Есть разница между «сделать удобный чат-бот» и «сделать инструмент, под ответом которого юрист готов поставить свою подпись». Thomson Reuters — компания, которая больше 175 лет строит доверенный контент и технологии для профессионалов: юристов, бухгалтеров, налоговых консультантов, специалистов по комплаенсу. Её продукты — Westlaw и Practical Law для юридических исследований, CoCounsel Legal — тот самый софт, на котором эти профессии буквально работают каждый день. Сейчас та же миссия определяет, как компания встраивает ИИ в процессы, где цена ошибки — не испорченный отчёт, а проигранное дело.
«Мы технологическая компания, работающая для профессий, которым нужна точность и аккуратность», — говорит Джоэл Хрон, CTO Thomson Reuters. Он пришёл в компанию четыре года назад, когда её купил его собственный стартап, и с тех пор наблюдает, как ИИ меняет саму суть разработки софта. Планка отбора моделей у его команды предельно конкретная: может ли работа модели пройти ту же профессиональную проверку, которую юрист применяет перед тем, как на неё опереться в реальном деле.
Почему юрист может доверять ответу Westlaw
Сделать юридический ИИ-инструмент может почти любая компания. Сделать такой, под которым юрист готов поставить своё имя, — совсем другая задача. У Thomson Reuters есть три преимущества, которые универсальным системам скопировать не так просто: авторитетный контент, глубокая экспертиза в предметной области и интеграция в рабочий процесс.
Причина, по которой ответу Westlaw можно верить, — не в самой модели, объясняет Хрон. Это десятилетия кураторской работы с прецедентным правом, труд более 2700 экспертов по всему миру, которые ежедневно размечают и дополняют этот контент, и оценочная инфраструктура, которую Thomson Reuters строит поверх моделей вроде Claude. «Именно тот человек-профессионал по-прежнему отвечает за конечный результат», — говорит он.
Такой подход в компании называют Fiduciary-Grade AI™ — ИИ, опирающийся на авторитетный контент, сформированный глубокой экспертизой и встроенный прямо в профессиональные рабочие процессы, так что результат прозрачен, проверяем и защитим, когда на кону многое. Именно поэтому здесь верификация важнее беглости речи. Юридический поиск Thomson Reuters пересобрали вокруг агентов, настроенных не просто на поиск и извлечение информации, а на проверку и валидацию цитат.
Изменение видно в том, что говорят клиенты. Исследование, которое раньше занимало «десятки часов», теперь готово «за считаные минуты» — не как финальный ответ, а как качественная стартовая точка, которую профессионал может оценить, доработать и применить. «Deep research стал переломным моментом в том, как мы думаем о юридическом поиске», — говорит Хрон.
Продукт, построенный вокруг агента
Для Thomson Reuters агенты — это не «более умный чат-бот», а новый способ доставки уже существующих продуктов. Хрон и его команда поставили задачу научить одного агента пользоваться всеми инструментами, которые компания раньше продавала как отдельный софт. Сегодня один агент имеет доступ к сотням внутренних инструментов компании — одновременно.
Этот сдвиг изменил и то, как в компании оценивают модели. «Наш главный тест для Claude — насколько хорошо он строит планы и использует эти инструменты эффективно и корректно», — говорит Хрон. CoCounsel Legal показывает, как это работает на практике. Раньше продукт запускал отдельные навыки друг за другом, по очереди. После пересборки на Claude Agent SDK он теперь планирует, делегирует и оркестрирует работу разных инструментов и источников контента в реальном времени — профессионал задаёт результат, а не диктует каждый шаг. При этом данные клиентов защищены и не используются для обучения сторонних моделей.
Хрон возводит этот выбор к самому началу сотрудничества двух компаний. Thomson Reuters была одним из первых корпоративных клиентов Anthropic, и решающим фактором стал не результат в бенчмарке. «Главное, что нас убедило, — подход Anthropic к построению корпоративного ИИ», — говорит он, упоминая прозрачность, безопасность и ответственную разработку. Первым доказательством стал deep research в юридической сфере, который команды строили совместно: инженеры Anthropic использовали инструменты именно так, как Thomson Reuters их уже поставляла клиентам.
Четыре требования к модели для работы со знаниями
Продуктовые, операционные и бизнес-команды компании используют Claude Cowork для автоматизации процессов и быстрого прототипирования — похожий подход к рутинной работе с ИИ мы уже разбирали в посте о том, чем на самом деле занимают ИИ на работе. На этих проектах команда Хрона сформулировала четыре требования, без которых модели просто не доверяют.
| Требование | Что это значит на практике |
|---|---|
| Проверка своих же цитат | Система в составе CoCounsel Legal не просто находит источник и двигается дальше — она проверяет, что цитирует, до того как показать результат человеку |
| Устойчивость в длинных цепочках вызовов | Долгие задачи требуют аккуратного управления контекстом и надёжного использования инструментов на протяжении всего запуска |
| Человек в процессе, а не только в конце | Хрон хочет модель, которая «вовлекает человека в разработку рабочего продукта, а не полагается на то, что агент выдаст готовый ответ за один проход» |
| Свобода на задачи, до которых раньше не доходили руки | Например, драфтинг сложных юридических документов — процессуальных ходатайств, на которые профессионалы раньше тратили «дни или недели» |
Задача с драфтингом ходатайств «всегда требовала слишком много контекста и точности» для более ранних моделей, говорит Хрон. С Claude Fable 5 она стала достижимой.
Взгляд на ROI: не считать слишком рано
У Хрона немного нестандартный взгляд на возврат инвестиций от ИИ — и другим руководителям, которые сейчас внедряют модели, он может пригодиться. «Если слишком рано пытаться оптимизировать под расчёт возврата инвестиций, легко потерять из виду картину целиком», — говорит он. Он хочет, чтобы команды сначала прочувствовали культурный сдвиг и смену мышления, а уже потом настраивали стоимость на задачу. Как только этот сдвиг происходит, отдача приходит сама.
Совет
Идея Хрона перекликается с тем, что мы советуем новичкам: сначала научись работать с инструментом и поменять привычки, а метрики эффективности приложатся сами. Например, разница между моделью и уровнем усилий в Claude Code — это тоже про то, что настройки важны, но без понимания процесса они бесполезны.
При этом Хрон всё равно следит за традиционными инженерными метриками — DORA (DevOps Research and Assessment) и время от идеи до продакшена. Он приводит пример внутреннего инструмента для устранения ошибок на базе Claude, который превратил производственный инцидент из трёх часов анализа причин в четыре минуты на исправление. «Возможность вернуться в рабочее состояние за минуты, а не за часы — это ощутимая разница».
Но глубже, по его мнению, меняется сама природа работы. «Написание строк кода больше не является работой», — говорит Хрон об инженерах компании; важнее становятся системное мышление, суждение и вкус. Он видит, как та же логика распространяется за пределы инженерии: ИИ делает людей более «T-образными» — способными выходить за рамки одной специализации в продукт, дизайн, финансы.
Что дальше
Сотрудники Thomson Reuters используют Claude Code, чтобы быстро разбираться в кодовых базах и строить долгоживущих агентов — это очень похоже на возможности, о которых мы писали в материале про субагентов, когда одна задача делится на части и выполняется параллельно. Хрон и его команда хотят двигаться дальше с Claude Fable 5 и будущими моделями Claude: работа на более длинном горизонте, лучшее управление контекстом, надёжный вызов инструментов на протяжении всей цепочки задач агента.
Сам Хрон не меньше рад применять эти модели в своей работе. Claude Code позволил ему «снова стать намного более техническим»: разобраться в кодовой базе, которую он не трогал месяцами, — за минуты, а не за день. А в Claude Cowork он «включает» точку зрения финансового директора или директора по стратегии, чтобы протестировать идеи на прочность.
Именно в эти направления сейчас вкладываются модели вроде Claude Fable 5 — и для работы, которая в итоге должна устоять в суде, Хрон видит в этом фронтир, который стоит развивать дальше. В конце концов, профессиональный ИИ должен работать там, где «почти правильно» — не вариант.
Частые вопросы
Что такое Fiduciary-Grade AI у Thomson Reuters?
Это подход компании к построению ИИ для профессий с высокими ставками: модель Claude сочетается с авторитетным контентом (например, базой прецедентного права Westlaw), экспертизой более 2700 специалистов и оценочной инфраструктурой. Итог должен быть прозрачным, проверяемым и защитимым — то есть таким, чтобы юрист мог поставить под ним своё имя.
Как CoCounsel Legal использует Claude Agent SDK?
Раньше продукт запускал отдельные навыки-модули друг за другом. После пересборки на Claude Agent SDK один агент планирует, делегирует и координирует работу сотен внутренних инструментов и источников данных в реальном времени, так что профессионал задаёт нужный результат, а не диктует каждый шаг вручную.
Почему проверка цитат важнее, чем скорость ответа?
Потому что ответственность за итоговый результат всё равно несёт человек-профессионал. Система должна не просто найти источник, а проверить, что она на него правильно ссылается, до того как показать результат пользователю — иначе доверие к инструменту быстро исчезнет.
Какой совет по ROI даёт CTO Thomson Reuters?
Джоэл Хрон советует не оптимизировать возврат инвестиций слишком рано. Сначала команде нужно прочувствовать культурный сдвиг и изменение привычек в работе с ИИ, а уже потом считать стоимость на задачу — отдача приходит следом сама.
Если хочешь попробовать всё это руками — начни с бесплатного курса «Claude с нуля».
Источник
По мотивам статьи Anthropic «Working at the frontier: How Thomson Reuters builds AI for high-stakes professional work». Пересказали по-русски для новичков.