トムソン・ロイターが法律特化LLM「Thomson」発表：CoCounselに導入

特化型AIを作るために、ゼロから数億ドルを投じて基盤モデルを事前学習する必要はあるのか。

大手情報サービスのトムソン・ロイターがその現実的な答えを示しました。同社は8月24日、法律業務に特化した初の独自大規模言語モデル「Thomson」を発表しました。同社の法律AIアシスタント「CoCounsel」の大量文書レビュー機能「Tabular Analysis」のデフォルトモデルとして投入されます。

注目すべきはそのコスト構造です。同社はこのプロジェクトに2年間で人件費と計算資源を合わせて約4000万ドルを投じましたが、最終的なトレーニングの実行コスト自体は約45万ドルに抑えられました。

150年の法的蓄積とオープンモデルの融合

トムソン・ロイターは大手AIラボと全方位で競合する道を選びませんでした。公開されているオープンウェイトのモデルをベースに採用し、そこに自社独自の法律コンテンツ、専門家の知見、そしてファインチューニングを重ねる手法をとっています。

同社の最大の強みは、150年以上の歴史と4万件以上のデータベースを誇る主力プラットフォーム「Westlaw」です。数百人の法律専門家が訓練目標の策定やサンプル作成、ブラインドテストでの評価に関わりました。さらに強化学習を通じて、WestlawやPractical Lawといった業務ツールをモデル自身が使いこなせるよう調整されています。

同社の上級研究員Andrew Bean氏によると、これまでに使用されたのは全情報資産の約10％に過ぎません。それでも社内テストでは、自社コンテンツに接続した場合、回答の完全性や出典の正確さにおいて主要なフロンティアモデルと同等か、わずかに上回る性能を示したとしています。

顧客データは学習に使用されておらず、CoCounsel自体も他社製フロンティアモデルと併用できるマルチモデル構成を維持します。今後、Hugging Face上で非商用学術ライセンスの軽量オープン版を公開するほか、外部向けAPIの提供も準備されています。

なぜ重要か

私たちは、この取り組みがバーティカル（業界特化型）AIの極めて賢明な生存戦略を示していると考えます。

汎用モデルの性能向上をゼロから追うのではなく、基底層はオープンコミュニティの成果に任せ、差別化のコアを「150年分の検証済みデータ」と「ツール連携」に絞り込みました。最終学習コストを45万ドル程度に抑えられたことで、今後より優秀なオープンベースモデルが登場した際も、低コストで乗り換えて再学習することが可能になります。

弁護士や企業の法務担当者にとって、法的な調査や契約レビューにおける最大の懸念はハルシネーション（幻覚）と架空の判例引用です。Westlawの確固たる判例・解説に直結したモデルであれば、裏取りにかかる手間を大幅に減らせる可能性があり、大量文書の精査業務なら今すぐ試す価値があると言えます。

ただし懸念点もあります。AI責任者のJoel Hron氏自身が認めるように、急速に進化する大手AIラボの汎用知能に追従し続けられるかという課題です。汎用モデルの推論能力がさらに桁違いに向上した場合、独自モデルを自前で維持し続けるコストが見合うかは議論が分かれるところです。また、今回の性能評価はまだ第三者による検証を十分に受けていないため、今後公開される学術向けモデルや技術レポートの精査が待たれます。