Ricerca Approfondita è il nome delle nuove modalità di raccolta di informazioni che ChatGPT e Gemini mettono al servizio dei professionisti grazie all’avvento dei modelli di reasoning.
Una delle attività più dispendiose, soprattutto in termini di tempo, per un export manager è raccogliere informazioni, condurre analisi, confrontare il posizionamento e le offerte dei concorrenti, predisporre un documento a vantaggio dell’azienda e dei suoi rivenditori locali: ecco perché l’avvento delle funzionalità di Ricerca Approfondita (“Deep Research”) oggi presenti nei principali chatbot di Intelligenza Artificiale Generativa costituisce una delle novità più interessanti che questa tecnologia mette a disposizione dei professionisti e delle aziende che intendono affrontare i mercati internazionali.
La Ricerca Approfondita di Gemini
Gemini, il modello lanciato linguistico di Google, ha di recente rilasciato anche in italiano la sua versione 2.0 che non solo rappresenta un miglioramento sul piano del linguaggio adottato nelle risposte, ma rende disponibile nel suo chatbot la “Ricerca Approfondita”. Se ad esempio le si chiede, con un semplice prompt, di condurre un'analisi dei concorrenti indicandone esplicitamente alcuni, il documento prodotto sarà estremamente dettagliato. A seguito di una elaborazione di centinaia di siti web che vengono puntualmente indicati con gli opportuni link di approfondimento, nel documento ciascun concorrente sarà analizzato attentamente, descrivendo il relativo modello di business, l'offerta proposta, le strategie commerciali adottate e i feedback raccolti dagli utenti in Rete. Al termine del documento, poi successivamente scaricabile, sarà inoltre presente una tabella riassuntiva che ne sintetizza le informazioni principali, facilitando la comprensione e il confronto tra i diversi operatori.
La Ricerca Approfondita di ChatGPT
Per quanto disponibile in misura limitata anche nella versione Plus ed in forma più estesa nell’abbonamento mensile del valore di 200 euro, la Deep Research disponibile su ChatGPT colpisce per la strutturazione dei documenti che può produrre. Interrogata ad esempio in merito ad una norma vigente in un Paese estero, ne spiega le ragioni e gli effetti, approfondisce le linee guida per potervisi adeguare, suggerisce esempi da consultare, mette in guardia da sanzioni e rischi, sempre citando le fonti da cui ha attinto riferimenti e dati.
I modelli di Reasoning
Lo sviluppo delle funzionalità di Ricerca Approfondita è dovuto ad un fattore di accelerazione che, lo scorso gennaio, ha convinto OpenAI e Google a rilasciarle al pubblico bruciando ogni tappa. Tale fattore è costituito dal successo esplosivo di una app cinese, DeepSeek, che però pareva destinato ad essere effimero: la qualità dei risultati, i bassi costi necessari al suo addestramento, l'efficienza nel gestire le risorse durante l'elaborazione delle informazioni hanno suscitato grande scalpore, ma la sua gestione dei dati personali ha condotto anche il Garante italiano per la Privacy a vietarne il download nel nostro Paese.
Il fenomeno DeepSeek ha però costituito un vero e proprio effetto "Sputnik" nel mondo della AI Generativa sollecitando i più grandi operatori a rilasciare sul mercato modelli linguistici più avanzati - i modelli di reasoning - che sono alla base delle funzioni di Ricerca Approfondita. Questi modelli – come R1, il modello linguistico di DeepSeek - si definiscono “di ragionamento” per la capacità che hanno dimostrato di risolvere un problema scomponendolo in passaggi successivi, raccogliendo autonomamente dati e informazioni dal web con chiara indicazione delle fonti, per poi fornire una risposta dettagliata e trasparente sul procedimento adottato.
Mutuandone l’approccio, OpenAI ha subito reagito al successo di DeepSeek rilasciando al pubblico o3 che fino a quel momento era riservato agli sviluppatori, un modello di reasoning “small” ovvero capace di servirsi di un minor numero di parametri per elaborare informazioni, garantendo così una maggiore efficienza nell'uso delle risorse e una maggiore velocità di risposta rispetto al precedente o1.
Quali opportunità per gli export manager?
Accanto alla possibilità di predisporre analisi di mercato basate sulle funzionalità di Ricerca Approfondita, i modelli di reasoning possono aiutare gli export manager ad affrontare le decisioni commerciali grazie, ad esempio, all’elaborazione sofisticata di analisi SWOT. Se infatti i precedenti modelli linguistici (ad esempio GPT 4o), sono più che sufficienti per stilare la bozza dei contenuti di una mail o di una presentazione, o1, o3 e Gemini 2.0 si prestano ad affrontare in profondità un problema, non solo raccogliendo informazioni per sostenere le proprie risposte, ma anche illustrando accuratamente il ragionamento adottato.
Per testarne la qualità si possono porre loro quesiti di logica come il noto problema del traghettatore che deve attraversare il fiume trasportando una capra, un cavolo e un lupo senza che la capra mangi il cavolo o che il lupo attacchi la capra: sarà interessante osservare non solo la chiarezza della soluzione, ma anche l'esplicito riferimento ai passaggi seguiti.
Sorprendenti quando affrontano problemi logici, scientifici e matematici, i modelli basati sul ragionamento consentono di caricare allegati e risultano quindi adeguati anche ad un utilizzo professionale: è infatti la combinazione tra le loro capacità elaborative e una base documentale aziendale che può garantire risultati più certi, aggiornati e realmente utili.
La sfida della Ricerca Approfondita
In modo ancora più evidente, la profondità e la qualità dei contenuti prodotti dai modelli di reasoning e dalle relative funzionalità di Ricerca Approfondita pongono a chiedersi come coniugare l’apporto della tecnologia con la necessità di personalizzarne l’impiego grazie alla competenza professionale e all’esperienza personale. La vera sfida per tutti, ed in particolare per gli export manager, sarà non limitarsi ad accettare l'analisi svolta, ma verificarla, adattarla e perfezionarla.
Dei modelli basati sul ragionamento, risulta poi particolarmente significativo il loro impegno nel mostrare in modo chiaro e trasparente i vari passaggi seguiti. A differenza dei precedenti modelli linguistici, nei quali l'utente doveva richiedere esplicitamente di illustrare il metodo seguito mediante la tecnica detta "chain of thought", questa nuova generazione di Intelligenza Artificiale Generativa ambisce a operare autonomamente, ma proprio per questo motivo diventa cruciale esplicitare i passaggi compiuti, preservando così l'importante requisito del "man in the loop". Questa trasparenza è fondamentale affinché l'intervento umano possa continuare a garantire un impiego sicuro e responsabile di queste tecnologie emergenti.