4000만달러 들인 톰슨로이터, 법률 AI 자체 개발

톰슨로이터(Thomson Reuters)가 4000만 달러(약 553억원)를 투입해 자체 대형언어모델(LLM) ‘톰슨(Thomson)’을 개발했다. 범용 AI 모델을 그대로 가져다 쓰는 대신 법률·세무·규제 데이터에 특화한 기업용 모델을 직접 보유하는 전략이다.

톰슨로이터는 24일 발표문에서 톰슨을 사내에서 개발한 첫 독자 LLM이라고 밝혔다. 모델은 오픈소스 기반에서 출발해 웨스트로(Westlaw), 프랙티컬 로(Practical Law), 체크포인트(Checkpoint), 로이터(Reuters) 뉴스 자산 등 회사가 보유한 전문 콘텐츠로 중간훈련과 후속훈련을 거쳤다.

회사는 인력과 연산 비용을 합쳐 약 4000만 달러를 들였다고 설명했다. 범용 프런티어 모델 개발 경쟁이 대규모 연산 투자에 집중돼 온 것과 달리, 이번 모델은 특정 업무와 독점 데이터에 범위를 좁힌 사례다.

조엘 흐론(Joel Hron) 톰슨로이터 최고기술책임자는 발표문에서 “AI 업계는 수년 동안 규모를 답으로 봤다”며 “톰슨은 강한 기반 모델에서 출발해 중요한 업무에 깊게 특화하면 더 효율적이고 통제 가능한 지능을 만들 수 있음을 보여준다”고 말했다. 모델 크기보다 데이터 품질과 업무 적합성을 앞세운다는 뜻으로 풀이된다.

톰슨의 첫 적용 대상은 법률 AI 서비스 코카운슬 리걸(CoCounsel Legal)의 표 분석 기능이다. 대량 문서 검토처럼 구조화된 업무에서 먼저 쓰인다.

코카운슬은 다중 모델 구조를 유지한다. 톰슨이 강점을 보이는 영역에는 톰슨을 쓰고, 다른 작업에는 외부 모델도 계속 활용하는 방식이다.

톰슨로이터는 톰슨이 지금까지 자사 콘텐츠의 10% 미만만 훈련에 사용했다고 밝혔다. 수백 명의 분야 전문가가 훈련 목표 설계부터 최종 평가까지 참여했다.

대형언어모델은 대규모 문서를 학습해 질문 답변, 요약, 문서 분석을 수행하는 AI 모델이다. 다만 기업용 AI에서는 일반 성능뿐 아니라 특정 문서 체계, 내부 규정, 책임 소재와 맞물린 결과 품질이 중요하게 다뤄진다.

회사 측은 학계와 비상업 연구용으로 소형 오픈웨이트 모델도 허깅페이스(Hugging Face)에 공개했다. 오픈웨이트는 개발자가 모델 가중치를 자체 환경에서 실행하고 조정할 수 있게 하는 배포 방식이다.

조너선 최(Jonathan H. Choi) 워싱턴대 법학전문대학원 교수는 회사 발표문에서 기업세 수업의 고난도 질문으로 톰슨, 챗GPT(ChatGPT), 클로드(Claude)를 시험했다고 밝혔다. 그는 “세 모델이 모두 정답을 냈지만 톰슨의 답변을 전반적으로 더 선호했다”고 말했다.

최 교수는 특히 법률 논저 링크가 답변을 더 투명하고 실무적으로 만들었다고 평가했다. 전문 분야에서는 정답 여부뿐 아니라 근거 제시 방식이 업무 활용성을 가르는 요소가 될 수 있다는 의미다.

이번 사례는 한국 기업에도 낯설지 않은 쟁점을 던진다. 기업용 AI는 모델 성능뿐 아니라 데이터 보관 위치, 추론 비용, 보안 요건, 운영 복잡도를 함께 봐야 하기 때문이다.

본지도 앞서 기업 고객이 AI 서비스 도입 때 비용과 보안 부담을 함께 따진다는 점을 전했다. 국산 신경망처리장치(NPU) 기반 풀스택 AI 협력도 외산 그래픽처리장치(GPU) 중심 인프라 비용과 보안 부담을 줄이려는 흐름과 맞닿아 있다.

다만 톰슨로이터가 톰슨을 독립 상품으로 판매하는 것은 아니다. 회사는 톰슨이 제품 안에서 특정 기능을 구동하는 모델 계층이라고 설명했다.

전문 데이터가 많은 기업이 자체 모델을 갖출 수 있다는 사례는 나왔다. 이 방식이 모든 기업에 같은 비용 구조와 성능을 보장하는지는 별도 검증이 필요하다.