Využití Deep Research ve firemním inovačním procesu

V druhém pokračování na téma business využití generativního AI, bych se chtěl zastavit u praktické zkušenosti, kterou jsem učinil u uplatnění Deep Research ve firemním inovačním procesu.

Co je Deep Research?

Nejdříve, co si představit jako Deep Research? Deep Research je agent, kterého nabízí nyní již většina firem s reasoning modelem, jehož funkcí je udělat rešerši na zadané téma a vyhledané zdroje následně prozkoumat a vytvořit přehled s vyplývajícími závěry. Něco jako když jste na vysoké škole dělali diplomku, někdo i doktorát, a předtím jste museli strávit v knihovně u počítače řadu hodin a dát si dohromady vše, co bylo na dané téma publikováno v odborné literatuře a následně to prostudovat než jste se vrhli do vlastního bádání. Deep Research umožňuje využít sílu reasoning modelu, který dané téma zanalyzuje a rozčlení na jednotlivé kroky, zároveň díky přístupu na internet model analyzuje všechny možné kvalitativně vyhovující zdroje. Zde je první omezení, protože model se samozřejmě není schopen dostat k prémiovému, placenému obsahu. V oblasti výzkumu to díky Open Research/Science zas často takový problém není, ale jak si ukážeme později, může to limitovat nasazení v businessu. Dále pak model extrahuje obsah z jednotlivých zdrojů, kde využívá web crawling techniky a díky AI je schopen se vypořádat s nástrahami technologií použitých na stránkách. Využití AI web crawling bylo ostatně jedno z témat prvního článku. Model následně získané informace zanalyzuje a podle zadání zkonsoliduje většinou do formy dokumentu rozděleného do kapitol včetně, tabulek s údaji a vyvodí z informací určité závěry tak, jak se takovéto studie dělají. Tedy využije své inteligenční schopnosti. Ohromnou výhodou tohoto přístupu je rychlost, kdy model je schopen v řádu minut projít desítky až stovky zdrojů. Někdy zdrojů, o kterých do té doby výzkumník neměl potuchy. Vy můžete samozřejmě jeho hledání omezit na publikované vědecké práce a články v odborných časopisech, aby se třeba nezabýval něčím blogem.

Jak jsem psal v předchozím odstavci Deep Research (dále je DR) je již vcelku buzzword, tedy každá firma s reasoning modelem tvrdí, že tuto službu agenta nabízí. Z praktické zkušenosti, ale mohu říci, že úroveň je značně rozdílná. Podobně jako úroveň, co si firmy nechají za tuto službu zaplatit. Jako první a nejdále, tedy podle všech zdrojů, co jsem studoval, je OpenAI. To ovšem využití DR schovalo do svého 200 USD předplatného. Pravděpodobně pod tlakem konkurence ovšem nyní např. ve svém oficiálním srovnání verzí subscription uvádí, že v limitovanou variantu DR pustí také do 20 USD předplatného.

Druhou firmou a o jejím pojetí DR budu převážně mluvit, je Google. Google nabízí DR ve svém subscription Gemini Advance, což je na rozdíl od OpenAI již za cca 23 USD (550 Kč). Tato cena ovšem není pouze za využití modelu, ale za využití GenAI ve všech workspace aplikacích. Tento nástroj je z pohledu research práce úžasný v tom, že na začátku po tom, co zanalyzuje zadání a vyhledá zdroje, umožní člověku vstupovat do navržené metody výzkumu. Tedy umožní mu modifikovat jak procházené zdroje, tak také cíle, výstupy a podobně. To je určitě z pohledu času důležitá věc, protože samotný "výzkum" trvá řadu minut a nebylo by dobré dělat některé kroky zbytečně. Výstup je následně převoditelný stisknutím jediného tlačítka jako dokument v Google Docs.

Zkoumané uplatnění v inovačním procesu

Uplatnění DR je z toho, co jsem popsal vcelku jasné. Je to nástroj, který je schopen pomoci výzkumníkům v úvodních fázích práce. Moje idea je ale postavena na uplatnění v inovativním procesu, který jak si v tomto odstavci ukážeme, je protkán celou řadou výzkumů postavených na externích zdrojích informací.

První oblastí je zkoumání prezence ideje, kterou máme, v pracích jiných firem nebo organizací (školy, výzkumné instituce apod.). Ideje, která stojí vždy na začátku každého inovativního procesu bez ohledu na to zda se jedná o produkt, business model nebo systémovou inovaci. Tato oblast je asi věcně nejpodobnější oblastem, kde je využití DR nejvíce prezentováno. Tedy výzkumným rešerším a zpracování získaných materiálů. Řekněme, že mám ideu na nový produkt. Produkt, který lidem umožní dělat nějakou činnost násobně rychleji. Na začátku než začnu ideu přetvářet v konkrétní produkt mě samozřejmě zajímá, jestli už náhodou někdo podobnou ideu neměl. Stejně tak mám li ideu na nový business model můžu si udělat DR na výskyt této ideje v odborných publikacích. Každý nový business model je většinou zkoumán v rámci business škol a na dané téma jsou publikované vědecké práce.

Můžu tuto činnost samozřejmě obrátit. Jsem li firma, která se věnuje inovacím v nějaké oblasti. Vyrábíme třeba nemocniční lůžka. Tak jsem samozřejmě schopen s využitím DR dělat pravidelnou analýzu/výzkum toho, jaké jsou nové vědecké poznatky, kdekoli na světě, v oblasti třeba dlouhodobě ležících pacientů a jsem posléze schopen z těchto poznatků naopak generovat ideje buď na inkrementální vylepšení mých lůžek nebo přijít se zcela radikálními technologiemi, protože budu vědět, že například výzkum na Stanfordu ukázal, že se zranění nejlépe hojí, když pacient visí v nějakém roztoku a já navrhnu takovou tu sci fi regenerační komoru. Samozřejmě to trochu zlehčuji, ale faktem je, že externalizovaný podnět, nápad, idea začíná často tím, že si někde něco náhodou přečtu nebo čtu některé věci systematicky. S využitím DR, ale zvyšuji pravděpodobnost, že se věnuji relevantním zdrojům s ohromnou úsporou času při jejich zpracování.

Druhou oblastí, kde realizuji řadu výzkumů je zkoumání trhu, primárně kdy odhaduji jakou hodnotu jsem schopen z uvažované inovace získat. Pro tyto účely se v ranných fázích inovačního, případně můžeme říci designového procesu, protože nejčastěji inovace spočívá v novém produktu, realizuje business analýza. V business analýze jsou dvě oblasti, které se přímo nabízí pro využití DR. První je odhadu tržního potenciálu. Druhou je pak mapování konkurence. Nebudu zabíhat do detailu jak se odhaduje tržní potenciál. Co je však důležité. Na začátku máme nějak definovaný segment potenciálních klientů. Máme ho definovaný maticí řady parametrů, které jsou pro consumer market (lidi, uživatelé, spotřebitelé, můžou to být skupiny s nějakou sociální vazbou, třeba rodina apod.) primárně demografické, geografické, sociální atd. A nás většinou zajímá kolik takto definovaných lidí/rodin je. To je úloha, která se pro DR přímo nabízí.

Bohužel to je úloha, kde DR zcela selhává. Realizoval jsem několik DR výzkumů se zadáními z reálných business case nebo případně lehce modifikovaných. Model perfektně popsal metodiku, udělal rešerši zdrojů - skvělé. Přesně ty bych/jsem použil. Navrhl jak prezentovat výsledky a po spuštění DR po několika minutách "chroustání" nic. Tedy kromě toho, že model vygeneroval celý dokument, pouze tabulka s daty prázdná. Nejsem schopen získat požadované údaje. Co mě pobavilo, že většinou napsal jak je důležité tyto údaje pro business analýzu mít a jak bych si mohl najmout nějakou firmu, aby mi tato data vyzkoumala. "Troubo" pomyslel jsem si, já jsem ta firma, co je najatá na zkoumání. Zkoušel jsem tři case z consumer trhu. Nakonec jsem si vymyslel vyloženě jednoduché zadání a nic. Přitom já vím, že ta data v té změti tabulek na ČSÚ, Finanční správě apod. jsou. Poprvé jsem byl docela zaskočen. Zkusil jsem podobný výzkum v Německu, kde jsem si také jist, že Destatis ty údaje má. Také nic.

Možná si řeknete, proč vůbec využívat DR pro takovouto úlohu, když vím, kde ta data jsou? Správná otázka. Každé uplatnění nových technologií musí být v kontextu přínosů a nákladů. Náklad 20 USD je ve firemní praxi zanedbatelný a kdyby mi DR ušetřil byť jen hodinu času procházením dat na staťáku, tak se mi to vyplatí, protože mezitím můžu dělat něco dalšího. 200 USD už je něco jiného, tam bych musel zefektivnit práci alespoň o jeden manday. Jinak většina analýz tržního potenciálu je vždy složitější a často může jen sbírání dat zabrat několik hodin.

Ještě bych zmínil, že jsem zkoušel získat data o počtu a rozložení business klientů s konkrétním zadáním, kde sice výsledky byly alespoň nějaké, ale stejně to nebylo v požadované struktuře a kvalitě. Tady bych si troufl tvrdit, že údaje samozřejmě existují, ale jsou za paywall různých firem, která podobná data prodávají (Kompass, Imper apod.)

Vrátím li s k výzkumu zaměřeném na vypracování business analýzy, je zde ještě otázka analýzy konkurence. Konkurenci máme přímou s podobným produktem nebo nepřímou, která má sice zcela jiný produkt, ale konkuruje vám stejným výstupem, efektem pro případné klienty. Tady již je DR velmi užitečný, nejenže s ním dokážete udělat analýzu přímé konkurence, sebrat ze stránek cenové údaje a udělat seznam odkazů, dokážete s ním také diskutovat na téma nepřímé konkurence, což je vždy věc, která je mnohem složitější a vyžaduje již značné cross-sector znalosti. Co je důležité jsou také nepřímý konkurenti, kteří se vynořují s nějakou radikálnější technologickou inovací, kterou mohou používat jako komplementární technologii. Tyto konkurenti ještě neexistují dnes, ale mohou se objevit v budoucnu. Tyto analýzy v podstatě znamenají prostudovat, jestli v danou chvíli neexistují nějaké odborné studie v dané oblasti a zde samozřejmě DR zcela exceluje viz. popis v předchozí kapitole. Tyto údaje navíc nelze kvantifikovat a bavíme se tak rizicích, která jsou také součástí business analýzy.

Z mého pohledu poslední oblastí, kde vidím uplatnění DR v inovační/designovém procesu je oblast nalezení a analýzy všemožných constrains, která musíme zvážit při designu nového produktu. Vědět s jakými omezeními pracuji je elementární součástí designového procesu a pole regulací, legislativy a norem je obrovské. Zde se opět ukazuje veliká síla využití DR. DR na základě mého zkoušení dokáže velmi vyčerpávajícím způsobem udělat přehledy a popisy, včetně samozřejmě odkazů pro zadanou oblast.

Shrnutí

Kde DR použít v inovačním procesu:

1. V preliminary fázi inovačního procesu při zjištění prezence našeho nápadu v existujících produktech

2. Zdroj idejí v konkrétní specifické oblasti analyzováním výzkumu v této oblasti

3. Sběr podkladů o konkurenci (přímé, nepřímé) pro business analýzu

4. Vytvoření si představy o možné budoucí konkurenci na základě stavu technologického vývoje

5. Komplexní analýza omezení, o kterých musíme uvažovat při designu nového produktu

A oblastí, kde je použitelnost extrémně limitovaná, je získávání dat pro analýzu tržního potenciálu, je jedno zda consumer nebo business market.

Chcete li poradit, jaký nástroj použít? Myslím, že pro firmy, které skutečný DR budou realizovat s průměrnou frekvencí jednou v měsíci, je zcela dostačující subscription na Google Advanced, kde je nyní pro DR využíván model Gemini Pro (viz. předchozí popis). Budete li ovšem DR realizovat v průměru několikrát za měsíc, nebo máte li jiné uplatnění pro top reasoning model kategorie o1 - pro, tak bych určitě doporučil subscription OpenAI. Schopnosti jejich DR jsou ještě vyšší než u Google a když rozložíte využití na více činností, nejen třeba DR, tak předplatné 200 USD není nijak limitující. Situace na trhu se však mění každý měsíc, takže tato doporučení berte jako poplatná datu vzniku tohoto článku.