Perplexity AI je společnost se sídlem v San Francisku, založená v roce 2022, která provozuje vyhledávač založený na AI. Místo seznamu odkazů vrací napsanou odpověď, která shrnuje aktuální obsah webu a uvádí použité zdroje. Vedle bezplatné verze existují placené úrovně s možností výběru jazykových modelů a také AI prohlížeč Comet (stav k říjnu 2026). Pro firmy je Perplexity relevantní i proto, že mění způsob, jak se obsah na webu objevuje.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoVyhledávání s AI označuje způsoby vyhledávání, které využívají AI k pochopení záměru dotazu, vážení výsledků a často k vytvoření souhrnné odpovědi se zdroji, místo prostého seznamu odkazů. Technicky využívají vyhledávání podle klíčových slov, vektorové vyhledávání nad embeddingy nebo jejich kombinaci, často následované jazykovým modelem. Příkladem jsou odpovídací vyhledávače na webu a interní vyhledávání ve znalostech, které zaměstnancům pomáhá najít, co potřebují, v příručkách a směrnicích.
Optimalizace pro generativní vyhledávače (GEO) zahrnuje opatření, která pomáhají tomu, aby byl obsah viditelný v systémech vyhledávání s AI, například ChatGPT, Perplexity nebo AI přehledech ve vyhledávačích, a aby byl jimi citován jako zdroj. Pojem pochází z výzkumné práce z roku 2023. Klíčovými faktory jsou jasné, přímo citovatelné odpovědi, přehledná struktura, doložená fakta, aktuální informace a identifikovatelní autoři. GEO doplňuje klasickou optimalizaci pro vyhledávače (SEO), nenahrazuje ji.
Vyhledávání bez kliknutí (zero-click search) nastává, když uživatelé dostanou odpověď přímo na stránce s výsledky, například díky zvýrazněným odpovědním boxům nebo shrnutím generovaným AI, a už na žádný web neklikají. Pro firmy to snižuje návštěvnost, i když jejich obsah slouží jako zdroj. Důležitější proto je být viditelný jako citovaný zdroj: s jasnými odpověďmi, doloženými fakty a dobře strukturovanými stránkami.
Retrieval-augmented generation kombinuje vyhledávání s generováním textu: před odpovědí systém prohledá sbírku znalostí – například příručky, směrnice nebo časté dotazy – a relevantní pasáže předá jazykovému modelu jako kontext. Odpověď je tak založena na aktuálním obsahu specifickém pro firmu, a nikoli jen na znalostech z trénování modelu. Snižuje to vymyšlená tvrzení, zdroje jsou dohledatelné a aktualizace nevyžadují opakované trénování.
