Caso prático: função Deep Research
Como uma equipe de pesquisa completou um relatório setorial em horas com Deep Research.
Uma equipa de quatro em estudo de mercado tinha um dia útil para entregar um briefing competitivo. Importaram 12 Sources centrais para o NotebookLM e usaram Deep Research para preencher lacunas antes de exportar PDF Studio.
Restrição: cada bullet no deck final tinha de ser rastreável — requisito que o modelo de citação do NotebookLM cumpre nativamente.
Cronologia (execução real)
| Hora | Ação | Notas |
|---|---|---|
| 0:00 | Carregar 8 PDF + 4 URL | Decks de investidores, excertos 10-K, transcrições de resultados |
| 0:20 | Chat: perguntas de âmbito | Tamanho de mercado, mudanças de quota, riscos regulatórios |
| 0:45 | Passagem Deep Research | Adicionadas 6 Sources web recomendadas pelo NotebookLM |
| 1:30 | Studio Briefing Doc | Resumo executivo + SWOT com citações |
| 2:00 | Exportação PDF + revisão | PM verificou cada citação em menos de 30 min |
Antes vs depois
| Métrica | Processo manual | NotebookLM Deep Research |
|---|---|---|
| Tempo real | 2–3 dias | ~2 horas de trabalho ativo |
| Bullets citáveis | Notas de rodapé manuais | Sources ligadas automaticamente |
| Deteção de lacunas | Memória do analista | Sugestões Deep Research |
| Formato stakeholders | Reconstruir em slides | Exportação Studio + edição leve |
Lições aprendidas
- Começar com uma pergunta de investigação estreita — prompts amplos inflacionam o tempo de Deep Research
- Preferir PDF estruturados a HTML raspado quando a precisão importa
- Segundo passe Chat: «o que contradiz a nossa tese?» antes de exportar
- Manter nota de «qualidade de fonte»: assinalar cedo itens pagos ou desatualizados
Citação da equipa: «O Deep Research não substituiu o nosso julgamento — substituiu o passo aborrecido de montagem para podermos dedicar tempo à interpretação.»