questa strategia allo standard definito Fiduciary-Grade AI, una formula aziendale pensata per descrivere sistemi adatti a contesti ad alta responsabilità. Il valore concreto di questo posizionamento dipenderà dalle procedure di controllo incorporate nei prodotti, dalla qualità dei risultati e dalla trasparenza disponibile per chi deve revisionare il lavoro.
Perché il lancio interessa anche editoria e imprese
La scelta di Thomson Reuters mostra come le aziende titolari di archivi specializzati possano sviluppare modelli costruiti intorno al proprio patrimonio informativo. Per editori professionali, banche dati e fornitori di software, i contenuti curati acquistano una funzione ulteriore: alimentano strumenti capaci di assistere la ricerca, la sintesi e l’organizzazione dei documenti.
Questo approccio può interessare anche imprese di dimensioni inferiori, pur senza richiedere l’addestramento di un modello frontier. Una piccola organizzazione può ottenere benefici collegando modelli disponibili a raccolte documentali affidabili, tassonomie coerenti e procedure ben definite. La qualità del sistema dipende così dalla combinazione tra tecnologia, dati e progettazione del flusso operativo.
Il debutto limitato a Tabular Analysis invita comunque a leggere l’annuncio per ciò che offre oggi. Thomson è un modello proprietario con una prima applicazione precisa; non è ancora disponibile in tutte le linee di prodotto del gruppo. Le informazioni pubblicate non consentono inoltre un confronto indipendente e completo con i principali modelli generalisti.
I prossimi riscontri arriveranno dall’uso dentro CoCounsel Legal. Saranno particolarmente utili la capacità di lavorare con documenti estesi, la coerenza nell’esecuzione di incarichi articolati e l’efficienza economica su volumi reali. Se questi elementi troveranno conferma, Thomson potrà rafforzare un modello industriale nel quale l’intelligenza artificiale viene sviluppata insieme ai contenuti e agli strumenti professionali, anziché essere aggiunta come componente separata.
Fonti
- Thomson Reuters Leverages its World-Class Data Assets to Launch Its Own Frontier Model
- CoCounsel Legal – AI Legal Assistant | Thomson Reuters
- The next generation of CoCounsel Legal: Agentic AI for legal work
