Pesquisa Profunda
Ir para notas que citam estaPesquisa profunda (deep research) é o recurso de assistentes de IA que planeja uma pesquisa, navega na web sozinho, cruza fontes e entrega um relatório extenso com referências.
O recurso existe para superar o limite do conhecimento estático do modelo: em vez de responder só com o que aprendeu no treinamento, o assistente se comporta como um Agente de IA que decompõe o pedido em etapas, busca material recente e consolida tudo num documento. Na prática, é uma forma de RAG aplicada à web aberta, ainda que fornecedores não usem esse nome. É indicado para relatórios elaborados sobre assuntos recentes ou que exigem cruzar muitas fontes, como uma análise de mercado antes de um investimento.
O fluxo em cinco etapas
- Planejamento. A partir do prompt, o assistente monta um plano de pesquisa e o mostra antes de começar. O usuário pode editar, remover etapas ou indicar o tipo de fonte desejado.
- Navegação autônoma na web. Cada etapa dispara buscas ativas sobre o tema.
- Análise e síntese. O sistema cruza as fontes e identifica padrões; é onde mora a maior parte dos erros.
- Geração do relatório, com as fontes usadas.
- Apresentação, que muda conforme a plataforma.
Esse encadeamento é uma cadeia de raciocínio; um modelo de chat sem ele embutido não produz esse tipo de relatório.
O tempo varia muito: um relatório de cerca de 15 páginas com 41 fontes levou por volta de 4 minutos; outro, na área de medicina, consultou mais de 120 sites, rendeu cerca de 30 páginas e levou cerca de 30 minutos. Em geral, vai de poucos minutos a perto de uma hora.
Pesquisa profunda versus busca profunda
A busca profunda (deep search) tem nome parecido, mas responde principalmente com o que o modelo já sabe e só vai à web quando falta informação, sem plano de etapas nem relatório estruturado. Por isso leva cerca de 15 a 20 segundos. Serve para perguntas de resposta direta. O Grok, por exemplo, oferecia busca profunda sem pesquisa profunda. Já o chat padrão do Gemini avisa que não acessa a página: mesmo com uma URL no prompt, faz no máximo uma busca superficial, pois a capacidade completa fica na ferramenta específica.
Como Gemini, OpenAI e Perplexity implementam o recurso
| Aspecto | Gemini | OpenAI | Perplexity |
|---|---|---|---|
| Modelo de base | Flash Thinking | o3 | Modelos de terceiros, como Llama e DeepSeek |
| Resultado | Documento editável exportado para o Docs e salvo no Drive | Relatório na conversa, com download em PDF | Relatório na conversa, com download em PDF |
| Citação de fontes | Lista ao final, incluindo as fontes descartadas | Link da fonte ao lado de cada trecho | Link da fonte ao lado de cada trecho |
| Ajustes após gerar | Edição direta do documento | Novo pedido via prompt | Novo pedido via prompt |
No início de 2025, o Gemini era o único gratuito, com limite de cerca de 10 pesquisas por mês; OpenAI e Perplexity eram pagos. O recurso do Google saiu por volta de dezembro de 2024 e o da OpenAI no começo de fevereiro de 2025. Nos testes, a OpenAI incluiu imagens nos relatórios, o que não se observou no Gemini.
Limites, alucinação e revisão humana
A ferramenta não julga a veracidade das fontes: se a maior parte do que encontra defende uma tese falsa, como a Terra plana, pode apresentá-la como verdade. A mitigação é dizer no prompt ou nas etapas do plano que tipo de fonte usar, como artigos acadêmicos, evitando blogs.
Acrescentar muitas camadas à pesquisa aumenta a Alucinação. Num teste com filtro de período e várias camadas extras, o modelo errou a segmentação por data e o relatório perdeu coesão; pedindo apenas estudos dos últimos dois anos, todas as fontes vieram dentro do período. As hipóteses são o limite da Janela de Contexto, menor na versão gratuita, e a dificuldade de conciliar fontes muito divergentes.
Outros limites: sites restritos ou protegidos contra IA, fontes de baixa qualidade, prompts mal estruturados e páginas malformatadas. Mesmo um bom relatório pede revisão humana: podem aparecer datas desconectadas ou listas confusas. Como o texto é reescrito a partir de fontes existentes, há também a questão ética de usá-lo como trabalho acadêmico próprio.