Thomsonが示す企業独自AI、専門データと検証を持つ意味

4,000万ドルは何への投資か

同社の8月24日付発表によると、Thomsonは強力な既存の公開モデルを出発点に、追加学習によって専門業務へ適応させた独自の大規模言語モデルである。開発への投資額は4,000万ドルで、人材と計算資源を含む。巨大な事前学習をすべてゼロから再現したという説明ではない。

この違いは費用の比較に直結する。最終的な学習実行に使ったGPU代と、データ整備、試行、専門家の参加、人件費まで含む開発投資は、集計範囲が違う。「安く学習できた」という一つの数字から、導入後の運用も同じ比率で安くなるとは言えない。

公開された小型版のモデルカードでは、学習パイプラインの計算量を約1.63×10の23乗FLOP、B200 GPUで35,207時間と示している。GPU時間は多数のGPUを使った時間の合計であり、暦の上でそれだけ待つという意味ではない。また、これは小型版の説明であって、全サイズの開発費と同一視できない。

専門データを「与える」から「学習に変える」へ

同社が挙げる知識基盤は、Westlaw、Practical Law、Checkpoint、Reutersなどで蓄積してきたコンテンツだ。数百人の領域専門家が、学習の目標設計から最終評価まで関わると説明している。情報の量に加え、何を正しい答えとし、どのような根拠を示すべきかを定義する知識が投入される。

ここには、検索拡張生成、いわゆるRAGとの違いがある。RAGは関連文書を探して回答時の入力に加える方法で、モデル自体を更新しなくても新しい情報を参照させられる。一方、Thomsonの取り組みは、継続的な追加学習や事後学習によって、モデルの振る舞いや専門文書の扱い方も変えようとするものだ。

ただし、追加学習が検索を不要にするわけではない。判例や規制の更新、引用箇所の検証には、根拠資料へのアクセスが引き続き重要になる。モデルの内部知識と、資料や業務ツールの利用を組み合わせ、どちらの段階で誤りが生じたかを調べられることが実務では必要だ。

発表時点では、利用したのは同社コンテンツの10％未満とされる。これは同社が保有するコンテンツのうち使った範囲を示す説明であり、全学習データのうち独自データが10％未満という意味ではない。分母を取り違えると、少量の専門文書を加えるだけで同じ結果を再現できるかのような誤解につながる。

公開小型版で見える三つの学習工程

Hugging Faceの「Thomson-1.0-Small」は、総パラメータ約350億、推論時に約30億が活性化するMoE型のモデルとして公開されている。モデルカードはQwen3.6-35B-A3Bのアーキテクチャと、価値観の再調整を行ったSnowdon1.1-Smallのチェックポイントを示している。基盤モデルを使うことと、独自モデルを持つことが両立する構造だ。

最初の工程は、どのような価値基準に沿って回答するかの調整である。公開されたPublic AI Constitutionを参照し、憲法的DPOなどの方法で振る舞いを整える。特定の価値基準を採用したから完全に中立になるという保証ではなく、採用した基準を外部から検討できるようにする取り組みとして読むべきだ。

次は知識を扱う継続事前学習だ。モデルカードでは、19兆トークン超の候補から2,000億トークンを選び、独自文書、その言い換えを含む合成データ、一般能力を維持する再学習用データをおおむね三分する構成を説明している。専門分野へ寄せる一方で、元の広い能力を失いにくくする工夫である。

最後は、回答の好ましさの比較や強化学習を通じた行動・技能の調整だ。専門家が作った内容や、法律の論点整理に使うIRACのような枠組み、実務に近い質問が利用される。Deep Researchでは、ツールを正しく使い、引用を正確に付ける行動も評価対象になる。資料を大量投入するだけの工程ではない。

平均点より、向いた業務を見る

モデルカードの比較では、小型版の法律領域の平均は75.2で、元となるQwenモデルの72.7を上回る。一方、Stanford LegalBenchは79.9で、基盤モデルの80.3を下回る。すべての法律ベンチマークで改善するという結果ではない。

文書処理・RAGは78.8、基盤モデルは74.7で、人が作った実務質問やDeep Researchなどにも改善が報告されている。他方、コーディングや数学、多言語の一部では基盤モデルより低い数字もある。専門化による強みと残る弱みを、用途別に確認する必要がある。

これらは開発側が公開した評価であり、同じハーネスやプロンプト、比較可能な推論設定を使ったと説明している。Deep Researchの点数は、ツールを使う構成で生成したレポートを、網羅性、事実性、関連性、整合性で評価した集計値だ。モデル単体が短い問題に答える正答率とは指標の意味が違う。

専門家による試用のコメントも、個別の質問に対する評価として参考になるが、法律実務全体の正確性を証明するものではない。日本語の契約、日本法の解釈、社内独自の判断基準で同じ性能が出るかは、別に確かめなければならない。平均点だけで採用を決めず、引用の正しさ、見落とし、判断できない場合の回答を自社の事例で比較することが重要だ。

自社モデルを持っても、複数モデルは残る

発表で最初の適用先として挙げたのは、CoCounsel LegalのTabular Analysisである。大量の文書を一定の項目で比較・確認する業務は、専門化したモデルの効果を測りやすい。ただし8月の発表は今後のリリースへの組み込みを述べたもので、本稿は現在の提供地域や利用条件まで一律に保証するものではない。

同社はCoCounsel Legalを複数モデルで構成し、Thomsonの利点が明確な場所に使い、別の場所では他社モデルを使う方針を示している。独自モデルの開発は、外部AIの全面的な置き換えと同義ではない。業務ごとに精度、費用、応答時間、データ管理を比べ、組み合わせを選ぶ考え方だ。

小型版は学術・非商用の検証に向けた公開と発表されている。重みを入手できることだけで、あらゆる商用利用が自由になるとは判断できない。実際に利用する前に、当該版のライセンス、基盤モデルや関連データの条件、配布・改変の範囲を確認する必要がある。

AI主権を、運用できる範囲から考える

論文がいうSovereignAIは、組織がAIを独立して構築、配備、統治する能力を指す。モデルだけでなく、ツール基盤、価値基準、データのプライバシーなどが含まれる。自社サーバーへ置くことだけでも、自社名を付けることだけでも十分ではない。

日本企業にとっての検討点は、どの判断を自社で制御する必要があるかだ。更新時期を選びたいのか、顧客データの経路を限定したいのか、専門的な回答基準を継続して検証したいのかで、必要な投資は変わる。基盤モデルのライセンスや計算資源への依存も残るため、すべてを自前にするという二択で考える必要はない。

独自モデルの価値を支えるのは、権利を確認したデータと専門家の関与、再現できる評価、更新後の監視である。AI導入や専門データの整理については、運営会社のRO合同会社の公式サイトをご覧ください。

出典：トムソン・ロイターの8月24日発表、Thomson-1.0-Smallモデルカード、開発チームの論文、取材の起点となったイノベトピア記事。評価は公開資料の条件を付して記載し、日本の実務への示唆は編集部の考察として構成しています。