Thomson Reuters bouwde een eigen AI-model voor 40 miljoen dollar

TL;DR

• Wat: Thomson Reuters heeft voor circa 40 miljoen dollar een eigen juridisch AI-model gebouwd, gebaseerd op het open-sourcemodel Qwen van Alibaba.
• Waarom relevant: Het laat zien dat bedrijven niet afhankelijk hoeven te zijn van OpenAI of Anthropic — eigen data kan het verschil maken.
• Wat je ermee kunt: Overweeg of jouw bedrijfsdata waardevol genoeg is om een eigen, gespecialiseerd AI-model te rechtvaardigen, in plaats van alleen algemene AI-tools te gebruiken.

Thomson Reuters — het bedrijf achter juridische databank Westlaw en persbureau Reuters — heeft bekendgemaakt dat het een eigen groot taalmodel heeft gebouwd. Dat model heet Thomson en kostte zo'n 40 miljoen dollar over twee jaar. Ik viel over dit bericht omdat het een trend bevestigt die ik steeds vaker zie: grote bedrijven die hun eigen AI gaan draaien, in plaats van te leunen op de grote namen.

Van huren naar kopen

CTO Joel Hron van Thomson Reuters vatte het kernachtig samen: het verschil tussen een huis huren en een huis kopen. Tot nu toe gebruikte het bedrijf modellen van Anthropic (Claude) en OpenAI (ChatGPT) in hun producten. Dat werkt, maar je bent afhankelijk van een ander — van hun prijzen, hun updates, hun prioriteiten.

Door een eigen model te bouwen krijgt Thomson Reuters meer controle. Niet alleen over de kosten, maar ook over hoe het model omgaat met hun specifieke vakgebied: recht, belastingen, compliance. Wat mij hier opvalt is dat ze niet claimen het beste model ter wereld te hebben. Ze claimen iets anders: dat ze nu een fabriek hebben om modellen te bouwen. Research-directeur Jonathan Schwartz zei het zo: de focus ligt niet op het individuele model, maar op de modelfabriek die ze hebben opgezet.

Dat is een interessant onderscheid. Het gaat niet om één product, maar om een herhaalbaar proces.

Open source als startpunt

Thomson Reuters begon niet vanaf nul. Ze namen Qwen 3.5 als basis — een open-sourcemodel van het Chinese techbedrijf Alibaba. Dat klinkt misschien verrassend voor een Amerikaans-Canadees bedrijf, maar het is een bewuste keuze. Open-sourcemodellen zijn vrij beschikbaar en bieden een solide technische fundering zonder dat je miljarden hoeft te investeren in basisonderzoek.

Samen met onderzoekers van Imperial College London werkten ze aan een tussenversie genaamd Snowdon. Die stap was specifiek bedoeld om het model te zuiveren van politieke bias en veiligheidsproblemen — iets wat je wilt als je juridische adviezen genereert.

Vervolgens trainden ze het model verder op hun eigen content: Westlaw, Practical Law, Checkpoint en Reuters-materiaal. Wat ik bijzonder vind: ze hebben naar eigen zeggen nog geen tien procent van hun beschikbare content gebruikt. Er zit dus nog flink wat ruimte voor verbetering.

De laatste trainingsronde kostte zo'n 450.000 dollar. Vergelijk dat eens met de miljarden die OpenAI en Google uitgeven aan hun modellen. Het laat zien dat je met een slimme aanpak — open-sourcemodel plus eigen data — veel kunt bereiken voor een fractie van die bedragen.

Hoe goed is het model eigenlijk?

Dit is waar het eerlijk wordt. Thomson scoort behoorlijk op juridische benchmarks. Op de Stanford LegalBench haalt het een score van 0,823 en op de Harvey Legal Agent Benchmark zit het net onder het niveau van Anthropic's topmodel. Maar op algemene taken zoals redeneren en coderen valt de prestatie volgens onafhankelijke analyses flink terug.

Er zit bovendien een nuance die ik niet wil weglaten: volgens berichtgeving van The Decoder verdwijnt het prestatievoordeel van Thomson grotendeels als je concurrerende modellen zoals GPT-5.4 óók toegang geeft tot diezelfde exclusieve content. Met andere woorden: de kracht zit vooral in de data, niet zozeer in de gespecialiseerde training.

Is dat erg? Ik denk het niet per se. Het bevestigt juist dat je eigen data de echte waarde is. Het model is het voertuig, de data is de brandstof.

Wat betekent dit voor een ondernemer?

Nu denk je misschien: leuk voor een miljardenbedrijf als Thomson Reuters, maar wat heb ik hieraan met mijn bedrijf van twintig medewerkers? Eerlijke vraag. Je gaat niet morgen een eigen AI-model trainen voor 40 miljoen.

Maar het principe erachter is wel degelijk relevant. Stel dat je als ondernemer jarenlang handleidingen, contracten, klantgesprekken of productdocumentatie hebt opgebouwd. Die kennis zit nu waarschijnlijk verspreid over mappen, e-mails en hoofden van medewerkers. De les van Thomson Reuters is: die data heeft waarde die verder gaat dan het dagelijks gebruik.

Er zijn inmiddels manieren om — op veel kleinere schaal — AI-modellen af te stemmen op je eigen bedrijfsinformatie. Denk aan fine-tuning of retrieval-augmented generation (RAG), waarbij een bestaand AI-model je eigen documenten raadpleegt voordat het antwoord geeft. Dat is geen 40 miljoen dollar, maar het begint bij dezelfde vraag: welke unieke kennis heeft mijn bedrijf, en hoe kan AI die beter ontsluiten?

De huren-of-kopen-vraag geldt ook voor het MKB

De meeste ondernemers zitten nu in de huurstand: je gebruikt ChatGPT, Copilot of een andere tool en betaalt per maand. Dat is prima voor veel toepassingen. Maar zodra je merkt dat generieke AI niet genoeg snapt van jouw branche, jouw producten of jouw klanten, dan is het de moeite waard om te kijken naar oplossingen die dichter op je eigen data zitten.

Kun je je voorstellen wat het betekent als een AI-assistent antwoord kan geven op basis van vijftien jaar aan klantvragen die jouw serviceteam heeft beantwoord? Dat is in essentie wat Thomson Reuters doet — alleen dan op gigantische schaal.

De geopolitieke bijsmaak

Ik wil nog één ding benoemen, omdat meerdere media er aandacht aan besteden: Thomson Reuters bouwde op een Chinees open-sourcemodel. In een tijd waarin de relatie tussen het Westen en China op technologisch gebied gespannen is, roept dat vragen op. CTO Hron gaf aan dat er niets is wat hen permanent aan Qwen bindt — ze zouden in de toekomst kunnen overstappen op een ander open-sourcemodel.

Dat is een pragmatische houding. Open source is open source, ongeacht waar het vandaan komt. Maar het is goed om te weten dat dit debat speelt, zeker voor bedrijven die in gereguleerde sectoren opereren.

Een signaal, geen blauwdruk

Voor mij is dit bericht vooral een signaal dat de AI-markt aan het verschuiven is. De eerste fase was: iedereen gebruikt dezelfde grote modellen. De volgende fase is: bedrijven met waardevolle data gaan eigen varianten bouwen. Niet omdat het goedkoper is dan huren — 40 miljoen is nog steeds veel geld — maar omdat de combinatie van eigen kennis en AI een concurrentievoordeel kan opleveren dat je niet krijgt door alleen een abonnement af te sluiten. De echte vraag voor iedere ondernemer is uiteindelijk niet welk model gebruik je, maar welke data heb je dat niemand anders heeft.