Уже несколько месяцев одно из любимых моих развлечений — исследования с помощью deep research. Во-первых, это дико увлекательно. Например, можно узнать как в динамике развивались образовательные концепции, которые сейчас считаются мейнстримными. Или узнать какие есть белые пятна в классификации опыта игроков, принятых в разных отраслях геймдева. Или особенности агглютинативных языков вроде шумерского.
Но может быть вам это всё не очень интересно. Тогда вот:
— Офигенно интересно проводить кабинетные исследования стало. Мой любимый трюк — во время звонка с командой (я кроме прочего трекер в акселераторе) сформулировать запрос и получить развёрнутый ответ за 15 минут вместо командо-недели. Со ссылками, подробностями и хорошей надёжностью.
— Проанализировать позиционирование всех коллег и найти незанятые ниши.
— Найти актуальную лучшую практику по формированию образовательного цикла в EdTech-продуктах, и оставить только эмпирически подтверждённые методы, на основе публикаций в журналах q1-q2.
Короче — можно по произвольному вопросу очень, очень сильно улучшить качество решений за счёт глубины анализа. И всё это благодаря deep research от openAI (у Гугла тоже неплохой, у Grok и DeepSeek пожиже, но openAI тут всех уделывает со свистом).
Но. Оказалось, чтобы извлекать из этого пользу, надо уметь использовать инструменты научного поиска. А я учился в художественном ВУЗе, и меня этому не учили. Так что я решил по-быстрому разобраться. Эта статья — результат моего ресёрча на основании общения с моими друзьями учёными. В основном, кстати, мясными. Но и кремниевыми, конечно, тоже.
Алексей Кулаков, директор агентства JetStyle.
