ディープリサーチ
Deep Research
ディープリサーチとは?
- AIが複数のソースを自律的に調査→レポート化
- 出典・引用付きの多段階リサーチ機能
- 幻覚のリスクが残るため、原文の検証は必須
ディープリサーチが実際に変えるのは、調査にかかる時間ではなく仕事の順序です。以前は担当者が検索語を20回ほど変えながら資料をかき集め、疲れた状態で残った時間にようやく読んでいました。ディープリサーチを使えば、収集と一次要約が終わったところから業務が始まるため、人の仕事は読んで選び、反論する側へ移ります。リサーチのボトルネックが'探すこと'から'選り分けること'へ移るということです。
一般的なチャットボットのWeb検索による回答とは性格が異なります。通常の検索回答は1〜2回検索して数秒で終わりますが、ディープリサーチは5分から30分ほどかけて数十ページを開いて確認し、途中で調査の方向を自ら修正します。そのため有料プランでも月の利用回数を制限していることが多く、どんな質問にでも使える機能ではありません。もう一つ境界を挙げると、ディープリサーチは公開されたWebだけを見ます。社内の人事資料や過去の提案書を根拠に回答させるには、社内文書を接続した別途のRAG環境が必要です。
結果の品質は質問の具体性で決まります。'二次電池市場を教えて'のような指示では百科事典レベルの要約が返ってきますが、期間(直近18カ月)、範囲(国内上場企業)、根拠のレベル(開示・公的機関の統計を優先)、出力形式(表5行)まで指定すると密度が大きく変わります。調査範囲と根拠のレベルを指定することが、実質的にリサーチ設計です。実行前にAIが尋ねる確認質問に丁寧に答える30秒が、30分の調査の方向性を決めます。
現場で最も大きくずれるポイントは、「出典が付いているから事実だ」という誤解です。リンクが付いていても、原文にその数値がなかったり、競合のプレスリリースや個人ブログを一次資料のように引用したりするケースが多発します。特に非上場企業の売上や内部の組織図のように公開されていない情報は、もっともらしい推定で埋めてしまいがちです。これを検証せずに提案書へ移し、顧客企業の役員が'この数字の出典はどこですか?'と尋ねると、その場で信頼が崩れます。少なくとも報告書に載せる主要な数値を3〜4つは、原文リンクを自分で開いて確認してから次に進むべきです。
'ディープリサーチ'は、2024〜2025年にGoogleのGeminiとOpenAIのChatGPTが相次いで同名の機能を公開したことで広まりました。推論モデル、リアルタイムのWeb検索、エージェント型のツール利用を組み合わせ、自律的に多段階の調査を行う点が共通の特徴です。
仮の事例で見てみましょう。従業員900名規模の二次電池部品メーカーA社に、チーム長向けリーダーシップ研修を提案することになった教育会社の話です。提案締め切りまで4日しかないのに、顧客企業の業界にも不慣れで、最近の組織改編の状況もまったく把握できていない状態でした。以前なら、コンサルタント2名が3日間まるまる資料調査に費やしていた仕事でした。
- 提案チームのキム次長がディープリサーチに'直近18カ月の開示と業界メディアを基準にのみ、A社の事業構造・組織改編・競合3社・研修関連の論点を出典リンクとともに'まとめるよう指示しました。
- AIが27分間、公的資料と業界メディアを行き来しながら調査し、6つのセクションに出典41件が付いたA4 9ページの草稿を出力しました。
- キム次長が引用リンクを一つずつ開いてみると、'海外法人3か所'とあった箇所は原文では2か所でした。売上推定値の一件に至っては、根拠ページがそもそもリンクされていませんでした。
- レビューの場で代表が'これは我々の仮説であって事実ではない'として、未確認の数値4件をすべて削れと整理し、検証済みの組織改編の内容だけを提案書1ページにまとめました。
- 事前調査が3日から半日に短縮され、空いた時間を導入企業のチーム長インタビュー2件に充てられました。そのインタビュー内容が決め手となり、年間12講座の契約につながりました。
金鍾赫(キム・ジョンヒョク)
パク・ソリョン