Deep Research là gì? Hướng dẫn sử dụng Deep Research trên ChatGPT

Ngày 20/05/2025

Bạn thường tốn nhiều thời gian để tìm kiếm, tổng hợp và phân tích thông tin cho một báo cáo? Với Deep Research tích hợp trong ChatGPT, quá trình này có thể được tự động hóa chỉ trong vài phút. Công cụ này giúp truy xuất, xử lý và trình bày dữ liệu từ nhiều nguồn một cách logic, rõ ràng.

Vậy Deep Research là gì? Làm sao để tận dụng AI Agent này của Open AI – cùng tìm hiểu trong bài viết dưới đây của Chuyên gia Phạm Quang Nhật Minh – Giám đốc Trung tâm nghiên cứu và Phát triển Trí tuệ nhân tạo, FPT IS.

1. Deep Research là gì?

Deep Research là một AI agent (tác nhân trí tuệ nhân tạo) tiên tiến, được thiết kế để thực hiện các nhiệm vụ nghiên cứu nhiều bước, chuyên sâu trên Internet – điều mà trước đây thường đòi hỏi sự can thiệp thủ công của con người với nhiều thời gian và công sức.

Khác với các công cụ tìm kiếm truyền thống chỉ đơn thuần trả về danh sách các đường dẫn, Deep Research có khả năng hiểu yêu cầu của người dùng, chủ động lên kế hoạch tìm kiếm, trích xuất dữ liệu liên quan từ nhiều nguồn đáng tin cậy, và tổng hợp chúng thành kết quả có cấu trúc và logic.

Hiện nhiều nhà phát triển đều đã phát hành tính năng Deep Research như Perplexity, Google, xAI… nhưng trong bài viết này, chúng ta sẽ tập trung nói về Deep Research của OpenAI.

Deep Research thường hỗ trợ các nhiệm vụ phức tạp như:

Tổng hợp báo cáo
Phân tích đối thủ cạnh tranh
Tìm kiếm thông tin chuyên ngành
Lập kế hoạch chiến lược dựa trên dữ liệu

CEO OpenAI, Sam Altman, công bố “Deep Research” vào tháng 2/2025 tại Tokyo

(© Yuichi YAMAZAKI / AFP)

Theo OpenAI, mô hình Deep Research hiện đang giữ vị trí dẫn đầu trong bài kiểm tra độ chính xác AI có tên Humanity’s Last Exam, nơi các hệ thống AI phải giải đáp các câu hỏi ở mức độ chuyên gia. Khi tận dụng khả năng duyệt web và dùng công cụ Python, Deep Research đạt độ chính xác 26,6% – cao hơn đáng kể so với GPT-4o (3,3%) và o3-mini (high), mô hình chỉ dùng văn bản, với độ chính xác 13%.

Mô hình DeepResearch đạt kết quả cao nhất trong bài kiểm tra “Humanity’s Last Exam” với độ chính xác 26,6%, vượt xa GPT-4o (3,3%) và o3-mini (13%)

2. Cách để truy cập và sử dụng Deep Research của OpenAI

Hiện tại, Deep Research đã có sẵn cho người dùng ChatGPT Pro, Plus, Teams và Enterprise. Tuy nhiên, số lượng được phép sử dụng sẽ khác nhau

Đối với người dùng Plus, Team, Enterprise, giới hạn hiện tại là 25 truy vấn deep research (nghiên cứu sâu) mỗi tháng.
Đối với người dùng Pro, giới hạn là 250 truy vấn deep research mỗi tháng.

Khi đạt đến giới hạn của phiên bản gốc của Deep Research, các truy vấn sẽ tự động chuyển sang phiên bản rút gọn (lightweight version). Trong phiên bản rút gọn này, các câu trả lời thường sẽ ngắn gọn hơn nhưng vẫn giữ được chiều sâu và chất lượng. Phiên bản rút gọn này hiện tại đã mở cho người dùng free với giới hạn 5 truy vấn mỗi tháng.

Cách sử dụng Deep Research:

Để sử dụng Deep Research, bạn có thể truy cập vào ChatGPT, bật tính năng “Deep Research” (Nghiên cứu chuyên sâu) rồi mới bắt đầu thực hiện đặt câu hỏi. Quá trình nghiên cứu có thể mất từ 5-30 phút tùy theo độ phức tạp của chủ đề. Sau khi hoàn tất, Deep Research sẽ trả lại cho người dùng một báo cáo hoàn thiện kèm trích dẫn các nguồn tham khảo.

Các tips và ví dụ tạo prompt (đưa ra truy vấn/câu hỏi) cho Deep Research sẽ được giới thiệu ở phần tiếp theo của bài viết.

3. Các trường hợp ứng dụng Deep Research

Ứng dụng chuyên môn:

Tài chính: Phân tích thị trường và đối thủ cạnh tranh
Khoa học & dữ liệu: Hỗ trợ nghiên cứu khoa học, phân tích dữ liệu chuyên sâu
Chính sách & pháp lý: Tìm hiểu quy định, phân tích chính sách
Kỹ thuật: Đọc hiểu và đánh giá tài liệu kỹ thuật phức tạp

Mua sắm & nghiên cứu cho người tiêu dùng:

Tìm hiểu kỹ lưỡng về một sản phẩm nào đó (ô tô, thiết bị gia dụng, nội thất, ứng dụng…)

Đưa ra đề xuất cá nhân hóa cao dựa trên nhu cầu riêng
So sánh sản phẩm chi tiết để đưa ra lựa chọn phù hợp nhất

Bảng so sánh chi tiết của Deep Research về các ứng dụng học tiếng Nhật

Học thuật & phân tích chuyên sâu:

Tổng hợp tài liệu, viết tổng quan nghiên cứu (literature review)
Tạo các bản tóm tắt toàn diện cùng những phát hiện nổi bật
Xác định khoảng trống nghiên cứu → hình thành câu hỏi mới → mở ra hướng đi cho các đề tài khoa học mới
Phân tích xu hướng, đề xuất tài liệu nên đọc tiếp theo
Diễn giải số liệu định lượng và mở rộng thành các thảo luận có chiều sâu
Kiểm chứng nguồn thông tin, tìm thêm bằng chứng mới
Hỗ trợ kiểm nghiệm giả thuyết

Công việc tri thức & kỹ thuật:

Trả lời các câu hỏi phức tạp cần nhiều bước suy luận
Phân tích tài liệu người dùng cung cấp và bổ sung bằng nghiên cứu mới
Soạn báo cáo tổng hợp đầy đủ, có hệ thống
Viết tài liệu kỹ thuật rõ ràng, dễ hiểu
Thực hiện nghiên cứu tính khả thi cho dự án
Kết hợp và tổng hợp thông tin từ nhiều nguồn khác nhau một cách logic và hiệu quả

Một số ví dụ thực tế khi sử dụng Deep Research có thể tham khảo:

4. Các tips để xây dựng prompt và sử dụng Deep Research hiệu quả

Các tips để xây dựng prompt (câu lệnh)

Hướng dẫn rõ ràng và cụ thể: Hãy đưa ra một hướng dẫn cụ thể, càng chi tiết càng tốt. Vì mỗi nhiệm vụ cần khá nhiều thời gian để hoàn thành, nên việc rõ ràng ngay từ đầu sẽ tiết kiệm thời gian và chi phí về sau.
Trả lời các câu hỏi của ChatGPT: AI có thể đặt câu hỏi để làm rõ những phần chưa hiểu. Đây là cơ hội để bạn bổ sung thêm chi tiết và định hướng rõ hơn. Vì các truy vấn dạng Deep Research tốn tài nguyên nhiều hơn truy vấn thông thường, nên việc làm rõ ngay từ đầu rất quan trọng để tránh lãng phí.

Deep Research có thể đặt thêm câu hỏi để làm rõ yêu cầu của người dùng

Thêm các từ khóa quan trọng vào câu lệnh: Mô hình sẽ dựa vào các từ khóa bạn cung cấp để tìm kiếm thông tin trên web. Vì vậy, hãy cung cấp càng nhiều từ khóa càng tốt. Sử dụng các thuật ngữ chính xác (ví dụ: tên thương hiệu, thuật ngữ kỹ thuật, tên sản phẩm) sẽ giúp mô hình tiết kiệm thời gian và tăng độ chính xác.
Dùng động từ rõ ràng: Deep Research được huấn luyện để hiểu và làm theo hướng dẫn rõ ràng. Sử dụng các động từ như “so sánh”, “đề xuất”, “khuyến nghị”, “báo cáo” để làm rõ yêu cầu và kỳ vọng về kết quả đầu ra.
Nêu rõ định dạng kết quả mong muốn: Hãy chỉ rõ bạn muốn kết quả được trình bày theo định dạng nào – ví dụ theo kiểu báo cáo, có chia mục hay bảng biểu. Bạn có thể nói rõ hơn về bố cục như: bao nhiêu cột, tiêu đề ra sao… Lưu ý: mô hình mặc định thích xuất kết quả dưới dạng báo cáo, nhưng định dạng này có thể không phù hợp với nhu cầu của tất cả người dùng.
Tải lên các file để cung cấp thêm thông tin: Bạn có thể đính kèm tệp (như PDF) để cung cấp thêm thông tin nền giúp mô hình hiểu đúng bối cảnh – đặc biệt hữu ích với các chủ đề kỹ thuật chuyên sâu hoặc dữ liệu hiếm gặp.

Ví dụ một prompt đầy đủ, chi tiết yêu cầu thực hiện phân tích so sánh OpenAI và Google Gemnini

Bên cạnh đó, khi Deep Research đã trả lại kết quả, hãy một lần nữa kiểm tra nguồn & xác minh thông tin. Mô hình vẫn có thể mắc sai sót và đôi khi chưa phân biệt rõ được đâu là nguồn uy tín, đâu là suy đoán hay tin đồn.

5. Một số hạn chế của Deep Research mà người dùng cần lưu ý

Mặc dù đây là một công cụ rất mạnh để nghiên cứu một chủ đề nào đó, tuy nhiên Deep Research vẫn tồn tại nhiều hạn chế mà người dùng cần lưu ý:

Deep Research không phải lúc nào cũng có thể truy cập vào các thông tin thời gian thực, thí dụ như các tin tức nóng vừa xảy ra, các biến động của thị trường chứng khoán,…
Khó tổng hợp thông tin chuyên ngành sâu hoặc kỹ thuật phức tạp: Mô hình vẫn gặp khó khăn khi xử lý những nội dung chuyên sâu. Nếu có tài liệu hỗ trợ (PDF, báo cáo kỹ thuật…), người dùng nên đính kèm để giúp mô hình hiểu rõ hơn bối cảnh.
Vẫn còn hiện tượng “bịa thông tin” (hallucination): Mô hình đôi khi đưa ra thông tin sai hoặc thiếu căn cứ, đặc biệt khi nội dung quá mới hoặc nguồn không rõ ràng. Cần kiểm tra lại các nguồn được trích dẫn để đảm bảo độ tin cậy.
Chất lượng kết quả khác nhau tùy lĩnh vực: Hiệu quả tìm kiếm và tổng hợp có thể thay đổi rõ rệt giữa các ngành – ví dụ: mô hình hoạt động khá tốt với các chủ đề phổ biến, nhưng hạn chế hơn với các lĩnh vực hẹp hoặc quá chuyên biệt.
Khó kết hợp nhiều loại thông tin đa dạng: Khi cần tổng hợp thông tin từ nhiều nguồn hoặc định dạng khác nhau, mô hình vẫn chưa thật sự mượt mà và thống nhất.

Chưa thể chủ động tìm kiếm theo phạm vi cụ thể hoặc quy mô lớn: Hiện vẫn chưa có cách rõ ràng để yêu cầu mô hình tìm kiếm sâu theo yêu cầu cụ thể (ví dụ: đọc 50 bài viết, giới hạn trong một nguồn nhất định…). Ngoài ra, kết quả đôi khi thiên lệch theo một số website quen thuộc.
Vẫn xảy ra lỗi trích dẫn và định dạng: Nguồn tham khảo có thể không chính xác, không đầy đủ hoặc sai định dạng, nhất là khi trình bày dưới dạng báo cáo dài.
Hiện chưa hỗ trợ xuất trực tiếp kết quả sang các công cụ như Excel, Notion, Google Docs, hay Jupyter Notebook. Đây là một tính năng người dùng rất mong đợi.
Kém hiệu quả với các truy vấn liên quan đến thời gian/ngày tháng: Hãy cố gắng cung cấp thời điểm cụ thể khi đặt câu hỏi, vì mô hình chưa xử lý tốt những nội dung liên quan đến dòng thời gian.
Không truy cập được các nguồn phải trả phí/đăng ký: Deep Research chưa thể xử lý thông tin từ các trang web cần trả phí hoặc yêu cầu tài khoản – điều này có thể được cải thiện trong tương lai nếu có tích hợp thêm.
Chưa hỗ trợ biểu đồ: Hiện tại mô hình chưa thể tự tạo hoặc chèn biểu đồ trực tiếp. Tuy nhiên, nó có thể mô tả biểu đồ hoặc phân tích hình ảnh nếu bạn cung cấp sẵn.
Thiếu công cụ bổ trợ và kết nối kho dữ liệu chuyên biệt: Dù hiện tại đã hỗ trợ kết nối với một số nền tảng như SharePoint và GitHub, Deep Research vẫn còn thiếu khả năng tích hợp với các cơ sở dữ liệu ngành hoặc hệ thống tri thức chuyên môn. Việc bổ sung các công cụ này sẽ giúp nâng cao độ sâu, tính chính xác và giá trị thực tiễn trong các phân tích chuyên sâu.
Cá nhân hóa vẫn còn hạn chế: Nội dung phản hồi chưa thật sự linh hoạt theo từng người dùng. Có thể cải thiện phần này bằng cách tận dụng “hướng dẫn tùy chỉnh” (custom instructions) hoặc “bộ nhớ” (memory) mà OpenAI mới ra mắt – giúp mô hình hiểu rõ hơn phong cách và nhu cầu riêng của bạn.

Kết luận

Tính năng Deep Research mới ra mắt của OpenAI đang mở ra một hướng tiếp cận đầy hứa hẹn trong việc tự động hóa quá trình nghiên cứu và tổng hợp thông tin. Với khả năng truy xuất, phân tích và xử lý lượng lớn dữ liệu trực tuyến, công cụ này có tiềm năng giúp người dùng tiết kiệm đáng kể thời gian khi thực hiện các tác vụ nghiên cứu phức tạp.

Tuy vậy, trong quá trình sử dụng thực tế, Deep Research hiện vẫn chưa thực sự ổn định về độ chính xác, đặc biệt là với các thông tin cập nhật hoặc các chủ đề đang phát triển nhanh. Người dùng có thể gặp phải những trường hợp dữ kiện chưa chính xác, hoặc suy luận thiếu cơ sở dẫn đến kết luận sai lệch.

Cần lưu ý rằng, đây là một tính năng đang trong giai đoạn thử nghiệm ban đầu, và OpenAI cũng đã công khai thừa nhận các hạn chế hiện tại trong thông báo chính thức của mình. Việc tiếp tục hoàn thiện dựa trên phản hồi người dùng là điều đang được kỳ vọng.

Dù còn nhiều điểm cần cải tiến, không thể không thừa nhận Deep Research vẫn thể hiện được tiềm năng vượt trội trong việc hỗ trợ các tác vụ nghiên cứu chuyên sâu.

References