Практический кейс: функция Deep Research
Как исследовательская команда завершила отраслевой отчёт за часы с Deep Research.
Четырёхчеловечная команда рыночных исследований имела один рабочий день на конкурентный брифинг. Они импортировали 12 ключевых Sources в NotebookLM и использовали Deep Research для заполнения пробелов перед экспортом Studio PDF.
Ограничение: каждый пункт в финальной презентации должен быть прослеживаем — требование, которое модель цитирования NotebookLM выполняет нативно.
Хронология (реальный прогон)
| Время | Действие | Заметки |
|---|---|---|
| 0:00 | Загрузка 8 PDF + 4 URL | Инвесторские деки, выдержки 10-K, транскрипты earnings call |
| 0:20 | Chat: вопросы scope | Размер рынка, сдвиги долей, регуляторные риски |
| 0:45 | Проход Deep Research | Добавлено 6 веб-Sources, рекомендованных NotebookLM |
| 1:30 | Studio Briefing Doc | Executive summary + SWOT с цитатами |
| 2:00 | Экспорт PDF + ревью | PM проверил каждую цитату менее чем за 30 мин |
До и после
| Метрика | Ручной процесс | NotebookLM Deep Research |
|---|---|---|
| Реальное время | 2–3 дня | ~2 часа активной работы |
| Цитируемые пункты | Ручные сноски | Автосвязанные Sources |
| Обнаружение пробелов | Память аналитика | Предложения Deep Research |
| Формат для stakeholders | Пересборка в слайдах | Экспорт Studio + лёгкие правки |
Уроки
- Начинайте с узкого исследовательского вопроса — широкие prompts раздувают время Deep Research
- Предпочитайте структурированные PDF вместо scraped HTML, когда важна точность
- Второй проход Chat: «что противоречит нашей тезису?» перед экспортом
- Ведите заметку «качество источника»: рано помечайте paywall или устаревшие элементы
Цитата команды: «Deep Research не заменил наше суждение — он заменил скучный этап сборки, чтобы мы могли тратить время на интерпретацию.»