Lo que una IA legal de 40 millones de dólares revela sobre construir con tus propios datos

Thomson Reuters, la empresa detrás de Westlaw y de la agencia Reuters, acaba de lanzar su propio modelo de inteligencia artificial: Thomson. En tareas legales, compite con los modelos de IA más poderosos del mundo — y todo costó 40 millones de dólares. El proceso real de entrenamiento, donde el modelo aprende de los datos, costó aproximadamente 450.000 dólares. OpenAI y Google gastan miles de millones en lo mismo — la diferencia es notable.

Thomson Reuters no empezó desde cero. Tomaron un sólido modelo de IA de código abierto — disponible gratis en línea — y lo especializaron profundamente. Lo entrenaron con décadas de contenido propio: jurisprudencia de Westlaw, documentos legales, noticias de Reuters y datos financieros de Checkpoint. Cientos de sus propios expertos ayudaron a mejorar la calidad de las respuestas. Su primer uso: ayudar a los abogados a revisar documentos más rápido en su herramienta CoCounsel.

El cambio clave es este: no necesitas el presupuesto más grande para construir un buen modelo de IA. Necesitas los datos correctos. Los grandes laboratorios gastan miles de millones entrenando sobre casi todo lo que existe en internet. Thomson Reuters gastó mucho menos, pero usó algunos de los mejores contenidos legales del mundo. En tareas legales, Thomson rinde igual o mejor que modelos que cuestan mucho más. Los datos correctos superan al mayor presupuesto.

Thomson Reuters apenas ha empezado. El modelo fue entrenado con menos del 10% de su biblioteca de contenidos — hay mucho más por venir. Si gestionas una empresa con años de datos estructurados y especializados — archivos legales, historiales médicos, informes financieros, conversaciones con clientes — esta es una señal clara: tus datos pueden valer la pena para construir sobre ellos. Toma una buena base de código abierto, especialízala para tu dominio, y puede que obtengas algo más útil que cualquier API genérica.