深度研究
Deep Research
什麼是深度研究?
- AI 自主調查多個來源→整理成報告
- 附出處與引用的多階段研究功能
- 仍有幻覺風險,務必核對原文
深度研究真正改變的不是調查所需的時間,而是工作的順序。過去負責人要把搜尋關鍵字換上二十次左右來蒐集資料,再在疲累的狀態下,利用剩下的時間勉強閱讀。使用深度研究後,工作會從蒐集與初步摘要完成之處開始,因此人的工作轉為閱讀、篩選與反駁。研究的瓶頸,等於從'找資料'移到了'篩資料'。
與一般聊天機器人的網路搜尋回答性質不同。一般搜尋回答通常只搜尋一兩次,幾秒鐘就結束;深度研究則會運作 5 到 30 分鐘左右,開啟數十個頁面,並在過程中自行修正調查方向。因此即使是付費方案,也常會限制每月使用次數,它並不是拿來回答任何問題的功能。另外要特別留意一點:深度研究只會瀏覽公開的網頁。若要讓它以公司內部人事資料或過去的提案書為依據作答,就需要另外建置連結公司內部文件的 RAG 環境。
結果品質取決於提問的具體程度。像 '請告訴我二次電池市場' 這樣的指令,只會得到百科全書式的摘要;但若把期間(近 18 個月)、範圍(國內上市公司)、證據等級(優先採用公告與官方統計)、輸出格式(5 列表格)都寫明,內容密度會大不相同。指定調查範圍與證據等級,實際上就是研究設計。執行前,認真回答 AI 反問的確認問題所花的30 秒,會決定 30 分鐘調查的方向。
現場最容易出錯的地方,是誤以為「附了出處就等於事實」。即使附了連結,原文中也可能根本沒有那個數字;或是把競爭對手的新聞稿與個人部落格當成第一手資料來引用。尤其是非上市公司的營收、內部組織圖等未公開的資訊,往往會用看似合理的推估來填補。若未經查證就放進提案書,客戶高階主管問「這個數字的出處是哪裡?」時,信任當場就會瓦解。至少,準備放進報告的關鍵數字三到四個,都應直接打開原文連結確認後再往下走。
'深度研究'在 2024~2025 年間,Google Gemini 與 OpenAI ChatGPT 相繼推出同名功能而逐漸普及。其共通特色是結合推理模型、即時網路搜尋與代理式工具使用,自主執行多階段調查。
以下以虛構案例說明。一家擁有 900 名全體員工的二次電池零件製造商 A 公司,想請教育訓練公司提案「主管領導力課程」。距離提案截止只剩四天,對客戶的產業不熟悉,最近的組織調整情況也完全不清楚。過去這類工作,通常要兩位顧問整整花三天做資料調查。
- 提案組的金次長指示深度研究:'僅以近 18 個月的公告與產業媒體為依據,連同出處連結,整理 A 公司的業務結構、組織改組、3 家競爭對手及教育相關議題'。
- AI 花了 27 分鐘,在公開財報資料與產業媒體之間來回搜尋,交出一份 A4 九頁的初稿,分為六個章節,附有 41 筆出處。
- 金副理逐一打開引用連結,發現原本寫著「海外法人 3 家」的段落,原文其實只有 2 家;另一筆營收估算則完全沒有連結到依據頁面。
- 在審閱會議上,執行長以 '這是我們的假設,不是事實' 為由,要求把未經證實的 4 個數字全部拿掉,並只將已驗證的組織改組內容濃縮成提案書的 1 頁。
- 前置調查從 3 天縮短為半天,省下的時間得以用來訪談 2 位合作企業的主管,而這些訪談內容成為關鍵,最終促成年度 12 門課程的合約。
金鍾赫
朴雪英