Perplexity Pages e Spaces — Da Answer Engine a Research Workspace

Cos'è: Perplexity nasce nel 2022 come "answer engine" — un motore di ricerca alternativo che restituisce risposte sintetiche con citazioni invece di una lista di link. Nel 2024 l'azienda ha esteso il prodotto in due direzioni: Pages (maggio 2024) per la generazione di articoli long-form di ricerca con citazioni, e Spaces (ottobre 2024) per la collaborazione su corpus documentali condivisi. L'evoluzione segna il passaggio da Q&A semplice a una research suite completa, con una valutazione che a dicembre 2024 raggiunge $9 miliardi grazie a un round che include Jeff Bezos tra gli investitori.

Pages: il long-form research come prodotto

Lanciato a maggio 2024, Perplexity Pages è una funzione che permette di trasformare una domanda di ricerca in un articolo strutturato di diverse pagine, con sezioni titolate, immagini integrate e citazioni inline. L'utente inserisce un argomento, eventualmente specifica il pubblico target (esperti, principianti, decisori aziendali) e il tono desiderato, e il sistema produce un documento coerente che assembla informazioni da decine di fonti web indicate esplicitamente.

La differenza rispetto a una semplice risposta lunga è strutturale. Una Page ha una intestazione, una table of contents implicita, paragrafi raggruppati per tema, eventualmente bullet list e tabelle, immagini selezionate da fonti web pertinenti. Il risultato è più simile a un articolo Wikipedia che a una risposta di chatbot. Ogni affermazione è ancorata a una fonte cliccabile, e l'utente può modificare, aggiungere sezioni o rimuovere passaggi prima di pubblicare la Page con un URL condivisibile.

Il caso d'uso target è il ricercatore che vuole produrre un primer su un argomento — un analista finanziario che documenta un settore, un consulente che prepara un brief per un cliente, un giornalista che esplora una storia nuova. Perplexity Pages compete in questo spazio con tool come Genspark, You.com Research e — indirettamente — con NotebookLM di Google quando l'input è web invece che documenti personali.

Spaces: il workspace collaborativo con file upload

A ottobre 2024 Perplexity ha lanciato Spaces, la funzione che permette di creare ambienti di lavoro condivisi con un set di documenti caricati come contesto persistente e istruzioni personalizzate per il modello. Spaces è la risposta diretta di Perplexity ai Projects di Claude e ai Custom GPTs di OpenAI, ma con due differenze rilevanti: l'integrazione nativa con la ricerca web (Spaces può cercare sia nei documenti caricati sia online) e il supporto alla collaborazione multi-utente nativa.

L'architettura combina due primitive: una knowledge base locale (i file caricati dall'utente) e una search-on-the-fly web. Quando un utente fa una domanda dentro uno Space, il sistema decide dinamicamente se rispondere solo dai documenti, solo dal web o combinando entrambe le fonti. È un approccio ibrido che si presta a flussi di lavoro reali — un team di marketing che combina ricerche di settore esterne con le proprie linee guida interne, un team legale che incrocia normative pubbliche con contratti specifici.

Il confronto con NotebookLM di Google è inevitabile. NotebookLM è più focalizzato sui documenti caricati e produce output come l'Audio Overview, mentre Spaces resta più legato al modello web search di Perplexity. La scelta dipende dal caso d'uso: NotebookLM per analisi profonda di corpus chiusi, Spaces per workflow in cui le fonti esterne aggiornate sono critiche.

$9 miliardi di valutazione: Bezos, Wellington e la corsa al search

L'evoluzione di prodotto si è riflessa direttamente sulla traiettoria finanziaria. A dicembre 2024 Perplexity ha annunciato un round che ha portato la valutazione a $9 miliardi, con Jeff Bezos come investitore notevole insieme a Wellington Management, NVIDIA e altri attori istituzionali. La cifra è impressionante per un'azienda che a inizio 2024 era valutata $1 miliardo: una valutazione 9x in dodici mesi non è la norma neanche nello standard inflazionato dell'AI nel 2024.

La tesi degli investitori si basa su un'osservazione strategica: la generazione di risposte sintetiche sta erodendo lentamente le quote di mercato di Google search. Ogni domanda risposta da Perplexity (o da ChatGPT con search, o da Claude con web search) è una query in meno passata a Google, e quindi una opportunità di ads in meno. Se anche solo il 5-10% del search traffic globale migrasse a questi tool nel prossimo decennio, il valore di mercato dei vincitori sarebbe enorme. Perplexity si posiziona come il pure-play della categoria, mentre i rivali generalisti hanno l'AI search come funzione tra molte altre.

L'arrivo di Bezos è simbolico oltre che finanziario. Il fondatore di Amazon ha ridotto progressivamente la propria esposizione pubblica negli ultimi anni e seleziona con cura gli investimenti in cui mette il proprio nome. La sua presenza nel round di Perplexity è stata letta come un endorsement del segmento di mercato.

Le controversie: scraping, fair use e accordi con i publisher

Il 2024 di Perplexity non è stato solo crescita. A giugno 2024 Forbes ha pubblicato un'inchiesta dura accusando Perplexity di plagio strutturale: il tool avrebbe parafrasato articoli Forbes esclusivi senza accreditare correttamente la fonte, generando contenuti che competevano direttamente con gli originali sui motori di ricerca. A seguire, Wired ha lanciato accuse simili e ha mostrato che Perplexity stava bypassando i file robots.txt — il protocollo standard con cui i siti web indicano quali bot possono o non possono fare scraping del contenuto.

La risposta dell'azienda è stata in due tempi. Nel breve, il CEO Aravind Srinivas ha riconosciuto problemi di attribuzione e annunciato modifiche al modo in cui le citazioni vengono mostrate. Nel medio termine, Perplexity ha lanciato un programma di revenue sharing con editori: una quota dei ricavi pubblicitari del prodotto Perplexity sarebbe redistribuita ai publisher le cui fonti contribuiscono alle risposte. Tra i primi firmatari nel 2024 figurano Time, Fortune, Der Spiegel, The Texas Tribune e Le Monde.

Il modello di revenue sharing è uno dei tentativi più articolati nel settore di risolvere il problema strutturale del rapporto tra AI tool e produttori di contenuti originali. Resta da vedere se le cifre redistribuite saranno sufficienti a compensare il calo di traffico diretto sui siti dei publisher — il rischio classico per il giornalismo nell'era dei summarizer AI. Il New York Times, per esempio, ha scelto invece la via legale, citando in giudizio OpenAI e Microsoft per violazioni analoghe.

---