トムソン・ロイター、自社AIに約40億円 OpenAIやAnthropicに依存せず

自社AIモデルを公開、先行モデルとも互角

トムソン・ロイターは2026年8月24日、法律業務向けの自社開発AIモデル「Thomson」を発表しました。
OpenAIやAnthropicのモデルを借りるのではなく、自前で持つことに約4000万ドル（約64億円）を投じた判断です。
The Decoderが報じています。

モデルの土台はアリババのオープンソースモデル「Qwen」です。
ロンドンのインペリアル・カレッジと協力して安全性や倫理、政治的中立性を調整した中間版「Snowdon」を作り、そのうえで自社コンテンツでの事前学習と、法律の専門家による事後学習を行いました。
学習に使われたのは、同社が持つ膨大な法務データのうち10%未満です。

このニュースが重要なのは、法律という専門領域で「自前モデルでも最先端モデルに迫れる」という実例を示した点です。
同社のベンチマークでは、スタンフォード大学のLegalBenchでGemini 3.1 ProやGPT-5.5にわずかに及ばないものの、指示追従や法務ベンチマークの一部では先行モデルを上回りました。
ただし、コーディングや推論では大きく差を付けられています。

同社自身も、自社コンテンツにアクセスできる状態ではGPT-5.4と互角（0.83対0.82）でも、ウェブ検索だけではGPT-5.4の0.65に対し0.53と見劣りすることを認めています。
評価責任者のアンドリュー・ビーン氏は「ウェブアクセスだけでは他のモデルと同じ範囲内だが、リーダーではない」と述べています。

自前で持つ理由は「データ」と「複利効果」

なぜ微調整ではなく自社モデルなのか。
同社は3つの理由を挙げています。

1つ目はコストです。
標準的な微調整では汎用性能が下がりやすく、推論コストもベンダーに縛られるとしています。
高頻度で実行する文書レビューでは、小さい自社モデルの方が経済的に合うと判断しました。

2つ目はデータです。
自社ツールである「Westlaw」など内部環境で学習させるからこそ性能が上がるのであり、そのデータへのアクセスを外部に渡したくないとしています。

3つ目は複利効果です。
CTOのジョエル・フロン氏は「借家と持ち家」のたとえで説明しています。
製品アップデートのたびに行う専門家のレビューがそのまま学習データになり、自社モデルなら価値が蓄積する。
外部モデルではその価値がベンダーのものになって消えてしまう、という考え方です。

同社がこの戦略を採れるのは、独占的な法務データ、数百人規模の専門家、品質を客観評価できるワークフローの3つを同時に持つためです。
研究責任者のジョナサン・シュワルツ氏は「個々のモデルよりも、作る仕組み（モデル工場）を作ったことが大きい」と話しています。

まずは法務支援ツールの一部に搭載

実利用は、同社の法務AIツール「CoCounsel Legal」の表解析機能から始まります。
ここは小さく安いモデルが向く処理で、製品自体は複数モデルを切り替えられる構成です。
顧客データは学習に使わないとしています。

また、小規模版を非商用ライセンスでHugging Faceに公開予定です。
技術レポートや開発者向けポータルも後日公開されます。

「次に来る競争優位は、AIをどうオーケストレーションするか、どの知能を自前で持つべきかの判断」とフロン氏は言います。
これは自社データを持つ企業にとって、モデルを「借りる」か「買う」かの選択肢が現実になったことを示しています。