Fiduciær AI: Administreret AI i specialudgivelser – Sådan løser Thomson Reuters tillidsproblemet med virksomheds-AI med Snowflake

Reuters åbner arkiver: Hvordan journalistisk indhold bliver værdifuldt AI-råmateriale

AI på fiduciært niveau: Hvorfor tillid er altafgørende, når man bruger kunstig intelligens

Kunstig intelligens har etableret sig som en drivkraft for innovation på tværs af brancher – men inden for meget følsomme områder som jura, beskatning og regulering gælder dens eget sæt regler. Hvor hallucinerende AI-modeller eller mangelfulde lovbestemmelser ikke kun kan føre til omdømmeskade, men også til massive ansvarsrisici, er blind tillid til teknologi ikke en mulighed. For at imødegå denne udfordring er den globale informationstjenesteudbyder Thomson Reuters afhængig af et vidtrækkende partnerskab med AI-dataskyen Snowflake. Kernen er konceptet "Managed AI" – en strengt kontrolleret, troværdig AI, der prioriterer pålidelige resultater frem for ren hastighed. Den følgende artikel undersøger, hvordan Thomson Reuters konsoliderer titusindvis af databaser, drastisk accelererer kritiske arbejdsprocesser og i øvrigt transformerer sit enorme, årtier gamle nyhedsarkiv til en værdifuld ressource for den globale AI-økonomi. Lær, hvorfor fremragende datastyring er ved at blive en afgørende konkurrencefordel inden for moderne specialiseret udgivelse, og hvilke forhindringer der stadig skal overvindes, når man skalerer virksomhedens AI.

"Fiduciary-Grade AI" er en specifik type administreret AI: Den beskriver specifikt det højeste niveau af tillid og styring inden for et administreret AI-miljø, hvilket er påkrævet til fiduciærfølsomme anvendelsessager såsom jura, skat og regulering, mens administreret AI er den mere generelle betegnelse for professionelt drevet, overvåget AI-infrastruktur generelt.

Thomson Reuters er en canadisk-britisk medie- og teknologivirksomhed med hovedkontor i Toronto, dannet i 2008 gennem opkøbet af det britiske nyhedsbureau Reuters af den canadiske Thomson Corporation.

Reuters blev grundlagt i London i 1851 og er et af de ældste og største nyhedsbureauer i verden. Thomson Reuters er fortsat majoritetsejet af Woodbridge Company, det private investeringsselskab tilhørende den canadiske Thomson-familie, som ejer cirka 67 til 70 procent af aktierne. Virksomheden er noteret på New York Stock Exchange og Toronto Stock Exchange under tickersymbolet TRI.

I regnskabsåret 2025 genererede gruppen en omsætning på cirka 7,48 milliarder amerikanske dollars og beskæftigede omkring 27.100 mennesker på verdensplan i mere end 100 lande. Virksomheden er hovedsageligt opdelt i fem segmenter: Legal Professionals (juridisk research og workflow-produkter til advokatfirmaer og offentlige myndigheder), Corporates (løsninger til interne juridiske, skatte- og compliance-afdelinger), Tax & Accounting Professionals (skatte- og regnskabsprodukter), Reuters News (den traditionelle nyhedsvirksomhed) og Global Print.

Thomson Reuters beskriver nu sig selv som en "AI- og teknologivirksomhed", der understøtter professionelle med pålideligt indhold og automatiserede arbejdsgange, baseret på over 150 års akkumuleret indholdsekspertise. Blandt virksomhedens mest kendte produkter er den juridiske forskningsplatform Westlaw og den generative AI-assistent CoCounsel til jurister, som begge i stigende grad er afhængige af en moderniseret, AI-drevet datainfrastruktur – netop det område, der er kernen i det tidligere analyserede Snowflake-partnerskab.

Pålidelighed frem for hastighed: Den nye standard for kunstig intelligens i specialiserede forlag

AI uden fejl: Sådan løser Thomson Reuters tillidsproblemet i retssystemet

Kunstig intelligens betragtes generelt som en vækstaccelerator, men inden for den juridiske, skatte- og regulatoriske sektor er én ting vigtigst: pålidelighed. Enhver, der sælger advokater, skatterådgivere og compliance-afdelinger et AI-system, der opfinder forkerte juridiske paragraffer eller citerer forældede regler, risikerer ikke kun omdømmeskade, men også juridiske konsekvenser for deres klienter. Det er netop her, partnerskabet mellem Thomson Reuters og Snowflake, der blev præsenteret på Snowflake Summit 26 i juni 2026, kommer ind i billedet. Det demonstrerer, hvordan en traditionel medie- og informationsvirksomhed kan omdanne sine omfattende, meget følsomme datalagre til et robust fundament for generativ AI uden at miste kontrollen over dataenes oprindelse, kvalitet og adgang.

Thomson Reuters er en global leverandør af informationstjenester inden for juridiske, skattemæssige og regulatoriske anliggender, der leverer produkter som Westlaw til juridisk research og CoCounsel, en generativ AI-assistent til jurister. Snowflake positionerer sig til gengæld som en AI-data-cloud, en platform, der leverer virksomhedsdata centralt, sikkert og i overensstemmelse med forvaltningsregler for analyse- og AI-applikationer. Samarbejdet mellem de to virksomheder er et levende eksempel på, hvordan konceptet med styret AI - professionelt drevet, overvåget og integreret kunstig intelligens i eksisterende forretningsprocesser - viser sig at være succesfuldt i et af de mest krævende regulatoriske miljøer.

Fra 37.500 tabeller til en samlet sandhed: Dataarkitekturen bag AI

Tilbage i 2021 valgte Thomson Reuters Snowflake, fordi platformen var i stand til at kombinere virksomhedsomfattende styrings- og sikkerhedskrav med en skalerbar datainfrastruktur. Siden da har virksomheden opbygget en enkelt, sikker kilde til sandhed på tværs af mere end 37.500 kontrollerede tabeller og 350 forskellige datakilder. Dette fundament driver den interne My Data Space-platform, hvorigennem centrale teams leverer og deler pålidelige dataprodukter på tværs af organisationen.

Mere end 1.500 interne brugere, herunder dataingeniører, analytikere og ledere, tilgår nu dette system dagligt for at hente beskyttede data og få indsigt i deres arbejdsgange. Særligt bemærkelsesværdigt er accelerationen af ​​kritiske arbejdsbyrder med op til 3,4 gange, hvilket muliggør komplekse dataanalyser, der tidligere tog uger at gennemføre på få sekunder. Dette spring er ikke blot et spørgsmål om computerkraft, men snarere resultatet af en konsolideret datapipeline, der eliminerer manuel dataforberedelse, hvilket giver teams mulighed for at fokusere på beslutningstagning i stedet for den underliggende datalogistik.

Cortex AI og CoCo: De to værktøjer til hastighed og modernisering

Kernen i den tekniske implementering er Snowflake Cortex AI, en fuldt administreret AI-tjeneste, der gør det muligt for organisationer at køre store sprogmodeller direkte på deres egne governance-sikrede data uden at skulle flytte dem til eksterne systemer. For Thomson Reuters betyder det, at komplekse regulatoriske datasæt transformeres til realtidsindsigt, hvilket accelererer udviklingen af ​​intelligente applikationer betydeligt. Cortex AI understøtter modeller fra forskellige leverandører, herunder Anthropic, Meta og Mistral, samt nuværende modeller som Claude Opus 5 og Gemini 3 Pro, der kører direkte i det sikre Snowflake-miljø.

Parallelt bruger Thomson Reuters Snowflake CoCo, en AI-drevet programmeringsassistent, der hjælper teams med at modernisere ældre systemer og fremskynde deres migrering til Snowflake-miljøet. Ved at forenkle udviklingen i et kontrolleret miljø kan teams skalere AI- og datainnovationer uden at gå på kompromis med sikkerheds- eller compliance-standarder. Denne kombination af analyseværktøj og udviklingsassistent eksemplificerer, hvordan administreret AI fungerer i praksis: Infrastrukturen, modelvalget, sikkerhedspolitikkerne og skaleringen administreres af platformudbyderen, mens forretningsenheden bevarer indholdskontrollen over sine data og use cases.

AI på fiduciært niveau: En ny benchmark for fiduciært ansvar inden for AI

Udtrykket "fiduciær AI", som bruges af Snowflake og Thomson Reuters, beskriver et kvalitetsniveau, hvor nøjagtighed, sporbarhed og forsvarlighed af resultater ikke er til forhandling. Caitlin Halferty, chef for data og analyse hos Thomson Reuters, understregede, at den reelle værdi ikke kun ligger i hastighed, men i evnen til at innovere i et kontrolleret miljø, hvor teams kan omdanne komplekse regulatoriske data til handlingsrettet indsigt, samtidig med at de opretholder det niveau af tillid, kontrol og pålidelighed, der kræves til professionelle applikationer med høj risiko.

For en virksomhed, hvis kerneprodukter bruges af advokater, skatterådgivere og regulatoriske eksperter i forretningskritiske situationer, er denne tilgang ikke et marketingslogan, men en økonomisk nødvendighed. Fejlagtige eller udokumenterede AI-udgifter i et område, hvor millioner af dollars eller juridisk ansvar står på spil, ville bringe hele virksomhedens forretningsmodel i fare. Snowflakes governance-lag, som inkluderer rollebaseret adgangskontrol, datamaskering, objekttagging og revisionslogfiler, danner det tekniske fundament, mens yderligere filtreringsfunktioner som Cortex Guard hjælper med at forhindre upassende eller skadelige modeloutput.

Administreret AI-platform - Billede: Xpert.Digital

Her lærer du, hvordan din virksomhed kan implementere skræddersyede AI-løsninger hurtigt, sikkert og uden høje adgangsbarrierer.

En administreret AI-platform er din altomfattende og bekymringsfri løsning til kunstig intelligens. I stedet for at skulle håndtere kompleks teknologi, dyr infrastruktur og langvarige udviklingsprocesser, får du en færdiglavet løsning skræddersyet til dine behov fra en specialiseret partner – ofte inden for få dage.

De vigtigste fordele på et overblik:

⚡ Hurtig implementering: Fra idé til brugsklar applikation på dage, ikke måneder. Vi leverer praktiske løsninger, der skaber øjeblikkelig merværdi.

🔒 Maksimal datasikkerhed: Dine følsomme data forbliver hos dig. Vi garanterer sikker og kompatibel behandling uden at dele data med tredjeparter.

💸 Ingen økonomisk risiko: Du betaler kun for resultater. Store forudgående investeringer i hardware, software eller personale elimineres fuldstændigt.

🎯 Fokuser på din kerneforretning: Koncentrer dig om det, du er bedst til. Vi tager os af hele den tekniske implementering, drift og vedligeholdelse af din AI-løsning.

📈 Fremtidssikret og skalerbar: Din AI vokser med dig. Vi sikrer løbende optimering og skalerbarhed og tilpasser modellerne fleksibelt til nye krav.

Mere information her:

• Administreret AI-platform

Westlaw og CoCounsel som begunstigede: Praktiske implikationer for flagskibsprodukter

En central effekt af datakonsolidering er umiddelbart tydelig i Thomson Reuters' to flagskibsprodukter. I takt med at Thomson Reuters fusionerer sine datapipelines for Westlaw, den etablerede juridiske forskningsplatform, og CoCounsel, den generative AI-assistent for advokater, kører kernearbejdsbyrder nu op til 3,4 gange hurtigere, hvilket muliggør overgangen fra statiske rapporter til næsten realtidsindsigt. Dette skift ændrer fundamentalt, hvordan jurister arbejder dagligt: ​​I stedet for at vente på daglige opdateringer modtager brugerne nu kontinuerlig, verificeret information om lovgivningsmæssige udviklinger.

Christian Kleinerman, Executive Vice President of Product hos Snowflake, understregede, at Thomson Reuters demonstrerer, hvordan virksomheder kan skalere AI og governance sammen ved at skabe et pålideligt fundament, der gør det muligt for teams at arbejde hurtigere og skalere AI på tværs af virksomheden. Denne udtalelse understreger partnerskabets strategiske dobbeltfunktion: det er både et teknologisk moderniseringsprojekt og et værktøj til at opbygge tillid med en kundebase, der traditionelt er meget risikoavers, når det kommer til teknologisk innovation.

Indhold som råmateriale: Reuters åbner sine arkiver for AI-økonomien

Ud over sin interne dataplatform annoncerede Reuters i august 2026, at de ville stille deres journalistiske indhold til rådighed via Snowflake Marketplace, hvilket ville gøre det muligt for virksomheder at berige deres AI-applikationer og -modeller med faktabaseret Reuters-nyheds- og multimedieindhold. Denne markedsplads giver virksomheder adgang til Reuters-journalistik, der går tilbage til 1987, tilgængelig på fem sprog og direkte integreret i AI-arbejdsgange. Denne åbning markerer et vigtigt skridt for hele mediebranchen og demonstrerer, hvordan beskyttede, ophavsretsligt understøttede journalistiske arkiver kan blive en monetariserbar ressource for generative AI-systemer uden at opgive kontrollen over brugsrettigheder.

Dette positionerer Thomson Reuters samtidig som leverandør af pålidelig trænings- og kontekstuelle data til tredjeparts AI-systemer og som operatør af sine egne governance-kompatible AI-applikationer til sine kernekunder. Denne dobbelte rolle adskiller fundamentalt udgivere og specialiserede informationsudbydere fra rene teknologivirksomheder, da de besidder eksklusive, ofte årtier gamle datasæt, der repræsenterer en betydelig kvalitativ fordel for generative AI-modeller sammenlignet med offentligt tilgængelige internetdata.

Snowflakes platformstrategi: Fra datalager til kontrollag for virksomhedens AI

Samarbejdet med Thomson Reuters stemmer overens med Snowflakes bredere strategiske retning, da virksomheden i stigende grad positionerer sig som et kontrollag for den agentbaserede virksomhedsverden. I april 2026 annoncerede Snowflake betydelige forbedringer af Snowflake Intelligence og Cortex Code, der er designet til at give organisationer mulighed for at forbinde endnu flere datakilder, virksomhedssystemer og AI-modeller med deres betroede Snowflake-data inden for en samlet oplevelse. Snowflake Intelligence fungerer som en personlig arbejdsassistent for forretningsbrugere og tilpasser sig over tid til individuelle præferencer og arbejdsgange, mens Cortex Code fungerer som udviklingslaget for virksomhedens AI, hvilket muliggør datadrevet udvikling på tværs af hele økosystemet.

Siden lanceringen i november 2025 har dette værktøj oplevet en hurtig implementering, hvor mere end halvdelen af ​​kunderne aktivt bruger det til at øge produktiviteten. Snowflake forfølger en lignende tilgang i den finansielle sektor med Cortex AI for Financial Services, som kombinerer strenge sikkerheds- og compliance-kontroller med adgang til partnerdata fra udbydere som FactSet, MSCI og Associated Press. Denne parallel mellem den finansielle og juridiske sektor fremhæver et branchemønster: hvor fejl er dyre, og sporbarhed er afgørende, har den governance-first AI-model forrang frem for åbne, ukontrollerede tilgange.

Administreret AI som forretningsmodel: Hvorfor ledelse bliver vigtigere end modelvalg

Begrebet Managed AI beskriver et fundamentalt skift i, hvordan virksomheder bruger kunstig intelligens. I stedet for at betjene individuelle sprogmodeller isoleret, overfører en virksomhed som Thomson Reuters betydelige dele af infrastrukturen, sikkerhedsarkitekturen, modelvalget og driften til en specialiseret platform, der håndterer disse opgaver i stor skala og med løbende opdateringer. Den reelle værdi skabes ikke længere udelukkende gennem træning eller tilpasning af individuelle modeller, men gennem pålidelig styring af hele data- og AI-livscyklussen: fra dataindsamling og -styring til levering af resultater i produktionsapplikationer.

For specialiserede forlag, advokatfirmaer, konsulentfirmaer og andre videnintensive brancher betyder det, at konkurrencefordele i stigende grad ikke stammer fra adgang til selve AI-modellerne – disse er nu i vid udstrækning standardiserede og tilgængelige for mange udbydere – men fra kvaliteten, eksklusiviteten og styringen af ​​de underliggende data. Thomson Reuters demonstrerer dette imponerende: Den virkelige konkurrencefordel ligger ikke i at bruge Claude, Gemini eller andre sprogmodeller i sig selv, men i evnen til at bruge disse modeller sikkert, transparent og juridisk kompatibelt på højt specialiserede datasæt, der er opbygget over årtier.

Konkurrencedynamik på markedet for specialiseret information: Acceleration som en differentierende faktor

Ved at accelerere arbejdsbyrder med op til 3,4 gange kan Thomson Reuters give sine slutkunder – advokater, skatteeksperter og regulatoriske analytikere – kritisk, opdateret information betydeligt hurtigere end før. I et marked, hvor konkurrenter som LexisNexis, Bloomberg Law og specialiserede legal tech-startups også introducerer generative AI-værktøjer, er hastighed kombineret med pålidelighed ved at blive en afgørende differentieringsfaktor. Den første udbyder, der leverer robuste, verificerede svar, vinder tilliden hos en professionel gruppe, der traditionelt er ekstremt konservativ med nye teknologier.

Samtidig skaber denne udvikling en strukturel fordel for etablerede informationsudbydere med omfattende, historisk udviklede og juridisk godkendte datasæt sammenlignet med nye markedsaktører, der, selvom de besidder moderne AI-teknologi, mangler sammenlignelig datadybde og omdømme. Samarbejdet med Snowflake fungerer således også som en slags barriere for markedsadgang: Mens en mindre virksomhed teoretisk set kunne bruge den samme cloud-infrastruktur, mangler den den årtier lange, kuraterede datasamling, der udgør det faktiske substansindhold i AI-applikationer.

Risici og åbne spørgsmål ved forvaltningsbaseret AI-skalering

Trods den positive fremstilling i de officielle pressemeddelelser er der stadig adskillige ubesvarede spørgsmål, som er afgørende for en afbalanceret vurdering. Hverken Thomson Reuters eller Snowflake offentliggør detaljerede oplysninger om de faktiske fejlrater for de anvendte AI-systemer, hyppigheden af ​​menneskelige gennemgangstrin eller de specifikke implementeringsomkostninger. Metrikken for 3,4x acceleration refererer eksplicit til bestemte kritiske arbejdsbyrder og ikke til alle use cases i virksomheden, hvilket begrænser dens betydning for en generel evaluering af succes.

Derudover er spørgsmålet om afhængighed af en enkelt cloududbyder fortsat relevant: En virksomhed, der baserer hele sin datainfrastruktur og AI-styring på en platform som Snowflake, indgår en betydelig strategisk forpligtelse, der kan have mærkbare konsekvenser i tilfælde af prisstigninger, tekniske forstyrrelser eller strategiske omlægninger fra udbyderens side. Spørgsmålet om, hvordan generative AI-modeller håndterer modstridende eller forældede juridiske kilder inden for det massive datasæt på 37.500 tabeller, forbliver også ubesvaret i de offentlige udtalelser og vil sandsynligvis udgøre en kontinuerlig udfordring i den praktiske anvendelse.

Styrede data som en ny kernekompetence i mediebranchen

Partnerskabet mellem Thomson Reuters og Snowflake giver en indsigtsfuld model for, hvordan traditionelle medie- og specialiserede informationsvirksomheder kan forblive relevante i en tidsalder med generativ AI. I stedet for at konkurrere direkte med de store leverandører af AI-modeller positionerer de sig selv som kuratorer, forvaltere og beskyttere af reviderede datasæt af høj kvalitet, der fungerer som fundament for pålidelige AI-applikationer. Dette mønster vil sandsynligvis sprede sig til andre brancher med høje regulatoriske krav i de kommende år, såsom sundhedsvæsenet, finanstilsynet og den offentlige sektor, hvor dataenes oprindelse, reviderbarhed og kontrol er mindst lige så vigtig som den rene computerkraft i de anvendte modeller.

I det lange løb vil succesen med administrerede AI-strategier ikke afhænge af, hvilken sprogmodel der er den mest kraftfulde, men snarere af, hvor konsekvent virksomheder administrerer, vedligeholder og forbereder deres data til produktiv brug. Thomson Reuters har gennem sin flerårige investering i en samlet, kontrolleret dataarkitektur opbygget en strukturel fordel, der nu omsættes til målbare hastigheds- og effektivitetsgevinster og samtidig fungerer som en skabelon for hele den professionelle udgivelses- og informationsbranche.

Både Snowflake og Unframe.AI forfølger målet om at levere virksomheds-AI sikkert og i overensstemmelse med governance, men adskiller sig fundamentalt i deres forretningsmodel og målgruppe: Snowflake er primært en datainfrastrukturplatform, Unframe er en fuldt administreret løsningslevering.

Kerneforretningsmodel og tilgang

Snowflake opstod som en cloud-data warehouse-platform, der har udviklet sig til en "AI Data Cloud", der forsyner virksomheder med infrastruktur, styringsværktøjer og AI-byggeklodser som Cortex AI til at bygge deres egne AI-applikationer, enten uafhængigt eller gennem partnere som Thomson Reuters. Unframe beskriver derimod eksplicit sig selv som en "Managed AI Delivery Platform". I stedet for at levere gør-det-selv-værktøjer leverer de brugsklare, produktionsklare AI-løsninger til specifikke forretningsproblemer inden for få dage, konfigureret ud fra præbyggede, modulære "byggeklodser" i henhold til en blueprint-arkitektur. Med Unframe definerer kunden i bund og grund det ønskede resultat, mens virksomheden håndterer den tekniske implementering, drift og løbende optimering.

Ligheder

Begge udbydere lægger vægt på et højt niveau af styring, sikkerhed og sporbarhed som et vigtigt salgsargument for store virksomheder, der ønsker at implementere AI uden at miste kontrollen over følsomme data. Begge er også model-agnostiske, hvilket betyder, at de ikke binder kunderne til en enkelt sprogmodel, men tillader brugen af ​​forskellige LLM'er som Claude, Gemini eller GPT inden for den samme platform. Begge forfølger også princippet om at forene data fra forskellige kildesystemer og forberede dem på en kontekstualiseret måde til AI-applikationer: Snowflake via sin centrale dataplatform Unframe via sin "Knowledge Fabric".

Vigtigste forskelle

Hvornår kan Unframe.AI blive mere interessant?

Unframe.AI vil sandsynligvis være det mere attraktive valg, især for virksomheder, der har brug for hurtige, målbare resultater for specifikke, klart definerede use cases uden at have store interne data engineering- eller AI-udviklingsteams, da platformen eksplicit annoncerer implementering på dage snarere end måneder. Dette er især relevant for organisationer, der allerede har distribuerede, historisk udviklede IT-systemer som SAP, Salesforce eller ældre databaser, og som ønsker at integrere dem i AI-arbejdsgange uden komplekse migreringer, da Unframe eksplicit bruger præbyggede forbindelser til sådanne systemer i stedet for at kræve oprettelse af en central dataplatform som Snowflake.

Unframe resultatbaserede prismodel gør det også attraktivt for virksomheder, der tøver med at foretage store investeringer på forhånd, da de typisk først betaler, når en løsning har vist sig effektiv. Casestudier som den 45% reduktion i den gennemsnitlige svartid hos et Fortune 500-forsikringsselskab eller den tredobbelt hurtigere skadesbehandling hos en global forsikringsudbyder viser, at denne tilgang er særligt velegnet til operationelle, procesorienterede anvendelsesscenarier med klart målbare nøglepræstationsindikatorer (KPI'er). Men så snart en virksomhed ønsker at opbygge og opretholde kontrol over en omfattende, virksomhedsomspændende datainfrastruktur med tusindvis af tabeller og datakilder, som det var tilfældet med Thomson Reuters, forbliver en platform som Snowflake den strukturelt mere passende, omend betydeligt mere tidskrævende, løsning.

Konrad Wolfenstein

Jeg vil med glæde fungere som din personlige rådgiver.

Du kan kontakte mig på wolfenstein∂xpert.digital eller

Bare ring til mig på +49 7348 4088 965 .

LinkedIn