Perplexity AI — Il Motore di Ricerca che Risponde invece di Linkare

Cos'è: Perplexity AI è un motore di ricerca conversazionale lanciato in beta nel dicembre 2022 da Aravind Srinivas (ex ricercatore DeepMind e OpenAI) insieme a Denis Yarats, Johnny Ho e Andy Konwinski. Invece di restituire una lista di link, produce risposte sintetiche con citazioni numeriche inline, consentendo all'utente di verificare ogni affermazione alla fonte originale.

Il problema che Perplexity vuole risolvere

Google ha dominato la ricerca web per vent'anni con un'interfaccia concettualmente immutata: digiti una query, ottieni dieci link blu, clicchi, leggi, torni, clicchi di nuovo. È un'interfaccia pensata per una rete di documenti statici, non per un utente che vuole risposte. Perplexity parte da una premessa radicale: la maggior parte delle query di ricerca ha una risposta migliore di una lista di URL. "Qual è la capitale della Finlandia?" non richiede dieci siti — richiede una parola. Ma anche domande più complesse, come "Quali sono le migliori librerie Python per analisi di serie temporali nel 2024?", beneficiano di una sintesi strutturata più che di dieci tab aperti.

Come funziona tecnicamente: RAG in tempo reale

Perplexity utilizza un'architettura RAG — Retrieval-Augmented Generation — applicata in tempo reale al web aperto. Quando invii una query, il sistema esegue una ricerca live su più fonti (siti web, articoli, documenti), estrae i passaggi rilevanti, li inserisce nel contesto di un Large Language Model e genera una risposta sintetica. Ogni affermazione è collegata a una citazione numerata: [1], [2], [3] — puoi cliccare su qualsiasi numero per vedere la fonte esatta da cui deriva quella informazione.

Questo è il distinguishing factor rispetto a ChatGPT con browsing: quando ChatGPT risponde citando il web, le citazioni sono spesso vaghe o mancanti. Perplexity costruisce la risposta intorno alle citazioni — ogni claim ha una fonte verificabile, il che riduce drasticamente (ma non elimina) il rischio di allucinazioni non rilevabili.

Aravind Srinivas e la visione dell'"answer engine"

Srinivas, cresciuto accademicamente tra IIT Madras, UC Berkeley e con esperienze in OpenAI e DeepMind, ha rifiutato deliberatamente la parola "search engine" per descrivere Perplexity. Il termine scelto è "answer engine" — un cambio di framing che implica un contratto diverso con l'utente: non "ti mostro dove potrebbe esserci la risposta", ma "ti do la risposta, con le prove". Jeff Bezos è tra gli investitori del progetto, insieme a fondi come NEA e Nvidia. La valutazione di Perplexity ha raggiunto $9 miliardi nel 2024, con oltre 15 milioni di utenti attivi mensili.

Funzionalità principali

Pro Search è la modalità avanzata che esegue più cicli di ricerca, pone domande di chiarimento quando la query è ambigua e produce risposte più approfondite. Spaces consente di creare ambienti di ricerca personalizzati su un corpus definito dall'utente — un repository GitHub, una raccolta di PDF, una knowledge base aziendale — portando la logica di Perplexity su dati proprietari. L'API di Perplexity consente di integrare le sue capacità in applicazioni terze.

Il modello di business è diretto: piano gratuito con limiti di utilizzo, piano Pro a $20/mese con Pro Search illimitato, accesso a modelli più potenti e maggiore limite di upload. È un confronto diretto con il Google One AI Premium a $20/mese.

La risposta di Google: AI Overviews

Google non è rimasta ferma. Con AI Overviews (precedentemente chiamato Search Generative Experience, SGE), Google ha integrato risposte AI sintetiche nella SERP tradizionale, sopra i link organici. Il lancio completo negli Stati Uniti è avvenuto a maggio 2024, con risultati controversi: alcuni AI Overview contenevano errori clamorosi (ad esempio consigliare di mettere colla sulla pizza per far aderire il formaggio — una risposta estratta da un post satirico di Reddit). Questo ha evidenziato il rischio principale di tutti questi sistemi: la velocità di sintesi può sopravanzare la capacità di discernimento qualitativo delle fonti.

La controversia con i publisher: il problema del "last mile"

Il modello di Perplexity ha sollevato critiche crescenti da parte dell'industria editoriale. La logica tradizionale del web è: Google mostra un'anteprima, l'utente clicca, il publisher riceve traffico, vende pubblicità, sopravvive. Perplexity rompe questa catena: risponde direttamente, l'utente non clicca, il publisher non riceve traffico ma il suo contenuto viene comunque consumato (attraverso scraping e sintesi). Forbes, Condé Nast e altri publisher hanno accusato Perplexity di violare i termini di servizio dei propri robots.txt e di operare sostanzialmente come un aggregatore di contenuti senza compensazione.

Perplexity ha risposto annunciando un programma di revenue sharing con i publisher e rispettando più rigorosamente i file robots.txt — ma il problema strutturale rimane aperto: in un mondo dove le AI rispondono direttamente, chi produce i contenuti originali su cui quelle AI si basano ha un incentivo economico sempre più fragile.

Il dilemma delle citazioni allucinatorie

Un problema sottile ma critico riguarda l'accuratezza delle citazioni stesse. Studi indipendenti hanno mostrato che anche sistemi con citazioni inline come Perplexity producono talvolta citazioni allucinatorie: la fonte indicata esiste, ma non contiene l'affermazione attribuita, oppure la esprime in modo sostanzialmente diverso. L'utente, fidandosi del meccanismo di citazione, non verifica — e questo crea una falsa sensazione di affidabilità. Il problema è più insidioso delle allucinazioni classiche, dove l'assenza di fonte è almeno un segnale d'allarme visibile.

---