Durante las últimas tres décadas, Thomson Reuters ha recurrido a la inteligencia artificial (IA) para ayudar a sus clientes (y a sus propios empleados) a examinar montones de documentos digitales para descubrir los más relevantes para la pregunta en cuestión. Pero cuando la IA generativa (GenAI) irrumpió en escena a fines de 2022, la empresa se vio obligada a repensar su estrategia para mantener su posición competitiva y satisfacer la demanda de sus clientes de información específica del sector.

En noviembre, Thomson Reuters dio a conocer su estrategia GenAI y el lanzamiento de su producto tras la integración con Microsoft Copilot. El anuncio se produjo tras la adquisición por 650 millones de dólares del proveedor de tecnología GenAI Casetext (editor del asistente de información legal CoCounsel). La agencia de noticias y empresa editorial, que emplea a unas 25.000 personas y proporciona datos e información a profesionales de los sectores legal, fiscal y contable, se ha comprometido a invertir 100 millones de dólares al año en nuevas herramientas GenAI para uso interno y para sus clientes.

La solución actual de la empresa es una plataforma basada en la nube y basada en API que aprovecha todo el contenido de la empresa para permitir que los empleados y los clientes creen nuevas capacidades de IA utilizando componentes reutilizables. La empresa con sede en Toronto también tuvo que volver a capacitar a todos sus empleados para que comprendieran cómo utilizar mejor la nueva plataforma de GenAI.

Shawn Malhotra, director de ingeniería de Thomson Reuters, dirigió la creación de una fábrica de IA, que se consideró una forma de crear nuevas aplicaciones con un mínimo de soporte técnico. ¿El enfoque? Confiar a expertos el diseño y la implementación de herramientas que se puedan reutilizar en múltiples contextos, lo que permitirá que personas sin conocimientos técnicos experimenten con la tecnología de forma segura, lo que hará que la innovación y la generación de ideas sean más rápidas e inclusivas. Con la plataforma, Thomson Reuters ha implementado tres soluciones impulsadas por IA para abogados y otros clientes en los últimos tres meses, y tiene previsto implementar más en el futuro cercano.

Shawn Malhotra repasa cómo su empresa desarrolló su estrategia de IA.

¿A qué problema se enfrentó Thomson Reuters con la llegada de GenAI?

Shawn Malhotra: Empezamos por escuchar a nuestros clientes y nos dimos cuenta de que podíamos acelerar la mayoría de las cosas que les resultaban difíciles y les llevaban mucho tiempo con estas herramientas que se basaban en grandes modelos de lenguaje (LLM). De hecho, esto nos creó un problema secundario: había tantas oportunidades en todos estos mercados finales que tuvimos que preguntarnos cómo hacer esto al ritmo que nuestros clientes nos pedían que lo hiciéramos. Y nuestra plataforma GenAI es lo que nos permite innovar a la velocidad que esperamos.

En noviembre, lanzamos la búsqueda basada en inteligencia artificial con Westlaw Precision Memo. Recientemente, agregamos otros dos productos. Poder lanzar estas soluciones a un ritmo tan rápido es realmente posible gracias a esta plataforma de inteligencia artificial, que permite a nuestros desarrolladores aprovechar rápidamente los componentes básicos que pueden reutilizar en múltiples productos.

Cuando llegó la IA generativa, ¿qué perfiles sumaste a tu equipo de Ciencia de Datos?

No creo que sea muy diferente a cualquier otro esfuerzo de desarrollo. Necesitas desarrolladores, diseñadores, gerentes de producto. Necesitas a tu equipo legal para asegurarte de que lo que estás haciendo está alineado con las expectativas de tus clientes. Básicamente, todas las partes interesadas que esperarías tener. La diferencia con la IA es que es nueva para nosotros, para los abogados, para los desarrolladores, para los vendedores. Por eso la capacitación es importante. Los equipos deben ser capaces de resolver nuevos problemas que surjan.

Si la solución al problema es simplemente contratar más expertos en IA para satisfacer las necesidades de sus clientes, no podrá ofrecer nuevos productos con la suficiente rapidez. Debe formar su equipo de manera que pueda escalar. Para nosotros, eso significó aprovechar nuestra experiencia en DBI y usarla para construir los componentes básicos para que los no expertos en IA puedan brindar valor a nuestros clientes con la tecnología. Esa es la única forma de escalar.

Cuando GenAI estuvo disponible públicamente a fines de 2022, ¿cómo cambió el juego?

Habíamos experimentado con versiones anteriores de los principales modelos de lenguaje. [d'OpenAI]y otros modelos basados ​​en transformadores en el pasado. Así que hemos tenido esta tecnología en nuestro radar durante mucho tiempo. Lo que sucedió en noviembre de 2022 fue que el tamaño y la calidad de los modelos de lenguaje alcanzaron un punto de inflexión, lo que generó problemas que no pudimos abordar antes. Habíamos intentado utilizar los modelos anteriores para ayudar a un abogado a resumir una serie de casos y extraer los hechos más destacados de manera eficiente. No funcionó. De repente, los modelos se estaban volviendo lo suficientemente buenos para hacer esto. GPT aceleró algo que ya estaba sucediendo, por lo que tuvimos que reaccionar rápidamente.

¿Cómo ha aplicado la IA generativa internamente a través de la adquisición de Casetext y en herramientas de investigación asistidas por IA como Westlaw Precision y CoCounsel Core?

Comenzaré con Westlaw (servicio de investigación jurídica, nota del editor). El pasado noviembre, publicamos un memorando sobre la investigación asistida por IA. Uno de los mayores problemas a los que se enfrenta un abogado es la investigación jurídica. Esto a menudo significa escribir texto en el motor de búsqueda de Westlaw para encontrar casos que puedan responder a la pregunta legal que tiene. Esto requiere contenido completo, actualizado y correcto para garantizar que la búsqueda se centre en las cosas correctas.

Como abogado, tienes que leer todo ese contenido. Con suerte, solo habrá aparecido el contenido relevante, pero aun así tienes que leerlo y entender si realmente es relevante para tu investigación. Ese es el primer paso.

Anteriormente, utilizábamos inteligencia artificial para encontrar la información correcta, lo que resolvió el problema de búsqueda. Ahora, con GenAI, Westlaw Precision Memo no solo encuentra la información correcta, sino que también resume todos los casos que podrían ser relevantes. Le brinda las citas que podría necesitar para verificar que la información proviene de contenido confiable. Por último, proporciona un resumen legible y comprensible. Esto ahorra tiempo a nuestros clientes y los ayuda a brindar un mejor producto a sus propios clientes.

CoCouncil se creó gracias al gran trabajo del equipo de Casetext. Fueron una de las primeras empresas del mundo en asociarse con OpenAI, incluso antes de que se lanzara GPT. Eso les dio una ventaja en la creación de lo que ellos llaman habilidades de IA, que son habilidades que ayudarán a un abogado a resumir documentos, hacer preguntas a partir de una base de datos de información y una gran cantidad de otras habilidades. En lugar de buscar su propio contenido, solo tiene que decirnos lo que quiere hacer y nosotros le mostraremos el contenido adecuado. Eso hará que obtener respuestas asistidas por IA sea mucho más rápido.

¿Qué características de la IA generativa te sorprendieron?

Solo la calidad del resultado. Sin embargo, lo que no nos sorprendió es que si se utiliza IA generativa sin contenido fiable y de alta calidad, se van a tener problemas. Pero la magnitud de esos problemas no es tan grande como antes. Antes de los avances recientes, solíamos decir que si se tomaban estos modelos de lenguaje y se los evaluaba, podrían haber obtenido una D o una F. Resultados bastante mediocres. Con los nuevos modelos de lenguaje que probamos en el espacio del cliente sin ningún cambio, obtuvieron una D o una C. Así que fue un gran cambio.

Pero lo que aprendimos es que al aplicar técnicas como Retrieval Augmented Generation (RAG), que nos permitió combinar nuestro contenido de alta calidad con el poder de un LLM, la calificación fue A. Para nuestros clientes, tener razón de vez en cuando no es aceptable. Tienen mucho en juego y necesitan saber que el contenido es confiable, actualizado y completo. Este enfoque basado en RAG fue un verdadero "momento de gracia" y encontramos un valor real para nuestros clientes.