「深い研究」がComputerに登場
Computerの「深い研究」は、信頼できるデータで難しい質問に回答し、レポート、ダッシュボード、スライドを作成します。
深い研究は、従来の調査アナリストのように機能するエージェント型の反復検索です。アクションを実行する前に計画を立てます。1回だけでなく複数の検索を実行し、その都度結果を読み取ってから、次に何を検索すべきかを推論します。十分な証拠があるかを評価し、矛盾点を記録し、深く読み込み、最終的にそれらの結果を1つの信頼できる回答に統合します。
この深さこそが、従来の検索よりも「深い研究」に時間がかかり、より多くの計算リソースを必要とする理由です。
「深い研究」がComputerに追加された理由もそこにあります。難しい質問に対する回答は、単なる始まりに過ぎません。「深い研究」は、レポート、ダッシュボード、その他業務に必要な成果物へと迅速に導きます。Computerは、そのプロセスが行われる場所です。
本日、私たちは「深い研究」がコードとしての検索（Search as Code）と呼ばれる新しいアプローチを通じて、独自の検索プログラムを作成できるようになったことも発表します。Computerは一度に1つのクエリを実行するのではなく、質問ごとにカスタム検索計画を構築し、何千ものステップを並行して実行します。これらの変更により、「深い研究」で可能なことが広がります。
現在、「深い研究」は社内のファイルやアプリから情報を取得し、よりビジネスコンテキストに即した回答を提供します。Computerは、その回答をPDF、スライド、ダッシュボード、ウェブサイトなどの業務対応形式に変換します。また、より慎重に推論を行い、他のComputerワークフローとも統合されます。
より良い入力、より良い出力
「深い研究」はナレッジワークの基盤です。メモ、ブリーフ、計画、または分析の質は、その背後にある情報源と推論の質に依存します。
「深い研究」をComputerに導入することで、その基盤が実際の業務が行われる場所に置かれます。最近の調査では、Computerにおけるタスクの約26%が調査および分析に関わるものであり、コーディングやアセット作成などを抑えて最大のカテゴリーとなっていることが明らかになりました。
これまでComputerと「深い研究」は別々でした。ユーザーは「深い研究」のクエリを1つのスレッドで実行し、その後Computerで別のスレッドを開いて成果物を作成する必要がありました。
現在では、ユーザーが複雑なクエリを質問すると、Computerがそれをサブタスクに分解し、20以上の最先端モデルに振り分けます。ユーザーは、リサーチ済みの回答を取得し、追加の質問を行い、関連するコンテキストを引き出し、発見した情報を完成されたアセットに変換するといった一連の作業を、1つのクエリ内で行うことができます。
検索が必要な場合、ComputerはStatista、PitchBook、CB Insightsといったプレミアム情報源から自動的にデータを取得し、権威あるデータで回答を裏付けます。
1つのスキル、多様な経路
Computerにおいて、「深い研究」は普遍的な検索スキルの入り口です。1つのクエリが適切な検索パターンへと振り分けられます。その後、結果が調整され、統合された回答として提示されます。
例えば、「私たちが買収したテキサスのスタートアップ企業の従業員による競業避止義務は、私たちがカリフォルニア企業となった今でも強制執行可能か？」といった質問を考えてみましょう。
Computerは4つのパスを並行して実行します。カリフォルニア州における競業避止義務のほぼ全面的な禁止と、州外の合意を裁判所がどのように扱うかを調査します。次に、テキサス州の強制執行基準を分析します（そこでは専門的なトレーニングや企業秘密に関連する場合、競業避止義務が有効です）。さらに、買収後の契約譲渡に関する判例法と、連邦取引委員会（FTC）による競業避止義務に関する最近の規則制定を確認します。
最終的な出力は、これら4つのパスを単一のリスク評価に調整し、どの合意が無効になりやすく、どれが存続可能であり、どこで外部顧問が必要とされるかを提示します。
AI検索のための新しいアーキテクチャ
Computerにおける「深い研究」は、私たちがコードとしての検索（Search as Code）と呼ぶアーキテクチャに基づいて構築されています。
通常、AIシステムは検索を「質問して結果を見つける」という単一のステップとして扱いますが、Computerは検索をプログラムとして扱います。モデルは、ユーザーが投げかけた質問に合わせて設計された何千もの検索ステップを並行して実行するコードを作成します。
このコードはモデルのすぐそばにある安全なサンドボックス内で実行されるため、モデルは結果が到着するたびにそれを確認し、どの情報源が取得され、どのような評価を受けたかを追跡できます。品質が不足している場合は、検索の途中で方針を変更することも可能です。
実際には、1回の「深い研究」の実行で、以下のことが可能です。
質問を何百、何千ものターゲット検索に分解する
検索を並行して実行し、新しいスレッドが現れたらそれを追い、回答が不十分な場合は再試行する
モデルが結果を見る前に、コード内で重複排除、結合、フィルタリングを行い、結果を整理する
同じ検索内で、承認されたコネクタを使用してライブウェブや社内リソースから取得する
ベンダーのセキュリティ通知にわたる200のソフトウェア脆弱性の監査を強化できるのと同じアーキテクチャで、4つの異なる管轄区域における競業避止契約の状況を分析することも可能です。
高品質で引用されたデータ
3つのAI評価ベンチマークにより、Perplexityの「深い研究」をComputer内に移行することでパフォーマンスが向上することが確認されました。「Humanity's Last Exam」、「BrowseComp」、および「DeepSearchQA」によると、移行後、事実の正確性、分析の深さ、引用の品質がすべて向上しました。
「深い研究」におけるすべての事実に関する主張には、インラインでの引用が含まれています。番号付きの上付き文字は、ライブソースのURLに直接リンクしており、ユーザーはクリックしてソースを確認できます。
クエリの例
Computer内で「深い研究」が実行できることは以下の通りです。
バイサイド・デューデリジェンス（財務）：上場しているヨーロッパの食料品小売業者3社に対して、バイサイド・デューデリジェンスを実施します。財務実績、店舗形式、プライベートブランドの浸透率、サプライチェーンの回復力、人件費への露出、最近の再編行動を構造化された表にまとめ、主要なリスクとアップサイドシナリオを強調した短いメモを添えます。
パイプライン競合レビュー（ヘルスケア）：再発・難治性多発性骨髄腫における競合他社のCAR-T療法を評価し、社内のプログラム戦略を研ぎ澄ませます。第1/2相試験の結果、毒性および反応データ、承認された代替療法との比較結果、支払者のカバレッジ傾向、およびアクティブな試験施設を統合します。App Connectorを介して社内の前臨床データ、以前のプロトコル設計、規制当局への提出書類に接続し、開発委員会向けにポジショニングの推奨事項と未解決の科学的疑問を含む構造化されたブリーフィングを作成します。
「深い研究」のサンプルクエリは、当社のユースケースライブラリでご覧いただけます。
現在提供中
Computerにおける「深い研究」は本日より利用可能です。複雑な質問でスレッドを開始し、その結果から作業を継続してください。
Computerで「深い研究」を試す。