Deep Research とは？Gemini の多段階 AI リサーチを徹底解説
Deep Research は Gemini のエージェント型リサーチモードで、テーマを自律的に調べ上げます。調査計画を立て、Web を検索し、複数の情報源を読み込み、得られた発見を引用付きの構造化レポートにまとめます。学習データをもとに答える通常の回答と違い、Deep Research は最新の情報を能動的に取りにいきます。
TL;DR 要点まとめ
- 位置づけ：Gemini に内蔵されたエージェント型の調査ワークフロー。一度起動すれば 1〜5 分ほど自走し、数十件の情報源にあたります。
- 典型的な成果物：目次、章立て、要点、本文中の引用（脚注・リンク）を備えた構造化 Markdown レポート。そのままメールで送ったり、ドキュメントに取り込んだりできます。
- 計画が先：まず編集可能な調査計画（どの小問を調べ、どの情報源に当たるか）が提示され、ユーザーが確認・修正してから実行に移ります。
- コストの壁：多段階の調査は通常の対話よりはるかに推論コストが高いため、Gemini Advanced（月 $19.99）の契約に限定されています。
- 競合の位置：Perplexity Deep Research、ChatGPT Deep Research、Claude のウェブ検索、You.com Pro Search が比較対象です。
- 出力形式：Markdown レポート、Google ドキュメントへの直接書き出し、Canvas に取り込んでさらに制作。
Deep Research では何ができますか？
Deep Research が行うのは一件の調査です。通常の質問応答は学習データに基づく推測か、せいぜい数件の検索要約をつなぎ合わせたものにすぎません。Deep Research はリアルタイムの Web を検索し、複数のページを最後まで読み、情報を突き合わせ、矛盾を見つけ、検証可能な発見と出典リンクを出力します。
起動すると Gemini はまず調査計画（調べるべき小問の一覧と進め方）を作ります。ユーザーはそれを確認し、問いを足したり削ったり、優先度を変えたりしてから実行できます。実行に入るとシステムは自走モードになり、1〜5 分（複雑なテーマでは 10 分超）かけて検索し、読み、手がかりを追い、レポートを組み立てます。出力は章見出し・箇条書きの要点・本文中の引用を備えた構造化 Markdown レポートで、チャットの返信より社外共有・社内報告・引用に向いています。
典型的な用途は 4 つです。市場調査（「2026 年 Q1 の世界 EV 販売台数上位 10 ブランドのシェア推移と戦略を調べて」）、競合分析（「Notion、Obsidian、Logseq の 3 つのノートアプリを AI 連携の観点で比較して」）、学術の前段階（「2024〜2026 年の長い文脈を扱う AI モデルの研究動向をレビューして」）、技術選定（「2026 年のクロスプラットフォームなデスクトップ基盤：Electron、Tauri、Flutter Desktop、Qt の長所と短所を調べて」）です。
Deep Research はどのように動いていますか？
Deep Research はエージェント型のシステムで、4 つの段階を自律的に進みます。
計画段階——Gemini が質問を分析して小問に分解し、適した情報源の種類（学術論文、業界レポート、ニュース、公式ドキュメント、コミュニティの議論）を選び、調査計画を生成します。計画は編集可能な形で提示され、ユーザーが修正できます。
検索・収集段階——計画に沿って構造化された Web 検索を実行し、数十件の候補ページを訪れ、関連する段落を抽出して文脈ごと保持します（検索エンジンが返す抜粋だけではありません）。PDF、学術データベース、公式ドキュメントは深く読み込みます。
統合段階——複数の情報源をひとつの筋の通った記述にまとめ、情報源どうしの矛盾を処理し（数値が食い違う場合は明示します）、不確かさを注記します（「A の資料では……だが、B の資料では……」）。
引用段階——事実の主張ごとに元の情報源へリンクを張り、脚注や括弧リンクの形で示して検証と追跡を可能にします。レポート末尾には参考文献の一覧が付きます。
通常の検索補助（数件の結果を見て回答を補う）との本質的な違いは、Deep Research が数十件の情報源にわたる多段階の調査を行い、チャットのメッセージではなく文書を生み出す点にあります。
技術的には、Gemini 3 のモデルに調査の進行役と、検索・ページ読み込みの道具が組み合わさっています。進行役は調査計画に沿って、次に何を検索するか、どのページを読むかを一手ずつ決め、途中の発見は中間まとめに集約されるため、数十回検索しても文脈があふれません。単純な「一度検索して答える」構成とはまったく別物で、推論コストは倍増しますが結果の質は別次元に上がります。
競合のリサーチエージェントとどう違いますか？
| 製品 | ベンダー | 所要時間の目安 | 情報源の数 | 出力形式 | 価格 |
|---|---|---|---|---|---|
| Gemini Deep Research | 1〜5 分 | 30〜100 件超 | Markdown レポート + Docs 書き出し | Gemini Advanced 月 $19.99 | |
| ChatGPT Deep Research | OpenAI | 5〜30 分 | 50〜200 件超 | Markdown + Word 書き出し | ChatGPT Pro 月 $200（枠込み） |
| Perplexity Deep Research | Perplexity | 2〜4 分 | 30〜50 件 | Markdown + PDF | Perplexity Pro 月 $20 |
| Claude + ウェブ検索 | Anthropic | 即時 | 10〜30 件 | 引用付きの回答 | Claude Pro 月 $20 |
| You.com Pro Research | You | 1〜3 分 | 20〜40 件 | レポート形式 | You Pro 月 $15 |
方向性の違いは明確です。ChatGPT Deep Research は深さが最強（30 分走り、200 件超を引用）ですが、価格の壁が高く（Pro 月 $200）待ち時間も長い。Perplexity は最速で引用体験が最も良い（段落単位で出典ページへ飛べます）。Gemini Deep Research は速度・深さ・価格のバランスが最も良く、Canvas やドキュメントの作業へ切れ目なくつながります。Claude のウェブ検索 は多段階のエージェント動作をせず、「強化版の質問応答」に近い位置づけです。
Perplexity Deep Research との細かな違いも触れておく価値があります。Perplexity の強みは「文章の脇にある脚注が出典の該当段落までピンポイントで飛ぶ」引用の細かさ。Gemini Deep Research の脚注は「主張ひとつがページ全体を指す」形なので、段落を特定するには手元で検索する必要があります。一方で Gemini は調査の幅が広く、同じテーマで 80〜100 件を掘り当てるのに対し、Perplexity は 30〜50 件が普通です。言い換えれば、Perplexity は「すぐ使える答えが欲しい」とき、Gemini は「社内レポートに育てられる下書きが欲しい」ときに向きます。
どんな人がどう使っていますか？
投資アナリスト：四半期前の準備として業界の深掘りを行います。「2026 年 Q1 の世界のデータセンター液冷技術ベンダー、市場シェア、技術路線、資金調達を調べて」と指示し、15 ページの構造化レポートを投資委員会資料の出発点にします。応用として、まず広く調べてベンダー一覧を得てから、各社ごとに絞った調査（「◯◯社の 2024〜2026 年の資金調達、特許、主要顧客」）を回すと、いきなり「業界分析を書いて」と頼むよりはるかに構造が整います。
プロダクトマネージャー：新機能の起案前に競合を調べます。「Figma、Sketch、Penpot の共同デザインと AI 連携の最新状況を比較して」と頼めば、主張ごとに元リンクが付いてきます。出てきたレポートをそのまま Canvas に取り込んで比較表にし、PRD や RFC の「市場の現状」章に埋め込めば、メンバーが各自で調べ直す重複作業がなくなります。
研究者：文献レビューの前段階に使います。「2024〜2026 年の拡散モデルによる動画生成の主要論文と指標の進展をレビューして」と頼み、自分が精読する出発点にします。Deep Research は専門家の精読を置き換えませんが、「ゼロから何を読むべきか分かるまで」の時間を大幅に短縮します。典型的な失敗は問いが広すぎること（「深層学習をレビューして」）——古い教科書的な内容に戻ってしまい精度が落ちます。「2025〜2026 年の主要国際会議における動画拡散モデルの新手法」のように期間と会議を絞ると、成果物の質は格段に上がります。
法務・コンプライアンス：「EU AI Act と米国カリフォルニア州 SB 1047 の基盤モデル義務の異同を比較して」と頼み、条文番号付きの逐条対照表を得ます。以前は外部の法律事務所に数万ドルで依頼していた種類の作業が、Deep Research に下書きを作らせて弁護士は法的判断と検証に集中する形になり、コストが一桁下がります。
記者・コンテンツ制作者：深掘り記事の前の背景調査に使います。「テスラの 2026 年の自動運転に関する訴訟を調べて」と頼み、出来事の時系列と出典一覧を得ます。
教師・学生：授業準備や卒業論文のテーマ選びの段階で、「ChatGPT が高等教育の評価方法に与えた影響（2023〜2026）をレビューして」と頼み、その後の精読と引用の入口にします。
技術選定：新しい構成を採用する前に、「Next.js 15、Remix、SvelteKit、Astro を SEO・開発体験・エコシステムの成熟度で比較して」と頼み、コード例へのリンク付きで受け取ります。
Deep Research にできないことは何ですか？
現時点でできないのは 5 つです。リアルタイムの金融データ（株価や為替の即時値には専用データ源が必要で、公開 Web を基にする Deep Research は遅れます）、有料記事の中身（Bloomberg、Financial Times、Nature の有料記事は全文を読めず要約止まりです）、社内の非公開ナレッジ検索（自社の内部ナレッジベースにはアクセスできず、Personal Intelligence や連携アプリの併用が必要です）、複雑なデータ可視化（レポートは文章と引用で、図表は作りません。インフォグラフィックにするには Canvas へ渡します）、英語以外の深い一次情報（英語の情報源が最も厚く、それ以外の言語だけで深掘りすると浅くなりがちです）。
既知の制約もあります。1 日の実行回数はアカウント等級で異なり（Advanced でおおむね 5〜20 回／日）、レポートの長さは Markdown で 30 ページ程度が上限のため、大きすぎるテーマは複数の小調査に分ける必要があります。方針フィルターにより、機微な話題（医療診断、法律助言、金融取引）では断定的な表現が弱まるので、最終判断はユーザー側で行ってください。
多段階の作業にありがちな失敗も 3 つ挙げておきます。ひとつは計画段階での小問の分解が大まかすぎて、後続の 80 件の情報源がどれも一般論で終わること。ふたつめは矛盾する情報源に出会ったとき、重み付けした判断を出さずに「両論併記」に流れること。読む側が批判的な視点で取捨選択する必要があります。みっつめは専門領域（生物医学、高度な数学）の用語解釈がときどき混線することで、突き合わせ確認は必須です。
Windows ではどう使えばよいですか？
Google は今もネイティブの Gemini Windows アプリを出していません。2026-04-14 に公開された「Google app for desktop」は Alt+Space の検索オーバーレイに過ぎず、Deep Research のクライアントではありません。Windows で Deep Research を使って構造化された調査を行い、レポートをローカル保存したり OneNote／Notion／Obsidian に取り込んだりしたいなら GeminiDesktop をおすすめします。ネイティブの Windows バイナリで 20MB の上限もなく、日本語 UI に対応し、レポートをそのまま Markdown ファイルとして書き出せます。詳しくは Windows インストールガイドと Google app との比較をご覧ください。
よくある質問
Q：Deep Research のレポートは正確ですか？ A：引用元をたどれることが Deep Research の設計の核で、事実の主張はクリックして元ページへ戻れます。ただし情報源そのものが誤っていたり、古かったり、偏っていたりする可能性はあり、まとめる過程で読み違えることもあります。重要な判断では引用を人の目で確認してください。
Q：Gemini の利用枠を大きく消費しますか？ A：します。1 回の調査にかかる計算コストは通常の対話のおよそ 50〜100 倍です。Advanced の 1 日あたりの回数はおおむね 5〜20 回、Pro ではさらに増えます。無料ユーザーは利用できません。
Q：情報源を指定できますか？ A：指示文で「.edu と .gov のドメインのみ」「Nature、Science、IEEE を優先」といった制限を付けられ、Deep Research はできるだけ従います。ただし有料記事や非公開データベースにはログインできません。もうひとつよく使う制限は期間で、「2025 年以降に公開されたものだけを参照して」は変化の速い技術領域を追うときに重要です。
Q：出力されたレポートは編集できますか？ A：できます。レポートは Markdown 形式なので、Canvas に取り込んで文書として作り直す、Google ドキュメントへ書き出して編集を続ける、Notion や Obsidian に貼り付ける、いずれも可能です。Nano Banana 2 と組み合わせれば、レポートにインフォグラフィックを添えて図と文の完成物に仕上げられます。
Q：NotebookLM との違いは何ですか？ A：Deep Research は公開 Web を対象にした調査で、インターネットから出発します。NotebookLM はあなたがアップロードした PDF・文書・動画という私的な資料に対する質問応答です。役割は補完的で、背景調査は Deep Research、精読とノート統合は NotebookLM という使い分けになります。
Q：日本語での調査に対応していますか？ A：対応していますが、情報源の主体は依然として英語です（日本語の深い一次情報は比率が低めです）。国内の業界動向のようなローカルな話題は、他のツールと併用するか日本語の情報源を直接あたることをおすすめします。
Q：調査の途中で方向を変えられますか？ A：計画段階では編集できますが、「調査を開始」を押して実行に入ると変更できず、走り切ってから結果を踏まえて追加の問いを投げる形になります。そのため計画段階で数分かけて小問の一覧をよく見直してください。ここがレポート全体の質を決める分かれ目です。
Q：日本語で質問して英語のレポートを出せますか？ A：できます。指示文の最後に「最終レポートは英語で出力し、章見出しと引用もすべて英語で」と添えれば、そのとおりに従います。逆も同様で、日本語で質問し、日本語出力を指定し、英語の情報源を使わせるのは、多言語で書く人の定番の進め方です。
関連記事
- Gemini Canvas とは？——Deep Research の次に続く可視化と制作のワークフロー
- Personal Intelligence とは？——あなたの好みに合わせて調査の方向を調整する
- Nano Banana とは？——調査レポートにインフォグラフィックを添える
- Veo とは？——調査結果を解説動画に仕立てる
- Gemini for Mac 100 日 100 機能レビュー
- Windows ネイティブ Gemini アプリ完全ガイド
- Google が作らなかった Gemini Windows クライアント
デスクトップでの体験
GeminiDesktop は macOS（Intel／Apple Silicon）、Windows、Linux 向けのバイナリで、クロスプラットフォームなネイティブ Deep Research 体験を提供します。デスクトップから調査を始め、集中できるウィンドウで調査計画を確認し、引用付きの構造化レポートを受け取って、そのまま Markdown ファイルとして保存したりローカルのノートに取り込んだりできます。ブラウザを経由する必要はありません。Google 公式の Windows 向け検索クライアント（比較）が英語中心で 20MB 制限を持つのに対し、GeminiDesktop は日本語・中国語・韓国語の UI と完全な Deep Research ワークフローに対応します。ダウンロードは geminidesktop.app から。