톰슨로이터 CEO, Westlaw·Practical Law 데이터 기반 'Thomson' LLM 상세 설명

• 톰슨로이터가 웨스트로·프랙티컬 로 데이터로 학습한 자체 LLM '톰슨 1.0'을 출시했다.
• 외부 파운데이션 모델 의존에서 벗어나 자체 데이터 경쟁력을 모델 층위로 확장하려는 전략이다.
• 벤치마크 구체 수치 등은 발췌만으로 확인되지 않는다.

톰슨로이터는 자사 법률 데이터베이스인 웨스트로(Westlaw)와 프랙티컬 로(Practical Law) 콘텐츠를 학습 데이터로 활용한 독자 LLM '톰슨 1.0'을 공개했다. 발췌에 따르면 이는 톰슨로이터가 상당 기간 준비해온 프로젝트로, CEO 스티브 하스커가 지난 6월 인터뷰에서 이미 개발 사실을 공개적으로 언급한 바 있고, 최근에는 예비 벤치마크 결과도 공개된 바 있다.

그동안 대부분의 리걸테크 업체는 오픈AI, 앤스로픽 등 외부 파운데이션 모델을 API로 가져와 자사 법률 데이터와 결합하는 방식을 취해왔다. 톰슨로이터가 자체 모델을 처음부터 구축한다는 것은 외부 모델 의존도를 낮추고 자사가 독점 보유한 웨스트로·프랙티컬 로 데이터의 경쟁우위를 모델 층위에서까지 확보하려는 전략으로 해석할 수 있다.

실무자 입장에서는 웨스트로 등 기존 제품에 자체 모델이 결합되면서 답변의 정확성이나 인용 신뢰도가 어떻게 달라지는지가 관건이 된다. 다만 발췌에는 벤치마크의 구체적 수치나 비교 대상이 나오지 않아, 실제 성능 개선 정도는 원문 확인이 필요하다.

본문은 수집한 기사의 제목과 발췌를 바탕으로 AI가 정리한 해설입니다. 수치·날짜·조문 등 세부 사실은 원문에서 확인하세요.