Du skal ta en avgjørelse om kosttilskudd for deg selv eller familien. Google gir deg titalls artikler med motstridende råd, og hvert supplement-merke har sin egen «forskning» som viser at akkurat deres produkt virker. Å lese og sammenligne alt dette tar timer. En research-agent kan gjøre jobben på noen minutter, lese hundrevis av kilder og levere en samlet, evidensbasert rapport.
Hva gjør en research-agent?
En vanlig KI-chat svarer basert på det den allerede «vet» fra treningen. En slik agent går lenger. Den søker aktivt på nettet, åpner lenker, leser innholdet, vurderer kildene og setter sammen funnene til en strukturert rapport. Tenk på det som en forskningsassistent som jobber i bakgrunnen mens du gjør noe annet.
Prosessen ligner på hvordan du selv ville jobbet, bare mye raskere. Agenten starter med spørsmålet ditt, bryter det ned i delspørsmål, søker opp relevante kilder for hvert delspørsmål, og kombinerer alt til en helhet. Underveis kan den besøke alt fra vitenskapelige artikler til offentlige databaser og nyhetsartikler.
Resultatet er en strukturert rapport med kildehenvisninger du kan sjekke selv. Det betyr ikke at du skal stole blindt på alt, men du får et mye bedre utgangspunkt enn om du begynte fra null. Du sparer timer med research og kan bruke tiden din på å vurdere funnene i stedet for å lete etter dem.
Vil du forstå mer om hva som skiller en agent fra en vanlig chatbot? Les hva en KI-agent er for en grundig gjennomgang.
Deep research i ChatGPT, Claude og Gemini
Alle de tre store KI-plattformene tilbyr nå en form for deep research. Funksjonen heter litt forskjellig, men prinsippet er det samme: du gir et komplekst spørsmål, og agenten bruker flere minutter på å søke og analysere før den svarer.
I praksis fungerer det slik: du skriver prompten din og velger research-modusen i stedet for vanlig chat. Et godt eksempel er å be om en evidensbasert vurdering av kosttilskudd for en gjennomsnittlig norsk voksen. Prompten bør være spesifikk. Jo tydeligere du formulerer hva du trenger, desto bedre blir resultatet. Trenger du hjelp med å skrive gode prompts? Disse fem teknikkene gir deg et solid grunnlag.
ChatGPT Deep Research brukte omtrent fem minutter på kosttilskudd-spørsmålet. Resultatet var en godt strukturert rapport med kildehenvisninger, organisert etter supplement-type med oppsummering av forskningsgrunnlaget for hvert tilskudd. Rapporten inkluderte konkrete anbefalinger om dosering og pekte på hvilke tilskudd som hadde sterkest vitenskapelig støtte.
Claude Research tok rundt ni minutter og besøkte 415 kilder. Rapporten var mer detaljert, med lengre analyser per supplement og tydeligere gradering av evidensstyrken. Den lengre tiden ga en merkbart grundigere gjennomgang, og rapporten skilte tydelig mellom tilskudd med solid evidens og de med svakere grunnlag.
Gemini Deep Research fra Google fungerer på lignende måte. Fordelen her er tett integrasjon med Googles søkeindeks, noe som kan gi bredere kildetilfang. Gemini viser også hvilke nettsider den har besøkt underveis, slik at du enkelt kan gå tilbake og lese originalkildene selv.
Hvilken bør du velge? Det avhenger av oppgaven. ChatGPT er raskest og gir gode nok svar for de fleste behov. Claude er grundigere når du trenger dybde og mange kilder. Gemini passer godt når du vil utnytte Googles økosystem videre, for eksempel med NotebookLM.
Gjør research om til podcast og andre formater med NotebookLM
Når du har en ferdig forskningsrapport, trenger du ikke stoppe der. Google NotebookLM lar deg laste opp rapporten og gjøre den om til helt andre formater. Du kan generere en podcast-episode, et tankekart, en quiz eller en infografikk basert på innholdet.
Podcast-funksjonen er spesielt imponerende. NotebookLM lager en samtale mellom to «verter» som diskuterer funnene fra rapporten din. Du kan til og med få den på norsk. I kosttilskudd-eksempelet ble forskningsrapporten til en engasjerende samtale der vertene diskuterte D-vitamin, omega-3 og andre tilskudd, med referanser til studiene fra den opprinnelige rapporten.
Dette åpner for kreative bruksområder. Du kan lage opplæringsmateriell for kollegaer, repetisjonsstoff for studier, eller rett og slett konsumere research i et format som passer bedre mens du er på farten. Har du en lang rapport om markedstrender? Gjør den til en podcast du hører på vei til jobb. Trenger teamet ditt en rask oppsummering? Lag et tankekart som viser hovedpunktene visuelt.
Når bør du bruke en research-agent fremfor vanlig chat?
Du trenger ikke denne typen verktøy for alt. For enkle faktaspørsmål er vanlig chat raskere og like presis. Men for noen typer oppgaver er forskjellen enorm.
Bruk denne typen KI-research når du trenger å sammenligne informasjon fra mange kilder. Markedsanalyser, konkurranseanalyser, helsebeslutninger, teknologivalg og akademisk research er typiske eksempler. Felles for disse er at svaret krever syntese av mye informasjon, ikke bare et enkelt faktum. Du kan også bruke det til å kartlegge et helt nytt fagfelt du ikke kjenner fra før, der du trenger oversikt over nøkkelbegreper, aktører og trender.
Bruk vanlig chat når du trenger raske svar, hjelp med skriving, kode eller andre oppgaver der agenten ikke trenger å søke opp fersk informasjon. Vil du lære mer om hvordan du bruker KI til research generelt? Denne guiden om KI-research dekker både enkle og avanserte tilnærminger.
Et godt prinsipp er: hvis du selv ville brukt mer enn 30 minutter på research, er det verdt å sette en agent på jobben. Tidsbesparelsen er typisk 80-90 prosent sammenlignet med manuell research, og kvaliteten på kildearbeidet er ofte høyere fordi agenten rekker å lese langt flere kilder enn du ville gjort.
Denne teknologien utvikler seg raskt, og mulighetene vokser for hver oppdatering. Vil du gå videre fra å bruke ferdige verktøy til å bygge dine egne løsninger? I kurset KI-agenter i praksis lærer du å sette opp agenter med tilpassede instruksjoner, koble dem til dine egne datakilder og automatisere repeterende oppgaver med agentbaserte arbeidsflyter.
