Thomson er Thomson Reuters’ specialiserede sprogmodel til juridisk og andet professionelt arbejde. Modellen skal først bruges til struktureret dokumentanalyse i CoCounsel Legal. Den kombinerer en åben grundmodel med virksomhedens fagindhold og ekspertvurderinger, men dens resultater kræver stadig kildekontrol og menneskeligt ansvar.
Thomson er Thomson Reuters' specialiserede sprogmodel til juridisk dokumentanalyse og skal først bruges i CoCounsel Legal. Modellen kombinerer en åben grundmodel med fagindhold og ekspertfeedback, men organisationer skal stadig kontrollere retskilder, lokal dækning, persondata og menneskeligt ansvar, før resultater indgår i juridiske beslutninger.
Hvad lancerede Thomson Reuters?
Thomson Reuters annoncerede Thomson den 24. august 2026 som virksomhedens første egenudviklede store sprogmodel. Modellen er bygget til juridiske, skattefaglige og regulatoriske opgaver frem for til alle typer spørgsmål. Første anvendelse bliver Tabular Analysis i CoCounsel Legal, som gennemgår store dokumentsamlinger ved hjælp af spørgsmål, der er defineret på forhånd.
Thomson og CoCounsel er ikke det samme. Thomson er et underliggende modellag, mens CoCounsel er produktet med brugerflade, dokumenter, søgeværktøjer og kontrolfunktioner. Leverandøren oplyser, at Thomson ikke sælges som en selvstændig model, og at den kommer til Tabular Analysis i en kommende udgave.
Hvordan er modellen blevet specialiseret?
Udviklingen begyndte med en stærk open source-grundmodel. Thomson Reuters brugte derefter mellemtræning og eftertræning med indhold og værktøjer fra blandt andet Westlaw, Practical Law, Checkpoint og Reuters. Hundredvis af fageksperter deltog ifølge virksomheden i at formulere træningsmål, skabe eksempler og bedømme svar.
Den FutureTools-linkede kilde oplyser, at projektet kostede cirka 40 millioner dollar over to år til medarbejdere og beregning, mens den afsluttende træningskørsel kostede cirka 450.000 dollar. Tallene beskriver leverandørens udviklingsprojekt og dokumenterer ikke, hvad andre organisationer vil betale for at bygge eller drive en tilsvarende model.
Hvad er en domænespecialiseret sprogmodel?
En domænespecialiseret sprogmodel er tilpasset et afgrænset fagområde med fagtekster, opgavetyper og ekspertfeedback. Målet er ikke nødvendigvis at være bedst til generelle samtaler, men at følge faglige instruktioner og bruge områdets begreber mere præcist. Thomson Reuters oplyser, at mindre end ti procent af virksomhedens samlede indholdsbase hidtil er indgået i træningen.
Specialiseringen ligger tæt på finjustering af sprogmodeller, men den beskrevne proces er bredere end et enkelt finjusteringstrin. Den omfatter yderligere træning, professionelt udformede eksempler, forstærkningslæring og tilpasning til egne værktøjer. Det præcise grundmodelnavn og modellens parameterantal er ikke offentliggjort i de anvendte kilder.
Hvordan adskiller specialisering sig fra kildesøgning?
| Lag | Hvad det bidrager med | Hvad det ikke garanterer |
|---|---|---|
| Domænetræning | Faglige mønstre, begreber og instruktioner indarbejdes i modellen | At et konkret svar bygger på gældende ret |
| Kildesøgning | Relevante dokumenter hentes til den aktuelle opgave | At modellen fortolker dokumenterne korrekt |
| Faglig kontrol | En kvalificeret person vurderer kilder, fortolkning og konklusion | At alle fejl automatisk bliver fundet |
Retrieval-augmented generation tilfører aktuelle eller udvalgte kilder ved svartidspunktet. Domænetræning ændrer derimod modellens adfærd og interne mønstre. De to metoder kan supplere hinanden: en juridisk model kan være trænet i faglig analyse og samtidig få adgang til de konkrete regler, afgørelser og sagsdokumenter, som svaret skal bygge på.
Hvordan skal Thomson bruges i CoCounsel?
Tabular Analysis omdanner dokumentgennemgang til en tabel. Brugeren vælger et dokumentsæt og formulerer spørgsmål som kolonner, hvorefter systemet udfylder svar på tværs af materialet. Produktdokumentationen beskriver gennemgang af op til 10.000 dokumenter med op til 100 spørgsmål og sporbare henvisninger tilbage til kildematerialet.
CoCounsel forbliver et multimodelsystem. Thomson skal bruges, hvor leverandøren vurderer, at den specialiserede model har en fordel, mens andre modeller kan håndtere andre opgaver. Det viser en vigtig arkitektonisk grænse: en leverandørejet model erstatter ikke nødvendigvis alle eksterne modeller, søgesystemer eller kontroltrin i produktet.
Hvad viser de offentliggjorte evalueringer?
Thomson Reuters oplyser, at Thomson er testet på mere end 100 juridiske benchmarks og tusindvis af juridiske opgaver. På virksomhedens egen PrBench Legal Hard-test fik modellen en score på 0,352 og lå foran de sammenlignede modeller. Leverandøren beskriver også forbedringer i instruktionsfølgning og håndtering af tæt fagligt indhold sammenlignet med grundmodellen.
Resultaterne skal læses som leverandørens tidlige evalueringer. Den oprindelige nyhedskilde skriver, at de endnu ikke har fået omfattende uafhængig validering. Test på amerikanske eller leverandørspecifikke juridiske opgaver dokumenterer heller ikke præcision i lokale retskilder, dokumenter eller en konkret organisations arbejdsgang.
Hvad kan modellen realistisk hjælpe med?
Den første anvendelse passer til opgaver, hvor mange dokumenter skal undersøges efter det samme skema. En juridisk afdeling kan eksempelvis lede efter bestemte kontraktvilkår, datoer eller forpligtelser og derefter sortere svarene til videre faglig kontrol. Strukturen gør det lettere at sammenligne dokumenter end en fri samtale med ét dokument ad gangen.
- første sortering af store, ensartede dokumentsamlinger
- udtræk af konkrete oplysninger med henvisning til kilden
- identifikation af dokumenter, som kræver nærmere gennemgang
- forberedelse af et arbejdsgrundlag, som en jurist kan kontrollere
Opgaven bør have klare spørgsmål og et kendt kontrolgrundlag. Jo mere resultatet afhænger af tvetydig fortolkning, ny retspraksis eller en samlet vurdering af en persons situation, desto mindre egnet er en automatisk tabel som endelig konklusion.
Hvad kan en juridisk model ikke overtage?
Specialisering fjerner ikke risikoen for AI-hallucinationer, manglende kilder eller fejlagtig fortolkning. En henvisning viser kun, hvor et svar kommer fra; den viser ikke i sig selv, at kilden er gældende, relevant for jurisdiktionen eller anvendt korrekt. Juridisk ansvar bliver derfor ikke overført til modellen.
Modellen kan heller ikke udlede lokale regler, som ikke findes i dens trænings- eller søgegrundlag. En løsning udviklet omkring amerikanske juridiske databaser kan have en anden dækningsgrad i Danmark. Fagpersoner skal fortsat kontrollere retskilde, dato, jurisdiktion, fuldstændighed og forholdet mellem dokumentets ordlyd og den foreslåede konklusion.
Hvad betyder udviklingen for organisationer i Danmark?
Nyheden viser, at professionelle informationsleverandører kan bygge egne modeller oven på åbne grundmodeller og bruge deres fagindhold som konkurrenceparameter. For advokatkontorer, juridiske afdelinger og offentlige arbejdspladser kan udviklingen gøre modelvalg til et spørgsmål om dokumenteret faglig dækning og kontrolspor, ikke kun om generel modelstørrelse.
De anvendte kilder dokumenterer ikke adgang til Thomson eller den nye CoCounsel-oplevelse i Danmark. Thomson Reuters oplyste den 20. august, at den nye CoCounsel Legal-oplevelse var tilgængelig i USA, med Canada, Storbritannien og Australien planlagt senere i 2026. Der er heller ikke offentliggjort særskilte resultater for dansk sprog eller dansk ret. Den lokale betydning er derfor foreløbig mest et tegn på retningen for specialiseret professionel AI.
Hvordan skal fortrolige data håndteres?
Juridiske dokumenter kan indeholde personoplysninger, forretningshemmeligheder og materiale underlagt tavshedspligt. Thomson Reuters oplyser, at kundedata ikke bruges til at træne Thomson. Det svarer dog ikke alene på, hvor dokumenter behandles, hvor længe de gemmes, hvilke underleverandører der indgår, eller hvem der kan få adgang.
En organisation skal kortlægge hele dataflowet og kontrollere behandlingsgrundlag, databehandleraftale, slettefrister, adgangsstyring, logning og eventuelle tredjelandsoverførsler. Datatilsynets vejledning om cloud fremhæver, at den dataansvarlige skal have overblik over leverandørkæden og normalt genbesøge risikovurderingen, når cloud ændrer behandlingen. En praktisk kortlægning kan tage udgangspunkt i databeskyttelse ved AI-API’er.
Hvordan kan EU AI Act få betydning?
En juridisk sprogmodel er ikke automatisk et højrisikosystem alene på grund af sit fagområde. Klassifikationen efter EU AI Act afhænger blandt andet af systemets tilsigtede formål, den konkrete anvendelse og organisationens rolle. Et internt værktøj til kontraktudtræk skal derfor vurderes anderledes end et system, der bruges af en domstol til at bistå med fortolkning og anvendelse af ret på konkrete forhold.
EU-forordningen placerer visse systemer til retspleje blandt højrisikoanvendelserne, men den præcise vurdering kræver den færdige løsnings funktion og kontekst. Uanset klassifikation bør organisationen kunne forklare datagrundlag, kildehenvisninger, menneskelig kontrol, fejlprocedure og ansvar for den endelige beslutning.
Hvad bør testes før praktisk brug?
- Vælg en afgrænset dokumenttype og spørgsmål med et fagligt facit.
- Test både typiske sager, tvetydige formuleringer og manglende oplysninger.
- Mål, om kildehenvisninger faktisk støtter hvert udsagn og gælder for den rette jurisdiktion.
- Registrer falske positive, oversete fund og den tid, som menneskelig kontrol kræver.
- Kontrollér dataflow, adgang, opbevaring, sletning og leverandørkæde før rigtige sagsakter uploades.
- Fastlæg, hvem der må godkende resultatet, og hvordan fejl bliver rettet og dokumenteret.
En leverandørbenchmark kan bruges til at formulere hypoteser, men ikke som accepttest for dansk juridisk arbejde. Den relevante prøve er den konkrete opgave med organisationens egne dokumenttyper, gældende retskilder og faglige kvalitetskrav.
Hvilke kilder ligger til grund?
FutureTools linkede til SiliconANGLEs nyhed om Thomson. Tekniske og produktmæssige oplysninger er kontrolleret mod Thomson Reuters’ officielle lancering og modelbeskrivelse. Den regulatoriske afgrænsning bygger på EU-forordningen om kunstig intelligens.