Deep Researchとは
ディープリサーチ
エージェントが多数のWeb情報源を反復的に検索・閲覧し、出典付きの調査レポートを自動生成する機能の総称
ひとことで言うと
調べたいテーマを伝えると、AIが自分で検索を繰り返してたくさんのWebページを読み込み、出典付きの長い調査レポートを数分〜数十分かけてまとめてくれる機能。
概要
Deep Researchとは、調査したいテーマを与えるとエージェントが自律的に調査計画を立て、多数のWebページを反復的に検索・閲覧し、収集した情報を推論モデルで統合して出典付きの長文レポートを生成する機能の総称を指す。 1回の検索と要約で答える従来のAI検索と異なり、検索結果を読んで新たな疑問を立て、追加の検索を繰り返す多段の調査ループを数分から数十分かけて実行する点が特徴。 推論モデルによる計画・統合能力と、ツールコーリングによるWeb閲覧を組み合わせた、エージェント機能の代表的な応用例と位置づけられる。 市場調査・技術調査・文献レビューのような、人間が数時間かけて行っていた調査業務の下書きを短時間で得られる用途に使われている。
背景
1回の検索結果を要約するだけのAI検索は、複数の情報源の突き合わせや深掘りが必要な調査には力不足だった。 推論モデルの登場により長時間の多段推論が実用的になり、検索・閲覧ツールと組み合わせて調査プロセス全体を自動化するエージェントが成立するようになった。
歴史
2024年12月にGoogleがGeminiの機能として発表し、2025年2月にOpenAIが同名の機能を公開した。以降、各社が提供する同種のエージェント型調査機能を指す一般的な呼称として定着した。
利点
- 複数の情報源を突き合わせた調査の下書きを、数分から数十分で得られる
- 出典リンク付きでレポートが生成されるため、内容の検証がしやすい
欠点
- 参照したWeb情報源自体の誤りや偏りがレポートに反映されるため、出典の確認が欠かせない
- 実行に時間と計算コストがかかり、即答が欲しい用途には向かない
比較
- RAG — RAGが検索した文書をコンテキストに入れて1回の生成を補強する構成を指すのに対し、Deep Researchは検索・閲覧・推論を多段に繰り返すエージェント型の調査プロセス全体を指す
関連用語
よくある質問
Deep Researchの結果はそのまま信用してよいのか？
参照したWeb情報源自体に誤りや偏りがあれば、その内容がそのままレポートに反映される。出典リンクが付与されるため、重要な主張については元の情報源を確認したうえで利用することが推奨される。
通常のAI検索機能とは何が違うのか？
通常のAI検索が1回の検索結果を要約して答えるのに対し、Deep Researchは検索結果を読んで新たな疑問を立て、追加の検索と閲覧を繰り返す多段の調査ループを数分から数十分かけて実行し、より深く出典を突き合わせたレポートを生成する。