Thomson Reuters Desenvolve Seu Próprio Modelo de IA à Medida que a Receita Acelera

A Thomson Reuters está levando seu primeiro modelo interno de IA pronto para produção ao CoCounsel depois que a receita trimestral cresceu 9%. O momento cria um conflito mais profundo do que sugere a manchete que circula no Google News. A empresa não está apenas adicionando mais um recurso de IA. Ela está testando se conteúdo profissional e autoritativo pode reduzir sua dependência de modelos fornecidos por laboratórios de IA de ponta.

O modelo, chamado Thomson, inicialmente impulsionará o Tabular Analysis, um recurso de revisão em massa de documentos dentro do CoCounsel Legal. A Thomson Reuters espera iniciar essa migração em agosto de 2026. A administração afirma que o modelo oferece menor latência e custos operacionais do que alternativas de terceiros, embora seus resultados comparativos não tenham sido validados de forma independente.

Isso coloca a Thomson Reuters em uma trajetória diferente da de fornecedores de software que tratam a OpenAI, Anthropic, Google ou outro provedor de modelos como uma base permanente. A empresa ainda usa modelos externos, e o CoCounsel continua sendo um produto multimodelo. No entanto, o Thomson lhe dá uma alternativa própria para trabalhos selecionados nos quais conhecimento jurídico, custos previsíveis e controle do cliente importam mais do que um amplo alcance conversacional geral.

O Que a Thomson Reuters De Fato Mudou

A Thomson Reuters transformou seu modelo proprietário de um projeto de pesquisa em infraestrutura de produção.

A empresa concluiu a primeira versão do Thomson pronta para produção após combinar equipes da Thomson Reuters Labs e da Safe Sign Technologies. A Thomson Reuters adquiriu a Safe Sign, desenvolvedora de modelos de linguagem específicos para o setor jurídico, em 2024. A aquisição trouxe expertise para adaptar bases de modelos open source ao trabalho jurídico profissional.

O Thomson é um modelo de linguagem de grande porte específico de domínio, o que significa que seu treinamento e sua avaliação se concentram em uma área definida, e não em toda possível tarefa de consumo. A empresa afirma ter usado material selecionado por especialistas do Westlaw, Practical Law e Reuters, além de contribuições de editores jurídicos e especialistas em áreas de prática.

A Thomson Reuters investiu aproximadamente US$ 40 milhões no modelo e o treinou com menos de 10% de seu conteúdo jurídico. O diretor-executivo Steve Hasker disse a investidores que benchmarks internos colocaram o Thomson próximo dos principais modelos de ponta em tarefas gerais amplas. Ele também afirmou que o modelo teve desempenho sólido em avaliações jurídicas.

Essas alegações merecem atribuição cautelosa. A empresa não publicou informações suficientes para que terceiros reproduzam a comparação completa. Ela não divulgou todos os modelos subjacentes, conjuntos de testes, métodos de pontuação ou restrições de produção envolvidos.

A mudança importante, portanto, não é uma suposta vitória em benchmarks. É a decisão de implantar o Thomson em um fluxo de trabalho real de clientes. Segundo a transcrição de resultados da empresa, o Tabular Analysis será o primeiro teste relevante em produção.

O Tabular Analysis revisa informações em grupos de documentos e organiza as conclusões em formato estruturado. Advogados podem usar esse recurso ao comparar termos contratuais, revisar evidências ou localizar disposições recorrentes em uma coleção de documentos.

Essa tarefa dá à Thomson Reuters um ponto de partida delimitado. Os resultados podem ser verificados em relação aos documentos de origem, enquanto velocidade e custos de inferência podem ser medidos contra os sistemas existentes. Uma falha também seria mais fácil de diagnosticar do que um erro dentro de um assistente jurídico amplo e aberto.

A administração afirma que a empresa considerará transferir funções adicionais do CoCounsel para o Thomson após avaliar essa primeira implantação. Não há planos de substituir imediatamente todos os modelos externos. Hasker reconheceu que o CoCounsel já funciona bem e disse que a empresa quer evitar interrompê-lo sem necessidade.

Essa implementação gradual importa. A história apareceu amplamente no Google News como o lançamento de um modelo interno, mas a realidade operacional é mais restrita. A Thomson Reuters está iniciando uma transferência em etapas de cargas de trabalho selecionadas, com uma adoção mais ampla dependente de resultados reais em produção.

A implantação também cria uma nova opção para grandes escritórios de advocacia. Hasker disse que a Thomson Reuters está discutindo ambientes nos quais os escritórios poderiam executar uma versão do Thomson junto de suas próprias informações protegidas. O CoCounsel poderia então operar sobre essa camada combinada de conhecimento.

Esse tipo de arranjo às vezes é descrito como IA soberana. Nesse contexto, o termo significa que um escritório mantém maior controle sobre seus dados, ambiente de modelo e políticas operacionais. Não significa que o sistema funcione sem software externo, infraestrutura ou suporte contínuo do fornecedor.

O Crescimento da Receita Dá Espaço para a Estratégia de IA Avançar

A empresa está financiando sua estratégia de modelos com um negócio de assinaturas em crescimento, não com um orçamento experimental isolado.

A Thomson Reuters reportou receita de US$ 1,954 bilhão no segundo trimestre, ante US$ 1,785 bilhão um ano antes. A receita total aumentou 9%, enquanto a receita orgânica cresceu 8%. A receita recorrente também subiu 9% e representou 82% da receita trimestral.

As divisões Legal Professionals, Corporates e Tax, Audit and Accounting Professionals formam o que a empresa chama de Big 3. Esses segmentos geraram US$ 1,62 bilhão em receita durante o trimestre e responderam por 83% do total da empresa.

A receita orgânica do Big 3 aumentou 10%. Legal Professionals gerou US$ 772 milhões, alta de 10% em base reportada e de 10% organicamente. A Thomson Reuters identificou o Westlaw e o CoCounsel como os principais contribuintes para o crescimento da receita jurídica recorrente.

A receita de Corporates alcançou US$ 537 milhões, enquanto Tax, Audit and Accounting Professionals contribuiu com US$ 311 milhões. Os resultados trimestrais mostram crescimento nos três segmentos, embora suas composições individuais de receita e padrões sazonais sejam diferentes.

O lucro operacional subiu 28%, para US$ 558 milhões. O EBITDA ajustado aumentou 10%, para US$ 745 milhões, enquanto a margem de EBITDA ajustado passou de 37,8% para 38,1%. O fluxo de caixa livre cresceu 29%, para US$ 727 milhões.

Esses números não comprovam que a IA generativa causou o crescimento geral do trimestre. Westlaw, produtos transacionais, aquisições, negócios internacionais, software tributário e outros serviços estabelecidos também contribuíram. A Thomson Reuters não divulga informações de receita em nível de produto suficientes para isolar o efeito exato do CoCounsel.

Ainda assim, os resultados enfraquecem uma preocupação em torno da transição de IA da empresa. A Thomson Reuters não está tentando reconstruir a base de seus produtos enquanto seus principais negócios profissionais encolhem. O crescimento de receita e as assinaturas recorrentes lhe dão tempo para testar uma nova arquitetura sem depender de vendas imediatas de modelos independentes.

A administração elevou sua perspectiva para o ano inteiro para aproximadamente 8% de crescimento da receita total e orgânica. Também aumentou a expectativa de crescimento orgânico do Big 3 para uma faixa de 9,5% a 10%.

As mudanças no portfólio da empresa reforçam essa prioridade. A Thomson Reuters concordou em vender uma participação de 51% em sua operação Global Print para uma joint venture controlada em conjunto com fundos assessorados pela KKR. A empresa espera aproximadamente US$ 500 milhões em receitas brutas quando o acordo for concluído.

A receita da Global Print caiu 3% no trimestre, enquanto seus segmentos de software profissional se expandiram. Transferir o controle da impressão para uma joint venture permite à Thomson Reuters concentrar a atenção da administração e os investimentos em software baseado em conteúdo e IA.

Essa é a inversão central na história dos resultados. Editoras e provedores de informação foram inicialmente vistos como prováveis vítimas da IA generativa. Os modelos poderiam resumir seu material, enfraquecer o tráfego de busca tradicional e colocar uma interface conversacional entre os proprietários da informação e os clientes.

Em vez disso, a Thomson Reuters tenta fazer de seu conteúdo acumulado a entrada diferenciadora do modelo. As mesmas coleções jurídicas que sustentavam produtos de pesquisa por assinatura podem se tornar ativos de treinamento, fundamentação e avaliação para sistemas de IA.

A empresa não está abandonando seus produtos estabelecidos. Ela tenta levar sua autoridade para novas interfaces antes que assistentes de propósito geral capturem o fluxo de trabalho profissional.

Para compradores empresariais, o contexto da receita importa mais do que uma manchete de destaque no Google News. Ele sugere que o Thomson faz parte de uma transição contínua de produto apoiada por receita recorrente, e não de uma demonstração temporária criada para atrair atenção.

Thomson AI Desafia a Dependência de Modelos de Ponta

A principal disputa não é Thomson versus um laboratório de IA. É infraestrutura própria de domínio versus dependência permanente de modelos externos de ponta.

A maioria dos produtos de IA empresarial começou com um atalho prático. Os fornecedores conectaram um modelo de propósito geral capaz a dados proprietários por meio de geração aumentada por recuperação, ou RAG. O RAG encontra material de origem relevante no momento da consulta e o fornece ao modelo antes que uma resposta seja produzida.

Essa abordagem continua útil. Ela permite que um fornecedor de software se beneficie de melhorias feitas por grandes laboratórios de modelos sem financiar um programa completo de treinamento. Também pode preservar citações e restringir respostas a informações aprovadas.

No entanto, a dependência de modelos de terceiros introduz limites estratégicos. Um fornecedor não controla plenamente mudanças nos modelos, preços de inferência, disponibilidade, latência ou futuras condições de acesso. Também precisa diferenciar seu produto quando concorrentes podem comprar acesso a inteligência subjacente semelhante.

A Thomson Reuters já trabalha com modelos externos e não apresenta o Thomson como um substituto universal imediato. A empresa afirma que sua vantagem vem da seleção de bases open source e de sua adaptação com material profissional cuidadosamente selecionado.

A administração argumenta que a qualidade dos dados pode compensar um orçamento menor de treinamento. Hasker disse que a empresa obteve resultados internos competitivos com aproximadamente US$ 40 milhões em investimentos e menos de um décimo de seu conteúdo jurídico.

A alegação é plausível como estratégia, mas ainda não está estabelecida como regra geral. Um modelo especializado não precisa responder a todas as perguntas melhor do que um modelo de ponta. Ele precisa executar tarefas profissionais selecionadas com precisão, rapidez e baixo custo suficientes para melhorar a aplicação como um todo.

Para a Thomson Reuters, essa aplicação inclui recuperação autoritativa, lógica de fluxo de trabalho, citações jurídicas, permissões de usuários, tratamento de documentos e auditabilidade. O modelo é apenas uma camada.

É nesse ponto que a posição da empresa difere da de uma nova startup de IA jurídica. A Thomson Reuters já controla o Westlaw, Practical Law e uma grande rede de editores e especialistas no assunto. Ela também tem distribuição por meio de produtos incorporados a escritórios de advocacia, departamentos jurídicos corporativos, equipes tributárias e práticas contábeis.

Isso não torna a empresa imune à concorrência. A expansão da Anthropic para o Claude for Legal mostra que desenvolvedores de modelos de ponta podem se aproximar dos clientes profissionais. Empresas de IA jurídica como Harvey e Legora também estão desenvolvendo interfaces, fluxos de trabalho e integrações com escritórios em torno de modelos externos.

A LexisNexis tem seu próprio conteúdo jurídico, distribuição profissional e produtos de IA. Grandes escritórios de advocacia também podem montar sistemas internos que combinam modelos comerciais com produto de trabalho privado.

A ameaça, portanto, vem de várias direções, mas todas geram a mesma pressão. A Thomson Reuters precisa mostrar que possuir uma parcela maior da camada de modelos produz uma vantagem que os clientes percebam. A redução dos custos internos, por si só, não convencerá um advogado a trocar de ferramenta.

A empresa espera que o Thomson reduza a latência, ou seja, o tempo de espera entre uma solicitação e uma resposta. Esse benefício importa quando um agente realiza muitas operações sequenciais. Um pequeno atraso repetido ao longo de 20 ou 30 etapas pode tornar um fluxo de trabalho frustrante.

O controle sobre os custos de inferência também pode se tornar importante à medida que o uso aumenta. Um assistente de IA usado ocasionalmente para pesquisa tem um perfil de custo diferente de um agente que analisa milhares de documentos ou executa tarefas repetidas de conformidade.

O CoCounsel já ultrapassou um milhão de usuários, segundo a Thomson Reuters. A administração afirma que as interações e a duração das sessões continuam aumentando, embora não tenha divulgado taxas de usuários ativos nem a economia por modelo.

Um engajamento maior transforma o custo do modelo em uma questão estratégica. Cada tarefa adicional gera despesa computacional. Um modelo próprio que execute tarefas adequadas a um custo menor poderia proteger as margens e, ao mesmo tempo, permitir um uso mais amplo.

A contrapartida é a manutenção. A Thomson Reuters precisa continuar aprimorando o modelo, avaliando novas bases open source, protegendo pipelines de dados e respondendo aos rápidos avanços em outros lugares. A propriedade do modelo troca uma forma de dependência por uma obrigação contínua de engenharia.

O que os benchmarks da Thomson Reuters não mostram

Os resultados de avaliações internas são evidências encorajadoras, mas não substituem medições transparentes em produção.

A Thomson Reuters afirma que o Thomson tem desempenho comparável ao dos principais modelos de fronteira em um amplo conjunto de tarefas gerais. Também relata forte desempenho jurídico, menor latência e custos significativamente mais baixos.

A empresa divulgou conclusões direcionais, mas os leitores devem separar três questões. Como o Thomson pontuou em avaliações controladas? Com que confiabilidade ele atua dentro do CoCounsel? Os clientes obtêm resultados melhores do que os recebidos em sistemas concorrentes?

Apenas a primeira questão tem uma resposta preliminar da empresa. A segunda está sendo testada por meio do Tabular Analysis. A terceira exigirá, ao longo do tempo, evidências comparativas de uso, retenção, precisão e compras.

A avaliação comparativa de IA jurídica é especialmente difícil porque testes públicos comuns raramente reproduzem o trabalho profissional. Um modelo pode identificar corretamente uma regra jurídica, mas não considerar a jurisdição, a fase processual, uma exceção ou uma autoridade posterior.

Documentos longos criam outro problema. Um modelo pode aceitar uma grande quantidade de texto e ainda assim deixar de perceber linguagem decisiva escondida nele. A Thomson Reuters já discutiu o desafio de avaliar o desempenho em contextos longos, especialmente quando o trabalho jurídico envolve registros extensos.

Os testes proprietários da empresa podem refletir melhor o trabalho real do que benchmarks públicos. No entanto, a avaliação proprietária também limita o escrutínio externo. Os clientes não conseguem determinar de forma independente se os testes selecionados favorecem os dados de treinamento ou o design de produto da Thomson.

O treinamento com conteúdo da Thomson Reuters levanta outras questões. A empresa possui enormes coleções jurídicas e profissionais, mas mais conteúdo não produz automaticamente uma melhoria proporcional. Os dados precisam ser limpos, estruturados, ponderados, atualizados e conectados a metadados específicos de cada jurisdição.

A Thomson Reuters trabalhou com a DatologyAI na adaptação ao domínio jurídico e relatou melhorias em raciocínio jurídico, recuperação de informações e tarefas posteriores. O caso de curadoria de dados do parceiro descreve melhores resultados com um orçamento limitado de dados e computação. No entanto, esse relato também é fornecido por empresas envolvidas no projeto.

O uso em produção revelará casos mais difíceis. Advogados podem enviar acordos inconsistentes, registros incompletos, documentos digitalizados ou modelos privados. Um sistema precisa distinguir entre direito autoritativo e material do cliente, além de revelar claramente qual fonte sustenta cada conclusão.

A interface agentic reconstruída do CoCounsel foi projetada para mostrar como trabalha. IA agentic refere-se a um software que planeja e executa uma sequência de ações em direção a um objetivo, em vez de retornar uma resposta para um único prompt.

Hasker afirmou que os usuários podem inspecionar as etapas, citações e referências produzidas durante uma tarefa do CoCounsel. Essa transparência é valiosa porque um profissional pode questionar uma decisão intermediária antes de confiar no resultado final.

Ainda assim, etapas de raciocínio visíveis não garantem correção. Uma cadeia bem organizada pode conter um erro inicial de classificação que molda tudo o que vem depois. As citações podem ser reais, mas não sustentar a proposição a elas atribuída.

A revisão humana, portanto, continua sendo parte da proposta de valor do produto. A Thomson Reuters chama sua abordagem de “IA de nível fiduciário”, um padrão definido pela empresa que enfatiza autoridade, auditabilidade, segurança e uso profissional responsável.

Esse rótulo não deve ser confundido com uma certificação independente. Os compradores precisam de evidências vinculadas aos seus próprios requisitos de risco, incluindo taxas de erro, cobertura de fontes, controles de acesso, registros, práticas de retenção e procedimentos de escalonamento.

Empresas que consideram esses sistemas também precisam de uma camada de conhecimento duradoura. Registros de casos, orientações internas e trabalhos anteriores precisam permanecer organizados antes que qualquer modelo possa recuperá-los de forma confiável. Uma base de conhecimento pesquisável pode reduzir a distância entre demonstrações impressionantes de modelos e um trabalho diário confiável.

A tese cética, portanto, é direta. A Thomson Reuters possui dados de valor incomum e relatou resultados promissores. Ainda precisa provar que esses ativos se traduzem em resultados repetíveis para os clientes fora de testes concebidos pela própria empresa.

Por que escritórios de advocacia e compradores corporativos devem se importar

O Thomson cria novas opções de compra, mas também torna a arquitetura de IA uma parte mais importante da avaliação de fornecedores.

Antes, compradores profissionais comparavam cobertura de pesquisa, recursos de software, suporte e termos contratuais. Agora, eles também precisam perguntar quais modelos executam cada tarefa, onde esses modelos são executados, como os dados dos clientes são tratados e o que acontece quando um fornecedor altera a arquitetura subjacente.

A Thomson Reuters pode oferecer uma resposta híbrida. O CoCounsel pode direcionar tarefas selecionadas ao Thomson, enquanto continua usando outros modelos nos casos em que tenham melhor desempenho. Isso pode tornar a aplicação mais adaptável do que um sistema de modelo único.

Um design híbrido também pode tornar a avaliação mais difícil. Um cliente pode ver uma única interface de produto sem saber qual modelo gerou determinado resultado. Os compradores devem solicitar documentação clara que abranja o roteamento de modelos, atualizações relevantes, padrões de teste e resposta a incidentes.

Grandes escritórios têm outra opção. Hasker afirmou que alguns escritórios têm interesse em combinar o Thomson com suas informações internas protegidas em um ambiente controlado. Esse arranjo poderia dar a um escritório maior controle sobre dados e implantação, preservando o acesso ao conteúdo da Thomson Reuters e aos fluxos de trabalho do CoCounsel.

O apelo é compreensível. Escritórios de advocacia detêm registros confidenciais de clientes, históricos de negociação, precedentes internos e produtos de trabalho de advogados. Enviar todas as tarefas por meio de um serviço externo amplamente compartilhado pode gerar preocupações de governança, mesmo quando existem proteções contratuais.

Um ambiente isolado ou dedicado não resolve todas as questões. Os escritórios ainda precisam de controles de acesso, classificação de dados, regras de retenção, revisões de segurança e uma divisão clara de responsabilidades entre fornecedor e cliente.

Organizações menores enfrentam um cálculo diferente. É menos provável que operem infraestrutura de IA dedicada ou mantenham equipes extensas de avaliação. Elas precisam de um serviço empacotado, com controles compreensíveis e comportamento previsível.

Para esses compradores, a propriedade do modelo só importa se melhorar o produto final. Revisão mais rápida de documentos, citações mais claras, menos conclusões sem respaldo e disponibilidade consistente são fatores relevantes. O nome do modelo não é.

Os trabalhadores do conhecimento também devem esperar mudanças na interface. Um agente que realiza pesquisas, revisa documentos e redige um resultado muda o papel do usuário, de montar cada etapa para supervisionar um processo.

Isso pode economizar tempo, mas também concentra riscos. Um usuário que conduz pesquisas manualmente encontra evidências ao longo de toda a tarefa. Um usuário que supervisiona um agente pode ver apenas fontes selecionadas e uma trilha resumida.

Portanto, o treinamento deve se concentrar em verificação, e não em truques de prompt. Os profissionais precisam saber como questionar o escopo, verificar a autoridade, identificar documentos ausentes e revisar a sequência de ações do sistema.

O marco de um milhão de usuários sugere que o CoCounsel já tem distribuição significativa. No entanto, a Thomson Reuters não divulgou quantos desses usuários estão ativos diariamente, como a atividade varia por profissão ou qual parcela usa a versão agentic mais recente.

A adoção empresarial não pode ser medida apenas pelo acesso à conta. O valor sustentado aparece quando os usuários retornam, concluem trabalhos substanciais e renovam sem criar encargos de revisão inaceitáveis.

Essa distinção é fácil de perder ao acompanhar histórias de IA pelo Google News. O acesso a um produto gera um anúncio, enquanto a adoção confiável se desenvolve lentamente dentro das organizações.

Os resultados trimestrais da empresa oferecem um sinal comercial inicial, porque Westlaw e CoCounsel contribuíram para o crescimento da receita recorrente jurídica. Eles ainda não separam expansão de preços, pacotes, novos clientes ou migração entre produtos existentes.

Os compradores devem tratar o Thomson como uma mudança arquitetônica relevante, não como prova de um vencedor definido. Ele dá à Thomson Reuters maior controle sobre custos e desenvolvimento de produtos. Os clientes precisam determinar se esse controle melhora seu próprio trabalho.

Três sinais que determinarão se o Thomson funciona

A próxima fase será julgada pelo desempenho em produção, pela implantação pelos clientes e pela contribuição financeira mensurável.

O primeiro sinal é a migração do Tabular Analysis em agosto. A Thomson Reuters precisa mostrar que o Thomson consegue lidar com revisão em massa de documentos com precisão, velocidade e estabilidade aceitáveis sob cargas de trabalho reais.

Essa implantação testará o mecanismo central da empresa. Se a latência cair e os usuários concluírem mais tarefas intensivas em documentos sem perder confiabilidade, o argumento para transferir recursos adicionais do CoCounsel se tornará mais forte.

Um adiamento discreto, lançamento limitado ou retorno a modelos de terceiros enfraqueceria esse argumento. O mesmo ocorreria com a ausência de relatórios específicos de desempenho depois que a administração enfatizou as vantagens de custo e velocidade do modelo.

A divulgação mais útil compararia o Thomson com a configuração anterior de produção em conclusão de tarefas, volume de documentos revisados, latência, escalonamento de erros e custo computacional. Mesmo dados operacionais parciais seriam mais informativos do que outra alegação geral de benchmark.

O segundo sinal é se a Thomson Reuters anuncia uma implantação soberana com um grande escritório de advocacia. A administração afirma que há conversas em andamento, mas nenhum acordo identificado ou configuração de produção foi divulgado.

Uma implantação real por um cliente expandiria o Thomson para além de um componente interno do CoCounsel. Indicaria que os escritórios veem valor em combinar um modelo profissional, o conteúdo da Thomson Reuters e conhecimento institucional privado dentro de um ambiente controlado.

Os detalhes serão importantes. Um piloto envolvendo um grupo restrito de prática sinalizaria experimentação. Uma implantação mais ampla, cobrindo material protegido do escritório e fluxos de trabalho recorrentes, sustentaria a alegação da empresa de que a propriedade do modelo cria uma oportunidade de negócio duradoura.

O terceiro sinal é financeiro. Os investidores precisam de evidências mais claras de que CoCounsel e outros produtos de IA adicionam receita recorrente sem corroer as margens com custos de computação, desenvolvimento, vendas e suporte.

A Thomson Reuters reportou forte crescimento geral e uma margem de EBITDA ajustado mais alta no segundo trimestre. A empresa também elevou sua projeção de receita. Esses resultados abrem espaço para investimentos, mas não isolam a economia do Thomson.

As próximas teleconferências de resultados devem revelar se a IA aumenta os gastos dos clientes, redireciona orçamentos já destinados a software ou principalmente protege assinaturas estabelecidas. Cada resultado tem implicações diferentes.

Novos gastos sustentariam a descrição da administração de assistentes jurídicos de IA como uma oportunidade em espaço inexplorado. A substituição de orçamento tornaria a Thomson mais defensiva, preservando os relacionamentos com clientes enquanto altera a base de custos subjacente.

A resposta competitiva também merece atenção. Os laboratórios de fronteira continuarão aprimorando seus modelos, e produtos jurídicos especializados adicionarão integrações mais profundas. Grandes escritórios de advocacia seguirão experimentando sistemas privados e múltiplos fornecedores.

A Thomson Reuters não precisa que Thomson supere todas as alternativas. Precisa que o modelo continue bom o suficiente para tarefas profissionais definidas, oferecendo ao mesmo tempo a CoCounsel melhor economia, controle e acesso a conhecimento proprietário.

É uma meta exigente, mas mais realista do que competir com laboratórios de fronteira em todas as capacidades. A empresa pode direcionar outros trabalhos a modelos externos e reservar Thomson para áreas em que seu conteúdo muda o resultado.

Por isso, leitores que chegam pelo Google News devem olhar além do aparente lançamento do modelo. O evento relevante é um teste em produção sobre se um fornecedor de informações estabelecido há muito tempo consegue transformar conteúdo confiável em infraestrutura própria de IA.

Observe primeiro a migração de Tabular Analysis. Em seguida, procure uma implantação identificada em um escritório de advocacia e uma economia de receita de IA mais clara. Esses sinais mostrarão se Thomson se torna uma vantagem real de plataforma ou continua sendo uma opção interessante dentro de um portfólio de software muito maior.