Pular para o conteúdo
LabS Atlas
Generative AI
Entrar

Pesquisa Profunda

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

Pesquisa 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

  1. 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.
  2. Navegação autônoma na web. Cada etapa dispara buscas ativas sobre o tema.
  3. Análise e síntese. O sistema cruza as fontes e identifica padrões; é onde mora a maior parte dos erros.
  4. Geração do relatório, com as fontes usadas.
  5. 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

AspectoGeminiOpenAIPerplexity
Modelo de baseFlash Thinkingo3Modelos de terceiros, como Llama e DeepSeek
ResultadoDocumento editável exportado para o Docs e salvo no DriveRelatório na conversa, com download em PDFRelatório na conversa, com download em PDF
Citação de fontesLista ao final, incluindo as fontes descartadasLink da fonte ao lado de cada trechoLink da fonte ao lado de cada trecho
Ajustes após gerarEdição direta do documentoNovo pedido via promptNovo 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.

Mais etapas não é mais qualidade

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.