For nylig blev AI-landskabet endnu en gang forandret, da OpenAI lancerede Dybdegående research.
Kort efter fulgte lignende lanceringer fra Perplexity, xAI, Manus og andre. Grundlæggende er dybdegående research en søgeagent, der kan tage imod en brugerforespørgsel og udføre kompleks research på internettet i flere trin i op til 30 minutter – nogle gange med over 100 kilder. På få minutter udarbejder den en omfattende researchrapport – et arbejde, som det normalt ville tage en researcher flere timer at udføre.
Vi mener, at det er en af de vigtigste AI-lanceringer siden GPT-3.
I de efterfølgende samtaler med vores kunder er der især ét spørgsmål, der går igen: »Hvornår kan vi anvende denne form for dybdegående research på vores egne data?«
Mange af disse kunder har brugt år – eller endda årtier – på omhyggeligt at opbygge nogle af verdens største proprietære vidensbaser. Disse data er uvurderlige og styrker deres konkurrencefordel i de respektive brancher.
For at imødekomme dette behov satte vi os for at udvikle en tilgang, der gør det muligt for alle virksomheder at opbygge funktioner til dybdegående research, som er tilpasset deres specifikke marked, data og kontekst.
Vi kalder løsningen Dybdegående research til virksomheder.
I Dybdegående research til virksomheder indarbejder vi mange af de erfaringer, som vi beskrev i vores grundige gennemgang af RAG-tilgange.
Det er endnu vigtigere løbende at forbedre brugerforespørgslen i opgaver med dybdegående research end i klassisk RAG
Konteksthåndtering er stadig afgørende. Det er afgørende, at researchagenten har en god forståelse af, hvad den allerede har undersøgt, og hvilke researchretninger der gav de bedste resultater. Ved at håndtere denne tilstand intelligent kan modellens ræsonnering fungere så effektivt som muligt
Researchagenten er motoren bag Dybdegående research til virksomheder.
Researchagenten har adgang til brugerens spørgsmål, tidligere udførte forespørgsler og de nyttige oplysninger, som de fandt frem til. Derefter bruger den ræsonnering til at omsætte sin kuraterede datastrøm til handlinger.
Researchagenten får adgang til en række værktøjer, der hjælper den med at nå sit mål. Det kan være værktøjer til websøgning og weboperatorer, som er almindelige i forbrugerrettede værktøjer til dybdegående research, men også værktøjer til at interagere med jeres proprietære datakilder og slutpunkter.
Det svarer til en fysisk værktøjskasse – researchagenten skal blot vælge det rette værktøj til opgaven. Nogle gange er en websøgning det mest nyttige værktøj – måske vil I hurtigt se på en forskningsartikel, der er udgivet i dag og endnu ikke er kommet med i virksomhedens vidensbase.
Hvis I derimod arbejder inden for brancher som lægemidler, finans eller jura, vil jeres arbejdsgange i høj grad afhænge af jeres interne vidensbaser. Til disse kilder kan vi omhyggeligt finjustere researchagenten med end-to-end-forstærkende læring, så den kan navigere så effektivt som muligt i jeres proprietære viden. Og det er her, vores Dybdegående research til virksomheder virkelig kommer til sin ret.
Det er her, magien opstår.
Internettet rummer enorme mængder information, men når jeres proprietære ekspertise integreres direkte i AI-systemer, kan deres fulde potentiale udfoldes. Vi mener, at de mest effektive løsninger opstår, når jeres unikke viden og konkurrencemæssige styrker integreres i alle procestrin.
Vi samarbejder med organisationer om at udvikle skræddersyede integrationsløsninger, der samler data fra forskellige kilder – hvad enten det er strukturerede databaser som Neo4j, PostgreSQL eller Snowflake eller cloudlager og filsystemer som S3 eller SharePoint – i ét samlet økosystem. Denne integration er med til at sikre, at alle dele af systemet beriges med jeres proprietære data og interne processer. Det gør researchagenten i stand til at følge de samme trin som jeres interne analytikere.
Arbejdet med at udnytte data effektivt rejser ofte vigtige spørgsmål om adgangsrettigheder og tilladelser. Dataejere er forståeligt nok bekymrede for, at følsomme oplysninger utilsigtet kan blive eksponeret i svar. Vi mener, at privatliv og datasikkerhed skal indbygges i vores løsninger fra bunden. Når jeres interne data indekseres, er det afgørende at registrere dataejerskab og håndhæve adgangstilladelser, så kun autoriserede brugere kan få adgang til bestemte oplysninger. Desuden er robuste mekanismer til at slette data fra indekset i overensstemmelse med GDPR og andre regler afgørende for at beskytte privatlivet og overholde lovgivningen. Dette niveau af kontrol og sikkerhed adskiller vores tilgang fra offentlige værktøjer til dybdegående research på hele internettet.
Websøgning er fortsat en hjørnesten i virksomheders researcharbejdsgange. Traditionel webscraping har længe været en pålidelig metode til at indsamle strukturerede data fra onlinekilder. Disse klassiske metoder er effektive til at indsamle store mængder offentligt tilgængelig information.
På det seneste er weboperatoragenter kommet til for at håndtere krævende opgaver med dataindsamling på internettet. Det gælder blandt andet OpenAI’s Operator, Anthropics Claude og Convergences Proxy. De er udviklet til at navigere i komplekse webmiljøer, håndtere nuancerede forespørgsler og hente data, som almindelige scrapingteknikker måske ikke kan nå.
Nogle gange er LLM'er ikke det bedste værktøj til at analysere de indsamlede data. Derfor kan vi give researchagenten adgang til mere specialiserede værktøjer, såsom et kodemiljø eller endda jeres egne proprietære værktøjer, så den kan udføre analyserne. Denne lagdelte tilgang – fra klassisk scraping til avancerede operatoragenter og specialværktøjer – sikrer, at virksomhedens research både er grundig og fleksibel, uanset hvor komplekst datalandskabet er.
Alle virksomheder har deres egen kultur, branchespecifikke nuancer og etablerede praksisser, som påvirker, hvordan indsigter bedst formidles og anvendes. Standardværktøjer leverer ofte universelle svar, som ikke nødvendigvis passer til virksomhedens unikke kontekst.
Med en skræddersyet løsning til dybdegående research får I frihed til at formatere researchresultaterne præcis, hvor og hvordan der er brug for dem – hvad enten de skal integreres i eksisterende analyseværktøjer eller indgå i en specialudviklet arbejdsgang.
Ved at tilpasse researchresultaterne til virksomhedens specifikke sprog og processer sikrer I, at indsigterne ikke blot er præcise, men også integreres problemfrit i jeres eksisterende rammer for beslutningstagning.
Vi forestiller os en fremtid, hvor alle virksomheder får gavn af en skræddersyet løsning til dybdegående research, der understøtter deres vigtigste arbejdsgange.
Nye lanceringer – såsom OpenAI’s Responses API med integrerede funktioner til websøgning og deres nyligt præsenterede Agent SDK til udvikling af agentiske AI-systemer – viser, at branchens førende aktører er engagerede i at videreudvikle AI-værktøjer på området. Offentlige værktøjer som OpenAI’s Dybdegående research er fremragende til generelle forespørgsler, men virksomheder, der ønsker en konkurrencefordel, vil få større udbytte af en skræddersyet tilgang, som fuldt ud udnytter deres proprietære viden og unikke styrker.
Vil I undersøge, hvordan denne vision kan fungere for jer? Kontakt os via den kanal, I foretrækker.