Thomson Reuters postavil vlastní právní AI. Model „Thomson" se učil z desetiletí právních textů, ne z celého internetu

Mediální a datový gigant Thomson Reuters 24. srpna 2026 představil „Thomson" — svůj první vlastní velký jazykový model natrénovaný na desetiletích právních a daňových dat z databází Westlaw, Practical Law, Checkpoint a agentury Reuters. Investice do výpočetního výkonu a talentu dosáhla 40 milionů dolarů. Ukazuje se tím trend, který změní i český trh: specializovaná AI trénovaná na kvalitních oborových datech začíná v odbornosti porážet obecné modely.

Zatímco velké laboratoře jako OpenAI, Anthropic nebo Google soupeří o to, kdo postaví nejchytřejší univerzální model, roste vedle nich tišší, ale pro byznys neméně důležitý trend: specializovaná umělá inteligence trénovaná na kvalitních oborových datech. Nejnovějším a asi nejvýmluvnějším příkladem je krok mediálního a datového gigantu Thomson Reuters. Firma 24. srpna 2026 představila „Thomson" — svůj vůbec první vlastní velký jazykový model, který se místo z celého internetu učil z desetiletí prověřených právních, daňových a zpravodajských textů z vlastních databází.

Model, který četl Westlaw místo Redditu

Zásadní rozdíl oproti běžným chatovacím modelům je v tom, čím byl model nakrmen. Thomson vznikl na základě open-source modelu, který firma dál doučila na svých vlajkových datech — právní databázi Westlaw, praktických právních příručkách Practical Law, daňovém a účetním zdroji Checkpoint a na archivu zpravodajské agentury Reuters. Jde o obsah, který právníci, daňoví poradci a firmy po celém světě používají desítky let a za který si běžně platí. Investice do výpočetního výkonu a odborného týmu, který model postavil, dosáhla podle firmy 40 milionů dolarů.

Proč na tom tolik záleží? Obecné modely typu ChatGPT jsou trénované na obrovském, ale velmi různorodém řezu internetu — od odborných článků po diskusní fóra a marketingové bláboly. To je jejich síla, když potřebujete asistenta na cokoli. Zároveň je to ale jejich slabina ve chvíli, kdy jde o přesnost v úzkém, vysoce regulovaném oboru. Právě tady bývá jejich achillovou patou takzvané halucinování — tedy sebejisté vymýšlení neexistujících paragrafů, judikátů nebo citací, které v právu může mít fatální následky.

Vertikální AI: úzká, ale hluboká

Krok Thomson Reuters je učebnicovým příkladem takzvané vertikální umělé inteligence — modelů, které nechtějí umět všechno, ale zato dokonale ovládají jednu oblast. Logika je jednoduchá: pokud firma vlastní kvalitní data z určitého oboru, může postavit model, který v této oblasti překoná i mnohem větší univerzální systémy. Nejde přitom o velikost, ale o kvalitu a relevanci trénovacích dat. Model, který nikdy neviděl nic jiného než prověřené právní texty, má výrazně menší sklon si vymýšlet a mnohem lépe rozumí odbornému jazyku.

Kdo vlastní kvalitní oborová data, vlastní i výhodu, kterou žádný obecný model snadno nedožene. Budoucnost odborné AI nepatří jen těm největším, ale těm, kdo mají nejlepší data.

Thomson Reuters navíc nezačíná od nuly. Firma už dřív koupila právní AI startup Casetext a jeho asistenta CoCounsel a roky buduje nástroje pro právníky. Vlastní model je logickým vyvrcholením této strategie: místo aby platila cizí laboratoři za přístup k jejímu modelu a spoléhala na to, že bude v právu dost přesný, staví si vlastní systém šitý na míru svým datům i svým zákazníkům. Získává tím kontrolu nad kvalitou, náklady i důvěrností citlivých dat.

Co to znamená pro české firmy

Na první pohled je zpráva o americkém právním modelu od českého podnikatele daleko. Signál, který vysílá, je ale univerzální a týká se prakticky každého oboru. Ukazuje totiž, že skutečnou hodnotou v éře umělé inteligence nejsou jen samotné modely — ty se stávají komoditou, kterou si lze pronajmout — ale kvalitní, dlouhodobě budovaná oborová data. Firma, která má za roky nasbírané čisté a dobře strukturované informace ze svého odvětví, sedí na aktivu, jehož cena s nástupem AI prudce roste.

Pro české firmy z toho plyne praktické poučení hned ve dvou rovinách. Zaprvé: pokud vybíráte AI nástroj pro odbornou práci — ať už jde o právo, účetnictví, zdravotnictví nebo strojírenství — stále častěji bude dávat smysl sáhnout po specializovaném řešení natrénovaném na oborových datech, ne po univerzálním chatbotovi. Zadruhé: vlastní firemní data — smlouvy, dokumentace, historie zakázek, znalosti zkušených lidí — přestávají být jen provozním balastem a stávají se surovinou, ze které lze postavit konkurenční výhodu. Nemusíte hned trénovat vlastní model za 40 milionů dolarů; často stačí data správně uspořádat a napojit na existující nástroje.

Krok Thomson Reuters tak potvrzuje trend, který bude v příštích letech sílit. Éra, kdy se soutěžilo jen o to, kdo má největší a nejchytřejší univerzální model, se pomalu láme. Vedle ní roste svět úzce specializovaných AI, které nemusí umět skládat básně ani programovat hry — stačí, že bezchybně rozumí jednomu oboru a datům, na kterých stojí celý byznys. A v tomhle světě může mít navrch i firma, která není technologickým gigantem, zato dobře ví, co za ta léta ve svém oboru nasbírala.