Thomson Reuters buduje własne AI, bo wiedza to dziś najcenniejsza waluta

Dziś na pierwszy plan wysuwa się wiadomość o Thomson Reuters, które zdecydowało się zainwestować 40 milionów dolarów w rozwój własnego modelu językowego, nazwanego „Thomson”. Ta decyzja, by zamiast „wynajmować” AI od gigantów takich jak OpenAI czy Anthropic, zbudować coś od podstaw na bazie technologii Alibaba Qwen, jest dla mnie sygnałem jednej z najważniejszych trendów na rynku sztucznej inteligencji: własność danych i specjalistyczna wiedza stają się najcenniejszym aktywem.

Dlaczego własny model to dziś konieczność?

Thomson Reuters to firma, której rdzeniem działalności jest informacja – prawnicza, finansowa, biznesowa. Ich przewaga konkurencyjna zawsze opierała się na dostępie do unikalnych, często zastrzeżonych danych i ich wiarygodnej interpretacji. W erze generatywnej AI, gdzie modele uczą się na ogromnych zbiorach danych, posiadanie własnego, wyszkolonego na ich specyficznych zasobach, staje się strategicznym imperatywem. To nie tylko kwestia kosztów, choć 40 milionów dolarów to znacząca kwota, ale przede wszystkim bezpieczeństwa intelektualnego i możliwości dostosowania narzędzia do bardzo specyficznych potrzeb. Jak zauważamy w naszym artykule, Thomson Reuters inwestuje 40 milionów dolarów w rozwój własnego modelu AI „Thomson”, jest to jasny sygnał, że firmy z unikalną wiedzą branżową nie mogą sobie pozwolić na oddanie kontroli nad swoimi danymi i procesami AI w ręce zewnętrznych podmiotów.

Koniec ery uniwersalnych gigantów?

Przez ostatnie lata obserwowaliśmy dominację wielkich, uniwersalnych modeli językowych, które próbowały być dobre we wszystkim. Jednak coraz częściej widzimy, że przyszłość AI leży w specjalizacji. Firmy takie jak Thomson Reuters, posiadające ogromne, specyficzne zbiory danych, są w stanie stworzyć modele, które w ich dziedzinie będą znacznie bardziej precyzyjne i użyteczne niż jakikolwiek ogólny LLM. To jest moment, w którym firmy z bogatą historią i unikalnym know-how mogą wykorzystać AI do umocnienia swojej pozycji, zamiast stać się ofiarami technologicznej rewolucji. To także pokazuje, że rynek AI dojrzewa, a firmy zaczynają rozumieć, że AI to nie tylko technologia, ale przede wszystkim dane.

Co to oznacza dla polskiego rynku?

Dla polskich firm, zwłaszcza tych działających w niszach rynkowych i posiadających unikalne zbiory danych, historia Thomson Reuters powinna być inspiracją. Zamiast czekać, aż globalni giganci dostarczą uniwersalne rozwiązania, warto rozważyć inwestycje w własne, specjalistyczne modele AI, które wykorzystają naszą lokalną wiedzę i dane. To może być klucz do budowania przewagi konkurencyjnej i niezależności technologicznej. Oczywiście, nie każda firma dysponuje budżetem 40 milionów dolarów, ale idea jest ta sama: dane i kontekst branżowy są dziś na wagę złota, a AI jest narzędziem do ich wydobycia i monetyzacji. To nie jest już tylko "fajny dodatek", ale strategiczny element budowania wartości.

Moim zdaniem, obserwujemy początek ery, w której firmy będą coraz bardziej świadome wartości swoich danych i będą dążyć do posiadania pełnej kontroli nad ich przetwarzaniem za pomocą AI. To zwiastuje decentralizację rynku AI i pojawienie się wielu wyspecjalizowanych graczy, którzy będą dominować w swoich niszach. Warto to śledzić i uczyć się od pionierów takich jak Thomson Reuters.

Źródło: the-decoder.com