매출 가속화 속 자체 AI 모델 구축에 나선 Thomson Reuters

Thomson Reuters는 분기 매출이 9% 증가한 뒤, 처음으로 상용화 준비를 마친 자체 AI 모델을 CoCounsel에 도입하고 있다. 이 시점은 Google News를 통해 확산된 헤드라인이 시사하는 것보다 더 뚜렷한 긴장을 만들어낸다. 이 회사는 단순히 또 하나의 AI 기능을 추가하는 것이 아니다. 권위 있는 전문 콘텐츠가 최첨단 AI 연구소가 제공하는 모델에 대한 의존도를 낮출 수 있는지 시험하고 있다.

Thomson이라 불리는 이 모델은 우선 CoCounsel Legal 내 대량 문서 검토 기능인 Tabular Analysis를 구동하게 된다. Thomson Reuters는 2026년 8월부터 이 이전을 시작할 것으로 예상한다. 회사 경영진은 이 모델이 외부 대안보다 지연 시간과 운영 비용이 낮다고 말하지만, 비교 결과는 독립적으로 검증되지 않았다.

이는 OpenAI, Anthropic, Google 또는 다른 모델 제공업체를 영구적인 기반으로 여기는 소프트웨어 공급업체들과는 다른 길이다. 이 회사는 여전히 외부 모델을 사용하며, CoCounsel도 다중 모델 제품으로 유지된다. 그러나 Thomson은 일반적인 대화 범위보다 법률 지식, 예측 가능한 비용, 고객 통제가 더 중요한 일부 업무에서 자체 보유 대안을 제공한다.

Thomson Reuters가 실제로 바꾼 것

Thomson Reuters는 자체 모델을 연구 프로젝트에서 상용 인프라로 전환했다.

회사는 Thomson Reuters Labs와 Safe Sign Technologies의 팀을 통합한 뒤 Thomson의 첫 상용화 준비 버전을 완성했다. Thomson Reuters는 2024년 법률 특화 언어 모델 개발사인 Safe Sign을 인수했다. 이 인수는 오픈소스 모델 기반을 전문 법률 업무에 맞게 조정하는 전문성을 제공했다.

Thomson은 모든 가능한 소비자 과제가 아니라 특정 분야에 학습과 평가를 집중하는 도메인 특화 대규모 언어 모델이다. 회사는 Westlaw, Practical Law, Reuters의 전문가 선별 자료와 변호사 편집자 및 실무 전문가의 의견을 활용했다고 밝혔다.

Thomson Reuters는 이 모델에 약 4,000만 달러를 투자했으며, 법률 콘텐츠의 10% 미만으로 학습시켰다. Steve Hasker 최고경영자는 투자자들에게 내부 벤치마킹에서 Thomson이 광범위한 일반 과제 전반에서 주요 최첨단 모델에 근접했다고 말했다. 그는 법률 평가에서도 강력한 성과를 보였다고 덧붙였다.

이러한 주장은 신중한 출처 표기가 필요하다. 회사는 외부인이 전체 비교를 재현할 수 있을 만큼 충분한 정보를 공개하지 않았다. 사용된 모든 기반 모델, 테스트 세트, 채점 방식, 운영 제약 조건도 공개하지 않았다.

따라서 중요한 변화는 주장된 벤치마크 승리가 아니다. 실제 고객 워크플로에 Thomson을 배포하기로 한 결정이다. 회사의 실적 발표 기록에 따르면 Tabular Analysis가 첫 번째 의미 있는 상용 테스트가 될 예정이다.

Tabular Analysis는 문서 그룹 전반의 정보를 검토하고 결과를 구조화된 형식으로 정리한다. 변호사들은 계약 조항을 비교하거나, 증거를 검토하거나, 문서 컬렉션 전반에서 반복되는 조항을 찾을 때 이 기능을 활용할 수 있다.

이 과제는 Thomson Reuters에 제한된 출발점을 제공한다. 결과물은 원본 문서와 대조해 확인할 수 있고, 속도와 추론 비용은 기존 시스템과 비교해 측정할 수 있다. 광범위하고 개방형인 법률 어시스턴트 내부의 오류보다 실패 원인을 진단하기도 쉬울 것이다.

경영진은 첫 배포를 평가한 뒤 CoCounsel의 추가 기능을 Thomson으로 이전하는 방안을 검토할 것이라고 밝혔다. 모든 외부 모델을 즉시 대체할 계획은 아니다. Hasker는 CoCounsel이 이미 잘 작동하고 있음을 인정하면서 불필요한 혼란을 피하고 싶다고 말했다.

이러한 신중한 단계적 도입은 중요하다. 이 이야기는 Google News를 통해 자체 모델 출시로 널리 알려졌지만, 운영상의 현실은 더 제한적이다. Thomson Reuters는 일부 워크로드의 단계적 이전을 시작하는 것이며, 더 폭넓은 도입은 실제 운영 결과에 달려 있다.

이 배포는 대형 로펌에도 새로운 선택지를 제공한다. Hasker는 로펌이 자체 보호 정보를 함께 활용해 Thomson 버전을 운용할 수 있는 환경을 논의하고 있다고 말했다. 그러면 CoCounsel은 이 결합된 지식 계층 위에서 작동할 수 있다.

이러한 방식은 때때로 소버린 AI로 설명된다. 이 맥락에서 이 용어는 로펌이 데이터, 모델 환경, 운영 정책을 더 강하게 통제한다는 뜻이다. 외부 소프트웨어, 인프라 또는 지속적인 공급업체 지원 없이 시스템이 작동한다는 의미는 아니다.

증가하는 매출이 AI 전략에 여유를 제공한다

회사는 고립된 실험 예산이 아니라 성장하는 구독 사업으로 모델 전략을 뒷받침하고 있다.

Thomson Reuters는 2분기 매출 19억5,400만 달러를 보고했으며, 이는 1년 전 17억8,500만 달러와 비교된다. 총매출은 9% 증가했고 유기적 매출은 8% 성장했다. 반복 매출도 9% 늘었으며 분기 매출의 82%를 차지했다.

Legal Professionals, Corporates, Tax, Audit and Accounting Professionals 부문은 회사가 Big 3라고 부르는 사업군을 구성한다. 이 부문들은 분기 중 16억2,000만 달러의 매출을 올렸고 회사 전체의 83%를 차지했다.

Big 3의 유기적 매출은 10% 증가했다. Legal Professionals는 7억7,200만 달러의 매출을 기록했으며, 보고 기준과 유기적 기준 모두 10% 증가했다. Thomson Reuters는 Westlaw와 CoCounsel을 반복 법률 매출 성장의 주요 기여 요인으로 지목했다.

Corporates 매출은 5억3,700만 달러에 도달했고, Tax, Audit and Accounting Professionals는 3억1,100만 달러를 기여했다. 분기 실적은 세 부문 모두의 성장을 보여주지만, 각 부문의 매출 구성과 계절성 패턴은 다르다.

영업이익은 28% 증가한 5억5,800만 달러를 기록했다. 조정 EBITDA는 10% 늘어난 7억4,500만 달러였고, 조정 EBITDA 마진은 37.8%에서 38.1%로 상승했다. 잉여현금흐름은 29% 증가한 7억2,700만 달러였다.

이 수치가 생성형 AI가 해당 분기의 전체 성장을 이끌었다는 것을 입증하지는 않는다. Westlaw, 거래 관련 제품, 인수, 해외 사업, 세무 소프트웨어와 기타 기존 서비스도 기여했다. Thomson Reuters는 CoCounsel의 정확한 영향을 분리할 수 있을 만큼 제품별 매출 정보를 공개하지 않는다.

그럼에도 이 결과는 회사의 AI 전환을 둘러싼 한 가지 우려를 약화시킨다. Thomson Reuters는 핵심 전문 사업이 축소되는 상황에서 제품 기반을 재구축하려는 것이 아니다. 매출 성장과 반복 구독은 즉각적인 독립형 모델 판매에 의존하지 않고 새 아키텍처를 시험할 시간을 제공한다.

경영진은 연간 전망을 총매출 및 유기적 매출 성장률 약 8%로 상향했다. Big 3의 예상 유기적 성장률도 9.5%~10% 범위로 올렸다.

회사의 포트폴리오 변화도 이 우선순위를 강화한다. Thomson Reuters는 KKR 자문 펀드가 지배하는 합작회사에 Global Print 사업 지분 51%를 매각하기로 합의했다. 거래가 종결되면 약 5억 달러의 총수익을 예상한다.

Global Print 매출은 분기 중 3% 감소한 반면, 전문 소프트웨어 부문은 확대됐다. 인쇄 사업의 지배권을 합작회사로 이전함으로써 Thomson Reuters는 콘텐츠 기반 소프트웨어와 AI에 경영진의 관심 및 투자를 집중할 수 있다.

이것이 실적 이야기의 핵심적인 반전이다. 출판사와 정보 제공업체는 처음에는 생성형 AI의 유력한 피해자로 여겨졌다. 모델이 이들의 자료를 요약하고, 전통적인 검색 트래픽을 약화시키며, 정보 소유자와 고객 사이에 대화형 인터페이스를 놓을 수 있기 때문이다.

대신 Thomson Reuters는 축적된 콘텐츠를 모델의 차별화된 입력 요소로 만들려 하고 있다. 구독형 리서치 제품을 뒷받침했던 동일한 법률 컬렉션이 AI 시스템의 학습, 근거 제공, 평가 자산이 될 수 있다.

회사는 기존 제품을 포기하지 않는다. 범용 어시스턴트가 전문 업무 흐름을 장악하기 전에, 이들 제품의 권위를 새로운 인터페이스로 옮기려는 것이다.

기업 구매자에게 매출 맥락은 Google News의 눈에 띄는 헤드라인보다 더 중요하다. 이는 Thomson이 관심을 끌기 위한 일시적 시연이 아니라 반복 수익에 뒷받침된 지속적인 제품 전환의 일부임을 시사한다.

Thomson AI, 최첨단 모델 의존도에 도전하다

핵심 경쟁은 Thomson과 특정 AI 연구소의 대결이 아니다. 자체 보유 도메인 인프라와 외부 최첨단 모델에 대한 영구적 의존의 대결이다.

대부분의 기업용 AI 제품은 실용적인 지름길에서 출발했다. 공급업체들은 검색 증강 생성, 즉 RAG를 통해 유능한 범용 모델을 자체 데이터에 연결했다. RAG는 질의 시점에 관련 원본 자료를 찾아 답변이 생성되기 전에 모델에 제공한다.

이 접근법은 여전히 유용하다. 소프트웨어 제공업체는 완전한 학습 프로그램에 자금을 대지 않고도 대형 모델 연구소가 이룬 개선의 혜택을 받을 수 있다. 또한 인용을 유지하고 답변을 승인된 정보로 제한할 수도 있다.

그러나 외부 모델에 대한 의존은 전략적 한계를 초래한다. 제공업체는 모델 변경, 추론 가격, 가용성, 지연 시간 또는 향후 접근 조건을 완전히 통제하지 못한다. 또한 경쟁업체가 유사한 기반 지능에 접근할 수 있을 때 자사 제품을 차별화해야 한다.

Thomson Reuters는 이미 외부 모델과 협력하고 있으며, Thomson을 즉각적인 범용 대체재로 제시하지 않는다. 회사는 오픈소스 기반 모델을 선택하고 신중하게 선별한 전문 자료로 이를 조정하는 데서 우위가 나온다고 말한다.

경영진은 데이터 품질이 더 적은 학습 예산을 보완할 수 있다고 주장한다. Hasker는 약 4,000만 달러의 투자와 법률 콘텐츠의 10분의 1 미만으로도 경쟁력 있는 내부 결과를 달성했다고 말했다.

이 주장은 전략으로서는 그럴듯하지만, 아직 일반 원칙으로 확립되지는 않았다. 특화 모델은 모든 질문에 대해 최첨단 모델보다 더 나은 답변을 제공할 필요가 없다. 전체 애플리케이션을 개선할 만큼 충분히 정확하고, 빠르며, 저렴하게 선택된 전문 업무를 수행하면 된다.

Thomson Reuters에서 이 애플리케이션에는 권위 있는 검색, 워크플로 로직, 법률 인용, 사용자 권한, 문서 처리, 감사 가능성이 포함된다. 모델은 하나의 계층일 뿐이다.

이 지점에서 회사의 위치는 신규 법률 AI 스타트업과 다르다. Thomson Reuters는 이미 Westlaw, Practical Law, 그리고 대규모 편집자 및 분야 전문가 네트워크를 통제하고 있다. 또한 로펌, 기업 법무 부서, 세무팀, 회계 업무에 내장된 제품을 통해 유통망을 확보하고 있다.

그렇다고 이 회사가 경쟁에서 자유로운 것은 아니다. Anthropic의 Claude for Legal 확장은 최첨단 모델 개발업체가 전문 고객에게 더 가까이 다가갈 수 있음을 보여준다. Harvey와 Legora 같은 법률 AI 기업도 외부 모델을 중심으로 인터페이스, 워크플로, 로펌 통합을 구축하고 있다.

LexisNexis 역시 자체 법률 콘텐츠, 전문 유통망, AI 제품을 보유하고 있다. 대형 로펌은 상용 모델과 비공개 업무 산출물을 결합한 내부 시스템을 구축할 수도 있다.

따라서 위협은 여러 방향에서 오지만, 모두 같은 압박을 만든다. Thomson Reuters는 더 많은 모델 계층을 직접 보유하는 것이 고객이 체감할 수 있는 이점을 만든다는 점을 보여줘야 한다. 내부 비용 절감만으로는 변호사가 도구를 바꾸도록 설득할 수 없다.

회사는 Thomson이 요청과 응답 사이의 지연 시간인 레이턴시를 줄일 것으로 기대한다. 에이전트가 여러 순차적 작업을 수행할 때 이점은 중요하다. 작은 지연도 20~30단계에 걸쳐 반복되면 워크플로를 답답하게 만들 수 있다.

사용량이 늘어나면 추론 비용에 대한 통제력도 중요해질 수 있다. 가끔 리서치에 쓰이는 AI 어시스턴트와 수천 건의 문서를 검토하거나 반복적인 컴플라이언스 업무를 수행하는 에이전트는 비용 구조가 다르다.

Thomson Reuters에 따르면 CoCounsel은 이미 사용자 100만 명을 넘어섰다. 경영진은 상호작용 수와 세션 지속 시간이 계속 늘고 있다고 말했지만, 활성 사용자 비율이나 모델 단위 경제성은 공개하지 않았다.

참여도가 높아지면 모델 비용은 전략적 문제가 된다. 추가 작업 하나하나가 컴퓨팅 비용을 발생시킨다. 적합한 업무를 더 낮은 비용으로 수행하는 자체 모델은 더 폭넓은 사용을 허용하면서도 마진을 보호할 수 있다.

그 대가는 유지보수다. Thomson Reuters는 모델을 계속 개선하고, 새로운 오픈소스 기반 모델을 평가하며, 데이터 파이프라인을 보호하고, 다른 곳에서의 빠른 발전에 대응해야 한다. 모델 소유는 한 형태의 의존성을 지속적인 엔지니어링 의무로 바꾼다.

Thomson Reuters 벤치마크가 보여주지 않는 것

내부 평가 결과는 고무적인 근거이지만, 투명한 프로덕션 측정을 대체할 수는 없다.

Thomson Reuters는 Thomson이 광범위한 일반 작업에서 선도적인 프런티어 모델과 대등한 성능을 낸다고 말한다. 또한 강력한 법률 성능, 더 낮은 레이턴시, 의미 있게 낮은 비용을 보고했다.

회사는 방향성을 보여주는 결과를 공개했지만, 독자는 세 가지 질문을 구분해야 한다. 통제된 평가에서 Thomson은 어떤 점수를 받았는가? CoCounsel 내부에서 얼마나 신뢰성 있게 작동하는가? 고객은 경쟁 시스템보다 더 나은 결과를 얻는가?

첫 번째 질문에만 회사의 예비 답변이 있다. 두 번째는 Tabular Analysis를 통해 시험되고 있다. 세 번째는 시간이 지나며 비교 가능한 사용량, 유지율, 정확도, 구매 근거를 필요로 한다.

법률 AI 벤치마킹은 특히 어렵다. 일반적인 공개 테스트가 전문 업무를 거의 재현하지 못하기 때문이다. 모델은 법률 규칙을 정확히 식별할 수 있어도 관할권, 소송 절차상 위치, 예외 또는 이후의 판례를 고려하지 못할 수 있다.

긴 문서는 또 다른 문제를 만든다. 모델은 많은 양의 텍스트를 받아들일 수 있지만, 그 안에 묻힌 결정적 문구를 여전히 놓칠 수 있다. Thomson Reuters는 법률 업무에 방대한 기록이 수반될 때 특히 긴 컨텍스트 성능을 평가하는 과제에 대해 이전에도 논의한 바 있다.

회사의 독점 테스트는 공개 벤치마크보다 실제 업무를 더 잘 반영할 수 있다. 그러나 독점 평가는 외부 검증도 제한한다. 고객은 선택된 테스트가 Thomson의 학습 데이터나 제품 설계에 유리한지 독립적으로 판단할 수 없다.

Thomson Reuters 콘텐츠로 학습하는 일은 추가적인 질문을 낳는다. 회사는 방대한 법률 및 전문 데이터 컬렉션을 보유하고 있지만, 더 많은 콘텐츠가 자동으로 비례적인 개선을 만들지는 않는다. 데이터는 정제, 구조화, 가중치 조정, 업데이트를 거쳐 관할권별 메타데이터와 연결돼야 한다.

Thomson Reuters는 법률 도메인 적응을 위해 DatologyAI와 협력했으며, 법률 추론, 검색, 다운스트림 작업에서 개선이 있었다고 보고했다. 파트너의 데이터 큐레이션 사례는 제한된 데이터와 컴퓨팅 예산으로 더 나은 결과를 აღწ한다. 다만 이 설명 역시 프로젝트에 참여한 기업들이 제공한 것이다.

프로덕션 사용은 더 어려운 사례를 드러낼 것이다. 변호사는 일관성 없는 계약서, 불완전한 기록, 스캔 문서 또는 비공개 템플릿을 업로드할 수 있다. 시스템은 권위 있는 법률과 고객 자료를 구분하고, 각 결론을 뒷받침하는 출처를 명확히 보여줘야 한다.

CoCounsel의 새롭게 구축된 에이전틱 인터페이스는 작업 과정을 보여주도록 설계됐다. 에이전틱 AI는 하나의 프롬프트에 하나의 응답을 반환하는 대신, 목표를 향해 일련의 행동을 계획하고 실행하는 소프트웨어를 뜻한다.

Hasker는 사용자가 CoCounsel 작업 중 생성된 단계, 인용, 참고 자료를 검토할 수 있다고 말했다. 전문가는 최종 결과에 의존하기 전에 중간 결정을 검토하고 이의를 제기할 수 있기 때문에 이러한 투명성은 가치가 있다.

그러나 눈에 보이는 추론 단계가 정확성을 보장하지는 않는다. 잘 정리된 과정에도 이후 모든 것을 좌우하는 초기 분류 오류가 있을 수 있다. 인용은 실제일 수 있지만, 그것에 연결된 명제를 뒷받침하지 못할 수도 있다.

따라서 인간 검토는 여전히 제품 가치 제안의 일부다. Thomson Reuters는 자사 접근법을 권위, 감사 가능성, 보안, 책임 있는 전문적 사용을 강조하는 회사 정의 기준인 “fiduciary-grade AI”라고 부른다.

이 라벨을 독립적인 인증으로 오해해서는 안 된다. 구매자는 오류율, 출처 범위, 접근 제어, 로깅, 보존 관행, 에스컬레이션 절차를 포함해 자신의 위험 요건에 연결된 근거를 필요로 한다.

이러한 시스템을 고려하는 기업에는 지속 가능한 지식 계층도 필요하다. 어떤 모델이든 신뢰성 있게 검색하려면 사건 기록, 내부 지침, 이전 업무 결과가 먼저 체계적으로 정리돼 있어야 한다. 검색 가능한 지식 기반은 인상적인 모델 시연과 신뢰할 수 있는 일상 업무 사이의 격차를 줄일 수 있다.

따라서 회의적인 견해는 간단하다. Thomson Reuters는 이례적으로 가치 있는 데이터를 보유하고 있으며 유망한 결과를 보고했다. 그러나 여전히 이 자산이 회사가 설계한 테스트 밖에서도 반복 가능한 고객 성과로 이어진다는 점을 입증해야 한다.

로펌과 엔터프라이즈 구매자가 주목해야 하는 이유

Thomson은 새로운 구매 선택지를 만들지만, 동시에 AI 아키텍처를 벤더 평가에서 더 중요한 요소로 만든다.

전문 구매자는 한때 리서치 범위, 소프트웨어 기능, 지원, 계약 조건을 비교했다. 이제는 각 작업을 어떤 모델이 수행하는지, 그 모델이 어디에서 실행되는지, 고객 데이터가 어떻게 처리되는지, 제공업체가 기반 아키텍처를 바꿀 때 어떤 일이 발생하는지를 물어야 한다.

Thomson Reuters는 하이브리드 답변을 제공할 수 있다. CoCounsel은 일부 작업을 Thomson에 맡기면서, 더 나은 성능을 보이는 영역에서는 다른 모델을 계속 사용할 수 있다. 이는 애플리케이션을 단일 모델 시스템보다 더 유연하게 만들 수 있다.

하이브리드 설계는 평가를 더 어렵게 만들 수도 있다. 고객은 어떤 모델이 특정 결과를 생성했는지 알지 못한 채 하나의 제품 인터페이스만 볼 수 있다. 구매자는 모델 라우팅, 주요 업데이트, 테스트 기준, 사고 대응을 다루는 명확한 문서를 요청해야 한다.

대형 로펌에는 또 다른 선택지가 있다. Hasker는 일부 로펌이 통제된 환경에서 Thomson을 보호된 내부 정보와 결합하는 데 관심을 보인다고 말했다. 이러한 방식은 Thomson Reuters 콘텐츠와 CoCounsel 워크플로에 대한 접근을 유지하면서도, 로펌에 데이터와 배포에 관한 더 큰 통제권을 줄 수 있다.

그 매력은 이해할 만하다. 로펌은 기밀 고객 기록, 협상 이력, 내부 선례, 변호사 업무 산출물을 보유한다. 계약상 보호 장치가 있더라도 모든 작업을 광범위하게 공유되는 외부 서비스에 전송하는 것은 거버넌스 우려를 낳을 수 있다.

격리되거나 전용으로 마련된 환경도 모든 문제를 해결하지는 않는다. 로펌은 여전히 접근 제어, 데이터 분류, 보존 규칙, 보안 검토, 그리고 벤더와 고객 간 명확한 책임 분담이 필요하다.

소규모 조직은 다른 계산에 직면한다. 이들은 전용 AI 인프라를 운영하거나 광범위한 평가 팀을 유지할 가능성이 낮다. 이해하기 쉬운 통제 장치와 예측 가능한 동작을 갖춘 패키지형 서비스가 필요하다.

이러한 구매자에게 모델 소유는 최종 제품을 개선할 때만 의미가 있다. 더 빠른 문서 검토, 더 명확한 인용, 근거 없는 결론의 감소, 일관된 가용성이 중요하다. 모델의 이름은 중요하지 않다.

지식 근로자 역시 인터페이스가 바뀔 것으로 예상해야 한다. 리서치를 수행하고, 문서를 검토하며, 결과물을 작성하는 에이전트는 사용자의 역할을 모든 단계를 직접 구성하는 일에서 프로세스를 감독하는 일로 바꾼다.

이는 시간을 절약할 수 있지만 위험도 집중시킨다. 수동으로 리서치를 수행하는 사용자는 작업 전반에서 증거를 접한다. 에이전트를 감독하는 사용자는 선택된 출처와 요약된 기록만 볼 수 있다.

따라서 교육은 프롬프트 요령보다 검증에 초점을 맞춰야 한다. 전문가는 범위에 이의를 제기하고, 권위를 확인하며, 누락된 문서를 식별하고, 시스템의 행동 순서를 검토하는 방법을 알아야 한다.

사용자 100만 명이라는 이정표는 CoCounsel이 이미 의미 있는 유통 기반을 갖췄음을 시사한다. 그러나 Thomson Reuters는 이 사용자 중 매일 활동하는 사람이 얼마나 되는지, 직업별 활동이 어떻게 다른지, 최신 에이전틱 버전을 사용하는 비중이 얼마인지는 공개하지 않았다.

엔터프라이즈 도입은 계정 접근만으로 측정할 수 없다. 사용자가 다시 돌아와 상당한 업무를 완료하고, 용납할 수 없는 검토 부담을 만들지 않으면서 계약을 갱신할 때 지속적인 가치가 나타난다.

Google News를 통해 AI 관련 소식을 따라가다 보면 이러한 구분을 놓치기 쉽다. 제품 접근성은 발표를 만들지만, 신뢰할 수 있는 도입은 조직 내부에서 천천히 발전한다.

회사의 분기 실적은 Westlaw와 CoCounsel이 법률 부문 반복 매출 성장에 기여했기 때문에 초기 상업적 신호를 제공한다. 하지만 기존 제품 간 확장과 가격 조정, 번들링, 신규 고객, 마이그레이션이 각각 어느 정도인지는 아직 구분해 공개하지 않는다.

구매자는 Thomson을 확정된 승자의 증거가 아니라 의미 있는 아키텍처 변화로 봐야 한다. 이는 Thomson Reuters에 비용과 제품 개발에 대한 더 큰 통제권을 부여한다. 고객은 그 통제력이 자신의 업무를 개선하는지 판단해야 한다.

Thomson의 성패를 결정할 세 가지 신호

다음 단계는 프로덕션 성능, 고객 배포, 측정 가능한 재무 기여로 평가될 것이다.

첫 번째 신호는 8월에 예정된 Tabular Analysis 마이그레이션이다. Thomson Reuters는 Thomson이 실제 워크로드에서 허용 가능한 정확도, 속도, 안정성으로 대량 문서 검토를 처리할 수 있음을 보여줘야 한다.

이 배포는 회사의 핵심 메커니즘을 시험할 것이다. 레이턴시가 낮아지고 사용자가 신뢰성을 잃지 않으면서 더 많은 문서 중심 작업을 완료한다면, 추가 CoCounsel 기능을 이전해야 한다는 논거는 더 강해진다.

조용한 지연, 제한적인 출시, 또는 타사 모델로의 복귀는 이 논거를 약화시킬 것이다. 경영진이 모델의 비용 및 속도 이점을 강조한 뒤에도 구체적인 성능 보고가 없을 경우도 마찬가지다.

가장 유용한 공개는 작업 완료율, 검토 문서량, 레이턴시, 오류 에스컬레이션, 컴퓨팅 비용을 기준으로 Thomson과 이전 프로덕션 구성을 비교하는 내용일 것이다. 부분적인 운영 데이터라도 또 하나의 일반적 벤치마크 주장보다 더 많은 정보를 제공할 수 있다.

두 번째 신호는 Thomson Reuters가 주요 로펌과의 소버린 배포를 발표하는지 여부다. 경영진은 논의가 진행 중이라고 말했지만, 실명이 공개된 계약이나 프로덕션 구성은 아직 발표되지 않았다.

실제 고객 배포는 Thomson을 내부 CoCounsel 구성 요소 이상의 위치로 확장할 것이다. 이는 로펌들이 통제된 환경에서 전문 모델, Thomson Reuters 콘텐츠, 비공개 기관 지식을 결합하는 데 가치를 본다는 점을 보여줄 것이다.

세부 사항이 중요하다. 좁은 업무 분야를 대상으로 한 파일럿은 실험을 의미할 것이다. 보호된 로펌 자료와 반복 워크플로를 포괄하는 더 광범위한 배포는 모델 소유가 지속 가능한 사업 기회를 만든다는 회사의 주장을 뒷받침할 것이다.

세 번째 신호는 재무다. 투자자들은 CoCounsel 및 기타 AI 제품이 컴퓨팅, 개발, 영업, 지원 비용으로 마진을 훼손하지 않으면서 반복 매출을 더한다는 더 명확한 증거를 필요로 한다.

Thomson Reuters는 2분기에 견조한 전체 성장과 더 높은 조정 EBITDA 마진을 보고했다. 매출 전망도 상향했다. 이러한 실적은 투자 여력을 제공하지만, Thomson의 경제성을 분리해 보여주지는 않는다.

향후 실적 발표 컨퍼런스콜에서는 AI가 고객 지출을 늘리는지, 기존 소프트웨어 예산을 전환하는지, 아니면 주로 기존 구독을 방어하는지를 밝혀야 한다. 각 결과는 서로 다른 함의를 갖는다.

새로운 지출은 법률 AI 어시스턴트를 미개척 기회로 보는 경영진의 설명을 뒷받침할 것이다. 예산 대체는 고객 관계를 유지하면서도 근본적인 비용 구조를 바꾸는, 보다 방어적인 Thomson의 모습을 의미한다.

경쟁사의 대응도 주목할 만하다. 프런티어 연구소들은 계속해서 모델을 개선할 것이고, 특화된 법률 제품들은 더 깊은 통합 기능을 추가할 것이다. 대형 로펌들은 비공개 시스템과 여러 공급업체를 계속 실험할 것이다.

Thomson Reuters가 필요한 것은 Thomson이 모든 대안을 물리치는 일이 아니다. 정해진 전문 업무에서 모델의 성능이 충분히 우수하게 유지되는 동시에, CoCounsel에 더 나은 경제성, 통제력, 독점 지식에 대한 접근성을 제공하는 것이다.

이는 까다로운 목표지만, 모든 역량에서 프런티어 연구소와 경쟁하는 것보다 더 현실적이다. 회사는 다른 업무는 외부 모델에 맡기고, 자사 콘텐츠가 결과를 바꾸는 영역에는 Thomson을 활용할 수 있다.

따라서 Google News를 통해 유입된 독자들은 겉으로 보이는 모델 출시를 넘어 살펴봐야 한다. 더 중요한 사건은 오랜 역사를 지닌 정보 제공업체가 신뢰받는 콘텐츠를 자체 AI 인프라로 전환할 수 있는지를 가늠하는 실전 시험이다.

먼저 Tabular Analysis 마이그레이션을 지켜봐야 한다. 이어서 실명으로 공개되는 로펌 도입 사례와 더 명확한 AI 매출 경제성을 확인해야 한다. 이러한 신호는 Thomson이 진정한 플랫폼 우위가 될지, 아니면 훨씬 더 큰 소프트웨어 포트폴리오 안의 흥미로운 선택지로 남을지를 보여줄 것이다.