La recente proposta di NVIDIA, nota come Universal Deep Research (UDR), rappresenta un punto di svolta nel mondo degli strumenti di ricerca basati sull’intelligenza artificiale. Finora, quando si parlava di deep research tools (DRT), si faceva riferimento a sistemi già pronti, con strategie rigide e modellate su flussi di lavoro predefiniti, che non davano grande libertà all’utente. UDR invece vuole rompere queste barriere, permettendo a chiunque di plasmare la strategia di ricerca—senza la necessità di riaddestrare modelli né di fare tuning per adattarsi alle proprie necessità.
Gli strumenti esistenti funzionano bene se l’utente ha esigenze “standard”: cerco informazioni, le sintetizzo, le organizzo, magari comparo qualche fonte. Ma se il dominio è specialistico—legge, medicina, finanza—o se il contesto richiede rigore, trasparenza, fonti preferite, controlli sui costi, allora questi strumenti mostrano i loro limiti. In quei casi occorre qualcosa di diverso. Ed è lì che entra in scena UDR, che rende personalizzabile ogni aspetto del processo di ricerca, non solo la domanda da porre, ma il modo in cui la ricerca viene condotta.
Perciò l’idea di fondo di NVIDIA è semplice ma potente: l’utente fornisce due input fondamentali, la strategia di ricerca—cioè come vuole che venga fatta la ricerca—e il prompt di ricerca, ciò che si desidera sapere. UDR prende quella strategia, scritta normalmente, la traduce in codice Python che può essere eseguito in un ambiente sicuro, e gestisce tutto il flusso in modo deterministico, controllato, trasparente. Il modello di linguaggio non è più il regista dell’intero spettacolo, ma diventa uno strumento per fasi specifiche: estrazione di informazioni, sintesi, classificazione. Tutta la logica di orchestrazione rimane al di fuori del modello, garantendo controlli, riduzione dei costi (specialmente GPU), e una maggiore efficienza.
Il sistema è progettato per essere indipendente dal modello: si può usare qualsiasi LLM, sia pubblico che privato, purché compatibile. UDR propone esempi di strategie che variano per profondità e ampiezza dell’indagine: da approcci più sommari a quelli più investigativi, che raffinano passo dopo passo le query basandosi su sottocontesti che evolvono man mano. E, alla fine, l’output non è solo una risposta generica: l’utente ha accesso a notifiche strutturate che indicano lo stato della ricerca in tempo reale e un rapporto finale ordinato, con sezioni, tabelle, fonti, riferimenti veri, che permettono di verificare cosa è stato fatto.
Questa nuova architettura introduce trasparenza in un mondo che spesso appare come una scatola nera: sapere che passaggi ha fatto il sistema, che decisioni ha preso, poter bloccare il processo se diventa costoso o non utile, e poter esaminare come i risultati sono stati costruiti. UDR è al momento in anteprima open source su GitHub, quindi chi lavora nel settore accademico o aziendale può già sperimentarlo, studiarlo, adattarlo ai suoi casi specifici.
In sostanza, quello che NVIDIA propone con UDR non è semplicemente “un altro strumento per fare ricerche migliori”: è un cambio di paradigma, un’idea che la ricerca assistita da AI non deve essere qualcosa di preconfezionato, ma qualcosa che può e deve essere plasmato. La ricerca non è più solo rispondere a domande, ma governare il processo stesso, con chiarezza, con controllo, con responsabilità.