Di recente, il panorama dell’IA è stato nuovamente rivoluzionato quando OpenAI ha lanciato deep research.
Poco dopo sono state lanciate soluzioni simili da Perplexity, xAI, Manus e altri. Nella sua essenza, deep research è un agente di ricerca che, a partire dalla richiesta di un utente, può condurre su Internet ricerche complesse e articolate in più fasi per un massimo di 30 minuti, utilizzando talvolta oltre 100 fonti. In pochi minuti produce un rapporto di ricerca completo, un lavoro che normalmente richiederebbe diverse ore a un ricercatore.
Riteniamo che sia uno dei lanci più importanti nel campo dell’IA dai tempi di GPT-3.
Nelle successive conversazioni con i nostri clienti è emersa soprattutto una domanda: «Quando potremo applicare questo tipo di deep research ai nostri dati?»
Molti di questi clienti hanno dedicato anni, o persino decenni, alla meticolosa creazione di alcuni dei più vasti patrimoni di conoscenze proprietarie al mondo. Questi dati hanno un valore inestimabile e alimentano il loro vantaggio competitivo nei rispettivi settori.
Consapevoli di questa esigenza, abbiamo sviluppato un approccio che consente a ogni impresa di creare funzionalità di deep research su misura per il proprio mercato, i propri dati e il proprio contesto.
Abbiamo chiamato questa soluzione Enterprise Deep Research.
In Enterprise Deep Research integriamo molti degli insegnamenti illustrati nel nostro approfondimento sugli approcci RAG.
Per le attività di deep research, perfezionare iterativamente la richiesta dell’utente è ancora più importante che nel RAG classico
La gestione del contesto resta fondamentale. È essenziale che l’Agente di ricerca comprenda bene ciò che ha già esplorato e quali direzioni di ricerca si sono rivelate più proficue. Gestendo questo stato in modo intelligente, il ragionamento del modello può operare con la massima efficacia
L’Agente di ricerca è il motore di Enterprise Deep Research.
L’Agente di ricerca ha accesso alla domanda dell’utente, alle query eseguite in precedenza e alle informazioni utili che hanno restituito. Usa quindi il ragionamento per trasformare il flusso di dati selezionati in azioni.
All’Agente di ricerca viene fornito l’accesso a numerosi strumenti che lo aiutano a raggiungere il suo obiettivo. Possono essere strumenti di ricerca web e operatori web, comuni nelle soluzioni di deep research rivolte ai consumatori, ma anche strumenti per interagire con le vostre fonti dati ed endpoint proprietari.
È come una vera cassetta degli attrezzi: l’Agente di ricerca deve soltanto scegliere lo strumento giusto per il lavoro da svolgere. A volte lo strumento più utile è una ricerca sul web: potreste voler consultare rapidamente uno studio pubblicato oggi, che potrebbe non essere ancora presente nella knowledge base aziendale.
Tuttavia, se operate in settori come quello farmaceutico, finanziario o legale, il vostro flusso di lavoro dipenderà in larga misura dalle knowledge base interne. Per queste fonti possiamo ottimizzare accuratamente l’Agente di ricerca tramite l’apprendimento per rinforzo end-to-end, affinché esplori le vostre conoscenze proprietarie nel modo più efficace possibile. Ed è proprio qui che Enterprise Deep Research dà il meglio di sé.
È qui che avviene la magia.
Internet offre enormi quantità di informazioni, ma integrare le vostre competenze proprietarie direttamente nei sistemi di IA permette di esprimerne appieno il potenziale. Riteniamo che le soluzioni più efficaci nascano dall’integrazione delle vostre conoscenze distintive e dei vostri punti di forza competitivi in ogni fase del processo.
Collaboriamo con le organizzazioni per sviluppare soluzioni di integrazione su misura, riunendo in un unico ecosistema dati provenienti da fonti diverse: database strutturati come Neo4j, PostgreSQL o Snowflake, oppure sistemi di archiviazione cloud e di file come S3 o SharePoint. Questa integrazione contribuisce ad arricchire ogni componente del sistema con i vostri dati proprietari e processi interni. In questo modo, l’Agente di ricerca può seguire gli stessi passaggi dei vostri analisti interni.
Gli sforzi per valorizzare efficacemente i dati sollevano spesso questioni cruciali relative ai diritti e alle autorizzazioni di accesso. È comprensibile che i titolari dei dati temano la possibile divulgazione involontaria di informazioni sensibili nelle risposte. Riteniamo che privacy e sicurezza dei dati debbano essere integrate nelle nostre soluzioni fin dalla progettazione. Quando si indicizzano i dati interni, è essenziale registrarne la titolarità e applicare le autorizzazioni, garantendo che solo gli utenti autorizzati possano accedere a informazioni specifiche. Sono inoltre indispensabili solidi meccanismi per eliminare i dati dall’indice in conformità al GDPR e ad altre normative, così da tutelare la privacy e garantire la conformità normativa. Questo livello di controllo e sicurezza distingue il nostro approccio dagli strumenti pubblici di deep research estesi all’intero web.
La ricerca web resta un pilastro dei flussi di lavoro della ricerca aziendale. Il web scraping tradizionale è da tempo un metodo affidabile per raccogliere dati strutturati da fonti online. Questi metodi classici sono efficaci per raccogliere grandi volumi di informazioni pubbliche.
Di recente sono emersi agenti operatori web capaci di gestire le attività più complesse di recupero dei dati su Internet. Tra questi figurano l’operatore di OpenAI, Claude di Anthropic e Proxy di Convergence. Sono progettati per muoversi in ambienti web complessi, gestire richieste articolate e recuperare dati che potrebbero essere inaccessibili alle tecniche di scraping standard.
A volte gli LLM non sono lo strumento migliore per analizzare i dati recuperati. Possiamo quindi fornire all’Agente di ricerca l’accesso a strumenti più specializzati, come un ambiente di programmazione o persino i vostri strumenti proprietari, per completare queste analisi. Questo approccio a più livelli, dallo scraping classico agli agenti operatori avanzati e agli strumenti specialistici, garantisce una ricerca aziendale completa e adattabile, indipendentemente dalla complessità del panorama dei dati.
Ogni impresa ha una propria cultura, specificità di settore e prassi consolidate che determinano il modo migliore di fruire e applicare le informazioni ottenute. Gli strumenti preconfezionati forniscono spesso risposte standardizzate che potrebbero non adattarsi al contesto specifico della vostra azienda.
Creando una soluzione di deep research su misura, potete presentare i risultati esattamente dove e come servono, integrandoli negli strumenti di analisi esistenti oppure creando un flusso di lavoro dedicato.
Allineando i risultati della ricerca al linguaggio e ai processi specifici della vostra azienda, garantite informazioni non solo accurate, ma anche perfettamente integrate nei processi decisionali esistenti.
Immaginiamo un futuro in cui ogni azienda possa beneficiare di una soluzione di deep research su misura a supporto dei suoi flussi di lavoro più importanti.
I recenti lanci, come l’API Responses di OpenAI, dotata di funzionalità integrate di ricerca web, e il nuovo SDK per agenti per creare sistemi di IA agentica, dimostrano l’impegno dei leader del settore nel far progredire gli strumenti di IA in questo ambito. Gli strumenti pubblici come deep research di OpenAI sono eccellenti per rispondere a domande generali, ma le imprese in cerca di un vantaggio competitivo trarranno beneficio da un approccio su misura che valorizzi appieno le loro conoscenze proprietarie e i loro punti di forza distintivi.
Vi interessa scoprire come concretizzare questa visione nella vostra azienda? Contattateci tramite il canale che preferite.