Thomson Reuters вкладає 40 мільйонів доларів у власну AI-інфраструктуру — і свідомо відмовляється від того, щоб орендувати готові рішення в OpenAI чи Anthropic. Для медіагіганта, який володіє Reuters, юридичною базою Westlaw та податковими сервісами, це не експеримент, а стратегічне рішення про те, хто контролює модель, дані й витрати на роки вперед.

Логіка на перший погляд суперечить тренду: більшість компаній підключають API GPT чи Claude за лічені дні й не думають про власні дата-центри під нейромережі. Thomson Reuters іде іншим шляхом — компанія обробляє мільйони юридичних документів, податкових записів і новинних матеріалів, частина яких підпадає під жорсткі вимоги конфіденційності клієнтів, адвокатську таємницю та регуляторні обмеження.

За даними The Decoder, рішення вкласти власні $40 млн замість підписки на чужу інфраструктуру — показовий кейс дилеми build-versus-buy, з якою рано чи пізно стикається кожна велика компанія, що працює з чутливими даними.

Що саме вирішила зробити Thomson Reuters?

Компанія обрала будувати власну AI-інфраструктуру замість оренди готових моделей у OpenAI чи Anthropic, вкладаючи в це 40 мільйонів доларів. Це означає власні обчислювальні потужності, контроль над тим, як і де обробляються дані, і незалежність від змін у прайсингу чи політиці зовнішніх постачальників моделей.

Thomson Reuters вже давно не новачок в AI: компанія розвиває CoCounsel — асистента для юристів, вбудованого у Westlaw, і роками інвестує в машинне навчання для аналітики новин. Нинішній крок — це не запуск першого AI-продукту, а зміна фундаменту, на якому ці продукти працюють.

Чому «build» переміг «buy» саме тут?

Головна причина — чутливість даних. Юридичні висновки, податкові консультації та ексклюзивні новини Reuters — це матеріали, витік чи неконтрольоване використання яких для донавчання чужої моделі може коштувати компанії репутації та судових позовів клієнтів. Оренда API стороннього провайдера завжди означає, що частина контролю над даними виходить за межі організації, навіть за наявності enterprise-угод про непередачу даних на тренування.

Водночас 40 мільйонів доларів — сума, помітна для галузевого медіагравця, але скромна порівняно з мільярдними бюджетами хмарних провайдерів на тренування фронтир-моделей. Це радше інвестиція у прикладну інфраструктуру та fine-tuning під власні продукти, ніж спроба створити конкурента GPT чи Claude з нуля.

Кому підходить стратегія build, а кому — ні?

Build-стратегія виправдана, коли в компанії одночасно є три речі: великий обсяг проприєтарних даних, регуляторна чи контрактна чутливість цих даних і достатній масштаб запитів, щоб виправдати капітальні витрати. Thomson Reuters відповідає всім трьом критеріям — юридичний і фінансовий сектор, мільйони документів і клієнти, які самі вимагають гарантій конфіденційності.

Для більшості інших компаній — стартапів, продуктових команд, навіть середнього бізнесу без власного ML-штату — оренда API залишається економічно раціональнішим вибором: нижчий поріг входу, миттєвий доступ до найкращих моделей на ринку і відсутність потреби утримувати команду інженерів інфраструктури. Build-стратегія без відповідного масштабу даних і трафіку швидше спалить бюджет, ніж дасть перевагу.

Висновок AiiN

За нашою оцінкою, кейс Thomson Reuters — це не сигнал масової відмови компаній від OpenAI чи Anthropic, а підтвердження того, що галузі з регульованими даними — право, фінанси, медицина, оборона — все частіше розглядатимуть власну AI-інфраструктуру як частину комплаєнсу, а не лише як технічний вибір. Для AI-білдерів, що працюють із такими клієнтами, головний висновок практичний: закладайте в архітектуру продукту можливість гібридного розгортання — де частина обробки може працювати на власній інфраструктурі клієнта, а не лише через зовнішній API.

Що таке build-versus-buy в контексті AI-інфраструктури?

Build-versus-buy — це вибір компанії між створенням власних обчислювальних потужностей і моделей або орендою готових API у провайдерів на кшталт OpenAI чи Anthropic. Build дає контроль над даними й витратами при масштабі, buy — швидкість запуску і доступ до найпотужніших моделей без капітальних вкладень.

Чи означає це, що Thomson Reuters повністю відмовиться від OpenAI чи Anthropic?

Ні, у новині йдеться про додаткову інвестицію у власну інфраструктуру, а не про публічну відмову від існуючих партнерств. Великі компанії часто поєднують обидва підходи: власну інфраструктуру для чутливих даних і зовнішні API для менш критичних задач.

Чи варто стартапу копіювати цю стратегію?

Здебільшого ні. Без масштабу даних і трафіку, порівнянного з Thomson Reuters, оренда моделей у OpenAI чи Anthropic залишається швидшим і дешевшим шляхом до продукту — власну інфраструктуру варто розглядати лише тоді, коли конфіденційність даних чи вартість токенів на масштабі стають реальним бізнес-обмеженням.