จากปัญญาประดิษฐ์แบบเช่าใช้ สู่โรงงานผลิตโมเดล
เป็นเวลาหลายปีที่ Thomson Reuters นำเสนอผลิตภัณฑ์ที่เสริมประสิทธิภาพด้วย AI โดยการทำ fine-tuning โมเดลเชิงพาณิชย์จากห้องปฏิบัติการภายนอก การทำ fine-tuning คือการนำโมเดลที่ผ่านการฝึกฝนมาแล้วมาปรับแต่งค่าน้ำหนัก (weights) ด้วยชุดข้อมูลที่เล็กลง แต่กระบวนการนี้จะลดทอนความสามารถในการใช้เหตุผลในวงกว้างของโมเดล และทำให้บริษัทต้องผูกติดกับราคาและข้อจำกัดของ API ของผู้ให้บริการ
ปัจจุบันบริษัทปฏิบัติต่อ AI เสมือนเป็นสายการผลิต ในช่วงสองปีที่ผ่านมา บริษัทได้จ้างวิศวกร นักวิทยาศาสตร์ข้อมูล และผู้เชี่ยวชาญด้านการประมวลผล (compute specialists) พร้อมทั้งทุ่มงบประมาณ 40 ล้านดอลลาร์ไปกับเวลาการใช้งาน cloud GPU และฮาร์ดแวร์แบบ on-prem เพื่อฝึกฝนโมเดลจากซีรีส์ Qwen ซึ่งเป็นโอเพนซอร์ส (open-source) ของ Alibaba การเป็นโอเพนซอร์สหมายความว่ารหัสและค่าน้ำหนักนั้นเป็นสาธารณะ ทำให้ Thomson Reuters สามารถเริ่มต้นจากรากฐานที่แข็งแกร่งได้โดยไม่ต้องเสียค่าธรรมเนียมใบอนุญาต
ความร่วมมือกับ Imperial College ได้สร้างโมเดลระดับกลางที่ชื่อว่า “Snowdon” ซึ่งเริ่มจากการฝึกฝนใหม่เพื่อความปลอดภัย จริยธรรม และความเป็นกลางทางการเมือง ซึ่งเป็นข้อกำหนดที่ LLM ทุกตัวต้องผ่านก่อนจะส่งถึงมือลูกค้า หลังจาก Snowdon ทีมงานได้ป้อนเนื้อหาที่เป็นกรรมสิทธิ์จาก Westlaw, Practical Law, Checkpoint และคลังข่าวของ Reuters เข้าสู่โมเดล โดยใช้เนื้อหาไปไม่ถึง 10% ในขณะนี้ ซึ่งยังมีพื้นที่เหลือเฟือสำหรับการขยายขนาดเมื่อมีการนำเข้าข้อมูลมากขึ้น ขั้นตอนสุดท้ายคือการเพิ่ม agentic reinforcement learning โดยโมเดลจะโต้ตอบกับสภาพแวดล้อมเครื่องมือของ Thomson Reuters เอง ได้รับคำติชม และอัปเดตนโยบายเพื่อปรับปรุงประสิทธิภาพการทำงาน ในบริบทนี้ reinforcement learning จะสอนให้โมเดลบรรลุเป้าหมาย (เช่น การหาการอ้างอิงที่ถูกต้อง) ผ่านการลองผิดลองถูก แทนที่จะใช้เพียงตัวอย่างแบบคงที่
ประสิทธิภาพของโมเดลเมื่อเทียบกับคู่แข่ง
ในการทดสอบ Stanford LegalBench ซึ่งเป็นชุดการทดสอบการใช้เหตุผลทางกฎหมาย โมเดลที่พัฒนาขึ้นเองทำคะแนนได้ 0.823 ซึ่งตามหลัง Gemini 3.1 Pro, GPT-5.5 และ Opus 4.8 ใน Harvey Legal Agent Benchmark นอกจากนี้ยังตามหลังในด้านการเขียนโค้ดและการใช้เหตุผลทั่วไป ซึ่งแสดงให้เห็นว่าพลังการใช้เหตุผลดิบของโมเดลยังคงอ่อนแอกว่าห้องปฏิบัติการชั้นนำที่ทุ่มเงินหลายพันล้านดอลลาร์เพื่อสร้าง LLM อเนกประสงค์ขนาดมหึมา
ความได้เปรียบจะปรากฏขึ้นเมื่อโมเดลใช้ข้อมูลพิเศษของ Thomson Reuters ในการทดสอบ Deep Research ที่วัดความถูกต้องของข้อเท็จจริง โมเดลทำคะแนนได้ 0.53 เมื่อเข้าถึงเฉพาะเว็บ ซึ่งต่ำกว่า 0.65 ของ GPT-5.4 แต่เมื่อเพิ่มห้องสมุดกฎหมายภายในเข้าไป ความแม่นยำก็พุ่งสูงถึง 0.83 ซึ่งแซงหน้าคู่แข่งเชิงพาณิชย์ ผลลัพธ์นี้ตอกย้ำรูปแบบที่คุ้นเคยว่า โมเดลที่มีขนาดปานกลางเมื่อได้รับความรู้เฉพาะทางด้านโดเมน (domain-specific knowledge) ก็สามารถเอาชนะระบบที่มีขนาดใหญ่กว่ามากแต่ขาดข้อมูลเชิงลึกที่สำคัญได้
ทำไมการ "เป็นเจ้าของ" ถึงดีกว่าการ "เช่าใช้"
CTO Joel Hron และหัวหน้าฝ่ายวิจัย Jonathan Schwartz ชี้ให้เห็นถึงสามเสาหลักของการลงทุนครั้งนี้:
- ต้นทุนและความสามารถ – การรันงานปริมาณมาก เช่น การตรวจสอบเอกสาร ผ่าน API เชิงพาณิชย์ จะมีค่าธรรมเนียมต่อโทเคน (per-token fees) ที่เพิ่มขึ้นอย่างรวดเร็ว โมเดลขนาดเล็กที่ออกแบบมาโดยเฉพาะสามารถประมวลผลงานในปริมาณเท่ากันได้ในราคาเพียงเศษเสี้ยว ในขณะที่ยังคงรักษาประสิทธิภาพเฉพาะทางด้านกฎหมายไว้ได้
- อธิปไตยของข้อมูล (Data sovereignty) – สินทรัพย์ที่มีค่าที่สุดของ Thomson Reuters คือเนื้อหากฎหมายที่ผ่านการคัดสรรมาอย่างดี การส่งมอบข้อมูลนั้นให้กับผู้ให้บริการ AI ภายนอกจะสร้างความเสี่ยงด้านความปลอดภัยและความลับ และเป็นการมอบความได้เปรียบทางการแข่งขันให้กับผู้ให้บริการ การเก็บข้อมูลไว้ภายในบริษัทช่วยให้มั่นใจได้ว่าการพัฒนาจะยังคงเป็นส่วนตัว
- การสะสมทุนทางปัญญา (Compounding intellectual equity) – ทุกครั้งที่ทนายความตรวจสอบผลลัพธ์ของโมเดล การโต้ตอบนั้นสามารถบันทึกเป็นข้อมูลการฝึกฝนเพื่อขัดเกลาโมเดลให้ดียิ่งขึ้นได้ เมื่อเวลาผ่านไป บริษัทจะสร้างสินทรัพย์ที่เสริมสร้างตัวเอง (self-reinforcing asset) ซึ่งมีมูลค่าเพิ่มขึ้นเรื่อยๆ เปรียบเสมือนการเป็นเจ้าของอสังหาริมทรัพย์แทนที่จะเป็นการจ่ายค่าเช่า
กรณีการใช้งานแรกเริ่มและการสนับสนุนโอเพนซอร์ส
โมเดลนี้กำลังเริ่มใช้งานในชุดผลิตภัณฑ์ CoCounsel Legal ของ Thomson Reuters สำหรับงานที่ต้องการปริมาณงานสูงและต้นทุนต่ำ เช่น ฟีเจอร์ Tabular Analysis ที่ดึงข้อมูลที่มีโครงสร้างออกจากสัญญา นอกจากนี้ยังรองรับการตรวจสอบการอ้างอิง (citation-checking) ซึ่งเป็นขั้นตอนที่ทำซ้ำๆ แต่มีความสำคัญอย่างยิ่งต่อความถูกต้องในการร่างเอกสารทางกฎหมาย
เพื่อสร้างระบบนิเวศของนักพัฒนา โมเดลเวอร์ชันที่ปรับลดขนาดลงจะปรากฏบน Hugging Face ภายใต้ใบอนุญาตแบบไม่ใช้เพื่อการค้า สิ่งนี้ช่วยให้นักวิจัยและพันธมิตรสามารถทดลองใช้งานได้โดยไม่ต้องเปิดเผยโมเดลที่เป็นกรรมสิทธิ์ฉบับเต็มซึ่งเป็นตัวขับเคลื่อนผลิตภัณฑ์ที่สร้างรายได้ให้กับบริษัท