Recientemente, el panorama de la IA volvió a transformarse cuando OpenAI lanzó Investigación profunda.
Poco después hubo lanzamientos similares de Perplexity, xAI, Manus y otras empresas. En esencia, Investigación profunda es un agente de búsqueda que puede recibir una consulta del usuario y realizar en internet una investigación compleja de varios pasos durante un máximo de 30 minutos, a veces con más de 100 fuentes. En cuestión de minutos, genera un informe de investigación exhaustivo, un trabajo que normalmente le llevaría varias horas a una persona.
Creemos que es uno de los lanzamientos de IA más importantes desde GPT-3.
En las conversaciones posteriores con nuestros clientes, una pregunta se destaca: “¿Cuándo podremos aplicar este tipo de investigación profunda a nuestros propios datos?”
Muchos de estos clientes han dedicado años, o incluso décadas, a crear meticulosamente algunos de los mayores repositorios de conocimiento propietario del mundo. Estos datos son invaluables y sustentan su ventaja competitiva en sus respectivos sectores.
Al reconocer esta necesidad, nos propusimos desarrollar un enfoque que permita a cada empresa crear capacidades de investigación profunda adaptadas a su mercado, sus datos y su contexto específicos.
Llamamos a esta solución Investigación Profunda Empresarial.
En Investigación Profunda Empresarial, integramos muchos de los aprendizajes que compartimos en nuestro análisis detallado de los enfoques de RAG.
Crear iterativamente una mejor consulta del usuario es aún más importante en las tareas de investigación profunda que en el RAG clásico
La gestión del contexto sigue siendo fundamental. Es fundamental que el agente de investigación comprenda bien qué ha explorado hasta el momento y qué líneas de investigación fueron más fructíferas. Al gestionar este estado de forma inteligente, el razonamiento del modelo puede funcionar con la máxima eficacia
El agente de investigación es el motor que impulsa Investigación Profunda Empresarial.
El agente de investigación conoce la pregunta del usuario, las consultas realizadas anteriormente y la información útil que estas recuperaron. Luego usa el razonamiento para convertir su flujo de datos seleccionados en acciones.
El agente de investigación tiene acceso a numerosas herramientas que lo ayudan a cumplir su objetivo. Estas pueden incluir herramientas de búsqueda y de operador web, habituales en las soluciones de investigación profunda para consumidores, además de herramientas para interactuar con sus fuentes de datos y endpoints propietarios.
Es como una caja de herramientas real: el agente de investigación solo tiene que elegir la herramienta adecuada para cada tarea. A veces, una búsqueda web es la herramienta más útil: quizá necesite consultar rápidamente un artículo de investigación publicado hoy que aún no se haya incorporado a la base de conocimiento de su empresa.
Sin embargo, si trabaja en sectores como el farmacéutico, el financiero o el jurídico, su flujo de trabajo dependerá en gran medida de sus bases de conocimiento internas. Para estas fuentes, podemos ajustar cuidadosamente el agente de investigación mediante aprendizaje por refuerzo de extremo a extremo para que pueda recorrer su conocimiento propietario con la máxima eficacia. Y ahí es donde nuestra Investigación Profunda Empresarial realmente se destaca.
Aquí es donde ocurre la magia.
Aunque internet ofrece enormes cantidades de información, incorporar directamente su conocimiento propietario en los sistemas de IA libera todo su potencial. Creemos que las soluciones más eficaces surgen al integrar su conocimiento único y sus fortalezas competitivas en cada etapa del proceso.
Colaboramos con organizaciones para desarrollar soluciones de integración a medida que reúnen datos de distintas fuentes —ya sean bases de datos estructuradas como Neo4j, PostgreSQL o Snowflake, o sistemas de almacenamiento en la nube y de archivos como S3 o SharePoint— en un ecosistema unificado. Esta integración ayuda a garantizar que cada componente del sistema se enriquezca con sus datos propietarios y procesos internos. Esto permite que el agente de investigación siga los mismos pasos que sus analistas internos.
Los esfuerzos por aprovechar eficazmente los datos suelen plantear preguntas cruciales sobre los derechos y permisos de acceso. Es comprensible que los propietarios de los datos se preocupen por la posible exposición involuntaria de información confidencial en las respuestas. Creemos que la privacidad y la seguridad de los datos deben formar parte de nuestras soluciones desde el principio. Al indexar sus datos internos, es esencial registrar su titularidad y aplicar los permisos correspondientes para garantizar que solo los usuarios autorizados puedan acceder a información específica. Además, contar con mecanismos sólidos para eliminar datos del índice —en cumplimiento del RGPD y otras normativas— es vital para mantener la privacidad y el cumplimiento regulatorio. Este nivel de control y seguridad distingue nuestro enfoque de las herramientas públicas de investigación profunda que abarcan todo internet.
La búsqueda web sigue siendo un pilar de los flujos de trabajo de investigación empresarial. La extracción web tradicional ha sido durante mucho tiempo una forma confiable de recopilar datos estructurados de fuentes en línea. Estos métodos clásicos son eficaces para recopilar grandes volúmenes de información pública.
Recientemente surgieron agentes operadores web para resolver las complejas tareas de recuperación de datos en internet. Entre ellos se encuentran el Operador de OpenAI, Claude de Anthropic y Proxy de Convergence. Están diseñados para navegar por entornos web complejos, abordar consultas con matices y recuperar datos que podrían estar fuera del alcance de las técnicas de extracción convencionales.
A veces, los LLM no son la mejor herramienta para analizar los datos recuperados. Por eso, podemos dar al agente de investigación acceso a herramientas más especializadas, como un entorno de programación o incluso sus herramientas propietarias, para realizar estos análisis. Este enfoque por capas —desde la extracción clásica hasta los agentes operadores avanzados y las herramientas especializadas— garantiza que su investigación empresarial sea exhaustiva y adaptable, sin importar la complejidad del panorama de datos.
Cada empresa tiene su propia cultura, particularidades sectoriales y prácticas establecidas, que influyen en la mejor manera de aprovechar y aplicar los hallazgos. Las herramientas listas para usar suelen ofrecer respuestas genéricas que quizá no se ajusten al contexto particular de su empresa.
Al crear una solución de investigación profunda a medida, obtiene la flexibilidad de presentar los hallazgos exactamente donde y como se necesitan, ya sea integrándolos en herramientas de análisis existentes o creando un flujo de trabajo específico para este fin.
Al adaptar los resultados de la investigación al lenguaje y los procesos específicos de su empresa, garantiza que los hallazgos no solo sean precisos, sino que también se integren sin dificultades en sus marcos actuales de toma de decisiones.
Imaginamos un futuro en el que cada empresa se beneficie de una solución de investigación profunda a medida que impulse sus flujos de trabajo más importantes.
Lanzamientos recientes, como la API Responses de OpenAI, que ofrece funciones integradas de búsqueda web, junto con su nuevo SDK para agentes destinado a crear sistemas de IA con agentes, demuestran el compromiso de los líderes del sector con el avance de las herramientas de IA en este ámbito. Aunque las herramientas públicas como Investigación profunda de OpenAI son excelentes para responder consultas generales, las empresas que buscan una ventaja competitiva se beneficiarán de un enfoque a medida que aproveche plenamente su conocimiento propietario y sus fortalezas únicas.
¿Le interesa explorar cómo esta visión puede funcionar para usted? Comuníquese con nosotros por el canal que prefiera.