Thomson Reuters sätter egen AI-modell i CoCounsel

Thomson Reuters börjar använda en egen specialtränad AI-modell i CoCounsel, företagets AI-tjänst för juridiskt och professionellt arbete. Modellen heter Thomson och går i produktion under augusti för dokumentgranskning där många filer ska behandlas på ett strukturerat sätt.

Thomson är inte byggd helt från grunden. Företaget utgår från öppna modellvikter och skriver att den nuvarande basen är Snowdon, en modell från ett forskningssamarbete med Imperial College London. Thomson Reuters har sedan fortsatt träningen med eget material och egna utvärderingar.

Mindre än tio procent av företagets samlade innehåll har använts hittills. Material från bland annat Westlaw, Practical Law, Checkpoint och Reuters News har valts ut, medan jurister och andra ämnesexperter har byggt detaljerade bedömningsmallar för svaren.

Företaget uppger att modellen redan används brett internt. Den första produktionsanvändningen i CoCounsel gäller dokumentgranskning med stora volymer. Integration i fler juridik- och skatteprodukter ska följa, men Thomson Reuters anger ingen fullständig tidsplan.

Thomson Reuters redovisar starka resultat mot flera stora generella AI-modeller. Jämförelserna bygger på företagets egna tester och ska därför inte läsas som en oberoende bekräftelse. En fullständig teknisk rapport är fortfarande utlovad.

Beskedet innehåller inget separat pris för Thomson, ingen offentlig lista över länder och ingen möjlighet för vanliga användare att hämta modellen. Det är alltså en modell som börjar arbeta bakom vissa CoCounsel-funktioner, inte en fristående AI-tjänst som har släppts brett.

För andra verksamheter är den viktiga lärdomen inte att alla behöver träna en egen modell. Thomson Reuters visar i stället hur ett företag kan kombinera öppna modellvikter med eget innehåll, ämnesexperter och uppgiftsspecifika tester när generella modeller inte räcker.

Därför spelar det roll

Företag med stora kunskapsarkiv kan få mer kontroll över kvalitet och beroenden genom en specialtränad modell. Samtidigt kräver arbetet tydliga rättigheter till materialet, experter som kan bedöma svaren och tester som speglar verkliga uppgifter. En egen modell gör inte juridiska svar automatiskt korrekta.

Det här kan du göra

1. Börja med en avgränsad uppgift där den egna kunskapen verkligen gör skillnad, inte med ett mål om att ersätta alla generella modeller.
2. Kontrollera rättigheter, sekretess och åtkomst innan internt material används för träning eller utvärdering.
3. Låt ämnesexperter bygga tydliga bedömningsmallar och ett separat testmaterial som modellen inte har tränats på.
4. Jämför kvalitet, källstöd, svarstid och faktisk kostnad mot den lösning ni redan använder.
5. Behåll mänsklig granskning när ett fel kan påverka avtal, skatt, rättigheter eller andra viktiga beslut.