Thomson Reuters lancia Thomson, il suo primo modello AI proprietario

Thomson Reuters, uno dei più grandi gruppi mondiali di informazione professionale, ha deciso di smettere di dipendere soltanto dai modelli di altri e di costruirne uno tutto suo. Il 24 agosto 2026 l’azienda ha presentato Thomson, il suo primo modello linguistico proprietario, un sistema addestrato sui decenni di contenuti giuridici, fiscali e normativi che compongono il suo patrimonio editoriale. Non è un modello generalista pensato per rispondere a qualsiasi domanda, ma uno strumento verticale, costruito per il lavoro di chi ogni giorno legge sentenze, contratti e circolari.

La mossa è più importante di quanto il nome sobrio lasci intendere, e vale la pena capire perché.

Cosa ha annunciato Thomson Reuters

Thomson, che l’azienda indica come versione 1.0, è un modello linguistico di grandi dimensioni domain-specific, cioè specializzato in un ambito preciso invece che generalista. È stato costruito partendo da una base open source e rifinito con tecniche avanzate di mid-training e post-training, la fase in cui un modello viene orientato verso compiti e comportamenti specifici. Se vuoi approfondire i meccanismi che stanno dietro a questo processo, trovi una spiegazione dettagliata nella nostra guida su come si addestra un modello di intelligenza artificiale.

Il cuore del progetto, però, sono i dati. Thomson è stato addestrato sui contenuti di Westlaw, Practical Law, Checkpoint e Reuters, cioè le banche dati giuridiche, di prassi legale, fiscali e giornalistiche che l’azienda cura e aggiorna da decenni. Secondo Thomson Reuters, per ora è stato usato meno del 10% dell’intera libreria di contenuti disponibili, un dettaglio che lascia intuire quanto margine di crescita abbia ancora il modello.

Non si tratta di un addestramento puramente automatico. Centinaia di esperti di materia, tra avvocati, fiscalisti e analisti, sono stati coinvolti lungo tutto il percorso, dalla definizione degli obiettivi di addestramento fino alle valutazioni finali sulla qualità delle risposte.

C’è poi il capitolo dei costi, ed è qui che la notizia diventa interessante per l’intero settore.

Thomson Reuters ha investito circa 40 milioni di dollari, tra talenti e potenza di calcolo, per costruire il modello. È una cifra rilevante, ma l’azienda tiene a sottolineare che rappresenta una frazione dei miliardi che i grandi laboratori di frontiera spendono per addestrare i loro sistemi. Puoi leggere i dettagli nel comunicato ufficiale di Thomson Reuters. Il messaggio implicito è chiaro: chi possiede dati di altissima qualità può ottenere risultati competitivi senza rincorrere la corsa agli armamenti sulla potenza di calcolo.

Perché un modello verticale e non i soliti generalisti

Per capire la logica di Thomson devi partire da un limite noto dei modelli generalisti. Strumenti come ChatGPT o Gemini, basati sulla stessa intelligenza artificiale generativa che ormai conosci, sanno fare un po’ di tutto. Nei domini altamente specialistici, però, dove un errore su una norma o una citazione può avere conseguenze concrete, la loro tendenza a inventare informazioni, le cosiddette allucinazioni, diventa un problema serio.

Un modello addestrato in modo mirato sui contenuti giuridici e fiscali parte con un vantaggio strutturale. Conosce il linguaggio del dominio, riconosce le fonti autorevoli e attinge a dati verificati invece che al mare indistinto del web.

Il vantaggio competitivo, in altre parole, non è più solo il modello. È il dato.

È la stessa scommessa che sta spingendo molte grandi organizzazioni verso l’AI specializzata. Nel settore bancario, per esempio, istituti come JPMorgan e Goldman Sachs stanno costruendo sistemi su misura per l’analisi finanziaria e la conformità normativa, proprio perché i modelli generici non bastano quando in gioco ci sono precisione e responsabilità. Ne abbiamo parlato nell’analisi su come l’AI viene usata nel settore bancario, dove emerge lo stesso schema: dati proprietari più modelli su misura uguale risultati affidabili.

Come debutta Thomson dentro CoCounsel Legal

Thomson non arriva come chatbot a sé stante, ma come motore che alimenta gli strumenti che i clienti già usano. Il debutto avviene dentro CoCounsel Legal, l’ecosistema di AI di Thomson Reuters dedicato ai professionisti del diritto, dove il nuovo modello va a potenziare la funzione di analisi tabellare.

Si tratta della cosiddetta Tabular Analysis, una capacità di revisione documentale ad alto volume che serve a estrarre informazioni strutturate da grandi quantità di documenti legali, per esempio decine di contratti da confrontare voce per voce.

Thomson diventa il modello predefinito per questa funzione, ma l’azienda ha lasciato aperta la porta: gli amministratori potranno passare a un altro modello dalle impostazioni di CoCounsel Legal. E questa flessibilità non è un dettaglio marginale.

CoCounsel, infatti, resta un prodotto multi-modello. Thomson Reuters userà il proprio sistema dove il modello verticale ha un vantaggio concreto e continuerà ad appoggiarsi ai modelli di frontiera di terze parti per gli altri compiti. Le valutazioni interne dell’azienda, comunque, collocano Thomson alla pari con i migliori modelli di frontiera più recenti su una serie di attività, un risultato notevole per un progetto costato una frazione del budget dei colossi.

Una versione ridotta su Hugging Face

Accanto al modello commerciale, Thomson Reuters ha annunciato che renderà disponibile una versione più piccola di Thomson su Hugging Face, la principale piattaforma per la condivisione dei modelli AI, destinata a un uso accademico e non commerciale.

È una scelta che strizza l’occhio alla comunità di ricerca. Permette a università e studiosi di sperimentare un modello nato da dati professionali di alta qualità, un tipo di materiale a cui raramente si accede in forma così strutturata, e allo stesso tempo rafforza la reputazione dell’azienda come attore serio nell’ecosistema dell’AI aperta.

Cosa cambia per il mercato e per i professionisti

La nascita di Thomson racconta una tendenza più ampia che vale la pena tenere d’occhio. Nel giro di pochi mesi diversi giganti dei dati hanno smesso di considerarsi semplici clienti dei laboratori di AI e hanno iniziato a comportarsi da protagonisti, trasformando i propri archivi in modelli veri e propri.

Per gli studi legali e le società di consulenza il cambiamento è concreto. Significa strumenti più accurati, meno risposte inventate e output ancorati a fonti che i professionisti riconoscono e di cui si fidano. In un mestiere dove ogni affermazione va poi verificata a mano, ridurre gli errori si traduce direttamente in tempo risparmiato.

Resta però un nodo che in questi ambiti non si può ignorare, quello della governance dei dati e della riservatezza delle informazioni trattate. Le aziende che adottano questi strumenti devono muoversi dentro un quadro di regole preciso, come mostrano le linee guida del Garante Privacy sull’uso dell’AI generativa nelle aziende. Un modello più accurato non elimina la responsabilità di chi lo usa, la rende semmai più esigente.

C’è infine la partita competitiva. Con un modello proprietario, Thomson Reuters si mette in diretta concorrenza con le startup della legal tech che negli ultimi anni hanno provato a insidiarne il mercato, ribaltando i ruoli: non più un fornitore di contenuti che compra tecnologia, ma un’azienda tecnologica che possiede i contenuti migliori.

Un segnale per ogni settore che vive di conoscenza

Con Thomson, Thomson Reuters manda un messaggio chiaro al mercato: nell’era dell’AI, chi possiede dati verticali di valore ha una carta da giocare che nemmeno i modelli più potenti riescono a replicare. Non è detto che questa strategia funzioni per chiunque, perché richiede archivi di qualità, competenze interne e la volontà di investire, ma la direzione ormai è tracciata e riguarda ogni settore che vive di conoscenza specializzata.

Se lavori con dati, documenti o competenze di nicchia, questa notizia ti riguarda più di quanto pensi. Continua a seguire i nostri approfondimenti sull’AI applicata al mondo professionale e prova a chiederti quali dei tuoi dati potrebbero diventare, un domani, il tuo modello su misura.