Thomson Reutersの自社AIは、記事ではなく検証工程から働き始める

2026年8月24日、Thomson Reutersは自社の大規模言語モデル「Thomson」を発表した。公開モデルを土台に、4000万ドルを投じて訓練したという。

Reutersを抱える情報企業の自社AIと聞くと、記事生成を想像しやすい。だが最初に入るのは、法律文書を表で検証する仕事だ。変化の中心は、資料、専門家、評価を一つの運用としてモデルへ戻すことにある。

自社モデルは、Reutersの記事を書くために始まったのではない

最初の配備先は、法律業務支援サービス「CoCounsel Legal」である。大量の文書から指定項目を抜き出し、表で比べる機能にThomsonを使う。記事を広く生成するより、正解を資料へ戻って確かめられる仕事を選んだ。

出発点は外部モデルだった。GPT-4で動くCoCounselを持つCasetextを、同社は2023年に買収した。価格は6億5000万ドルである。当時の方針は、自社開発、提携、買収を組み合わせることだった。

今回はそこへ、自社で所有・管理するモデルが加わった。ただし、全面的な置き換えではない。同社は仕事ごとに最適なモデルを選ぶ「複数モデル」の設計を続ける。外部AIを借りるか、自前でつくるかという二択ではないのだ。

以前は、外部モデルへ自社資料を検索させることが主な差だった。今は、どの資料で学ばせ、誰が正しさを決め、どの仕事へ使うかまで自社で動かせる。情報の保有が、モデルの制御へ一段深く入った。

Thomsonは、同社が持つ専門情報で追加訓練された。法律分野ではWestlawとPractical Lawを使った。税務のCheckpointとReutersの報道も対象である。さらに数百人の専門家が、訓練目標と評価づくりへ入ったと同社は説明する。

同社内の評価では、専門家が作成した法律調査53問を使った。回答中の主張を引用元で確かめる「事実性」は0.83。比較した外部の先端モデルは、公開ウェブを使える条件で0.65と0.68だったという。これは回答の網羅性ではなく、各主張の出典が実際に支えるかを測った数字だ。

ただし、比較条件の全容を示す技術報告はまだ公開されていない。数値は同社の自己評価であり、独立した再現も確認できない。高い性能を断定する材料ではなく、同社が何を正解として設計したかを見る材料である。

ここで価値を持つのは、資料の量だけではない。資料を整え、専門家の判断を一貫した信号にし、同じ試験で更新を比べる工程までが資産になる。AI時代に文脈が重要になる理由も、モデルへ渡せる形にして初めて実装へ進む。

Thomson Reutersは、一般的な質問回答ではなく、出典を確認できる大量文書の表分析から始めた。自社AIを検討するなら、まず反復が多く、正誤を資料で判定できる一工程を選ぶ。所有の効果は、用途が狭いほど測りやすい。

独自資料だけでは差にならない。今回の実装には、数百人の専門家と評価工程が入った。自社の情報資産を棚卸しするときは、答えの根拠を示せるか、誤りを誰が直すか、更新前後を同じ条件で比べられるかまで問いたい。

Thomsonを持った後も、CoCounselは複数モデルを使い分ける。機密性、検証可能性、費用、更新速度によって、外部モデルと自社モデルの境界は変わる。企業が生成AI利用を開示する範囲と同様に、モデル名より先に判断責任を決める必要がある。