A cena repete-se em todas as empresas que começam a levar a IA a sério. Alguém da equipa descobre o deep research, lança uma pergunta difícil — o panorama competitivo de um vertical, a regulação que aí vem, quem está a comprar quem — e dez minutos depois tem um relatório de quinze páginas com fontes. A reacção é a certa: isto é muito bom. A conclusão que se tira a seguir quase nunca é: «então não precisamos de construir nada».
A tese numa frase: a fronteira entre o deep research do fornecedor e um agente de investigação próprio não é a dificuldade da pergunta, é a sua repetição. Para uma pergunta que faz uma vez, o botão ganha sempre e por muito. Para uma que vai fazer todas as segundas sobre as mesmas fontes, não é que o botão seja pior — é que não foi construído para isso, e nota-se em quatro sítios muito concretos que nada têm a ver com a qualidade do texto.
Deep research do ChatGPT vs agente de investigação próprio: o que faz mesmo cada um
O deep research do ChatGPT, segundo a documentação da OpenAI, planeia, investiga e sintetiza uma pergunta complexa num relatório documentado. Pode trabalhar com a web pública, com ficheiros que carrega, com sites concretos que lhe indica e com aplicações ligadas que suportem a função. Propõe um plano de investigação que pode rever antes de arrancar, pode ser interrompido a meio para reorientar, e devolve um relatório com citações e uma secção de fontes usadas. É, de longe, a melhor relação resultado/esforço do mercado para uma pergunta pontual.
Um agente de investigação próprio faz outra coisa, mesmo que por dentro se pareçam. Não responde a uma pergunta: sustenta uma vigilância. Tem um conjunto de fontes que não é preciso voltar a declarar, uma memória que acumula o que já viu, um critério escrito uma vez sobre o que é sinal e o que é ruído, e uma saída que vai para algum lado — uma caixa, uma tabela, um canal — em vez de para uma conversa. A diferença não é o modelo. É a forma.
Os quatro limites que não são de qualidade, são de forma
Os quatro lêem-se na própria documentação da OpenAI, sem ter de acreditar em ninguém. Nenhum é um defeito: são consequências de o deep research estar desenhado para uma tarefa que começa e acaba.
1. É só de leitura por desenho
A documentação di-lo sem ambiguidade: o deep research usa as acções de leitura das aplicações ligadas, e não usa acções de escrita como parte da investigação. Ou seja: produz um relatório e o trabalho dele acaba ali. Ninguém move o resultado para a tabela, o CRM ou o canal onde alguém o ia usar. Se metade do valor da sua vigilância está em a descoberta aterrar nalgum sítio, o botão deixa-o exactamente antes dessa metade.
2. O resultado vive dentro de uma conversa, e morre com ela
Os resultados seguem a política de retenção da conversa: se apagar o chat, apagam-se também os relatórios associados. Para uma pergunta pontual isso é irrelevante. Para uma vigilância semanal é o problema inteiro, porque o valor de vigiar não está no relatório desta semana: está em poder dizer «isto já tínhamos visto em março e nessa altura o número era outro». Uma caixa de conversas não é um corpus.
3. As fontes voltam a declarar-se em cada tarefa
Pode limitar a pesquisa a domínios concretos, dar-lhes prioridade sobre a web aberta e carregar ficheiros. É poderoso, e é manual: cada tarefa nova parte do zero nessa configuração. A primeira vez é um luxo. A trigésima é trabalho administrativo que alguém vai saltar numa terça-feira à pressa, e é nesse dia que a vigilância deixa de ser comparável consigo própria.
4. A quota está pensada para uso pontual
O uso varia por plano, há um contador visível dentro do produto, e nos planos com atribuição mensal fixa esse contador reinicia a cada 30 dias a contar da data da primeira utilização — não no dia 1 do mês. É uma economia desenhada para perguntas que chegam quando chegam. Uma vigilância recorrente, multiplicada pelas pessoas que dela precisam, come essa atribuição de forma bastante previsível.
Repare no que NÃO está nesta lista: nada sobre a qualidade do raciocínio, a cobertura de fontes ou a redacção. Nisso o deep research do fornecedor é difícil de bater, e quem lhe disser que o seu agente caseiro raciocina melhor provavelmente não os comparou.
A pergunta que decide, e responde-se em dez segundos
Vai voltar a fazer esta mesma pergunta no mês que vem, sobre as mesmas fontes, esperando poder comparar a resposta com a de hoje?
Se a resposta for não, feche este separador e use o botão. A sério: a maioria das perguntas de uma empresa é deste tipo, e construir para elas é a forma mais cara de não aprender nada. Se a resposta for sim, então o que precisa não é de um relatório melhor. Precisa que as fontes estejam fixas, que o visto fique guardado, que a saída vá para onde as pessoas trabalham e que ninguém tenha de se lembrar de o lançar.
| Sinal | Botão do fornecedor | Agente próprio |
|---|---|---|
| Frequência | Uma vez, ou quando surge | Cadência fixa: semanal, mensal |
| Fontes | Escolhidas para aquela pergunta | Um conjunto estável que não se redeclara |
| Comparabilidade | Cada relatório começa do zero | O de hoje compara-se com o de março |
| Destino da descoberta | Uma conversa | Tabela, caixa, canal, sistema |
| Quem o dispara | Uma pessoa que se lembra | Um calendário |
| Quem responde se falhar | Ninguém: não falhou, não aconteceu | Alguém com nome |
O que o botão ganha e não deve reconstruir
Há uma tentação, assim que se decide construir, de reconstruir tudo. É um erro caro. Três coisas do deep research do fornecedor são muito boas e não compensa replicá-las: o plano de investigação editável antes de arrancar, a rastreabilidade das citações no relatório final, e a possibilidade de interromper e reorientar a meio. Um agente próprio bem pensado não compete com isso: usa-o onde faz sentido e trata do resto.
Dito de outro modo: a decisão não é «fornecedor ou casa». É que parte do trabalho é uma pergunta e que parte é um processo. À pergunta o fornecedor responde muito bem. O processo — a cadência, a memória, o destino, o dono — é seu, e ninguém o vende porque depende das suas fontes e do seu organigrama.
O que só um agente próprio consegue fazer
Quatro coisas, e todas aborrecidas. Que é exactamente por isso que ninguém as mostra numa demo.
- Acumular. Guardar cada descoberta com a sua data e a sua fonte para que a sexta ronda possa dizer «isto mudou» em vez de repetir o contexto. Sem isto não há vigilância, há relatórios soltos.
- Aterrar. Escrever o resultado onde alguém o vai usar. E isso, assim que sai da conversa, deixa de ser um problema de investigação e passa a ser de permissões e identidade: o que o agente pode ler e escrever, com que credencial, e quem o corta se for preciso. A forma de o pôr está em ligar a IA aos seus sistemas.
- Filtrar com critério próprio. O que conta como sinal no SEU mercado não é coisa que um modelo genérico saiba: escreve-se uma vez, corrige-se com os primeiros falsos positivos e fica escrito. Esse critério é o activo, não o prompt.
- Ter dono. Uma pessoa que revê a saída, corrige o critério quando desvia e decide quando alargar o âmbito. O desenho dessa supervisão está em o humano no ciclo de uma automatização com IA, e não é opcional: um agente de investigação sem revisor acaba a produzir um boletim que ninguém abre.
O erro de construir cedo demais
A sequência sã é contra-intuitiva: use o botão até doer. Lance a pergunta à mão seis ou sete semanas seguidas. Vai descobrir três coisas que não pode saber antes: que fontes acaba sempre por usar, que parte do relatório lê mesmo e qual salta, e o que faz com a descoberta quando a tem. Essas três respostas são a especificação do agente, e saem de graça.
Construir antes de as ter é o padrão que produz agentes que funcionam e não servem: investigam bem um tema que ninguém olha, num formato que ninguém lê, e ninguém se importa quando deixam de correr. Os critérios gerais de quando um agente merece existir numa empresa estão em agentes de IA para empresas; esta decisão é um caso particular desses.
Como se decide em dez minutos
- Escreva a pergunta que está prestes a automatizar. Se não cabe numa frase, ainda não é uma vigilância: é um tema.
- Conte quantas vezes já a fez. Menos de cinco: continue com o botão.
- Veja se as fontes são as mesmas de cada vez. Se mudam, continue com o botão — o que tem é curiosidade, não vigilância.
- Pergunte-se o que acontece à descoberta. Se a resposta é «lê-a uma pessoa e decide», o botão chega. Se é «tem de ficar registado e comparado», aí começa o agente.
- Procure o nome do dono. Se não há nenhum, não construa: vai produzir um boletim órfão.
Quatro nãos e um sim: use o botão. Cinco sins: o que precisa é de um agente de investigação a funcionar sobre as suas fontes, não de um relatório mais longo.
Nós montamos a parte aborrecida — a cadência, a memória, o destino e o dono — como empregados de IA que trabalham sobre os seus sistemas. E quando a resposta honesta é que o botão lhe chega, dizemo-lo: é o conselho mais barato que damos e o que damos mais vezes.