Thomson Reuters lança o LLM Thomson e testa uma nova rota para IA especializada

A Thomson Reuters lançou o Thomson, seu primeiro grande modelo de linguagem proprietário, e transformou uma das maiores empresas de informação profissional do mundo em desenvolvedora direta de modelos de IA. A companhia anunciou o sistema em 24 de agosto, afirmando que ele foi construído internamente a partir de uma base aberta forte e treinado com cerca de 40 milhões de dólares em talento e computação. O valor é modesto perto dos orçamentos bilionários de laboratórios de fronteira, mas sustenta a tese da empresa: IA profissional não precisa necessariamente seguir a corrida de escala dos assistentes gerais.

O Thomson foi projetado para áreas como direito, tributação, contabilidade, auditoria e conformidade, nas quais usuários precisam de raciocínio verificável, boas citações e integração ao trabalho cotidiano. A Thomson Reuters diz que o modelo utiliza décadas de conteúdo proprietário e experiência editorial acumulados em produtos como Westlaw, Practical Law, Checkpoint e Reuters. A empresa também envolveu especialistas humanos desde a definição dos objetivos de treinamento até as avaliações finais, tentando adaptar o modelo às tarefas reais de profissionais responsáveis por decisões críticas.

Essa diferença é importante porque muitas implantações empresariais de IA dependem de conectar modelos gerais a bases privadas por meio de recuperação de informações. A Thomson Reuters aposta em algo mais controlado: possuir o próprio modelo, não apenas o conteúdo usado ao redor dele. Isso permite moldar treinamento, avaliação, privacidade e comportamento às obrigações de profissionais que precisam justificar seu trabalho. A empresa usa o termo Fiduciary-Grade AI para enfatizar precisão, transparência, responsabilidade e proteção dos dados dos clientes.

O primeiro uso do Thomson será no Tabular Analysis do CoCounsel Legal, voltado à revisão estruturada de documentos em grande escala. A Thomson Reuters afirma que o CoCounsel Legal continuará multimodelo, usando Thomson onde ele tiver vantagem e outros modelos líderes quando forem mais adequados. Essa decisão é prática. Compradores empresariais, especialmente em setores regulados, não escolhem modelos apenas por capacidade geral; eles também consideram custo, localização dos dados, latência, auditoria e integração com ferramentas existentes.

A companhia também pretende disponibilizar uma versão pequena do Thomson como modelo de pesos abertos no Hugging Face para uso acadêmico e não comercial, além de abrir o sistema para avaliação por especialistas em direito e IA. A maior vantagem comercial continuará nos dados e ferramentas proprietários, mas a validação externa ajuda a responder a uma exigência central do mercado jurídico: confiança precisa ser demonstrada, não apenas declarada.

O lançamento não prova que modelos especializados substituirão os modelos gerais de fronteira. Ele mostra, porém, que empresas com dados de alto valor não querem permanecer apenas como fornecedoras de conteúdo para plataformas de IA. Elas estão treinando modelos em torno de seus próprios fluxos de trabalho e criando métricas próprias de confiança. Se Thomson se mostrar sólido em tarefas jurídicas e fiscais reais, outras empresas de informação profissional poderão seguir o mesmo caminho.