Sade anlatım
Sıradan bir yapay zeka yanıtı, koridorda çok okumuş bir iş arkadaşına soru sormaya benzer: yanıt saniyeler içinde, hafızadan ve kısa bir bakıştan gelir. Deep research ise genç bir analiste öğleden sonrasını ayırtmak gibidir. Analist soruyu parçalara böler, onlarca yere bakar, bulduklarını karşılaştırır ve yazılı bir raporla, kaynak listesiyle geri döner. Raporun yine de eleştirel gözle okunması gerekir.
Neden önemli
Pazar taraması, tedarikçi karşılaştırması ya da mevzuat özeti gibi saatler süren masa başı araştırmayı dakikalara indirir ve kaynaklarıyla birlikte bir ilk taslak verir. Geniş ve hakkında kamuya açık çok kaynak bulunan sorulara uygundur. Nasıl kullanılacağını üç sınır belirler. Rapor ancak bulduğu sayfalar kadar iyidir; bir satıcının blog yazısı, düzenleyicinin duyurusuyla aynı ağırlığı taşıyabilir. Yanlış sonuçlar da doğrular kadar akıcı okunur. Kaynak gösterimi ise iddianın nereden alındığını gösterir; kaynağın iddiayı gerçekten destekleyip desteklemediğini yine bir insanın kontrol etmesi gerekir.
Örnek
Bir strateji yöneticisi Avrupa'daki ev tipi batarya depolama pazarı için bir özet istiyor: pazar büyüklüğü, başlıca tedarikçiler ve beş ülkedeki teşvikler. Sistem önce iki netleştirme sorusu soruyor, sonra 18 dakika çalışıyor: 5 alt soru, 60 arama, okunan 140 sayfa. 45 kaynak gösteren 12 sayfalık bir rapor döndürüyor. Yönetici bunlardan onunu rastgele kontrol ediyor. İkisi cümleyi desteklemeyen sayfalara çıkıyor, pazar rakamlarından biri de üç yıl öncesine ait.
Bununla en çok karıştırılan kavram
Deep Research ve Answer engine (yanıt motoru) arasındaki fark
İkisi de web'de arama yapar ve kaynak gösterir. Yanıt motoru tek geçiş yapar: birkaç sorgu ve kısa bir yanıt; bu, olgusal bir soru için yeterlidir. Deep research bir ajan olarak çalışır: plan yapar, turlar halinde arar, bulduklarına göre yön değiştirir ve uzun bir metin yazar; bu da çok parçalı sorulara uygundur. Daha pahalıdır ve daha uzun sürer; raporun uzunluğu da hataların fark edilmesini zorlaştırır.
Köken: Bu adı taşıyan ilk özelliği Google, Aralık 2024'te Gemini'de sundu; OpenAI ve Perplexity Şubat 2025'te kendi sürümleriyle izledi.
Teknik katman
Süreç, arama ve sayfa okuma araçlarına sahip bir akıl yürütme modeli üzerinde çalışan bir ajan döngüsüdür. Tipik aşamalar: görevi netleştirme, araştırma planı yazma, planı alt sorulara bölme, turlar halinde arama ve okuma (çoğu zaman her biri kendi bağlamını tutan paralel alt ajanlarla), notları kaynaklarıyla birlikte toplama, ardından sentez ve bazen ayrı bir geçişte kaynakların eklenmesi. Birçok sürüm yüklenen dosyaları ve bağlı kurumsal kaynakları da okur. Bir çalıştırma genellikle birkaç dakika ile yaklaşık yarım saat arasında sürer ve bir sohbet yanıtının kat kat fazlası token tüketir; abonelik planlarının çalıştırma sayısını sınırlamasının nedeni budur. Ad üründen ürüne değişir: ChatGPT, Gemini ve Perplexity'de Deep Research, Claude'da Research, Microsoft 365 Copilot'ta Researcher. Zayıflıklar: dalgalı kaynak kalitesi, okuyamadığı ücretli içerik, eskimiş sayfalar, iddiayı desteklemeyen kaynak gösterimleri ve okunan sayfalardan gelen dolaylı prompt injection. Değerlendirmede citation precision ölçülür ve örneklenen raporlar bir uzmana inceletilir.