Thomson Reuters lanzó Thomson el 24 de agosto de 2026, su primer gran modelo de lenguaje propio para trabajo profesional. La empresa afirma que el modelo se utilizará primero en Tabular Analysis dentro de una próxima versión de CoCounsel Legal, mientras CoCounsel seguirá funcionando con varios modelos.
El lanzamiento es importante porque un gran proveedor de información jurídica y profesional pasa de integrar modelos de terceros a poseer parte de la capa de modelos. Esa propiedad puede aportar más control sobre entrenamiento, despliegue, evaluación y datos. No elimina la necesidad de validación independiente, inventario de modelos, revisión humana ni evidencia sobre el comportamiento en cada flujo jurídico.
Qué lanzó Thomson Reuters
Thomson Reuters indica que comenzó con una base de código abierto e invirtió 40 millones de dólares en personal y capacidad de cálculo. El desarrollo utilizó material propio de Westlaw, Practical Law, Checkpoint y Reuters, con cientos de especialistas implicados en los objetivos de entrenamiento y la evaluación.
Según la empresa, Thomson se ha entrenado hasta ahora con menos del 10 % de su contenido y los datos de clientes no se utilizan para entrenar el modelo sin consentimiento explícito. El primer despliegue anunciado es Tabular Analysis en CoCounsel Legal, un flujo estructurado de revisión documental. Los administradores podrán elegir otros modelos y CoCounsel seguirá distribuyendo el trabajo entre varios modelos.
Thomson Reuters también planea una versión pequeña de pesos abiertos para uso académico y no comercial, una evaluación más amplia por especialistas en derecho e IA y un acceso posterior mediante un portal para desarrolladores. Son planes anunciados, no evidencia de que todas las vías de acceso externo o todas las opciones de despliegue soberano estén disponibles actualmente.
Qué afirmaciones tienen apoyo independiente
Los informes de SiliconANGLE y del periodista de tecnología jurídica Bob Ambrogi confirman el lanzamiento, el primer uso en CoCounsel, la inversión aproximada, la base de código abierto, la participación de especialistas y la evaluación externa prevista. También añaden matices importantes.
SiliconANGLE informa de que los resultados de los benchmarks todavía no han recibido una validación independiente extensa. LawSites señala que se esperaba un informe técnico más detallado después del lanzamiento y que académicos externos empezaban a probar el modelo. La evidencia actual respalda la existencia del producto y el plan de despliegue, pero no una conclusión general de que Thomson iguale o supere a los principales modelos de propósito general en todo el trabajo profesional.
El rendimiento, los costes de entrenamiento e inferencia, la calidad de las citas y las ventajas de soberanía siguen siendo afirmaciones de la empresa hasta que las evaluaciones subyacentes se publiquen y reproduzcan. Los comentarios académicos incluidos en el anuncio son informativos, pero no equivalen a un benchmark público diseñado de forma independiente.
Cómo cambia la gobernanza cuando el proveedor posee el modelo
Si un proveedor controla el modelo, el contenido y la aplicación, la responsabilidad se concentra. Algunas preguntas sobre terceros pueden simplificarse, pero los controles internos adquieren mayor importancia.
| Pregunta de gobernanza | Por qué importa en un modelo especializado propio |
|---|---|
| ¿Cuál es el modelo base y su versión? | La base de código abierto puede cambiar a medida que evoluciona la fábrica de modelos. |
| ¿Qué contenido utilizó cada versión? | Los datos con licencia, propios, editoriales y de clientes requieren reglas de procedencia diferentes. |
| ¿Qué flujo selecciona Thomson? | CoCounsel sigue siendo multimodelo, por lo que la evidencia debe identificar el modelo utilizado. |
| ¿Cómo se verifican las citas? | La utilidad jurídica depende de que la fuente respalde la afirmación, no solo de que exista una cita. |
| ¿Qué revisión humana se exige? | Un profesional sigue siendo responsable de asesoramiento, escritos y decisiones con consecuencias. |
| ¿Cómo se registran los cambios? | Nuevos datos, herramientas o reglas de enrutamiento pueden cambiar el comportamiento sin modificar la tarea visible. |
Un inventario de agentes de IA debe ir más allá del nombre del producto. Para cada despliegue debe incluir la versión del modelo, el acceso a herramientas, las fuentes de contenido, la tarea, el responsable, la jurisdicción, la evaluación y el historial de cambios.
Cinco comprobaciones para equipos jurídicos y de cumplimiento
- Exigir una evaluación específica de la tarea. Probar los tipos de documento, jurisdicciones, idiomas, reglas de cita y consecuencias de error reales. Un benchmark general no basta.
- Conservar evidencia del enrutamiento. Registrar si Thomson u otro modelo gestionó la tarea, qué herramientas y contenido estaban disponibles y qué versión generó la salida.
- Verificar el respaldo de las citas. Medir si cada fuente sostiene las afirmaciones materiales y si estaba actualizada cuando se utilizó.
- Definir umbrales de revisión por consecuencia. Una extracción rutinaria y una conclusión jurídica para un cliente no deben seguir el mismo control. La política debe determinar cuándo se requiere revisión humana.
- Supervisar el cambio. Reevaluar cuando cambien el modelo base, el corpus, el prompt, la recuperación, las herramientas o el enrutamiento. La evidencia debe mantenerse vigente.
La lista de evidencia de auditoría de IA puede estructurar fichas de modelo, evaluaciones, procedencia de fuentes, decisiones de revisión, incidentes e historial de actualizaciones.
Qué sigue siendo incierto
Thomson Reuters todavía no ha publicado toda la evidencia técnica necesaria para evaluar el modelo en cada uso profesional anunciado. Las fuentes públicas no establecen su rendimiento en jurisdicciones no compatibles, ante entradas adversarias, con material confidencial de clientes o en flujos de agentes de larga duración. Tampoco muestran la estabilidad de las citas tras cambios futuros del modelo y del corpus.
Poseer el modelo puede facilitar el control del alojamiento y el entrenamiento, pero no demuestra exactitud jurídica, confidencialidad, cumplimiento ni seguridad. La soberanía depende también del lugar de ejecución, la administración, los registros, los subcontratistas y la gestión de accesos.
Análisis de Maetra: inventariar la ruta de decisión
El cambio operativo más importante es que la selección del modelo pasa a formar parte de la evidencia del trabajo profesional. En un producto multimodelo, la misma función visible puede utilizar modelos distintos según la tarea o el momento.
Los equipos jurídicos, de riesgo y de plataforma deben seguir un flujo con consecuencias desde la instrucción del usuario hasta el efecto final, pasando por el enrutamiento del modelo, la recuperación de contenido propio, el uso de herramientas y la revisión humana. El registro debe mostrar qué modelo y qué evidencia respaldaron el resultado. La guía de Maetra sobre registros de auditoría de IA ofrece un punto de partida práctico.
Fuentes
- Thomson Reuters: Thomson Reuters Leverages its World-Class Data Assets to Launch Its Own Frontier Model, publicado el 24 de agosto de 2026.
- SiliconANGLE: Thomson Reuters launches proprietary AI model for legal work, publicado el 24 de agosto de 2026.
- LawSites: Thomson Reuters Launches Thomson, Its Own Proprietary LLM, publicado el 24 de agosto de 2026.