IA e ricerca: cosa è Deep Research e come funziona

Ciao ,

Bentornat* nel nostro Dojo, uno spazio di apprendimento (in formato newsletter) per imparare insieme a capire e usare i dati, l’IA e tanti altri strumenti sul lavoro e nella vita quotidiana.

Iniziamo la nostra pratica mensile! 💪

Puoi leggere la newsletter nel browser
o puoi condividerla su

Come l'IA può cambiare il modo di fare ricerca

Da inizio febbraio, OpenAI ha introdotto una nuova funzione su ChatGPT, Deep Research. Per usarla non bisogna fare nulla di diverso da quello che si fa durante una normale conversazione col chatbot se non schiacciare sul pulsante “Deep Research” prima di inviare la domanda.

OpenAI promette con questa funzionalità di produrre ricerche approfondite, analizzando varie fonti online in pochi minuti, ricerche che normalmente richiederebbero ore di lavoro a una persona. Non si tratta dell’unico colosso AI ad aver lanciato una funzionalità simile: anche Gemini e Perplexity offrono Deep Research.

Una nota importante prima di cominciare

Nonostante i richiami all’Intelligenza Artificiale Generale (AGI) inseriti nel comunicato di lancio di OpenAI è bene ricordarci che anche Deep Research è un’intelligenza artificiale specializzata, cioè basata su un “agentic framework” che compie un unico compito specifico, in questo caso ricerche approfondite su internet. Come tutti gli strumenti di OpenAI, anche Deep Research non ha nessun tipo di comprensione dei contenuti che produce.

Lo stesso comunicato di lancio ci ricorda infatti che anche Deep Research può andare incontro ad allucinazioni e può non riconoscere quali sono davvero le informazioni importanti prodotte dalla sua ricerca.

Cosa c'è di nuovo?

Il sistema Deep Research si appoggia sul modello o3, un nuovo modello per il ragionamento avanzato sviluppato da OpenAI, disponibile sia in una versione mini che in una versione high: la prima più veloce ma meno potente, la seconda più completa ma che richiede tempi di calcolo più lunghi.

Le principali differenze tra una normale conversazione con ChatGPT la Deep Research sono:

Il tempo di calcolo: per produrre i suoi output impiega tra i 5 e i 30 minuti, contro i pochi secondi di GPT4o.
Profondità dell’analisi: da ottobre dello scorso anno anche GPT4o ha la possibilità di accedere a internet per rispondere alle domande dell’utente ma questo tipo di analisi è molto superficiale. Deep Research analizza diverse fonti in modo approfondito, presenta i risultati in formato di report documentato, con bibliografia, riferimenti e fonti ed è possibile seguire i passi del suo “ragionamento”. Questa profondità è data dall’agentic framework che è alla sua base e che guida l’LLM ad utilizzare strumenti come la ricerca web e organizzare i risultati in step.
L’accesso: per ora la Deep Research è disponibile solo per gli utenti paganti, 10 ricerche al mese per gli account Plus (20 dollari al mese), Edu e Team e 120 per gli account Pro (200 dollari al mese).

Com'è andato il nostro esperimento?

Abbiamo interrogato Deep Research su un tema che conosciamo bene: lo stato dell’AI literacy nell’educazione universitaria europea. Abbiamo chiesto di cercare non solo fonti accademiche ma anche fonti istituzionali dell’Unione Europea e di analizzare alcuni ambiti e alcuni stati membri nello specifico. Prima di avviare l’effettiva ricerca approfondita, il sistema ci ha fatto qualche domanda per orientare meglio il suo lavoro.

Una volta cominciata la ricerca si può decidere persino di chiudere il browser e ricevere solo la ricerca ultimata oppure si può scegliere di seguire il lavoro dalla colonna di destra della schermata, dove vengono indicate non solo le varie fonti che vengono consultate, ma anche il processo di “ragionamento” seguito dal sistema.

Dopo 13 minuti di lavoro ha prodotto un report lungo circa una quindicina di pagine citando 35 fonti. Il report è ben strutturato, con riferimenti precisi ad ogni fonte citata e alcune tabelle per riassumere le informazioni più importanti.

Ma quindi, cosa ne pensiamo?

Il risultato è sicuramente interessante, più ricco di contenuti e spunti di una normale conversazione con ChatGPT: Deep Research supera agevolmente le barriere linguistiche, riesce a orientarsi tra letteratura scientifica e istituzionale e seguirne il meccanismo di ragionamento è molto affascinante (almeno per i primi utilizzi).

Pensiamo che potrà essere molto utile soprattutto nelle prime fasi di una ricerca, quando non si sa ancora bene come orientarsi o dove cercare. Di sicuro le Deep Research andranno a cambiare prassi consolidate nel mondo della ricerca e delle società di consulenza. Soprattutto quest’ultime hanno costruito imperi economici proprio nella realizzazione di report con insight su temi specifici e ora dovranno riposizionarsi. Visto però il rischio di allucinazioni e di imprecisioni, è difficile immaginare di poter prendere il report così prodotto e usarlo come useremmo quello fatto da un* collega!

Per ogni fonte citata è necessario svolgere delle verifiche più approfondite, controllare di non aver tralasciato nulla di importante, lavorare con un grado di approfondimento che è ancora lontano da quello che può produrre il sistema.

Dunque, pensiamo che Deep Research possa essere uno strumento utile se usato per ambiti di cui siamo già esperti, così da poter scoprire eventuali errori, ricordandoci quindi ancora una volta che questo tipo di strumenti AI sono utili come assistenti, ma sono ancora ben lontani dal poter sostituire il nostro lavoro!

News dai nostri progetti

Sta per finire il nostro progetto WEBJOU, che ha contribuito all’innovazione dell’insegnamento del data journalism nei Balcani. Trovi più informazioni qui.

E per un progetto che finisce, uno ne inizia: stiamo lanciando GEOJO, un progetto che si focalizzerà su geospatial analysis, IA e giornalismo ambientale, con l’obiettivo di fornire a studenti e studentesse strumenti utili per analizzare e scrivere del cambiamento climatico.

Gli aggiornamenti si possono seguire dall’account LinkedIn, ed a breve partirà una newsletter su Substack.

Data-storie da non perdere!

🟣 Un nuovo toolkit aperto per la liberazione dei dati sulla Disabilità

Il progetto Disabled Data è nato per fare luce sui dati relativi alle persone con disabilità e sulle condizioni in cui vivono. Negli ultimi anni il progetto è cresciuto a livello europeo e ha ora rilasciato un toolkit aperto utilissimo a chiunque si occupi di dati, diritti, disabilità.

🟣 Una mappa dei paesi più felici al mondo

Ogni anno viene pubblicato il World Happiness Report, che ordina e classifica i diversi paesi in base ad una valutazione fatta da cittadine e cittadini della qualità di vita, stato sociale, libertà, PIL pro capite e altri indicatori di benessere, utilizzando i dati del Gallup World Poll e altre fonti. Qui c’è una visualizzazione dei punteggi 2025, pubblicata da Visual Capitalist.

🟣 Ricordati che devi morire (in versione di dataviz)

Da Flowing Data, un interactive che mostra la tua probabilità di restare in vita nel prossimo anno. Nel grafico, ogni pallina rappresenta la simulazione di una vita. La pallina muove lungo la curva, che rappresenta le possibilità di arrivare all'anno successivo. La curva cambia in base all'età e al genere, diminuendo sempre più avanti negli anni, e cade alla fine della vita.

🟣 La newsletter di EDJNET

EDJNET, la rete europea di data journalism di cui Dataninja fa parte, compie 8 anni! Il progetto cura una newsletter con aggiornamenti sulle data-investigation del consorzio, ma anche opportunità e grant per chi si occupa di giornalismo dei dati.

E per questo numero è tutto!

A presto ,

il Team di Dataninja

Ricevi questa email perché hai un'iscrizione attiva alla nostra newsletter. Se non desideri più ricevere questa newsletter clicca qui ma sappi che ci dispiace!