গুগোল এক গবেষণা পত্র প্রকাশ করেছে যেখানে এআই এজেন্টদের জন্য একটি চ্যালেঞ্জিং ডেটাসেট তৈরি করা হয়েছে যাতে গভীর গবেষণা কাজের জন্য প্রশিক্ষিত করা যায়। এই গবেষণা এজেন্টিক এআই গভীর গবেষণা কিভাবে কাজ করে এবং বিষয়বস্তুর অপটিমাইজেশনের ক্ষেত্রে এর প্রভাব নিয়ে বিস্তারিত আলাপ করে। এই পত্রটি "SAGE" নামে একটি পদ্ধতির পরিচিতি দেয়, যার অর্থ Steerable Agentic Data Generation for Deep Search with Execution Feedback—একটি “ডুয়েল-এজেন্ট” সিস্টেম যা জটিল প্রশ্ন-উত্তর জোড়া তৈরি করে এআই অনুসন্ধান এজেন্টদের প্রশিক্ষণের জন্য। পূর্বের ডেটাসেট যেমন Musique, HotpotQA এবং Natural Questions (NQ) বেশি সংখ্যক যুক্তি ধাপের জন্য তৈরী হয়নি (প্রতি প্রশ্নের গড় অনুসন্ধান সংখ্যা: Musique ২. ৭, HotpotQA ২. 1, NQ ১. ৩), যার ফলে এআই এজেন্টদের জন্য এমন দীর্ঘস্থায়ী, বহু-ধাপের গভীর অনুসন্ধান প্রশ্নের জন্য প্রশিক্ষণের কোনও ব্যবস্থা ছিল না। SAGE এই সমস্যার সমাধান করে যখন একজন এআই কড়া প্রশ্ন তৈরি করে যা বহু যুক্তি ধাপ প্রয়োজন হয়, তখন অন্য “গবেষণা এজেন্ট” চেষ্টা করে সেগুলোর উত্তর দিতে, এবং প্রশ্নের জটিলতা ও কার্যকারিতা (অনুসন্ধান ধাপ এবং ব্যবহৃত ডকুমেন্টসমূহ) সম্পর্কে প্রতিক্রিয়া দেয়। যদি দ্বিতীয় এআই খুব সহজে উত্তর দিতে পারে বা ব্যর্থ হয়, তবে এই কার্যকারিতা ট্রেসগুলো প্রথম এআই-কে ফেরত পাঠায়, যাতে এটি শর্টকাটগুলো চিহ্নিত করতে পারে যা যুক্তি জটিলতা কমায়। গবেষকরা চারটি গুরুত্বপূর্ণ শর্টকাট চিহ্নিত করেছেন যা এআই এজেন্টদের গভীর অনুসন্ধান এড়াতে সহায়তা করে: 1. **তথ্য সহাবস্থান (৩৫%)**: প্রয়োজনীয় তথ্য কাগজ বা ডকুমেন্টের একই স্থানে থাকা, ফলে কম অনুসন্ধান হয়। 2. **একক অনুসন্ধানে সমন্বয় (২১%)**: একটি কার্যকরী অনুসন্ধান এক ধাপে বিভিন্ন ডকুমেন্ট থেকে পর্যাপ্ত তথ্য বের করে আনে। 3.

**অতিরিক্ত জটিলতা দেখানো (১৩%)**: প্রশ্নগুলো দেখতে জটিল হলেও সরাসরি অনুসন্ধানে উত্তর দেওয়া যায়। 4. **অতি নির্দিষ্ট প্রশ্ন (৩১%)**: খুব বিশদ প্রশ্নগুলো প্রথম অনুসন্ধানে উত্তর এনে দেয়, ফলে গভীর অনুসন্ধানের প্রয়োজন হয় না। এই শর্টকাটগুলো কীভাবে এআই এজেন্টরা গভীর যুক্তি ধাপ কমায় তা বোঝায় এবং এসইও-র জন্য মূল্যবান তথ্য দেয়। প্রকাশকদের জন্য, বিচ্ছিন্ন তথ্যগুলো (“তথ্য সহাবস্থান”) একত্র করে একটি পূর্ণাঙ্গ পেজে রাখা এআই-এর স্বাভাবিক "হপিং" কমাতে সাহায্য করতে পারে। বহু প্রশ্নের উত্তর একসাথে দেওয়া (“একক অনুসন্ধানে সমন্বয়”) এজেন্টদের দ্রুত সম্পূর্ণ সমাধানে সাহায্য করে, ফলে যুক্তি শৃঙ্খল কমে যায়। নির্দিষ্ট ডেটা, নাম বা গণনাগুলো সরাসরি শর্টকাট হিসেবে কাজ করে, যা দ্রুত উত্তর দেয় এবং এসইও লক্ষ্যগুলোকেও সমর্থন করে। যদিও এই এজেন্টিক এআই-র গভীর অনুসন্ধান নতুন চ্যালেঞ্জ আনছে, গুগল বলছে যে মূল এসইও কৌশল হলো ক্লাসিক সার্চে ভাল র্যাংকিং নিশ্চিত করা। কারণ এই গবেষণায় দেখা গেছে যে, এআই এজেন্টরা প্রতিটি প্রশ্নের জন্য প্রথম তিনটি র্যাংকড পেজ থেকে ফলাফল টানছে, যা গুগলের Serper API-র মাধ্যমে নির্ণীত। তাই, কন্টেন্ট স্রষ্টাদের উচিত: - মূলত ক্লাসিক সার্চের জন্য ওয়েব পেজ অপ্টিমাইজ করা। - সম্পূর্ণ এবং বিষয়বস্তুর দিক থেকে পুরোপুরি কাভারেজ নিশ্চিত করে প্রথম তিনের মধ্যে র্যাংকের জন্য কাজ করা। - সম্পর্কিত পেজসমূহে আন্তঃলিঙ্ক দেওয়া যাতে তারা ভালো র্যাংক পায় এবং মাল্টি-হপ গভীর গবেষণায় সহায়তা করে। - শুধুমাত্র এআই সার্চের জন্য অপ্টিমাইজেশনের দিকে মনোযোগ না দিয়ে, প্রচলিত সার্চ রেজাল্টের উপর জোর দেওয়া উচিত। সারসংক্ষেপে, যদিও এজেন্টিক এআই-র গভীর অনুসন্ধান নতুন চ্যালেঞ্জ তৈরি করেছে, এতে সার্চ অপ্টিমাইজেশনের জন্য সুসংগঠিত, ভালো নকশাকৃত বিষয়বস্তুর গুরুত্ব অপরিবর্তিত। এই গবেষণাপত্রটি গুগল ২০২৬ সালের ২৬ জানুয়ারি প্রকাশ করেছে, এবং এর শিরোনাম হল “SAGE: Steerable Agentic Data Generation for Deep Search with Execution Feedback।”