「汎用AIにデータを渡すだけ」では専門業務をこなせない？ トムソン・ロイターが独自LLM「Thomson」を構築した理由：オープンウェイトと自社データで実現するソブリンAI

ロイター通信を傘下に持つThomson Reutersは、自社開発した大規模言語モデル「Thomson」を発表した。推論コストを抑えつつも、高い専門性と完全なデータ制御を実現したという。同社のアプローチに迫る。

[＠IT]

　ロイター通信を傘下に持ち、法務・税務の巨大データベースを保有する情報サービス大手Thomson Reutersは2026年8月24日（カナダ時間）、自社開発した初の大規模言語モデル（LLM）「Thomson」を発表した。

　最先端モデルの開発に数十億ドルや数年の歳月が費やされる中、同社はオープンウェイトモデルを出発点とする別の道を採ったという。

　人材と計算資源を合わせて4000万ドル（約63億6000万円〈1ドル＝約159円の為替レートで換算〉）を投じ、最も重要な業務に適したモデルになるようトレーニングを実施。結果として、フロンティアモデルのような重い推論コストを負わず、同社が完全に制御できる「Fiduciary-Grade」（専門家が負うべき信認の水準）のモデルを低コストで構築できたとしている。

　Thomson ReutersのCTO（最高技術責任者）ジョエル・フロン氏は、「AI企業は長らく『規模』を答えにしてきたが、Thomsonは別の道があることを示している。強力な基盤から始めて専門化させれば、はるかに効率的で完全に制御可能な知能を構築できる。これは専門職向けAIの経済性を変えるものだ」と述べている。

数十年分の自社コンテンツと数百人の専門家がトレーニングに関与

　Thomsonはオープンウェイトモデル「Qwen3.6-35B-A3B」派生の基盤を出発点としている。「価値観のアライメント」「独自知識の注入」「行動・スキルの強化」の3ステージを経て、19兆トークン超のデータから厳選された2000億トークン分の自社コンテンツを取り込んだ。

　目標設計から最終的な評価まで、数百人の分野専門家が関与し、「Westlaw」「Practical Law」「Checkpoint」とReutersが数十年にわたり蓄積してきた知見を活用した。なお、学習に使用されたのは保有コンテンツの10％未満にとどまり、今後も独自のデータ資産とノウハウを活用した開発を進める方針だという。

　Thomson ReutersのCEO（最高経営責任者）スティーブ・ハスカー氏は、「Thomsonは、数十年分の独自コンテンツと編集の専門性の上にAIを構築したときに何が可能になるかを証明している。初期評価では、最新フロンティアモデルと同等の水準にあり、AIリーガルアシスタント『CoCounsel Legal』を皮切りに、ソブリンAIの選択肢を広げていく」と述べている。

専門職が求める「AI主権」への解答

　モデルがどのようにトレーニングされ、どのような振る舞いやバイアスを内包し、どこで動き、自分たちの情報のプライバシーがどう守られるのかというAI主権への関心が高まる中、Thomsonは、外部依存からの脱却を意味する。同モデルは専門的な指示追従能力や、複雑な専門文書を読み解く推論力でベースモデルから明確な向上を見せたという。

　同社は取り組みを通じて「最も高性能な汎用（はんよう）モデルなら、適切なコンテンツにアクセスできさえすれば専門家の水準で動作する」という一般的な想定に異を唱える。強力な基盤に対して独自データによるトレーニングと人間の専門知識を直接適用することで、コンテンツへのアクセスだけでは得られない向上が生まれるとしている。

　発表に先立ち、法学やAIの研究者コミュニティーへモデルの提供を開始して評価を進めており、今後も外部検証と改善を継続する方針だ。また学術・非商用利用を支援するため、350億パラメーター規模のオープンウェイトモデル「Thomson-1.0-Small」を「Hugging Face」で公開している。