AI-landskapet förändrades nyligen på nytt när OpenAI lanserade Djup forskning.
Kort därefter följde liknande lanseringar från Perplexity, xAI, Manus och andra. I grunden är Djup forskning en sökagent som kan utgå från en användarfråga och genomföra komplex research på internet i flera steg under upp till 30 minuter, ibland med över 100 källor. På några minuter skapar den en omfattande forskningsrapport – ett arbete som vanligtvis skulle ta en mänsklig analytiker flera timmar att slutföra.
Vi anser att det är en av de viktigaste AI-lanseringarna sedan GPT-3.
I samtalen med våra kunder efter lanseringen är det en fråga som återkommer: ”När kommer vi att kunna använda den här typen av djup forskning på våra egna data?”
Många av dessa kunder har ägnat år – eller till och med årtionden – åt att omsorgsfullt bygga upp några av världens största egna kunskapsbanker. Dessa data är ovärderliga och ger dem konkurrensfördelar inom sina respektive branscher.
Med detta behov i åtanke började vi utveckla en metod som gör det möjligt för alla företag att bygga funktioner för djup forskning, anpassade efter deras specifika marknad, data och sammanhang.
Vi kallar lösningen Djup forskning för företag.
I Djup forskning för företag införlivar vi många av de lärdomar som vi tog upp i vår djupdykning i RAG-metoder.
Att stegvis förbättra användarfrågan är ännu viktigare vid djup forskning än vid traditionell RAG
Kontexthantering är fortfarande avgörande. Det är avgörande att forskningsagenten förstår vad den hittills har utforskat och vilka forskningsinriktningar som har gett bäst resultat. Genom att hantera detta tillstånd intelligent kan Modellens Resonemang fungera så effektivt som möjligt
Forskningsagenten är motorn bakom Djup forskning för företag.
Forskningsagenten har tillgång till användarens fråga, tidigare utförda sökningar och den användbara information som de gav. Sedan använder den Resonemang för att omvandla sitt utvalda dataflöde till åtgärder.
Forskningsagenten får tillgång till många verktyg som hjälper den att nå sitt mål. Det kan vara verktyg för webbsökning och webboperatörer, som är vanliga i konsumentinriktade verktyg för djup forskning, men även verktyg som samverkar med era egna datakällor och slutpunkter.
Det kan liknas vid en fysisk verktygslåda – forskningsagenten behöver bara välja rätt verktyg för uppgiften. Ibland är en webbsökning det bästa verktyget – ni kanske snabbt vill granska en forskningsartikel som publicerades i dag och ännu inte har hunnit läggas till i företagets kunskapsbas.
Men om ni arbetar inom exempelvis läkemedel, finans eller juridik kommer arbetsflödet att vara starkt beroende av era interna kunskapsbaser. För dessa källor kan vi finjustera forskningsagenten med heltäckande Förstärkningsinlärning så att den kan navigera i er egen kunskap så effektivt som möjligt. Och det är här vår Djupa forskning för företag verkligen kommer till sin rätt.
Det är här det magiska händer.
Internet erbjuder enorma mängder information, men det är genom att integrera er egen expertis direkt i AI-system som ni kan frigöra deras fulla potential. Vi tror att de effektivaste lösningarna skapas genom att integrera er unika kunskap och era konkurrensfördelar i processens alla steg.
Vi samarbetar med organisationer för att utveckla skräddarsydda integrationslösningar som samlar data från olika källor – från strukturerade databaser som Neo4j, PostgreSQL och Snowflake till molnlagring och filsystem som S3 och SharePoint – i ett enhetligt ekosystem. Integrationen bidrar till att berika systemets alla delar med era egna data och interna processer. På så sätt kan forskningsagenten följa samma steg som era interna analytiker.
Försök att utnyttja data effektivt väcker ofta viktiga frågor om åtkomsträttigheter och behörigheter. Dataägare oroar sig förståeligt nog för att känslig information oavsiktligt ska röjas i svaren. Vi anser att integritet och datasäkerhet ska byggas in i våra lösningar från grunden. När era interna data indexeras är det viktigt att registrera dataägarskap och tillämpa behörigheter, så att endast behöriga användare får åtkomst till viss information. Dessutom är robusta mekanismer för att rensa data ur indexet i enlighet med GDPR och andra regelverk avgörande för att upprätthålla integritet och regelefterlevnad. Denna nivå av kontroll och säkerhet skiljer vår metod från offentliga verktyg för djup forskning på hela internet.
Webbsökning är fortfarande en hörnsten i företagens arbetsflöden för research. Traditionell webbskrapning har länge varit ett tillförlitligt sätt att hämta strukturerade data från källor på nätet. Dessa traditionella metoder är effektiva för att samla in stora mängder offentlig information.
På senare tid har webboperatörsagenter utvecklats för att hantera krävande uppgifter för datainsamling på internet. Dit hör OpenAI:s Operator, Anthropics Claude och Convergences Proxy. De är utformade för att navigera i komplexa webbmiljöer, hantera nyanserade frågor och hämta data som vanliga skrapningstekniker kanske inte kommer åt.
Ibland är stora språkmodeller inte det bästa verktyget för att analysera insamlade data. Därför kan vi ge forskningsagenten tillgång till mer specialiserade verktyg, exempelvis en kodmiljö eller era egna verktyg, för att genomföra analyserna. Denna metod i flera lager – från traditionell skrapning till avancerade operatörsagenter och specialistverktyg – gör företagets research både grundlig och anpassningsbar, oavsett hur komplext datalandskapet är.
Varje företag har sin egen kultur, sina branschspecifika nyanser och etablerade arbetssätt, vilket påverkar hur insikter bäst tas till vara och tillämpas. Standardverktyg ger ofta generella svar som inte är anpassade till företagets unika sammanhang.
Med en skräddarsydd lösning för djup forskning får ni flexibiliteten att presentera resultaten precis där och på det sätt som behövs – antingen genom att integrera dem i befintliga analysverktyg eller genom att skapa ett särskilt arbetsflöde för ändamålet.
Genom att anpassa forskningsresultaten till företagets specifika språk och processer ser ni till att insikterna inte bara är korrekta, utan även integreras sömlöst i era befintliga beslutsprocesser.
Vi ser framför oss en framtid där alla företag drar nytta av en skräddarsydd lösning för djup forskning som driver deras viktigaste arbetsflöden.
Nya lanseringar – som OpenAI:s Responses API med integrerad webbsökning och deras nyligen presenterade Agent SDK för att bygga system med agentbaserad AI – visar att branschledarna satsar på att utveckla AI-verktygen inom området. Offentliga verktyg som OpenAI:s Djup forskning är mycket bra på att besvara allmänna frågor, men företag som söker konkurrensfördelar vinner på en skräddarsydd metod som fullt ut tillvaratar deras egen kunskap och unika styrkor.
Vill ni utforska hur den här visionen kan fungera för er? Kontakta oss via den kanal som passar er bäst.