Perplexity AI är ett företag i San Francisco, grundat 2022, som driver en AI-baserad sökmotor. I stället för en lista med länkar ger den ett skrivet svar som sammanfattar aktuellt webbinnehåll och anger vilka källor som använts. Vid sidan av en gratisversion finns betalnivåer med ett urval av språkmodeller, samt AI-webbläsaren Comet (läget i oktober 2026). För företag är Perplexity också relevant eftersom det förändrar hur innehåll på webben upptäcks.
AI-sök avser sökmetoder som använder AI för att förstå avsikten bakom en fråga, vikta resultat och ofta generera ett sammanfattande svar med källor i stället för en vanlig länklista. Tekniskt använder de nyckelordssökning, vektorsökning över inbäddningar eller en kombination, ofta följd av en språkmodell. Exempel är svarsmotorer på webben och intern kunskapssökning som hjälper medarbetare att hitta rätt i manualer och policyer.
Generative engine optimization (GEO) omfattar åtgärder som hjälper innehåll att synas i, och citeras som källa av, AI-drivna söksystem som ChatGPT, Perplexity eller AI-översikterna i sökmotorer. Begreppet kommer från en forskningsartikel från 2023. Viktiga faktorer är tydliga, direkt citerbara svar, en ren struktur, belagda fakta, aktuell information och identifierbara författare. GEO kompletterar klassisk sökmotoroptimering (SEO) i stället för att ersätta den.
En zero-click-sökning uppstår när användare får sitt svar direkt på resultatsidan, till exempel via utvalda svarsrutor eller AI-genererade sammanfattningar, och inte längre klickar sig vidare till en webbplats. För företag minskar detta trafiken även när deras innehåll fungerar som källa. Att synas som citerad källa blir därför viktigare: med tydliga svar, belagda fakta och välstrukturerade sidor.
Retrieval-augmented generation kombinerar sökning med textgenerering: innan systemet svarar söker det i en kunskapssamling – som manualer, policyer eller vanliga frågor – efter relevanta avsnitt och skickar dem som sammanhang till språkmodellen. Svaret bygger därmed på aktuellt, företagsspecifikt innehåll i stället för enbart på modellens träningskunskap. Det minskar påhittade påståenden, gör källor spårbara och möjliggör uppdateringar utan omträning.
