松田です！

今話題のDeepResearchを使いたい。。。
でもChatGPTもGeminiも高い。。。。

と諦めかけていた時に、「Perplexityは1日5回までなら無料でDeepResearchを使えるよ」と聞いたので、早速試してみようと思います！

https://www.perplexity.ai/

注意

本記事の内容は2025年2月時点のものです。
最新情報と異なるものになっている可能性がございます。

DeepResearchとは

DeepResearchは、AIを活用して複数のデータソースから情報を収集・分析し、ユーザーが求める詳細なレポートを自動生成する機能です。
従来の検索エンジンによる情報収集とは異なり、信頼性評価や多段階調査プロセスを通じて、精度と効率を向上させていることが特徴です。

仕組み

DeepResearchは以下のプロセスで動作します

 

  • 推論 : 以下の1-3を繰り返して実行し、レポート生成のためのデータを収集/評価/分析/要約します
    • 1. 収集 : インターネット上のニュース記事、学術論文、企業レポートなど、多様なソースからデータを収集
    • 2. 評価 : AIがデータを評価し、重要な情報を抽出
    • 3. 分析・要約 : データを統合し、矛盾点や関連性を分析して要約
  • レポート生成 : データを元に、ユーザーにわかりやすい形式でレポートとして出力

DeepResearchを提供するサービス

以下はDeepResearchを提供する代表的なサービスです

サービス名(会社) 料金
ChatGPT (OpenAI) 月額200ドル(Proユーザ)
Gemini (Google) 月額2,900円（AIプレミアムプラン）
Perplexity(Perplexity AI) 月額20ドル(Perplexity Pro) ※無料枠あり

ChatGPTとGeminiともにDeepResearchは有料プランのみになります。
Perplexityは1日5回までならDeepResearchを無料で使えます！！

使ってみた

Perplexityのスレッドにて「ディープリサーチ」を選択できるようになっています！

「ディープリサーチ」を選択して、聞きたい内容を入力していきます。
今回はお試しに以下の内容にしてみました。

私は歴10年のインフラエンジニアです。
自分の専門分野はシステムの非機能領域と言われているところで、以下が該当します

  • インフラ(AWSがメイン)設計/実装
  • 監視設計/実装
  • 運用保守

最近、生成AIの発展が凄まじく、今までのような業務のやり方では食っていけなくなるのではないかと危惧しております。
今後生成AIを活用して、エンジニアとして生きていくためにはどうすれば良いか提案して欲しいです。

入力完了したら、早速推論が開始されます。
完了には数分かかるようです。

推論していく様子を見ることができます。

最終的な推論の内容は以下の通りでした。

9周ほど推論を回していたようです。
下2つは日本語でそれ以外は英語の原因はわかりませんが、英語になっている周回では情報収集から分析が繰り返されている様子でした。
そして、日本語の下二つは分析だけをしている様子でした。

また48件のソースを元に推論していることがわかります。(UIの不都合なのか、48 48件と表示されていますね)

生成されたレポートは以下です。

deepresearch_output

 

  • インフラエンジニアリング領域の変化
  • 求められるスキルの変化
  • キャリアパスについて
  • 懸念事項

上記について、事細かにまとめられていました。

その内容がどのソースから来ているのかリンクが添えられているので、内容に誤りがないかを確認しやすいです。

入力した内容が抽象的だったので、レポート内容もかなり抽象的な印象でした。これは入力の問題なので、そうなるのは当然かなと。

そして、ハルシネーションはやはりあるなぁというイメージです。

たとえば

具体的には、AWS Well-Architected FrameworkのAI拡張版において、従来の「運用優秀性」の概念が「AI連携度」という新たな柱に再定義される動きが見られます1。これに伴い、監視設計ではメトリクス収集の自動化に加え、AIモデルの判断ロジックを監査可能にするトレーサビリティ機能の実装が必須要件となりつつあります5。

という記載がありました。
AWS WAフレームワークにAI拡張版が出る動きがあるということですが、添えられたソースを見てもそのような言及はありませんでした。
調べてみても、現時点では WAフレームワークにAI拡張版が出るという情報はありません。(Theハルシネーションですが、すごくそれっぽいですよね。)

所感など

推論をトレースできるのは、推論プロセスを人間が理解しやすくて良い点だと思いました。

また生成AI全般に言えることですが、やはり入力が大切だということを再認識しました。今回はかなり抽象的な内容の入力にしたので、レポートも抽象的な内容でした。DeepResearchを使っても、人間のアクションにつながらなければ意味がないので、アクションにつながるレポート内容を生成できるように知見などを身につけていく必要があるなと感じます。

また、DeepResearch単体ではなく、生成されたレポートとNotebookLMなどの他ツールを組み合わせて、より効率的に情報の収集と意思決定ができるようにしていきたいです。