Thomson Reuters, 자체 LLM Thomson 공개…전문 분야 AI의 새 실험

Thomson Reuters가 첫 자체 대형언어모델 Thomson을 출시하며 법률, 세무, 회계, 컴플라이언스, 뉴스 분야의 전문 정보 기업에서 직접 모델을 개발하는 기업으로 영역을 넓혔다. 회사는 8월 24일 이 모델이 강력한 오픈소스 기반 위에서 내부 개발됐으며 인재와 컴퓨팅에 약 4천만 달러를 투입했다고 밝혔다. 일반적인 프런티어 AI 연구소의 수십억 달러 규모 투자와 비교하면 작은 금액이지만, 바로 그 점이 회사가 내세우는 메시지다. 전문 AI는 범용 소비자 챗봇과 같은 무한 확장 경쟁을 따르지 않아도 된다는 것이다.

Thomson은 모든 질문에 답하는 범용 비서가 아니라 검증된 추론, 인용 품질, 업무 적합성이 중요한 전문직을 겨냥한다. Thomson Reuters는 Westlaw, Practical Law, Checkpoint, Reuters 등에서 축적한 콘텐츠와 편집 전문성을 활용했고, 수백 명의 주제 전문가가 학습 목표 설계와 평가 과정에 참여했다고 설명했다. 이는 범용 모델에 사내 데이터를 검색하게 하는 방식만으로는 고책임 전문 업무의 요구를 만족하기 어렵다는 문제의식에서 출발한다.

이번 발표는 기업 AI가 다른 길을 갈 수 있음을 보여준다. 많은 기업은 지금까지 일반 모델에 내부 지식을 연결하는 검색 증강 생성에 의존해 왔다. Thomson Reuters는 콘텐츠뿐 아니라 모델 자체를 소유하는 것이 중요하다고 본다. 학습, 평가, 프라이버시, 모델 행동을 전문가의 책임과 의무에 맞게 설계할 수 있기 때문이다. 회사가 말하는 Fiduciary-Grade AI는 정확성, 책임성, 투명성, 고객 데이터 보호를 핵심 기준으로 삼는다.

Thomson의 첫 적용처는 CoCounsel Legal의 Tabular Analysis 기능이다. 이는 대량의 구조화 문서 검토에 쓰이는 워크플로다. Thomson Reuters는 CoCounsel Legal이 계속 멀티모델 구조를 유지해 Thomson이 가장 적합한 곳에서 쓰고, 다른 업무에는 다른 선도 모델을 사용할 것이라고 밝혔다. 이는 규제 산업의 현실에 맞는 접근이다. 비용, 데이터 위치, 지연 시간, 감사 가능성, 기존 도구와의 통합이 모두 모델 선택에 영향을 미치기 때문이다.

회사는 Thomson의 소형 버전도 학술 및 비상업 용도의 오픈웨이트 모델로 Hugging Face에 공개하고, 법률 및 AI 학계에 외부 평가 기회를 제공할 계획이다. 핵심 상업적 장점은 여전히 독점 데이터와 도구 안에 남겠지만, 외부 검증은 법률 AI 시장에서 신뢰를 쌓는 데 중요하다. 고객들은 모델이 믿을 만하다는 주장보다 실제 평가 근거를 원한다.

Thomson의 출시는 전문 모델이 범용 프런티어 모델을 대체한다는 증거는 아니다. 다만 고가치 데이터를 가진 기업들이 더 이상 AI 플랫폼의 원료 제공자에 머물지 않겠다는 신호다. 이들은 자신의 업무 흐름에 맞춰 모델을 훈련하고 평가 체계를 만들며 AI를 전문 소프트웨어의 핵심으로 끌어들이고 있다. Thomson이 실제 법률과 세무 업무에서 안정적 성능을 보인다면 다른 전문 정보 기업들도 비슷한 길을 택할 가능성이 크다.