Czym jest „Deep Research” AI? Demaskujemy marketingowy hit Google i OpenAI

W świecie sztucznej inteligencji co kilka miesięcy pojawia się nowe, gorące hasło, które elektryzuje branżę. W 2023 roku było to RAG (Retrieval-Augmented Generation), później nadszedł czas na „agentów”. Dziś, na początku 2025 roku, cała branża mówi o jednym – „głębokim researchu” (Deep Research). Najwięksi gracze, tacy jak Google, OpenAI i Perplexity, jeden po drugim ogłaszają swoje nowe, rewolucyjne funkcje o tej nazwie. Na platformach takich jak GitHub jak grzyby po deszczu wyrastają dziesiątki prób skopiowania tej technologii w wersji open-source.

Problem polega na tym, że nikt tak naprawdę nie zdefiniował, czym ten „głęboki research” jest. Podobnie jak w przypadku poprzednich fal technologicznego marketingu, wszystko zostaje przepakowane i sprzedawane pod nową, chwytliwą nazwą. Czy to faktycznie nowa jakość, czy tylko odgrzewany kotlet w nowym opakowaniu? Aby przebić się przez ten marketingowy szum, musimy zajrzeć pod maskę i zrozumieć, jak te systemy faktycznie działają.

Czym jest (a czym nie jest) głęboki research?

Zacznijmy od tego, jak sami twórcy opisują swoje produkty:

• Google: „Deep Research wykorzystuje AI do eksplorowania złożonych tematów w Twoim imieniu i dostarczania Ci wyników w postaci kompleksowego, łatwego do odczytania raportu.„

• OpenAI: „Deep Research to kolejny agent OpenAI, który może pracować dla Ciebie niezależnie – dajesz mu polecenie, a ChatGPT znajdzie, przeanalizuje i zsyntetyzuje setki źródeł online, aby stworzyć kompleksowy raport na poziomie analityka.„

• Perplexity: „Gdy zadasz pytanie w trybie Deep Research, Perplexity wykonuje dziesiątki wyszukiwań, czyta setki źródeł i analizuje materiał, aby autonomicznie dostarczyć kompleksowy raport.„

Oczyszczając te opisy z marketingowego żargonu, dochodzimy do prostej, technicznej definicji: głęboki research to system do generowania raportów, który na podstawie zapytania użytkownika, wykorzystując duże modele językowe (LLM) jako agentów, iteracyjnie wyszukuje i analizuje informacje, a następnie produkuje szczegółowy raport jako wynik końcowy. W terminologii przetwarzania języka naturalnego (NLP) jest to po prostu zadanie generowania raportów.

Ewolucja implementacji – od prostych łańcuchów do wytrenowanych systemów

Idea automatycznego generowania raportów nie jest nowa. Już na początku 2023 roku inżynierowie AI eksperymentowali z podobnymi rozwiązaniami, używając narzędzi takich jak LangChain czy AutoGPT. Prawdziwe wyzwanie leży jednak w szczegółach implementacji. Prześledźmy ewolucję tych systemów.

1. Wersja „naiwna”: ukierunkowany graf acykliczny (DAG)

Szybko okazało się, że proszenie modelu LLM o napisanie całego raportu za jednym zamachem jest nieefektywne. Zamiast tego, inżynierowie zaczęli stosować wzorce kompozytowe, łącząc ze sobą wiele wywołań modelu w prosty łańcuch.

Jak to działa?

1. Model dzieli zapytanie użytkownika na mniejsze części i tworzy na ich podstawie zarys (szkielet) raportu.

2. Dla każdej sekcji zarysu, system wyszukuje w internecie odpowiednie informacje i je streszcza.

3. Na końcu, inny LLM łączy wszystkie streszczone sekcje w spójny raport.

Główną wadą tego podejścia jest jego niestabilność. Każde polecenie (prompt) dla modelu musi być ręcznie i żmudnie dostrajane, a jakość końcowa jest bardzo nierówna – system raz działa pięknie, a raz kompletnie zawodzi.

2. Wersja „ulepszona”: automat skończony (FSM)

Aby poprawić jakość, do prostego grafu dodano elementy złożoności, takie jak pętle i samokrytyka. Wprowadzono wzorce takie jak refleksja (reflexion), gdzie model sam ocenia i poprawia swoje wyniki. To przekształca prosty, jednokierunkowy proces w automat skończony, w którym model LLM częściowo sam steruje przejściami między stanami (np. decyduje, czy dana sekcja wymaga dopracowania). Mimo to, system wciąż opiera się na ręcznie tworzonych promptach, a jakość wyników pozostaje nieprzewidywalna.

3. Wersja „wytrenowana”: optymalizacja end-to-end

Słabości poprzednich metod – chaotyczne „inżynierowanie promptów” i brak obiektywnych metryk oceny – skłoniły badaczy do zmiany podejścia. Przełomem okazał się system STORM, opracowany na Uniwersytecie Stanforda. Zamiast ręcznego strojenia, cały proces generowania raportu został zoptymalizowany od początku do końca (end-to-end) przy użyciu frameworka DSPy. Efekt? STORM potrafi generować raporty, których jakość jest porównywalna z artykułami na Wikipedii.

4. Wersja „zaawansowana”: duży model rozumujący (LRM)

Postępy w zdolnościach rozumowania dużych modeli językowych otworzyły nową drogę. Zamiast budować skomplikowany system z wielu mniejszych komponentów, można wytrenować jeden, ogromny model, aby sam wykonywał całe zadanie. Takie podejście zastosowało OpenAI w swoim Deep Research. Co kluczowe, do oceny jakości raportów podczas treningu wykorzystano inny model LLM w roli „sędziego” oraz szczegółowe kryteria oceny.

Krajobraz konkurencyjny – kto jest kim w świecie głębokiego researchu?

Aby uporządkować obecną ofertę rynkową, możemy umieścić poszczególne rozwiązania na mapie, biorąc pod uwagę dwa kluczowe wymiary:

• Głębia researchu (oś pionowa): Jak wiele iteracyjnych cykli wyszukiwania i analizy wykonuje system, aby pogłębić swoją wiedzę?

• Poziom wytrenowania (oś pozioma): Czy system opiera się na ręcznie tworzonych promptach, czy jest zoptymalizowany przy użyciu technik uczenia maszynowego?

Wnioski

Krajobraz „głębokiego researchu” zmienia się w zawrotnym tempie. Techniki, które jeszcze pół roku temu były niepraktyczne, dziś mogą odnosić sukcesy. Nazewnictwo pozostaje mylące, a marketingowy szum utrudnia obiektywną ocenę. Mam nadzieję, że ten wpis pomógł wyjaśnić techniczne różnice między poszczególnymi podejściami i rzucił nieco światła na to, co kryje się za najnowszym gorącym trendem w świecie AI.