Il prossimoProssima guida
Cosa dice la ricerca sull'intelligenza artificiale e sulla produttività sul posto di lavoro
Società
GUIDA alle applicazioni
Un agente di ricerca approfondita è un sistema di intelligenza artificiale che risponde a una domanda, pianifica una serie di ricerche sul web o su documenti, legge molte fonti, affina il suo approccio man mano che apprende e quindi scrive un lungo rapporto con citazioni.
Ascolta questa guidaNarrato dall'IA · ~3 min
È importante perché comprime ore di ricerca e lettura manuale in minuti, ma il suo output deve comunque essere controllato perché può fraintendere le fonti, fare affidamento su fonti deboli o citare affermazioni che la fonte non supporta.
I prodotti di ricerca profonda sono diventati ampiamente disponibili alla fine del 2024 e nel 2025. Google ha introdotto Gemini Deep Research nel dicembre 2024, OpenAI ha lanciato Deep Research in ChatGPT nel febbraio 2025 e Perplexity, Anthropic e altri hanno rilasciato modalità di ricerca simili. Differiscono nei dettagli, ma la maggior parte segue lo stesso ciclo. Innanzitutto, l'agente interpreta la richiesta e spesso pone domande chiarificatrici sull'ambito, sul pubblico o sull'intervallo di tempo. Successivamente elabora un piano di ricerca: sotto-domande a cui rispondere e ricerche da eseguire. Poi arriva la fase iterativa. L'agente effettua ricerche, apre pagine o PDF promettenti, estrae passaggi rilevanti e decide cosa fare dopo in base a ciò che ha trovato. Se una fonte menziona un nuovo termine o una cifra in conflitto, l'agente può eseguire ricerche di follow-up. Questo ciclo può durare molti minuti e toccare dozzine o centinaia di pagine, la differenza principale rispetto a una normale risposta di chatbot che utilizza una ricerca rapida. Infine, l'agente sintetizza. Organizza le note in sezioni, scrive un rapporto e allega citazioni ad affermazioni specifiche. Alcuni sistemi utilizzano diversi sub-agenti che lavorano su diverse sotto-domande in parallelo, con un agente principale che combina i risultati. I punti deboli sono prevedibili. Gli agenti possono leggere solo ciò che riescono a raggiungere, quindi spesso mancano diari protetti da paywall, dati con accesso limitato e siti che bloccano i bot. Possono fidarsi eccessivamente delle classifiche di ricerca, ripetere contenuti basati sulla SEO o confondere date e cifre tra le fonti. Una citazione accanto a una frase non garantisce che la fonte lo affermi effettivamente, quindi è necessario un controllo a campione. I rapporti possono anche sembrare più certi di quanto le prove giustifichino. Un modello mentale utile: un agente di ricerca approfondita è un assistente di ricerca veloce e instancabile che produce una solida prima bozza e un elenco di piste, non un'autorità finale.
Il proprietario di una piccola impresa chiede un confronto tra i software di contabilità di un'azienda composta da cinque persone e l'agente cerca le pagine dei fornitori, delle recensioni e dei prezzi prima di produrre una tabella con le fonti collegate.
Uno studente laureato utilizza uno strumento di ricerca approfondita per mappare i principali approcci in un'area di ricerca, quindi utilizza gli articoli citati come una lista di letture iniziali piuttosto che come una revisione finale della letteratura.
Un autore di sovvenzioni senza scopo di lucro richiede programmi di finanziamento pubblico recenti relativi all'alfabetizzazione digitale e verifica la scadenza di ciascun programma sul sito del finanziatore perché il rapporto potrebbe includere pagine obsolete.
Un product manager chiede un riepilogo di come i concorrenti descrivono una funzionalità e l'agente legge gli articoli del centro assistenza e i registri delle modifiche, segnalando dove le fonti non sono d'accordo.
È probabile che gli strumenti di ricerca approfondita miglioreranno nel connettersi a fonti private, come i documenti di un’azienda o i database autorizzati, risolvendo così una delle loro maggiori lacune. I miglioramenti nel controllo delle citazioni a livello di richiesta e nell’espressione dell’incertezza renderebbero i rapporti più affidabili. Costi e tempo rimangono vincoli, poiché i lunghi cicli di ricerca consumano molte chiamate di modelli. È ragionevole aspettarsi che questi agenti diventino un normale primo passo nel lavoro di ricerca, mentre la revisione umana rimane essenziale per decisioni con conseguenze reali, perché le principali modalità di fallimento della qualità della fonte e dell’errata attribuzione non sono completamente risolte.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Un agente di ricerca approfondita è un sistema di intelligenza artificiale che risponde a una domanda, pianifica una serie di ricerche sul web o su documenti, legge molte fonti, affina il suo approccio man mano che apprende e quindi scrive un lungo rapporto con citazioni. È importante perché comprime ore di ricerca e lettura manuale in minuti, ma il suo output deve comunque essere controllato perché può fraintendere le fonti, fare affidamento su fonti deboli o citare affermazioni che la fonte non supporta.
Gli agenti di ricerca approfondita eseguono molte ricerche e letture nell'arco di minuti, adattandosi man mano che apprendono, anziché eseguire una rapida ricerca.
Le domande chiarificatrici aiutano l'agente a elaborare un piano di ricerca migliore restringendo ciò di cui l'utente ha effettivamente bisogno.
OpenAI ha lanciato Deep Research nel febbraio 2025. Gemini Deep Research era il prodotto Google, introdotto nel dicembre 2024.
Un agente può leggere solo ciò a cui può accedere, quindi di solito mancano giornali protetti da paywall e dati controllati.
L'attribuzione errata è una modalità di errore nota: una citazione non garantisce che la pagina citata supporti l'affermazione.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Cosa dice la ricerca sull'intelligenza artificiale e sulla produttività sul posto di lavoro
Società