톰슨로이터, 법률 전용 자체 AI 모델 구축

톰슨로이터가 자사 최초의 독자적인 대형 언어모델(LLM) "Thomson"을 공개했다. 이 모델은 중국 알리바바 그룹의 오픈소스 모델 Qwen을 기반으로 만들어졌으며, 회사 측에 따르면 현재는 Qwen3.5-397B 버전을 사용하고 있다고 한다. 기술 매체 The Decoder의 보도에 따르면, 톰슨로이터는 이 프로젝트에 2년에 걸쳐 인력과 컴퓨팅 자원에 약 4천만 달러를 투자했다고 밝혔다.

현재 버전의 마지막 정식 학습, 이른바 트레이닝 런(training run) 단 한 번의 비용만도 약 45만 달러에 달했던 것으로 알려졌다. 이 숫자는 언론에서 더 자주 언급되지만, 실제로는 전체 비용 가운데 극히 일부에 불과하다. 심지어 4천만 달러라는 금액조차, 이 프로젝트의 진짜 근본적인 가치를 온전히 반영하지는 못한다. 그 가치란 바로 Westlaw, Practical Law, Checkpoint, 그리고 로이터(Reuters)로부터 나온 수십 년치 콘텐츠, 그리고 수백 명에 이르는 법률 분야 전문가들이 수년에 걸쳐 이 프로젝트에 쏟은 노동 시간을 의미한다.

오픈소스 모델이 법률 전용 모델이 되기까지

톰슨로이터는 런던의 임페리얼 칼리지 런던(Imperial College London)과 협력해, 먼저 이 중국산 오픈소스 모델을 안전성, 윤리, 정치적 중립성 측면에서 새롭게 재정렬하는 작업을 진행했다. 이 중간 단계에는 "Snowdon"이라는 내부 코드명이 붙었는데, 이는 웨일스에 있는 산의 이름에서 따온 것이다. 이후 회사 고유의 콘텐츠를 활용한 사전학습, 법률 분야 전문가들이 참여한 사후학습, 그리고 Westlaw와 같은 회사 자체의 도구 환경 안에서 이루어진 에이전트형 강화학습이 차례로 이어졌다. 회사 측에 따르면, 지금까지 학습에 사용된 콘텐츠는 전체 활용 가능한 자료 가운데 10퍼센트에도 미치지 못한다고 한다.

톰슨로이터의 최고기술책임자(CTO) 조엘 흐론(Joel Hron)은 The Decoder와의 인터뷰에서, 이 프로젝트의 출발점이 "대략 여섯 번 정도" 바뀌었다고 밝혔다. 연구 책임자인 조나단 슈워츠(Jonathan Schwartz)는 여기에 덧붙여, 진짜 성과는 어느 하나의 모델 자체가 아니라, 반복해서 재사용할 수 있는 "모델 공장"을 갖추게 된 것이라고 설명했다.

Thomson은 법률 분야에서 지능의 최전선을 스스로 설정해야 한다. 이는 내가 보기에 많은 최전선 연구소들이 하고 있는 것과는 전혀 다른 종류의 작업이다.

이런 추가적인 단계들을 전혀 거치지 않고 그저 오픈소스 모델을 그대로 가져다 쓴다면, 그 모델은 그만큼 많은 것을 알지 못하게 된다. 회사 고유의 가치관과 반드시 일치한다고 보장할 수도 없고, 나중에 직접 구축한 도구들을 활용했을 때만큼 우수한 성능을 내지도 못할 것이다.

신중하게 받아들여야 할 벤치마크 결과

회사가 자체적으로 진행한 테스트에서, Thomson은 스탠퍼드 LegalBench 벤치마크에서 0.823점을 기록해, Gemini 3.1 Pro와 GPT-5.5보다는 뒤처지는 결과를 보였다. Harvey Legal Agent Benchmark에서는 Claude Opus 4.8에 바로 근소하게 못 미치는 성적을 냈다. Thomson은 지시 이행 능력과, 난이도가 높은 PrBench Legal 항목에서는 선두를 차지했지만, 추론 능력, 그리고 특히 코딩 능력에서는 뚜렷하게 뒤처지는 모습을 보였다. 다만 이 비교 자체가 방법론적으로 편향되어 있다는 지적도 있다. Thomson은 테스트 시점 스케일링(test-time scaling) 기법을 적용받은 상태로 평가된 반면, GPT-5.5는 추론 모드를 사용하지 않은 상태로 테스트를 받았기 때문이다.

회사 내부에서 진행한 심층 리서치, 이른바 딥 리서치(Deep Research) 벤치마크에서는, 웹 접근 권한만 주어졌을 때 Thomson의 사실 정확도 점수가 0.53으로 나타났고, 이는 GPT-5.4의 0.65에는 미치지 못하는 수치였다. 그러나 그룹이 보유한 독자적인 콘텐츠에 접근할 수 있게 되자, Thomson의 점수는 0.83까지 뛰어올랐으며, 이는 GPT-5.4의 0.82를 근소한 차이로 앞서는 결과였다. 이번 평가를 담당한 앤드루 빈(Andrew Bean)은, 웹 접근 권한만으로는 이 모델이 "확실히 아직은" 업계 선두라고 보기 어렵다는 점을 인정했다. 특히 주목할 만한 점은, GPT-5.4 역시 독자적인 콘텐츠 접근으로부터 상당히 큰 이득을 얻고 있다는 사실이다. 다시 말해 데이터에 대한 접근권 자체가, 전문화된 학습 과정 못지않게 중요한 요소로 작용하고 있는 셈이다. SiliconANGLE은 이 같은 내부 결과가 아직 광범위한 독립적 검증을 거치지 않았다고 짚었으며, 더 많은 벤치마크 결과를 담은 기술 보고서가 추후 공개될 예정이라고 덧붙였다. 톰슨로이터는 이미 테스트를 위해 법률 전문가들 및 학술 기관들과 이 모델을 공유하기 시작한 상태다.

왜 최전선 모델을 미세조정하는 대신 직접 구축했나

OpenAI나 Anthropic이 보유한 기존의 최전선 모델을 미세조정(fine-tuning)하는 대신, 왜 굳이 독자적인 모델을 새로 구축하는 길을 택했을까. 회사 측은 다음과 같은 세 가지 이유를 제시했다.

• 경제성: 일반적인 미세조정 방식은 모델이 지닌 범용적인 능력을 흔히 손상시키며, 회사를 추론 비용과 공급업체의 로드맵에 계속 종속되게 만든다. 이에 비해 규모가 더 작은 자체 모델은 문서 검토처럼 처리량이 많은 업무에서 경제적으로 더 유리하다.
• 데이터: Westlaw와 같은 회사 고유의 도구 환경 안에서 이루어지는 학습이야말로, 앞서 관찰된 성능 도약을 만들어 낸 핵심 요인이다. 회사는 바로 이러한 접근 권한을 어떤 제3자에게도 넘기고 싶어 하지 않는다.
• 누적 효과: 제품이 업데이트될 때마다 이루어지는 전문가 평가는 결국 학습 데이터로 전환되며, 자체 모델 체계 안에서는 이것이 외부 공급업체의 이익이 아니라, 마치 자기자본처럼 회사 안에 그대로 축적되어 간다.

회사는 이러한 접근 방식에 한계가 있다는 점 역시 인정하고 있다. 이 방식은 세 가지 희귀한 조건, 즉 독점적인 데이터베이스, 내부적으로 고용한 수백 명의 도메인 전문가, 그리고 품질을 객관적으로 측정할 수 있는 업무 프로세스를 동시에 갖춘 기업에만 적용될 수 있다는 것이다. 이러한 조건을 갖춘 기업이라면, 오픈소스 커뮤니티가 최전선 연구소를 따라잡는 시점을 겨우 몇 달 정도 늦출 뿐이며, 경우에 따라서는 4천만 달러 정도로도 충분히 경쟁력 있는 전문 모델을 만들어낼 수 있다. 반대로 자체 데이터나 평가 인프라를 갖추지 못한 기업이라면, 자체 모델 구축 비용은 주로 끝없이 이어지는 유지보수 부담의 형태로 되돌아오게 될 것이다.

첫 적용 사례: CoCounsel 내부에 탑재

Thomson은 우선 톰슨로이터의 법률 AI 어시스턴트인 CoCounsel Legal의 "표 분석(Tabular Analysis)" 기능에 통합되어, 대량의 문서 검토 작업을 처리하는 데 쓰이고 있다. 이는 규모가 작고 비용이 저렴한 모델을 도입하는 것이 경제적으로 타당한 대표적인 활용 사례다. CoCounsel은 여전히 멀티 모델 구조를 유지하고 있어서, 관리자는 지금도 다른 모델을 선택할 수 있다. Thomson은 시스템 전체를 지휘하는 역할을 맡도록 설계된 것이 아니라, 인용 검증과 같은 하위 작업을 담당하는 역할로 자리매김하고 있다. 회사 측 설명에 따르면, 고객 데이터는 이 모델의 학습에 사용되지 않는다.

이 모델의 더 작은 버전은 향후 비상업적 라이선스 하에, 공개 가중치 형태로 Hugging Face 플랫폼을 통해 배포될 예정이며, 기술 보고서와 개발자용 포털도 함께 제공될 계획이다. 이와 더불어, 여러 법무법인들과는 이미 직접 라이선스 계약에 관한 예비적이고 구속력 없는 논의가 진행 중이다.

톰슨로이터는 이러한 시도의 배경이 되는 맥락을 강조하고 있다. 회사의 대표 플랫폼인 Westlaw는 4만 개가 넘는 개별 데이터베이스와, 150년이 넘는 법률 출판 및 편집 축적물을 보유하고 있다. 회사 측 설명에 따르면, 자체 모델을 직접 통제한다는 것은 배포, 거버넌스, 그리고 향후 개발 방향에 대해 회사가 더 큰 주도권을 갖게 됨을 의미하며, 이는 일종의 "AI 주권" 논리로도 해석될 수 있다. 이미 여러 대형 법무법인 및 기업들과 이 모델에 대한 직접 접근을 두고 논의가 진행 중이며, 여기에는 고객들이 향후 자신들의 지식 체계와 업무 프로세스에 맞춰 Thomson을 직접 맞춤화할 수 있는 가능성까지 포함되어 있다.

한국의 법무법인과 기업 법무팀 입장에서 이 사례가 시사하는 바는 분명하다. 자체 구축 언어모델이 실제로 경제적 타당성을 갖추려면 어떤 조건이 필요한지를 잘 보여주고 있다는 점이다. 수십 년에 걸쳐 쌓아온 독점적인 데이터베이스, 내부에 고용된 도메인 전문가, 그리고 품질을 객관적으로 측정할 수 있는 업무 프로세스, 이 세 가지를 동시에 갖춘 조직만이 상대적으로 제한된 예산으로도 최전선 연구소에 견줄 만한 전문 모델을 구축해낼 수 있다. 반면 대다수 한국 기업의 경우에는, 기존 모델들을 에이전트 기반 시스템을 통해 통합해 활용하는 방식이, 특히 반복적인 법무 및 행정 업무를 자동화하는 데 있어 여전히 더 현실적인 선택지로 남을 가능성이 크다.