Deep research - это режим, в котором нейросеть уходит работать вместо того, чтобы ответить сразу. Она составляет план, ищет источники, читает их, ищет снова по возникшим вопросам и через несколько минут возвращается с отчётом на несколько страниц со ссылками.
Выглядит это внушительно, и поэтому главный навык тут смещается в сторону проверки: важно не столько задать вопрос, сколько разобрать то, что вернулось. Разберём обе части, начиная с механики.
Чем режим исследования отличается от обычного ответа
Обычный ответ модель собирает за секунды из того, что знает, плюс, если это нейросеть с доступом в интернет, из нескольких найденных страниц.
Режим глубокого исследования работает циклами: разбивает вопрос на подвопросы, ищет по каждому, читает найденное, замечает пробелы и запускает новый круг поиска. На выходе получается структурированный текст с разделами и списком источников.
Отсюда две практические разницы: ждать вы будете минуты вместо секунд, а проверять придётся больше, потому что объём вырос, а ссылки создают ощущение проверенности.
Где такой режим есть
Он появился почти у всех крупных сервисов и называется у разных компаний по-разному: research, глубокое исследование, режим исследования.
Отдельный разбор такого режима внутри конкретного сервиса у нас есть. Соседний инструмент - режим ИИ у Google: он проще и отвечает быстрее. Про версии популярных моделей у нас есть отдельный разбор.
Рейтинга мы тут не даём: режимы меняются быстрее, чем устаревает приём работы с ними.
Как поставить задачу
ИИ для поиска информации работает тем лучше, чем точнее очерчен предмет поиска. Пять правил закрывают большую часть.
- Назовите решение, которое собираетесь принять. «Хочу понять, переходить ли на другую CRM» даёт модели рамку, а «расскажи про CRM» не даёт ничего.
- Очертите границы. Назовите страну, отрасль, размер компании и период, иначе половина отчёта уйдёт на американский рынок.
- Скажите, каких источников хотите. Официальные документы, отраслевая пресса, исследования. И скажите, каких не хотите: рекламные страницы поставщиков.
- Задайте структуру отчёта. Список разделов на входе экономит переписывание на выходе.
- Потребуйте отмечать неуверенность. «Там, где данные противоречат друг другу, покажи оба варианта и укажи, чем они различаются».
Пятое правило самое полезное. Без него модель сглаживает противоречия и выдаёт единую картину там, где её нет.
Как проверять отчёт
Главный раздел статьи.
Отчёт на пять страниц со ссылками выглядит работой аналитика, и в этом ловушка: чем длиннее и структурнее текст, тем меньше хочется его перепроверять. Пять проверок занимают минут десять.
- Откройте три ссылки наугад. Берите не начало списка и не весь список: три случайные ссылки из середины. Проверьте, что страница существует, что она про то, что написано в отчёте, и что цифра со страницы совпадает с цифрой в отчёте.
- Посмотрите на даты источников. Отчёт про быстро меняющуюся область, собранный из статей трёхлетней давности, бесполезен независимо от того, как он написан. Даты модель указывает не всегда, и спросить их стоит отдельно.
- Проверьте, кому принадлежат источники. Половина ссылок на сайты поставщиков означает, что отчёт пересказывает рекламные материалы, а различает такие источники модель плохо.
- Найдите утверждения без ссылок. В длинном тексте часть выводов идёт от самой модели, и внешне они не отличаются от подкреплённых. Такие места надо отметить и проверить отдельно.
- Задайте контрольный вопрос. Спросите то, ответ на что знаете сами. Ошибка в знакомом месте показывает, сколько доверия заслуживает остальное.
Про то, почему модель уверенно выдаёт несуществующую ссылку, мы объясняли отдельно.
Возьмите отчёт, который вам уже сделала нейросеть, и откройте три ссылки из середины списка. Посчитайте, сколько из трёх подтвердили то, что написано в тексте. Это число и есть ваша поправка на доверие ко всем будущим отчётам.
Содержание
Когда глубокое исследование не нужно
Режим ускоряет сбор материала. Понимание он не ускоряет, и это важно различать.
Измерения показывают ту же картину по всему ИИ: прирост продуктивности доходит до 50% в маркетинге и до 26% в разработке, а в задачах, требующих глубокого рассуждения, эффект заметно скромнее [1]. По российским оценкам генеративный ИИ ускоряет работу примерно на 15%, и первыми в перечне профессий там стоят аналитики [2]. Сбор данных идёт заметно быстрее, а выводы из них быстрее не становятся.
Отсюда три случая, где режим не нужен.
Курс валюты, дату или определение термина обычный поиск отдаст быстрее.
Отчёт, который вы заказываете для подтверждения своего мнения, вы и прочитаете соответственно.
Ваша экспертиза даст более точную картину, а на проверку отчёта уйдёт больше времени, чем на собственный анализ.
Три задания для проверки на своей работе
Разведка рынка перед решением
Проведи исследование для решения: [какое решение принимаете].
Границы: Россия, [отрасль], компании [размер], данные за последние два года.
Источники: отраслевые издания, отчёты, официальные документы.
Страницы поставщиков и рекламные материалы не используй как источник фактов.
Структура отчёта:
1. Что происходит в этой области сейчас.
2. Три варианта решения с плюсами и минусами.
3. На что смотреть при выборе.
4. Чего в открытых данных нет.
Там, где источники противоречат друг другу, покажи оба варианта.
Каждое числовое утверждение сопровождай ссылкой.
Разбор конкурентов
Собери сравнение [три-четыре названия] по параметрам:
[перечислите 4-5 параметров, которые важны вам].
Данные бери из открытых источников. Для каждой строки таблицы
укажи, откуда взято. Если по параметру данных нет,
пиши «нет данных» вместо предположения.
В конце отдельным списком: что осталось непроверенным.
Проверка чужого отчёта
Ниже отчёт, сделанный нейросетью. Проверь его:
1. Какие утверждения даны без ссылки на источник.
2. Где ссылка есть, но она не подтверждает утверждение.
3. Какие источники старше двух лет.
4. Какие источники принадлежат заинтересованной стороне.
Отчёт не переписывай, только разбери.
Отчёт: [вставьте]
Третье задание применяйте и к отчётам, собранным другим сервисом. Про устройство хорошего запроса у нас есть отдельный материал.
Частые вопросы
Коротко
Deep research собирает материал циклами: план, поиск, чтение, уточняющий поиск, отчёт со ссылками. Это экономит часы на разведке темы и ничего не экономит на выводах.
Половину результата вы закладываете в постановке: назовите решение, ради которого затеяли исследование, очертите границы, задайте структуру и потребуйте отмечать противоречия.
Вторую половину закрывает проверка: три случайные ссылки из середины списка, даты источников, принадлежность источников, утверждения без ссылок и один контрольный вопрос, ответ на который вы знаете. Десять минут проверки решают, можно ли пользоваться остальным.
