Pesquisa aprofundada e agentes
Como sistemas de deep research e agentes planejam dezenas de buscas por tarefa, o que as empresas descrevem e o que muda para quem produz conteúdo.
Neste texto
O que é pesquisa aprofundada?
Pesquisa aprofundada (deep research) é o modo em que um sistema de IA recebe uma pergunta complexa e, em vez de responder de imediato, planeja uma sequência de buscas, lê as páginas encontradas, decide o que falta pesquisar e só então escreve um relatório. O resultado costuma trazer citações. O tempo de espera declarado pelos fornecedores citados aqui é de alguns minutos.
Ela é uma forma de query fan-out: a pergunta se divide em aspectos e cada aspecto vira busca. A diferença é a iteração. Em vez de um leque único, há várias rodadas, e cada rodada depende do que a anterior encontrou.
O que cada empresa descreve
Os textos abaixo são as descrições públicas dos fornecedores, em suas datas. Eles não são auditoria independente.
| Sistema | Descrição pública | Data | Observação |
|---|---|---|---|
| Deep Research do Gemini | Cria um plano de pesquisa em várias etapas que o usuário pode revisar; busca, descobre informação e dispara novas buscas com base no que aprendeu; repete o ciclo várias vezes ao longo de alguns minutos; entrega relatório com links | 11/12/2024 | Descrição do lançamento; o produto evolui |
| Deep Research do Perplexity | Pesquisa em ciclo: busca, lê documentos e raciocina sobre o próximo passo, ajustando o plano; a empresa informa 2 a 4 minutos por tarefa | 14/2/2025 | O tempo é declarado pela empresa |
| Deep Search do Google | Query fan-out "levado ao próximo nível", com centenas de buscas e relatório com citações | 20/5/2025 | Dentro do AI Mode |
| Sistema multiagente de pesquisa da Anthropic | Um agente líder cria de 3 a 5 subagentes que pesquisam em paralelo; um agente de citação atribui as afirmações às fontes | 13/6/2025 | Artigo de engenharia sobre um produto próprio |
Uma observação sobre o último item. O texto da Anthropic é útil como descrição de arquitetura: orquestrador, trabalhadores em paralelo, consolidação e atribuição. Ele relata que a abordagem multiagente superou, em uma avaliação interna, o agente único e reduziu o tempo de pesquisa em até 90% em consultas complexas. São números da própria empresa, em avaliação interna, e não valem como medida do mercado.
O que é comum e o que difere
Em todos os casos, a lógica é planejar, buscar, ler, decidir e sintetizar. Diferem a profundidade, o tempo, a interação com o usuário (o Gemini deixa revisar o plano antes de rodar) e a forma de citar. A Anthropic ainda registra um problema útil para quem escreve: tarefas mal especificadas geravam trabalho duplicado entre os subagentes, o que indica que os sistemas dependem de instruções claras sobre o que cada busca deve achar.
Para o conteúdo, isso traz uma implicação indireta. Quando os subagentes ou etapas recebem um objetivo, um formato de saída e limites claros, como descreve o texto, as páginas que respondem diretamente a um objetivo bem definido são mais fáceis de aproveitar. Isso é inferência do autor, não afirmação do fornecedor.
E os agentes que agem pela pessoa?
O guia do Google de julho de 2026 tem uma seção sobre experiências com agentes. Ele define agentes de IA como sistemas autônomos que realizam tarefas em nome das pessoas, como reservar um restaurante ou comparar produtos. Segundo o guia, agentes de navegador podem ler um site por capturas de tela, pela estrutura DOM ou pela árvore de acessibilidade. O Google cita ainda protocolos emergentes, como o Universal Commerce Protocol (UCP), que permitiriam aos agentes da Busca fazer mais. A orientação é conhecer as experiências disponíveis para o seu setor e seguir as boas práticas de sites amigáveis a agentes, da web.dev.
A consequência editorial é prática. Um agente que compara produtos precisa encontrar preço, disponibilidade, política de troca e características em lugares previsíveis, com HTML legível e acessível. Uma página que esconde o preço atrás de uma interação obscura ou que depende de imagem para dizer o essencial pode ser lida mal.
O que muda para o conteúdo
- 01Cubra o aspecto até o fim. Em pesquisa aprofundada, o sistema volta várias vezes. Se a primeira página lida deixa dúvidas, ele busca outra.
- 02Dê prova em cada bloco: fonte, data, método. Relatórios com citações favorecem quem pode ser verificado.
- 03Mantenha o HTML semântico e acessível: títulos reais, listas e tabelas marcadas, texto em vez de imagem para o essencial.
- 04Deixe os dados de decisão em lugar fixo: preço, prazo, política, especificação.
- 05Atualize o que envelhece. Um relatório com data antiga em um aspecto pesa contra a página.
O guia de conteúdo por subconsulta tem o formato do bloco. A lista de subconsultas ajuda a decidir o que cobrir.
Como testar sem prometer nada
Escolha uma pergunta complexa do seu mercado. Rode-a em dois sistemas de pesquisa aprofundada, em dias diferentes. Para cada relatório, registre:
- os aspectos tratados (cada seção ou subtítulo é um aspecto),
- as fontes citadas e o tipo de cada uma (documentação oficial, notícia, blog, loja),
- se a sua página aparece, e em que aspecto,
- a data, o sistema e o idioma.
Compare os aspectos com o seu mapa de cobertura. A diferença indica a lacuna. Não conclua que "o sistema prefere" um tipo de fonte com base em um teste: o resultado muda.
Limites do que se sabe
- As descrições são de fornecedores e se referem a datas de lançamento. Os produtos mudam, e o que valia em 2025 pode não valer em 2026.
- Não há dados públicos confiáveis de quanto tráfego os relatórios de pesquisa aprofundada enviam aos sites.
- O Google informa que nenhuma ferramenta de terceiros tem acesso aos seus sistemas internos. O mesmo cuidado vale para promessas de "mapas de fontes" dos outros sistemas.
- Este site não afirma que um sistema prefere determinado formato ou tipo de fonte sem fonte oficial que diga isso.
Erros comuns
- Tratar todos os sistemas como um só. Cada um tem processo, fontes e interface próprios.
- Escrever só para o relatório. O leitor humano é quem decide. O texto deve servir a ele em primeiro lugar.
- Esperar volume de tráfego. Relatório com citação não equivale a clique.
- Copiar a descrição do fornecedor como se fosse regra. É descrição de produto.
Pesquisa aprofundada é a mesma coisa que Query Fan-Out?
Não é a mesma coisa, mas usa a mesma lógica. O query fan-out descreve a divisão da pergunta em subconsultas executadas em paralelo. A pesquisa aprofundada acrescenta ciclos: o resultado de uma etapa orienta a próxima. O Google chama o Deep Search de query fan-out em escala maior.
Cada sistema cita sites diferentes?
É provável, porque cada um usa seus índices, ferramentas e critérios, e isso não é público em detalhe. Não há fonte oficial que explique as diferenças. Compare por teste próprio, com data e idioma anotados.
O que é um agente de IA, neste contexto?
Segundo o guia do Google, é um sistema autônomo que realiza tarefas em nome da pessoa, como reservar ou comparar produtos. Agentes de navegador podem ler páginas por captura de tela, DOM ou árvore de acessibilidade. Isso favorece HTML claro e acessível.
Preciso de um arquivo especial, como llms.txt, para esses sistemas?
Para o Google, não: o guia afirma que ele não usa esses arquivos, que não ajudam nem prejudicam a visibilidade na Busca. Outros serviços podem usar. Antes de investir tempo, confira a documentação oficial do sistema que importa para o seu público.
Vale escrever conteúdo longo para pesquisa aprofundada?
O comprimento não é o critério. O guia do Google diz que não há tamanho ideal de página. Importa cobrir os aspectos relevantes com prova e clareza, no tamanho que o assunto pede.
Veja também a visão geral do mecanismo e o AI Mode.
Fontes
- Try Deep Research and our new experimental model in Gemini, Google (blog The Keyword) (2024-12-11)
- Introducing Perplexity Deep Research, Perplexity (2025-02-14)
- How we built our multi-agent research system, Anthropic Engineering (2025-06-13)
- Atualização do AI Mode na Busca do Google, com Deep Search, Google (blog The Keyword) (2025-05-20)
- Optimizing your website for generative AI features on Google Search, Google Search Central (2026-07-10)
Cubra as subconsultas
Liste as buscas que a IA faz por trás da pergunta e responda cada uma em um bloco próprio.