A Thomson Reuters investiu US$ 40 milhões para lançar o Thomson, seu primeiro modelo próprio de IA. 🤖⚖️ Ele foi especializado em conteúdo jurídico e tributário — mas a empresa já deixa claro: não existe garantia de que erre menos. 🧵

Imagem indisponível

Em vez de treinar do zero, a empresa partiu de uma base open source e adicionou décadas de acervo do Westlaw, Practical Law, Checkpoint e Reuters. É uma estratégia pragmática: menos custo computacional, mais domínio sobre dados altamente especializados.

O ponto central não é só o modelo: é quem controla o conhecimento que o alimenta. Bases jurídicas proprietárias viraram uma vantagem competitiva enorme na corrida da IA — e podem ampliar a concentração de poder num mercado já fechado.

Imagem indisponível

A Thomson Reuters chama sua abordagem de “Fiduciary-Grade AI”. A promessa é que o sistema sinalize incerteza, em vez de responder com confiança quando não tem segurança. Parece básico, mas contrasta com o comportamento comum de chatbots.

Só que o próprio CTO, Joel Hron, reconhece: o Thomson não é livre de erros e a revisão humana segue obrigatória, sem exceções. Em direito e tributos, uma resposta plausível, porém errada, pode custar muito mais que tempo.

Imagem indisponível

Há outra limitação decisiva: por padrão, o Thomson não consulta bases atualizadas em tempo real. Leis, decisões e normas mudam. Um modelo treinado em conteúdo robusto ainda pode ficar desatualizado no momento em que a resposta importa.

O CoCounsel continuará usando modelos de terceiros, como OpenAI e Anthropic, e o Thomson será uma peça da arquitetura. A leitura crítica: especialização ajuda, mas não elimina dependências nem transforma IA em parecer profissional.

Imagem indisponível

A melhor métrica não será quão convincente o Thomson soa, mas quão bem ele expõe limites, fontes e incertezas. Em áreas de alto impacto, IA responsável não é a que promete infalibilidade — é a que torna a verificação possível.