Glossario

Perplexity AI

Che cos’è Perplexity AI?

Perplexity AI è un'azienda di San Francisco fondata nel 2022 che gestisce un motore di ricerca basato sull'IA. Invece di un elenco di link fornisce una risposta scritta che riassume contenuti web aggiornati e indica le fonti utilizzate. Oltre alla versione gratuita esistono piani a pagamento con diversi modelli linguistici selezionabili e il browser IA Comet (aggiornato a ottobre 2026). Per le aziende Perplexity è rilevante anche perché cambia il modo in cui i contenuti online vengono trovati.

Temi

ricerca IA
motore di risposta
fonti citate

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Ricerca IA

La ricerca IA indica metodi di ricerca che usano l'IA per cogliere l'intento di una richiesta, ponderare i risultati e spesso generare una risposta sintetica con fonti invece di un semplice elenco di link. Tecnicamente si basano su ricerca per parole chiave, ricerca vettoriale tramite embedding o una combinazione, spesso seguita da un modello linguistico. Esempi sono i motori di risposta sul web e le ricerche interne che aiutano i collaboratori a trovare informazioni in manuali e regolamenti.

Ricerca
Conoscenza
+1

Generative Engine Optimization (GEO)

La Generative Engine Optimization (GEO) comprende le misure che aiutano i contenuti a comparire, e a essere citati come fonte, nelle risposte dei sistemi di ricerca basati sull’IA come ChatGPT, Perplexity o le panoramiche IA dei motori di ricerca. Il termine nasce da un articolo di ricerca del 2023. Contano risposte chiare e citabili, una struttura ordinata, fatti documentati, informazioni aggiornate e autori riconoscibili. La GEO integra la SEO classica, senza sostituirla.

Ricerca IA
SEO
+1

Modello

Ricerca zero-click

Si parla di ricerca zero-click quando gli utenti ottengono la risposta direttamente nella pagina dei risultati, ad esempio tramite riquadri di risposta in evidenza o riassunti generati dall'IA, senza cliccare su alcun sito. Per le aziende questo riduce il traffico, anche quando i loro contenuti fungono da fonte. Diventa quindi più importante essere visibili come fonte citata: con risposte chiare, fatti documentati e pagine ben strutturate.

Modello

Retrieval-Augmented Generation (RAG)

La Retrieval-Augmented Generation unisce ricerca e generazione di testo: prima di rispondere, il sistema cerca in una raccolta di conoscenze, come manuali, linee guida o FAQ, i passaggi pertinenti e li fornisce al modello linguistico come contesto. La risposta si basa così su contenuti aziendali aggiornati e non solo sulle conoscenze apprese in addestramento. Questo riduce le affermazioni inventate, rende tracciabili le fonti e consente aggiornamenti senza nuovo addestramento.

RAG
ricerca nelle conoscenze
+1