【第2回】Deep Researchって何？ そして「丸投げ失敗」はなぜ起きるの？
1. Deep Researchは“かしこい検索＆要約＋お試し実行”がセットになった機能
1-1. 普通のチャットAIとのちがい
比較項目 ふつうの ChatGPT Deep Research 付き ChatGPT 知識の取り込み 学習データ（2025年夏ごろまで） 聞かれた瞬間にネット検索→要約 コード実行 なし／限定的 Python がその場で動く 出力までの流れ “頭の中”だけで回答 <検索>→<要約>→<コード試行>→回答
つまり
Deep Research は “AI 版：調べながらノートPCで実験する助手”。
1-2. データ分析で何がうれしい？
最新のライブラリ事情をすぐ拾ってくれる
「似たようなコンペで効果があったテクニック」を自動で引用
サンプルコードをその場で 動かして グラフや数字を見せてくれる
Python 初心者でも「動く雛形」がすぐ手に入るため、“写経→実行”のハードルがグッと下がるわけです。
2. データコンペは3つの山を越えるゲーム
山①：データを理解する（EDA）
山②：ベースラインモデルを作る
山③：スコアを磨き上げる（チューニング & アンサンブル）
コツ
「今、どの山を登っているのか？」を AI に伝えるだけで、返ってくる提案が一気に的確になります。
3. なぜ「全部任せ」がコケる？ よくある失敗5パターン
# 失敗あるある どうなる？ ひとこと対策 1 ゴールがあいまい 出力がフワッとする 数値目標を先に言う 2 データを渡さない AI が想像で語る 少なくとも列名＆サンプル行を渡す 3 1回で全部やらせる token 超過／途中で切れる 工程を小分け 4 スコアを共有しない 改善ループが止まる LB結果を貼る 5 長時間の自動運転 深夜にエラーで止まる 30分ごとに確認
⚠ 一番多いのは「1プロンプトに詰め込みすぎ」問題。
4. 成功パターン：“小分け＆往復”4ステップ
Step0: 目標と制約を決めてメモ（人）
Step1: データをざっくり見てもらう（AI）
Step2: 戦い方プランを一緒に立てる（人＋AI）
Step3: コードを書いて走らせる（AI）→ スコアを返す（人）
↑───────ここを2〜3回ループ────────↑
ポイントは 人間がやることは「決める・評価する」だけ に絞ること。
これなら Python がちょっと書けるレベルでも十分回せます。
5. ここまでのまとめ
Deep Research は “検索＋要約＋実験” がワンセットのスーパー助手
コンペには「理解 → 作る → 仕上げる」の3段階がある
丸投げはNG、小分けで振るとOK
数字目標とデータの一部を渡す→結果を返す→改良案をもらう、を繰り返すだけで 中位スコア は射程圏内