OpenAI har introducerat ChatGPT Deep Research, ett nytt verktyg som lovar att agera som en AI-analytiker – letar igenom internet, kollar källor och förbereder strukturerade svar. Men är detta verkligen framtiden för utforskning eller bara ytterligare ett AI-trick med enstaka hallucinationer?
OpenAI påskyndar tydligen utvecklingen av en ny generation agenter – AI-verktyg som inte bara svarar på frågor, utan självständigt undersöka, analysera data och presentera resultat. Det senaste tillskottet till familjen av dessa verktyg är Djup forskning, en funktion som för närvarande är exklusiv för ChatGPT Pro-prenumeranter.
Istället för att bara ge användaren ett snabbt svar, designar Deep Research en forskningsprocess i flera steg. I sidofältet visar han nyckelstegen i sin analys, citerar källor och korrigerar sina egna fel där det behövs. Målet är att ge mer tillförlitliga och underbyggda svar, liknande vad en mänsklig forskare skulle göra.
Hur fungerar det? (Och varför det tar upp till 30 minuter!)
Deep Research tillåter användare att ladda upp textbaserade frågor också PDF-filer, bilder eller Excel-kalkylblad, som ger AI ytterligare sammanhang för forskning. Sedan systemet utför flera sekventiella steg av datasökning och analys, som kan pågå från 5 till 30 minuter, beroende på ämnets komplexitet.
Nyckelfunktioner i Deep Research inkluderar:
- Informationssökning på flera nivåer – AI ger inget svar direkt, utan samlar och verifierar successivt data från olika källor.
- Automatisk korrigering av felaktiga sökvägar – om systemet fastnar i felaktiga resonemang kan det korrigera sin metodik och kontrollera uppgifterna på nytt.
- Transparens i forskningsprocessen - användare kan se i sidofältet vilka källor AI:n använde och hur den nådde sina slutsatser.
Allt detta låter lovande, men OpenAI varnar för att systemet fortfarande inte perfekt. Deep Research kan ibland hallucinerar, felaktigt bedömer källors trovärdighet eller ger svar med lågt självförtroende. Detta innebär att användare fortfarande måste kritiskt bedöma och verifiera data.
Hur står sig Deep Research i jämförelse med konkurrenterna?
Även andra teknikföretag utvecklar liknande koncept. Google lanserar Project Mariner i december 2024, en AI-forskningsprototyp, men ännu inte tillgänglig för allmänheten. Medan Google är kvar i experimentfasen har OpenAI redan erbjudit Deep Research till betalande användare.
En jämförelse av nyckelfunktioner visar några intressanta skillnader:
| Fungera | OpenAI Deep Research | Google Project Mariner |
|---|---|---|
| Tillgänglighet | Tillgänglig för Pro-användare | Fortfarande i testfasen |
| Hastighet | 5–30 min att svara | Inga data |
| Källor | Visar citat och metoder | Okänd |
| Dataintegration | Stöder PDF-filer, bilder, tabeller | Inte känt |
| Noggrannhet | 26,6 % på benchmarktest | Inte känt |
OpenAI verkar ha en fördel eftersom det erbjuder fungerande produkt, men frågan kvarstår hur tillförlitlig och användbar sådan AI-forskning är i praktiken.
Hur mycket kostar det och vem kan använda det?
För närvarande är Deep Research tillgänglig exklusivt för prenumeranter ChatGPT Prosom betalar 20 $ per månadmen med en betydande begränsning 100 frågor per månad. OpenAI planerar också att lansera åtkomst för Plus-, Team- och Enterprise-prenumeranter, vilket lovar bättre prestanda och snabbhet i framtiden.
Den huvudsakliga begränsningen är fortfarande hög beräkningskomplexitet, eftersom Deep Research förbrukar betydligt mer datorresurser än den klassiska versionen av ChatGPT. Därför erbjuder OpenAI för närvarande endast ett begränsat antal frågor och lovar optimeringar för lägre kostnader i framtiden.
Ersätter Deep Research verkligen mänskliga analytiker?
Deep Research är utan tvekan ett viktigt steg mot AI-forskare, men i praktiken är det fortfarande används mer som ett hjälpmedel för analytiker, inte som deras ersättare.
Dess viktigaste fördelar är:
- Strukturerad och flerstegs forskningsprocess, som ger bättre svar än ett klassiskt generativt AI-verktyg.
- Citerar källor, vilket ökar transparensen och möjliggör verifiering av information.
- Anpassning utifrån nya data, eftersom AI kan korrigera sin analys om den stöter på motstridig information.
Men det har också uppenbara begränsningar:
- AI kan misstolka data eller hallucinera, vilket gör att svaren inte alltid är tillförlitliga.
- Hastighet är inte jämförbar med klassiska ChatGPT, eftersom undersökningarna tar mellan 5 och 30 minuter.
- Mänsklig övervakning behövs fortfarande, eftersom AI inte kan separera alla källor lika bra som en erfaren analytiker.
Även om Deep Research är ett lovande steg framåt, kan det ännu inte helt ersätta mänsklig forskning – åtminstone inte ännu.
Skulle du betala 200 $ per månad för att en AI-assistent ska forska åt dig?
