Baru-baru ini, lanskap AI kembali berubah ketika OpenAI merilis Riset Mendalam.
Tak lama kemudian, hadir berbagai produk serupa dari Perplexity, xAI, Manus, dan perusahaan lainnya. Pada dasarnya, Riset Mendalam adalah agen pencarian yang dapat menerima kueri pengguna dan melakukan riset internet yang kompleks dan bertahap hingga 30 menit, terkadang dengan menggunakan lebih dari 100 sumber. Dalam hitungan menit, sistem ini menghasilkan laporan riset menyeluruh—pekerjaan yang biasanya memerlukan waktu beberapa jam bagi peneliti manusia.
Menurut kami, ini merupakan salah satu produk AI terpenting yang dirilis sejak GPT-3.
Dalam percakapan lanjutan dengan para klien kami, ada satu pertanyaan yang paling menonjol: “Kapan kami dapat menerapkan riset mendalam semacam ini pada data kami sendiri?”
Banyak dari klien ini telah menghabiskan waktu bertahun-tahun—bahkan puluhan tahun—untuk membangun dengan cermat sejumlah pusat pengetahuan proprieter terbesar di dunia. Data ini sangat berharga dan menjadi sumber keunggulan kompetitif mereka di industrinya masing-masing.
Menyadari kebutuhan ini, kami mulai mengembangkan pendekatan yang memungkinkan setiap perusahaan membangun kemampuan riset mendalam yang disesuaikan dengan pasar, data, dan konteksnya masing-masing.
Kami menyebut solusi ini Riset Mendalam Perusahaan.
Dalam Riset Mendalam Perusahaan, kami mengintegrasikan banyak pembelajaran yang telah dibahas dalam ulasan mendalam kami tentang berbagai pendekatan RAG.
Penyempurnaan kueri pengguna secara berulang bahkan lebih penting dalam tugas riset mendalam dibandingkan dalam RAG klasik
Pengelolaan konteks tetap menjadi kunci utama. Agen Riset harus memahami dengan baik hal-hal yang telah dieksplorasi dan arah riset mana yang memberikan hasil lebih baik. Dengan mengelola status ini secara cerdas, penalaran dalam model dapat bekerja seefektif mungkin
Agen Riset adalah mesin yang menggerakkan Riset Mendalam Perusahaan.
Agen Riset dapat melihat pertanyaan pengguna, kueri yang telah dijalankan sebelumnya, dan informasi berguna yang diperoleh dari kueri tersebut. Agen ini lalu menggunakan penalaran untuk mengubah umpan data yang telah dikurasi menjadi tindakan.
Agen Riset diberi akses ke berbagai alat untuk membantunya mencapai tujuan. Alat ini dapat mencakup pencarian web dan operator web yang umum dijumpai pada perangkat riset mendalam untuk konsumen, serta alat untuk berinteraksi dengan sumber data dan endpoint proprieter Anda.
Ini ibarat kotak peralatan di dunia nyata—Agen Riset hanya perlu memilih alat yang tepat untuk setiap pekerjaan. Terkadang, pencarian web adalah alat yang paling berguna—misalnya, Anda ingin segera membaca makalah riset yang baru dirilis hari ini dan mungkin belum masuk ke pusat pengetahuan perusahaan.
Namun, jika Anda bekerja di industri seperti farmasi, keuangan, atau hukum, alur kerja Anda akan sangat bergantung pada pusat pengetahuan internal. Untuk sumber-sumber ini, kami dapat menyempurnakan Agen Riset secara cermat dengan reinforcement learning menyeluruh agar dapat menelusuri pengetahuan proprieter Anda seefektif mungkin. Di sinilah Riset Mendalam Perusahaan kami benar-benar unggul.
Di sinilah keajaiban terjadi.
Meski internet menawarkan informasi dalam jumlah sangat besar, menanamkan keahlian proprieter Anda langsung ke dalam sistem AI akan memaksimalkan potensinya. Kami percaya bahwa solusi paling efektif tercipta dengan mengintegrasikan pengetahuan unik dan kekuatan kompetitif Anda pada setiap tahap proses.
Kami bekerja sama dengan berbagai organisasi untuk mengembangkan solusi integrasi khusus yang menyatukan data dari beragam sumber—baik basis data terstruktur seperti Neo4j, PostgreSQL, atau Snowflake maupun penyimpanan cloud dan sistem berkas seperti S3 atau SharePoint—ke dalam satu ekosistem terpadu. Integrasi ini membantu memastikan bahwa setiap aspek sistem diperkaya oleh data proprieter dan proses internal Anda. Dengan demikian, Agen Riset dapat mengikuti langkah-langkah yang sama seperti analis internal Anda.
Upaya untuk memanfaatkan data secara efektif sering kali memunculkan pertanyaan penting mengenai hak akses dan izin. Wajar jika pemilik data mengkhawatirkan kemungkinan informasi sensitif secara tidak sengaja terungkap dalam respons. Kami percaya bahwa privasi dan keamanan data harus menjadi bagian mendasar dari solusi sejak awal. Saat mengindeks data internal, kepemilikan data harus dicatat dan izin harus ditegakkan untuk memastikan bahwa hanya pengguna berwenang yang dapat mengakses informasi tertentu. Selain itu, mekanisme yang andal untuk menghapus data dari indeks—sesuai dengan GDPR dan peraturan lainnya—sangat penting untuk menjaga privasi dan kepatuhan terhadap regulasi. Tingkat kendali dan keamanan inilah yang membedakan pendekatan kami dari perangkat riset mendalam publik yang menjangkau seluruh internet.
Pencarian web tetap menjadi bagian utama alur kerja riset perusahaan. Web scraping konvensional telah lama menjadi cara andal untuk mengumpulkan data terstruktur dari sumber daring. Metode klasik ini efektif untuk mengumpulkan informasi publik dalam jumlah besar.
Belakangan ini, agen operator web hadir untuk menangani tugas pengambilan data yang rumit di internet. Contohnya adalah Operator dari OpenAI, Claude dari Anthropic, dan Proxy dari Convergence. Agen-agen tersebut dirancang untuk menjelajahi lingkungan web yang kompleks, menangani kueri bernuansa, dan mengambil data yang mungkin tidak dapat dijangkau oleh teknik scraping standar.
Terkadang, LLM bukanlah alat terbaik untuk menganalisis data yang telah diambil. Karena itu, kami dapat memberi Agen Riset akses ke alat yang lebih khusus, seperti lingkungan pemrograman atau bahkan alat proprieter Anda, untuk menyelesaikan analisis tersebut. Pendekatan berlapis ini—mulai dari scraping klasik hingga agen operator canggih dan alat khusus—memastikan riset perusahaan Anda tetap menyeluruh dan adaptif, serumit apa pun lanskap datanya.
Setiap perusahaan memiliki budaya, karakteristik industri, dan praktik baku tersendiri yang memengaruhi cara terbaik untuk memahami dan menerapkan wawasan. Perangkat siap pakai sering kali memberikan jawaban seragam yang mungkin tidak sesuai dengan konteks unik bisnis Anda.
Dengan membuat solusi riset mendalam khusus, Anda dapat menyajikan temuan riset tepat di tempat dan dalam format yang dibutuhkan—baik dengan mengintegrasikannya ke perangkat analisis yang ada maupun dengan membuat alur kerja khusus untuk keperluan ini.
Dengan menyelaraskan hasil riset dengan bahasa dan proses khusus bisnis Anda, wawasan yang diperoleh tidak hanya akurat, tetapi juga terintegrasi dengan mulus ke dalam kerangka pengambilan keputusan yang sudah ada.
Kami membayangkan masa depan ketika setiap perusahaan memperoleh manfaat dari solusi riset mendalam khusus yang mendukung alur kerja terpentingnya.
Peluncuran terbaru—seperti Responses API dari OpenAI yang menawarkan kemampuan pencarian web terintegrasi, serta SDK Agen yang baru diluncurkan untuk membangun sistem AI agentik—menunjukkan komitmen para pemimpin industri untuk memajukan perangkat AI di bidang ini. Meskipun perangkat publik seperti Riset Mendalam dari OpenAI unggul dalam menjawab pertanyaan umum, perusahaan yang ingin meraih keunggulan kompetitif akan mendapatkan manfaat dari pendekatan khusus yang sepenuhnya memanfaatkan pengetahuan proprieter dan kekuatan unik mereka.
Tertarik menjajaki bagaimana visi ini dapat diterapkan untuk Anda? Hubungi kami melalui saluran pilihan Anda.