AI Unpacked #3: Deep Research - Wanneer AI eindelijk de tijd neemt om na te denken

Van instant antwoorden naar diepe analyse: de volgende evolutie in AI

Heb je wel eens een collega gevraagd om een complexe analyse te maken, waarop hij binnen tien seconden een antwoord geeft? Dan denk je waarschijnlijk: "Dit kan niet kloppen." Toch is dit precies wat we van AI verwachten. Instant antwoorden op vragen die eigenlijk grondige analyse vergen.

Maar wat als AI, net als jouw beste analist, de tijd zou nemen om écht na te denken?

De grote verschuiving: van snelheid naar diepgang

In februari 2025 hebben alle grote AI-spelers vrijwel gelijktijdig dezelfde functionaliteit gelanceerd, onder verschillende marketingtermen: OpenAI noemt het "Deep Research", Anthropic noemt het "Extended Thinking", en ook Perplexity biedt zijn eigen variant. Deze gelijktijdige benadrukt wederom: AI is geen magische allesoplosser, maar een complexe gereedschapskist. Het succesvol inzetten ervan draait niet om het hebben van de nieuwste technologie, maar om te weten welk stuk gereedschap je voor welke taak in kunt zetten.

In AI Unpacked #1 legde ik uit dat AI eigenlijk werkt door patronen te herkennen en het volgende woord te voorspellen - niet door daadwerkelijk te "denken" zoals mensen dat doen. In AI Unpacked #2 bespraken we hoe dit kan leiden tot "hallucinaties" - overtuigende maar verzonnen feiten - en hoe die hallucinaties soms juist waardevol zijn voor creatieve toepassingen.

Deep Research is de volgende evolutionaire stap, met een cruciale verschuiving in prioriteiten: van snelheid naar precisie en van oppervlakkig naar diepgaand.

Hoe werkt het? Chain of Thought maakt het verschil

Anders dan “standaard AI” die direct antwoordt, maakt Deep Research gebruik van wat experts "chain of thought" noemen - een zichtbaar denkproces waarbij de AI systematisch door verschillende stappen werkt. De methode werd al in 2022 geïntroduceerd door onderzoekers van Google, en is nu dus op grote schaal beschikbaar in de commerciële AI producten.

Het grote verschil met “standaard AI”? Het beantwoordt je vraag niet direct, maar zet meerdere tussenstappen om de kwaliteit van het antwoord te verhogen - en het toont actief hoe het tot conclusies komt:

1. Het stelt deelvragen - Net als een ervaren consultant breekt het complexe problemen op in behapbare stukken

2. Het zoekt gericht naar bronnen - In plaats van te vertrouwen op algemene kennis, zoekt het actief naar specifieke informatie

3. Het verifieert informatie via meerdere bronnen - Als een goede journalist controleert het feiten

4. Het toont zijn gedachtegang - Je ziet letterlijk hoe het van A naar B naar C redeneert

5. Het herziet zichzelf - Als nieuwe informatie eerdere conclusies tegenspreekt, past het zijn analyse aan

Het eindresultaat is een compleet onderzoeksrapport dat niet alleen het antwoord geeft, maar ook de methodologie uitlegt, bronnen citeert, alternatieve verklaringen overweegt en nuance aanbrengt waar traditionele AI zwart-wit zou denken. Dit is geen AI die simpelweg informatie produceert - het is een digitale onderzoeksassistent die een volledig onderbouwd rapport levert.

De cruciale beperking: bronnen maken het verschil

Een kritische kanttekening: Deep Research is alleen zo goed als de bronnen waar het toegang toe heeft. Zeker voor Nederlandse toepassingen is dit relevant, omdat veel bruikbare informatie in de Nederlandse taal niet beschikbaar is voor commerciële AI tools.

De huidige generatie tools kunnen alleen werken met:

1. Openbaar toegankelijke informatie

2. Documenten die je zelf uploadt

Dit betekent dat:

• Waardevolle juridische bronnen (recente rechtspraak, annotaties, vakliteratuur) vaak ontoegankelijk zijn

• Specialistische Nederlandse vakpublicaties zelden geïndexeerd worden

• Bedrijfskritische informatie niet zomaar geüpload kan worden vanwege privacy-overwegingen

In AI Unpacked #2 bespraken we RAG (Retrieval Augmented Generation) als oplossing voor hallucinaties. Deep Research en RAG vullen elkaar perfect aan:

- RAG geeft het model betere bronnen
- Deep Research geeft het model meer tijd om deze grondig te analyseren

Er zijn nu al producten beschikbaar die beide technieken combineren. Het resultaat? Antwoorden die niet alleen feitelijk correct zijn, maar ook grondig doordacht.

Wanneer gebruik je wat? De keuze tussen creatieve vrijheid en grondige analyse

In AI Unpacked #2 bespraken we hoe AI's neiging tot "hallucineren" - het verzinnen van overtuigende maar niet-bestaande feiten - soms juist een kracht kan zijn. Bij brainstormsessies of creatieve taken is die vrijheid om buiten bestaande kaders te denken waardevol.

Maar nu zien we de andere kant van de medaille: situaties waarin precisie en grondige analyse essentieel zijn. Het verschil? Diepgang is belangrijker dan snelheid.

Kies voor snelle, standaard AI wanneer:

• Je bewust creativiteit en nieuwe verbindingen zoekt (de "positieve hallucinatie")

• Je snel verschillende ideeën wilt genereren voor een brainstormsessie

• Je content creëert zoals marketingteksten of eenvoudige e-mails

• Je feitelijke vragen stelt met eenduidige antwoorden

Kies voor Deep Research wanneer:

• Precisie en betrouwbaarheid cruciaal zijn (vermijd "negatieve hallucinaties")

• Je complexe financiële of marktanalyses uitvoert

• Je juridische documenten of precedenten grondig moet analyseren

• Je strategische beslissingen neemt met complexe trade-offs

• Je product- en prijsanalyses met meerdere variabelen uitvoert

De verborgen kostenstructuur: een zakelijke afweging

Een belangrijk aspect dat vaak onderbelicht blijft is de enorme computerkracht die Deep Research vereist. Wanneer een standaard AI-model je vraag beantwoordt, genereert het één keer een antwoord. Bij Deep Research gebeurt er iets anders:

1. Het model voert tientallen of zelfs honderden aparte "denksessies" uit

2. Het doorzoekt dynamisch verschillende bronnen

3. Het genereert code, voert deze uit, en analyseert de resultaten

4. Het heroverweegt en verfijnt zijn gedachten meerdere keren

Dit verklaart waarom deze diensten zo duur zijn: OpenAI rekent momenteel rond de $200 per maand voor hun Pro-abonnement met substantiële Deep Research capaciteit - en hoogstwaarschijnlijk maken ze daar nog steeds verlies op.

Deze hoge kosten dwingen tot strategische keuzes:

• Inzetten waar de waarde van diepgaande analyse opweegt tegen de kosten

• Doelgericht formuleren van vragen om maximale waarde uit elke query te halen

• ROI-berekening: één deep research query kan gemakkelijk 2-3 uur analytisch werk vervangen

Ter inspiratie: ervaar de waarde van Deep Research voor literatuuronderzoek

Vooruitblik: van denken naar doen

De beste menselijke analist neemt de tijd om na te denken. Waarom verwachten we dan instant antwoorden van AI?

Dit brengt ons terug naar de rode draad door deze nieuwsbrieven: het gaat niet om de technologie zelf, maar om het juiste gereedschap kiezen voor de juiste taak. Soms wil je een kwast voor brede, creatieve streken (standaard AI), andere keren heb je een fijn penseel nodig voor gedetailleerd precisiewerk (Deep Research).

AI is niet de wonderlijke toverdoos die alles oplost, maar een steeds slimmer wordende gereedschapskist. Samen bouwen we aan een beter begrip: niet door AI te verheerlijken of ervoor te vrezen, maar door nieuwsgierig te blijven, kritisch te luisteren en stap voor stap te ontdekken wat deze nieuwe tools werkelijk kunnen. Elke houten plank, elk stuk gereedschap heeft zijn eigen functie - en dat geldt precies zo voor AI.