Google, публичное «глубокое исследование»… Цель — начать конкуренцию за интеграцию внутренних данных компаний с помощью AI-агентов

Google выпустила два новых искусственных интеллекта (AI), способных автоматически генерировать отчеты по опросам на основе заданной пользователем темы. Они не только могут выполнять простые поиски, но и анализировать данные из открытых сетей и даже внутренних корпоративных систем, что, по прогнозам, усилит конкуренцию в области корпоративного AI.

Google 22 числа по местному времени представила «Deep Research» и «Deep Research Max». Эти два продукта являются продолжением существующих инструментов AI-исследований, запущенных в декабре прошлого года. Тогда этот инструмент был основан на «Gemini 3 Pro», а новые продукты используют более продвинутую крупную языковую модель (LLM) «Gemini 3.1 Pro», выпущенную в феврале этого года.

Производительность также значительно выросла. Google заявил, что по результатам сравнения двух поколений моделей на базе бенчмарка OpenAI «BrowseComp» Gemini 3.1 Pro набрала 85,9 баллов. Это более чем на 25 баллов выше, чем существующая Gemini 3 Pro. Этот бенчмарк оценивает возможности LLM в онлайн-исследованиях по более чем 1000 задачам.

Объем доступа к данным и примеры применения

Особенность новых AI-агентов — их доступ к данным. «Deep Research» и «Deep Research Max» могут не только обращаться к открытым сетям, но и получать данные из внутренних систем компаний. Для подключения к внутренним системам используется «MCP» (Model Context Protocol), а также пользователи могут напрямую загружать электронные таблицы или видеофайлы для дополнения аналитических данных.

Google предложила примеры использования в области здравоохранения и финансов. Например, исследователи могут быстро подготовить отчет о новых соединениях с терапевтическим потенциалом, а финансовые эксперты — поручить AI исследование компаний, в которые планируют инвестировать. Это значительно сокращает время, необходимое для сбора и систематизации информации.

Эти агенты также позволяют визуализировать собранные данные. Визуализация может осуществляться в виде HTML-кода или с помощью генератора изображений Google «Nano Banana». По словам Google, Nano Banana встроена в универсальную базу знаний и способна достаточно точно интерпретировать введенную информацию и отображать ее в виде изображений.

Рабочий процесс и отличия продуктов

Рабочий процесс также предусматривает возможность предварительной настройки пользователем. Перед началом генерации отчета AI сначала предложит план исследования. Пользователь может изменить этот план для повышения качества итогового результата. Например, исследователь может указать конкретную научную базу данных в качестве приоритетного источника поиска.

Эти два продукта имеют разные целевые назначения. «Deep Research» разработан для работы с относительно меньшими вычислительными ресурсами. Google объяснила, что эта модель дешевле по сравнению с версией декабря прошлого года, быстрее в ответах и показывает улучшенное качество результатов. Это делает ее подходящей для сценариев, требующих быстрого реагирования.

В свою очередь, «Deep Research Max» ориентирована на «максимальную полноту». Она предполагает вложение большего количества времени и аппаратных ресурсов для создания более глубоких отчетов. Это можно интерпретировать как продукт, предназначенный для задач, где важнее полнота и охват исследования, а не скорость.

Значение и планы на будущее

Lucas Hasse и Srinivas Tadepalli из DeepMind Google в блоге отметили: «Отчеты ‘Deep Research’ сами по себе ценны, но также могут служить первым шагом в сложных рабочих процессах, начинающихся с глубокого сбора контекста». Это свидетельствует о том, что AI выходит за рамки простых вопросов и ответов, становясь отправной точкой для реальных рабочих процессов.

В настоящее время «Deep Research» и «Deep Research Max» доступны через Gemini API в виде публичного предварительного просмотра. В будущем планируется расширение до Google Cloud. Также Google заявила о намерениях добавить интеграцию с MCP для более легкого доступа к источникам данных, таким как FactSet, PitchBook и другие.

Это анонс показывает, что конкуренция в области генеративного AI быстро переходит от «интерактивных чат-ботов» к «практическим агентам». Особенно важно то, что Google пытается объединить исследование, анализ, визуализацию и подключение внутренних данных в единую систему, что может оказать значительное влияние на рынок корпоративного AI.

TP AI замечания Этот текст подготовлен с использованием языковой модели TokenPost.ai. Основное содержание может быть опущено или отличаться от фактической информации.