Thomson Reuters משיקה מודל AI משפטי לחיסכון בעלויות
Thomson Reuters משיקה את Thomson, מודל AI משפטי קנייני ראשון שלה, המבוסס על מודל סיני פתוח של Alibaba. במודל הושקעו 40 מיליון דולר, והוא יוטמע ביכולת Tabular Analysis של מערכת CoCounsel לעיבוד מסמכים, במטרה לחסוך את העלויות הגבוהות של שימוש במודלים חיצוניים כמו Claude.
בעולם ה-Legal Tech, שבו עלויות השימוש במודלי AI כלליים כמו Claude של Anthropic מרקיעות שחקים, Thomson Reuters מחליטה לשנות את המשחק. החברה, שידועה כספקית תוכן וטכנולוגיה מובילה למקצועות המשפט, השיקה השבוע את Thomson – מודל ה-AI הקנייני הראשון שלה, שתוכנן במיוחד לעבודה משפטית. המטרה? להפחית את התלות במודלים חיצוניים יקרים ולייעל תהליכים כמו סקירת מסמכים.
אז מה בעצם קרה כאן?
Thomson Reuters הודיעה רשמית על השקת מודל השפה הגדול הראשון שלה, שנקרא Thomson. המודל הזה לא נבנה מאפס, אלא מבוסס על מודל במשקלים פתוחים (open-weight) – במקרה זה, מודל Qwen של ענקית הטכנולוגיה הסינית Alibaba. החברה השקיעה כ-40 מיליון דולר במשך שנתיים בצוותים ובחישובים, אך ציינה שטכניקות יעילות הפחיתו את עלות האימון בפועל לכ-450,000 דולר בלבד. זה סכום זניח יחסית לעולם ה-AI, שבו חברות כמו OpenAI או Anthropic מוציאות מיליארדים על תשתיות.
המודל ישולב לראשונה ב-Tabular Analysis, יכולת לסקירת מסמכים בנפח גבוה בתוך עוזר ה-AI המשפטי CoCounsel של החברה. CoCounsel יישאר מוצר רב-מודלי, כלומר ישתמש ב-Thomson למשימות שבהן למודל הייעודי יש יתרון, ובמודלים חיצוניים מתקדמים למשימות אחרות. מנהלי מערכות יוכלו לבחור מודלים אחרים, אבל Thomson יהיה ברירת המחדל.
איך הם עשו את זה?
במקום לבנות מודל בסיס מאפס, Thomson Reuters התחילה ממודל פתוח והוסיפה לו את התוכן הקנייני, שיטות האימון והמומחיות המקצועית שלה. התהליך כלל יישור מחדש של המודל הבסיסי עם ערכי החברה, אימון מוקדם על התוכן שלה (כמו מאגר Westlaw, שכולל יותר מ-40,000 מסדי נתונים ו-150 שנות פרסום משפטי), ואימון מכוון בסיוע מומחים. מאות מומחי תוכן הגדירו מטרות אימון, יצרו דוגמאות לשאלות משפטיות ושפטו תגובות באמצעות השוואות עיוורות.
Joel Hron, ראש תחום ה-AI הגלובלי ב-Thomson Reuters, הסביר שהחברה לא מנסה להתחרות במעבדות ה-AI הגדולות בכל התחומים. ״Thomson צריך לקבוע את חזית האינטליגנציה למשפטים״, הוא אמר. ״זה תפקיד שונה מזה שרוב מעבדות החזית ממלאות״. Jonathan Schwartz, ראש המחקר הבסיסי, הוסיף שהצוות התמקד בלמידה מתמשכת – הוספת כישורים תחומיים מבלי למחוק יכולות קיימות.
למה זה חשוב לכם?
אם אתם עובדים בתעשיית ההייטק הישראלית, אתם מכירים את הלחץ להפחית את עלויות ה-AI. מודלים כמו Claude או GPT-4 יעילים, אבל יקרים לשימוש בקנה מידה גדול. Thomson Reuters מראה שאפשר לבנות מודל ייעודי, יעיל וחסכוני על בסיס פתוח, תוך שימוש בנתונים קנייניים. זו השקעה של כ-40 מיליון דולר, לעומת מיליארדים בתעשייה, והיא לא רק חוסכת כסף – אלא גם נותנת שליטה מלאה על המודל, ללא תלות בספקים חיצוניים.
השימוש במודל סיני פתוח (Qwen) מעניין במיוחד. בעולם שבו יש חששות מדלתות אחוריות במודלים סיניים, Thomson Reuters עבדה עם Imperial College בבריטניה כדי ״ליישר את המודל מבחינה אתית ופוליטית ולהפוך אותו לבטוח לשימוש״. Joel Hron ציין שאין שום גישה אחורית למודל מרגע העברתו ללקוחות.
מה הלאה?
Thomson Reuters כבר הרחיבה את שיתוף הפעולה שלה עם Anthropic במאי האחרון עבור CoCounsel, שעדיין מסתמך בעיקר על Claude. אבל המטרה היא להפוך את Thomson למודל שמניע חלק הולך וגדל מיכולות CoCounsel בעתיד. זה איתות לשוק: חברות גדולות מחפשות דרכים להפחית עלויות AI, ומודלים ייעודיים על בסיס פתוח יכולים להיות התשובה.
בסוף, בעולם שבו כל סטארטאפ מדבר על AI, Thomson Reuters מראה שלפעמים הפתרון הוא לא לבנות הכול מאפס, אלא להתחיל מבסיס קיים, להוסיף מומחיות ייחודית – ולחסוך מיליונים. מי היה מאמין שמודל סיני יכול לעזור למשרד עורכי דין בניו יורק?