Google đã công bố một bài nghiên cứu về việc phát triển một bộ dữ liệu thách thức để huấn luyện các tác nhân AI cho các nhiệm vụ nghiên cứu sâu, cung cấp cái nhìn về cách hoạt động của AI nghiên cứu sâu có tính điều hướng và những tác động đến tối ưu hóa nội dung. Bài báo giới thiệu SAGE, viết tắt của Steerable Agentic Data Generation for Deep Search with Execution Feedback — một hệ thống “hai tác nhân” tạo ra các cặp câu hỏi-đáp phức tạp để huấn luyện các tác nhân tìm kiếm AI. Các bộ dữ liệu trước đó như Musique, HotpotQA và Natural Questions (NQ) chỉ liên quan đến số bước suy luận tương đối ít (trung bình mỗi câu hỏi có: Musique 2, 7, HotpotQA 2, 1, NQ 1, 3), để lại một khoảng trống trong việc huấn luyện các tác nhân AI xử lý các truy vấn tìm kiếm sâu thực sự khó, nhiều bước. SAGE giải quyết vấn đề này bằng cách để một AI viết các câu hỏi thử thách đòi hỏi nhiều bước suy luận và tìm kiếm, trong khi AI thứ hai “tác nhân tìm kiếm” cố gắng trả lời chúng, cung cấp phản hồi về độ khó của câu hỏi và quá trình thực thi (các bước tìm kiếm và tài liệu sử dụng). Khi AI thứ hai giải quyết câu hỏi quá dễ hoặc thất bại, các dấu vết thực thi được phản hồi cho AI đầu tiên, giúp nó nhận diện các shortcut giảm độ phức tạp của suy luận. Các nhà nghiên cứu đã xác định bốn shortcut chính giúp AI tránh phải thực hiện các bước nghiên cứu sâu: 1. **Địa điểm thông tin trùng khớp (35%)**: Các phần chính cần để trả lời câu hỏi nằm trong cùng một tài liệu, giúp giảm số lần tìm kiếm. 2. **Thu gọn nhiều truy vấn (21%)**: Một truy vấn tìm kiếm hiệu quả duy nhất có thể lấy đủ thông tin từ các tài liệu khác nhau chỉ trong một bước. 3. **Phức tạp trên bề mặt (13%)**: Các câu hỏi có vẻ phức tạp nhưng thực ra có thể trả lời trực tiếp bằng tìm kiếm mà không cần suy luận trung gian. 4.

**Câu hỏi quá cụ thể (31%)**: Các câu hỏi chi tiết cao dẫn đến kết quả ngay trong lần tìm đầu tiên, không cần thăm dò sâu hơn. Những shortcut này giải thích cách AI giảm thiểu các bước suy luận sâu và cung cấp những hiểu biết liên quan đến SEO. Đối với các nhà xuất bản, việc tập hợp các thông tin rải rác ("Địa điểm thông tin trùng khớp") thành một trang tổng hợp có thể giảm nhu cầu của AI phải “nhảy” sang các trang cạnh tranh. Cấu trúc nội dung để trả lời nhiều câu hỏi con cùng lúc ("Thu gọn nhiều truy vấn") giúp AI tìm ra câu trả lời nhanh hơn, rút ngắn chuỗi suy luận. Cung cấp các dữ liệu cụ thể như ngày tháng, phép tính, tên gọi có thể được xem như những shortcut giúp AI tới câu trả lời nhanh hơn, phù hợp với mục tiêu SEO. Dù có những hiểu biết về AI nghiên cứu sâu mang tính điều hướng, bài báo nhấn mạnh rằng mục tiêu chính của SEO vẫn là xếp hạng tốt trong tìm kiếm truyền thống, vì các tác nhân AI này lấy kết quả từ top 3 trang xếp hạng theo mỗi truy vấn, dựa trên API của Google Serper. Do đó, các nhà sáng tạo nội dung cần: - Tối ưu trang web chủ yếu cho tìm kiếm truyền thống. - Cố gắng bao gồm đầy đủ và phù hợp để nằm trong top 3 kết quả. - Liên kết nội bộ đến các trang liên quan để giúp chúng cũng đạt thứ hạng tốt và khả năng hỗ trợ nghiên cứu sâu nhiều bước. - Tránh tập trung quá nhiều vào tối ưu hóa cho AI tìm kiếm hiện tại, vì hệ thống dựa chủ yếu vào xếp hạng tìm kiếm truyền thống. Tóm lại, dù nghiên cứu về AI nghiên cứu sâu mang đến những thách thức mới, các chiến lược SEO tập trung vào nội dung toàn diện, cấu trúc hợp lý và tối ưu cho tìm kiếm truyền thống vẫn là những cách hiệu quả. Nghiên cứu này do Google công bố ngày 26 tháng 1 năm 2026, mang tên “SAGE: Steerable Agentic Data Generation for Deep Search with Execution Feedback. ”