Wat een juridische AI van 40 miljoen dollar leert over bouwen met je eigen data

Thomson Reuters, het bedrijf achter juridische database Westlaw en persbureau Reuters, heeft zijn eigen AI-model gelanceerd: Thomson. Op juridische taken houdt het stand tegenover de krachtigste AI-modellen ter wereld — en het bouwen ervan kostte 40 miljoen dollar. De feitelijke trainingsstap, waarbij het model van data leert, kostte ongeveer 450.000 dollar. OpenAI en Google geven daar miljarden aan uit — het verschil is opvallend.

Thomson Reuters begon niet van nul. Ze namen een sterk open-source AI-model — gratis online beschikbaar — en specialiseerden het grondig. Het werd getraind op decennia aan eigen content: Westlaw-rechtspraak, juridische documenten, Reuters-nieuws en financiële data van Checkpoint. Honderden eigen vakexperts hielpen de antwoordkwaliteit te verbeteren. Eerste toepassing: advocaten helpen documenten sneller te beoordelen in hun CoCounsel-tool.

De kern van de verschuiving: je hebt geen enorm budget nodig om een goed AI-model te bouwen. Je hebt de juiste data nodig. Frontier-labs geven miljarden uit om op bijna alles op internet te trainen. Thomson Reuters gaf veel minder uit, maar gebruikte 's werelds best gecureerde juridische content. Op juridische taken presteert Thomson net zo goed of beter dan modellen die veel meer kosten. De juiste data verslaat het grootste budget.

Thomson Reuters is nog maar net begonnen. Het model werd getraind op minder dan 10% van hun contentbibliotheek — er komt nog veel meer. Als je een bedrijf runt met jaren aan gestructureerde, gespecialiseerde data — juridische dossiers, medische dossiers, financiële rapporten, klantgesprekken — is dit een duidelijk signaal: jouw data kan de moeite waard zijn om op te bouwen. Neem een goede open-source basis, specialiseer die voor jouw domein, en je eindigt misschien met iets nuttiger dan welke standaard-API dan ook.