Google, опублікувавши «глибокі дослідження»... Мета — офіційно розпочати конкуренцію за інтеграцію внутрішніх даних компанії через AI-агенти

Гугл випустила два нових штучних інтелектуальних (AI) агентів, здатних автоматично генерувати дослідницькі звіти за заданою користувачем темою. Вони не лише можуть виконувати простий пошук, а й аналізувати дані з відкритих мереж та навіть внутрішніх корпоративних систем, що, за прогнозами, посилить конкуренцію у сфері AI для підприємств.

Гугл 22 числа за місцевим часом представила “Deep Research” та “Deep Research Max”. Ці два продукти є наступниками існуючих інструментів для досліджень на базі AI, запущених у грудні минулого року. Тоді цей інструмент базувався на “Gemini 3 Pro”, а нові продукти використовують більш передову велику мовну модель (LLM) “Gemini 3.1 Pro”, яка була випущена у лютому цього року.

Покращення у продуктивності також значні. За словами Гугл, результати порівняльного тесту “BrowseComp” від OpenAI показали, що Gemini 3.1 Pro отримала 85.9 балів. Це більше ніж на 25 балів вище за існуючий Gemini 3 Pro. Цей тест оцінює здатність LLM виконувати онлайн-дослідження за понад 1000 завданнями.

Обсяг доступних даних та приклади застосування

Особливістю нових AI-агентів є їхній обсяг доступу до даних. “Deep Research” та “Deep Research Max” можуть не лише отримувати доступ до відкритих мереж, а й викликати дані з внутрішніх систем компанії. Для підключення до внутрішніх систем використовується “MCP” (протокол контексту моделі), а користувачі також можуть безпосередньо завантажувати електронні таблиці або відеофайли для доповнення наборів даних.

Гугл пропонує приклади застосування у сферах охорони здоров’я та фінансів. Наприклад, дослідники можуть швидко створювати звіти про нові сполуки з потенціалом лікування, а фінансові експерти — делегувати AI дослідження компаній, у які вони розглядають інвестиції. Це значно скорочує час, необхідний для збору та систематизації інформації.

Ці агенти також мають функцію візуалізації зібраних даних. Візуалізація може бути реалізована у вигляді HTML-коду або за допомогою генератора зображень Google “Nano Banana”. За словами Гугл, Nano Banana має вбудовану універсальну базу знань, здатну досить точно інтерпретувати введену інформацію та відображати її у вигляді зображень.

Режим роботи та відмінності у продуктах

Режим роботи також передбачає можливість попередньої настройки користувачем. Перед початком створення звіту AI спочатку пропонує короткий огляд, як саме буде проводитися дослідження. Користувач може змінити цей план для підвищення якості кінцевого результату. Наприклад, дослідник може визначити конкретну наукову базу даних як пріоритетний об’єкт пошуку.

Ці два продукти мають різне позиціонування. “Deep Research” розроблений для роботи з меншими обсягами обчислювальних ресурсів. Гугл пояснює, що ця модель дешевша, швидша у відповіді та має покращену якість результатів порівняно з версією минулого грудня. Це робить її придатною для застосувань, що вимагають швидкої реакції.

Натомість “Deep Research Max” орієнтований на “максимальну всебічність”. Його структура передбачає витрати більше часу та апаратних ресурсів для створення глибших звітів. Це інтерпретується як продукт, орієнтований на завдання, де важливіше завершеність та обсяг дослідження, а не швидкість.

Значення та плани на майбутнє

За словами Лукаса Хассе та Срініваса Тадепаллі з DeepMind у блозі, “звіти ‘Deep Research’ самі по собі мають цінність, але також можуть слугувати першим кроком у складних робочих процесах, що починаються з глибокого збору контексту”. Це свідчить про те, що AI виходить за межі простих запитань і відповідей, стаючи “точкою старту” для реальних робочих процесів.

Наразі “Deep Research” та “Deep Research Max” доступні через API Gemini у форматі публічного попереднього перегляду. У майбутньому планується розширення до Google Cloud. Гугл також заявила про намір додати функцію інтеграції з MCP для більш легкого доступу до джерел даних, таких як FactSet, PitchBook тощо.

Цей реліз свідчить про те, що конкуренція у сфері генеративного AI швидко переходить від “інтерактивних чат-ботів” до “практичних агентів”. Особливо важливою є спроба Гугл об’єднати дослідження, аналіз, візуалізацію та внутрішні дані у єдину систему, що може суттєво вплинути на ринок AI для підприємств.

TP AI зауваження Цей текст створено на основі мовної моделі TokenPost.ai. Основний зміст може бути опущений або відрізнятися від фактичної інформації.