Корпорация Google пересматривает саму суть ценности искусственного интеллекта, смещая акцент с мгновенных ответов в чате на глубокую асинхронную аналитику. Запуск агентов Deep Research и Deep Research Max на базе модели Gemini 3.1 Pro стал четким сигналом для рынка: эпоха погони за минимальной задержкой отклика подходит к концу. Как отмечается в отчете, стандартная версия Deep Research по-прежнему ориентирована на взаимодействие в реальном времени и приоритет скорости. Однако версия Deep Research Max использует расширенные вычислительные мощности на этапе вывода (test-time compute) для рассуждений, поиска информации и итеративной проверки гипотез в фоновом режиме. Google позиционирует это как инструмент для «ночных» задач: например, вы запускаете автоматизированную комплексную проверку (due diligence) вечером, а к утру получаете готовый отчет. На наш взгляд, это меняет правила игры: теперь бизнесу придется платить не за объем токенов, а за время, затраченное на «размышления», и тщательность проработки вопроса.
Техническая интеграция протокола Model Context Protocol (MCP) позволяет этим агентам наконец-то связать открытый веб с закрытыми корпоративными репозиториями. Представители Google пояснили, что через Gemini API разработчики теперь могут выстраивать цепочки для научно-исследовательских работ (R&D), которые извлекают данные из внутренних изолированных баз для создания верифицированных отчетов. Это прямая попытка решить проблему галлюцинаций в бизнес-аналитике путем заземления модели на конкретные потоки данных. Тем не менее, конкурентная среда остается неоднозначной. Хотя бенчмарки Google демонстрируют успехи версии Max в поиске и логике, сравнение с конкурентами выявляет методологический разрыв. Согласно имеющимся данным, OpenAI GPT-5.4 Pro показывает результат 89,3% в тесте BrowseComp, а в Anthropic заявили, что их Opus 4.6 работает эффективнее при отключенном режиме «интенсивного рассуждения». Это прямо противоречит подходу Google, который делает ставку именно на максимальные настройки логики.
Для руководителей R&D-отделов это означает конец восприятия ИИ как быстрого поисковика. Благодаря протоколу MCP, объединяющему частные данные с веб-аналитикой, вы можете автоматизировать первые 80% анализа рынка или картографирования конкурентов. Однако, учитывая, что результаты тестов критически зависят от того, включен ли режим «рассуждения» при вызове API, вашим техническим специалистам придется строго проверять отчеты автономных агентов, прежде чем они попадут на стол к топ-менеджменту. Мы убеждены, что доверие к «галлюцинирующему» интеллекту без человеческого фильтра все еще обходится слишком дорого.