გუგლმა გამოაქვეყნა სამეცნიერო ნაშრომი დამაინტრიგებელი მონაცემთა ბაზის ჩამოსაყალიბებლად, რომელიც გამოიყენება AI აგენტების გამოსამზადებლად ადვილი არა, არამედ სიღრმისეულ კვლევით დავალებებზე, მოსწორებული ხედვების გაწევაზე თუ როგორ მუშაობს აგენტური AI-ის სიღრმისეული კვლევითი სისტემა და რა გავლენას ახდენს მასზე კონტენტის ოპტიმიზაცია. ნაშრომში წარმოდგენილია SAGE, რაც წარმოადგენს სტიერაბლ აგენტურ მონაცემთა გენერირების სისტემას სიღრმისეული ძიებისთვის სამუშაო გამოხმაურებით — “დუალ-აგენტური” სისტემას, რომელსაც შეუძლია რთული სავალდებულო კითხვების მომზადება AI-ს ძიების აგენტებისთვის. წინა მონაცემთა ბაზები, როგორიცაა Musique, HotpotQA და Natural Questions (NQ), შედგენილი იყო შედარებით მცირე თვალსაზრისით გამოთვლით ნაბიჯებით (საშუალო ძიებების რაოდენობა თითოეულ კითხვაზე: Musique 2. 7, HotpotQA 2. 1, NQ 1. 3), რაც გამოიწვევდა ისეთი სასწავლო დაუფარავდი, სადაც AI-ებს უჭირდათ მართვა ნამდვილად რთული, მრავალნაბიჯიანი სიღრმისეული ძიების შეკვეთები. SAGE ამ პრობლემას უმკლავდება: ერთი AI წერს სირთულეიანი კითხვებს, რომლებიც მოითხოვს რამდენიმე გამოთვლით ნაბიჯს და ძიებას, ხოლო მეორე “ძიების აგენტი” ცდილობს იპოვოს პასუხები, იმედზე დაფუძნებული კითხვების სირთულის და შესრულების გასაფორმებლად (ძიების ნაბიჯები და დოკუმენტები, რომლებიც გამოიყენება). როცა მეორე AI ძალიან იოლი ახერხებს კითხვებზე პასუხის გაცემას ან ვერ ახერხებს, შესრულების მსუბუქი ხატები უკავშირდებიან პირველ AI-ს, ეხმარებათ იდენტიფიცირება shortcuts-ების, რომლებიც ცვლის გამოთვლითი სიღრმისეულს. მოძებნილმა მკვლევრებმა გამოავლინეს ოთხი ძირითადი shortcut, რომელიც ამოიცნობს AI აგენტებს სიღრმისეული კვლევის თავიდან ასაცილებლად: 1. **ინформაციის თანა განლაგება (35%)**: ძირითადი ინფორმაცია, რომელიც დასჭირდება კითხვაზე პასუხის გაცემას, ერთ დოკუმენტშია, რაც ხდის შემცირების პროცესს ძიების რაოდენობის. 2. **მრავალსაკვანძო ერთიანი ძიება (21%)**: ერთი ეფექტიანი ძიებით შეკითხვა შეიძლება სრულიად პასუხი იპოვოს სხვადასხვა დოკუმენტში ერთ ნაბიჯში. 3. **ზოგადი სირთულის შთაბეჭდილება (13%)**: კითხვები გართულად გამოიყურება, თუმცა უშუალოდ პასუხის მიღება შეიძლება ძიებით, შუამავლობით გამოთვლითი ნაბიჯების გარეშე. 4.

**მკაცრი ზუსტი შეკითხვები (31%)**: დეტალური კითხვები პირველ ძიებაში იძლევა პასუხებს, რასაც აღარ სჭირდება სიღრმისეული კვლევა. ეს shortcuts აძლიერებს იმის ახსნას, როგორ ამცირებენ AI აგენტები სიღრმისეული გამოთვლითი ნაბიჯების რაოდენობას და იძლევა SEO-სთან დაკავშირებულ მნიშვნელოვან შეტყობინებებს. გამომცემლებმა, რომ განავრცონ სხვადასხვა ფაქტები (“ინფორმაციის თანა განლაგება”) ერთ გვერდზე, შეამცირებენ AI-ს საჭიროებას “გადასვლიან” კონკურენტთა საიტებთან. შინაარსის სტრუქტურირება იმისთვის, რომ დააკმაყოფილოს რამდენიმე ქვესადაგება ერთად (“მრავალსაკვანძო ერთიანი ძიება”) ამცირებს გამოსაყენებელ რეალურ დროში გამოთვლებს და გრაფის სიღრმისეული გამოთვლითი სირთულის შემცირებას. მეჭამოების ძირითადი მონაცემების მიწოდება — თარიღები, მასალები, სახელები — ემსახურება shortcuts-ებს, რომლებიც სწრაფად მიუწვდება უყურადღებ<m елипევი> რომანი პასუხებს და შესაბამისია SEO-ს მიღწევებისთვის. ამ აგენტურ AI-თან დაკავშირებული ამოცანების მიუხედავად, ნაშრომი ხაზს უსვამს, რომ მთავარი SEO-ადირჟობდა კვლავ უნდა იყოს კლასიკური ძიება, რადგან კვლევაში გამოყენებული AI აგენტებია, რომლებიც იღებენ შედეგებს საძიებო უტილობა Google-ის Serper API-ის საშუალებით, და შედეგები ამოიცნობენ პირველ სამ შედეგს, რომელიც მიღებულია შესაბამისი შეკითხვებისთვის. შესაბამისად, შინაარსის შემქმნელებმა უნდა: - ოპტიმიზირდეს ვებგვერდები ძირითადად კლასიკური ძიებისთვის. - გახდნენ მაქსიმალურად კომპლექსი და ზუსტი, რისთვისაც უნდა დაიკავონ პოზიცია ტოპ სამ შედეგში. - შექმნან შუქმცნობი ბმულები დაკავშირებულ გვერდებთან, რათა გაძლიერდეს ეპტ, მათი რეიტინგი და განავითარონ სიღრმისეული კვლევა. - არ უნდა გადაჭარბებდეს AI ძიების ოპტიმიზაციას, რადგანაც სისტემა ჯერ დამოკიდებულია კლასიკურ ძიების რეიტინგზე. შედეგად, მიუხედავად აგენტური AI-ს სიღრმისეული ძიების ახალი გამოწვევებისა, SEO-ს სტრატეგიები, რომლებიც აგებულია სიღრმისული, კარგად სტრუქტურირებული და სრულყოფილი შინაარსით, კვლავ ეფექტოვანია. კვლევა, რომელიც გამოქვეყნებულია Google-ის მიერ 2026 წლის 26 იანვარს, ხელმისაწვდომია როგორც “SAGE: Steerable Agentic Data Generation for Deep Search with Execution Feedback”