A Thomson Reuters entrou de forma mais direta na disputa pelo desenvolvimento de inteligência artificial ao lançar o Thomson, seu primeiro modelo de linguagem de grande porte (LLM) desenvolvido internamente. A tecnologia foi criada com foco em atividades profissionais, especialmente nas áreas jurídica e tributária, e representa uma mudança na estratégia da companhia, que passa a controlar também o modelo de IA utilizado em parte de suas soluções.
Segundo dados divulgados pela empresa, foram investidos cerca de US$ 40 milhões no desenvolvimento e treinamento do Thomson, incluindo infraestrutura computacional e contratação de profissionais especializados. Em vez de construir um modelo do zero, a Thomson Reuters utilizou uma base de código aberto e concentrou os investimentos na especialização da tecnologia para tarefas específicas.
O treinamento utilizou conteúdo proprietário acumulado pela companhia em serviços como Westlaw, Practical Law, Checkpoint e Reuters, além da participação de centenas de especialistas na definição dos objetivos e na avaliação dos resultados. Até o momento, menos de 10% do acervo de conteúdo da Thomson Reuters teria sido utilizado no treinamento.
A estratégia busca mostrar que modelos especializados podem competir em determinadas tarefas com sistemas de inteligência artificial de propósito geral que exigem investimentos muito maiores em infraestrutura. De acordo com avaliações iniciais realizadas pela própria Thomson Reuters, o Thomson apresentou desempenho comparável ao de modelos de fronteira recentes em diferentes atividades profissionais. Esses resultados, no entanto, ainda precisam ser considerados dentro do contexto dos testes adotados pela empresa e de avaliações independentes mais amplas.
Antes do lançamento, pesquisadores das áreas de Direito e inteligência artificial tiveram acesso ao modelo para realizar testes. Entre eles estão Jonathan H. Choi, da Washington University School of Law, e Samuel Dahan, ligado ao Queen’s Conflict Analytics Lab e ao Cornell Legal AI Lab. As avaliações mencionadas pela Thomson Reuters apontaram resultados competitivos em questões jurídicas e na apresentação de citações e referências.
Uma versão reduzida do Thomson também deverá ser disponibilizada como modelo de pesos abertos na plataforma Hugging Face para utilização acadêmica e não comercial. A iniciativa poderá permitir que pesquisadores externos examinem com maior profundidade o funcionamento e as capacidades da tecnologia.
Outro ponto central do projeto é a chamada soberania em inteligência artificial. Ao controlar o próprio modelo, a Thomson Reuters reduz a dependência exclusiva de fornecedores externos e passa a ter maior domínio sobre treinamento, infraestrutura, privacidade, comportamento do sistema e integração com suas bases de dados. A questão ganhou importância à medida que empresas passaram a utilizar IA generativa em atividades que envolvem documentos confidenciais e informações sensíveis.
A companhia também aposta na especialização como diferencial. O Thomson foi desenvolvido para interpretar conteúdos densos, seguir instruções profissionais com várias etapas e trabalhar em conjunto com ferramentas proprietárias. A proposta coloca em discussão uma das questões atuais do mercado de IA: até que ponto um modelo generalista conectado a boas bases de dados consegue alcançar o mesmo nível de desempenho de um sistema treinado especificamente para determinado setor.
A primeira aplicação comercial do Thomson será no recurso Tabular Analysis, do CoCounsel Legal, voltado à análise estruturada de grandes volumes de documentos. Apesar do lançamento do modelo próprio, a Thomson Reuters pretende manter uma estratégia multimodelo no CoCounsel, combinando o Thomson com tecnologias de outros fornecedores de acordo com cada aplicação.
A previsão é que o Thomson seja incorporado ao Tabular Analysis em uma próxima atualização para escritórios de advocacia e departamentos jurídicos. A empresa também planeja levar versões do modelo para outras soluções das áreas jurídica e tributária.
O movimento acompanha uma nova etapa da corrida pela inteligência artificial corporativa. Depois de um período marcado principalmente pela busca por modelos cada vez maiores, empresas com grandes bases proprietárias de informação começam a explorar modelos especializados, mais controláveis e potencialmente mais baratos de operar. No caso da Thomson Reuters, a aposta é transformar décadas de conteúdo profissional em uma vantagem competitiva na construção de sistemas de IA voltados a atividades nas quais precisão, rastreabilidade e qualidade das fontes têm peso especialmente elevado.
