24 de agosto de 2026 — El proveedor de servicios de información Thomson Reuters lanzó el lunes su propio modelo de IA propietario, el cual, según la empresa, fue entrenado por menos de la mitad del costo de otros modelos de IA de vanguardia. El lanzamiento muestra lo que es posible para proveedores de SaaS como Thomson Reuters que buscan capitalizar el mercado de la IA.

Desarrollado internamente, el modelo, denominado Thomson, fue construido sobre el contenido propietario del proveedor —con un enfoque en información jurídica—, así como sobre su tecnología y su experiencia en el dominio. Parte de un modelo base llamado Snowdon, desarrollado por el FAIR Lab del Imperial College London.

Thomson Reuters, con sede en Toronto, presenta a Thomson como comparable a los modelos de vanguardia más potentes del mercado, incluidos Claude Opus 4.8, GPT 5.5 y Gemini 3.1 Pro. El lanzamiento llega después de que los proveedores de SaaS del sector de servicios de información jurídica se vieran sacudidos por el lanzamiento de los plugins Claude Cowork de Anthropic en febrero, lo que subraya la rapidez con la que los productos de IA de vanguardia pueden llegar ahora a los flujos de trabajo profesionales que esos proveedores han atendido durante tanto tiempo.

Además del ámbito jurídico, Thomson Reuters dirige el nuevo modelo a profesionales de campos como la contabilidad y otras áreas relacionadas con el cumplimiento normativo, una señal temprana de que considera que la IA entrenada para dominios específicos puede ir más allá de su núcleo jurídico.

La empresa señaló que el origen del modelo también se remonta a su adquisición de Safe Sign Technologies en 2024. Safe Sign era una startup británica de IA que desarrollaba grandes modelos de lenguaje (LLM) específicos para el ámbito jurídico, y el personal de la startup se convirtió en el equipo de investigación fundamental de Thomson. La adquisición le entregó a Thomson Reuters un grupo de investigación ya formado en un solo paso, una ruta que otros proveedores de SaaS que sopesan desarrollar sus propios modelos podrían estudiar.

Un modelo que podría impulsar a otros

"Este podría ser un modelo inspirador para otras instituciones que también están sentadas sobre enormes reservas de propiedad intelectual y capital", dijo Michael G Bennett, vicerrector asociado de ciencia de datos y estrategia de IA de la Universidad de Illinois Chicago.

Añadió que, para los proveedores —especialmente para las organizaciones con datos que no han sido absorbidos por los creadores de modelos de vanguardia—, crear su propio modelo para uso comercial puede tener sentido.

"Esto será una revelación para muchos sectores que han estado pensando en cómo adoptar la tecnología y, al mismo tiempo, aprovechar la experiencia intelectual y los recursos que tienen internamente para construir no solo un modelo realmente potente y útil, sino también uno que se distinga de un modelo de vanguardia", continuó Bennett.

Un proyecto de bajo costo

La ruta que siguió Thomson Reuters para crear su modelo también es intrigante, señaló Bennett. Al usar un modelo de pesos abiertos como base de Thomson, Thomson Reuters solo tuvo que invertir 40 millones de dólares en su entrenamiento, mucho menos que el costo de entrenar un LLM avanzado, que normalmente puede superar los 100 millones de dólares. Para la industria del software en general, esa aritmética puede importar tanto como el propio modelo: sugiere que un modelo propietario competitivo está al alcance de los proveedores que ya poseen datos y experiencia especializados, sin necesidad de los presupuestos de un laboratorio de IA de vanguardia.

"Su gasto fue probablemente del orden de una o dos magnitudes menor que lo que costaría construir un modelo desde cero", dijo Bennett.

Aún no está claro cómo funcionará el modelo de Thomson en el mercado, pero el LLM debería tener un buen desempeño técnico, señaló Bennett. Para las empresas de industrias del conocimiento, la capacidad de entrenar modelos específicos para un dominio sin incurrir en los gastos típicos del desarrollo de modelos y de utilizar un modelo económico podría resultar atractiva, añadió.

Aunque Thomson Reuters superó obstáculos organizativos y técnicos en la construcción del LLM, aún quedan desafíos para el proveedor, entre ellos convencer a sus clientes de que el modelo es comparable a otros modelos de vanguardia, dijo Bennett. Las empresas que se suscriban a Thomson también deberán descubrir y comparar por sí mismas si un LLM como Thomson, con su experiencia en el dominio, es comparable a los de los laboratorios de IA de vanguardia.

Para la industria en general, los indicadores a corto plazo que habrá que observar son si los clientes empresariales validan las afirmaciones de Thomson Reuters sobre su nivel de vanguardia en el trabajo profesional cotidiano, y si otros proveedores que poseen un contenido propietario profundo siguen el mismo camino de pesos abiertos y entrenamiento por dominio.

Fuente: AI Business