Puntata 126 — Perplexity, You.com: la ricerca AI

Livello: ✔️✔️ Doppie Spunte Blu · Capitolo 12 · Il bestiario dei modelli

Non un LLM, un motore di ricerca riprogettato. Quando vuoi risposte con fonti cliccabili e dati recenti, vai qui — non su ChatGPT puro.

un robottino bibliotecario che non risponde a memoria ma va allo scaffale, prende un libro, ne legge una pagina, e cita testualmente. Sopra di lui un cartello: “Risposta = LLM + Web Search live + Citazioni”

Una categoria diversa dagli LLM puri

GPT-5, Claude, Gemini sono language model. Hanno conoscenza “congelata” al training cutoff, e a meno di funzioni search attivate non vedono il web in tempo reale.

Perplexity e You.com non sono LLM. Sono answer engines: combinano:

Search engine (proprio o di terze parti) → recupera fonti web aggiornate.
LLM (a volte proprio, a volte di terzi) → sintetizza una risposta.
Citation engine → ogni claim ha un link cliccabile alla fonte.

Output tipico:

“L’inflazione italiana ad aprile 2026 è stata del 2.1% [¹], in calo rispetto a marzo (2.3%) [²]…”

Con [1], [2] link a Istat, Banca d’Italia, articoli giornalistici.

Perplexity

Cos’è

Fondata nel 2022, sede Bay Area. Cresciuta esponenzialmente nel 2024-25. Valutazione ~$9B (2025).

Cosa la distingue

✅ Fonti visibili e cliccabili sotto ogni risposta.
✅ Modello sotto il cofano variabile: GPT-5, Claude 4.7, Gemini, modelli proprietari “Sonar” (basati su Llama, fine-tunati internamente).
✅ Specializzazioni: Academic Search (paper scientifici), Finance, Travel.
✅ Pro Search: ricerca approfondita con multipli round di retrieval.
✅ Spaces (analoghi a Custom GPT): assistant configurabili con tool e knowledge.
✅ API (Sonar API): integrabile in app proprie con grounding nativo.

Pricing

Free: limiti giornalieri.
Pro ($20/mese): Pro Search illimitato, file upload, accesso ai migliori modelli sotto.
Enterprise: custom.

Quando scegliere Perplexity

✅ Quando vuoi risposte con fonti (giornalismo, ricerca, fact-checking).
✅ News del giorno (cose successe ieri/oggi).
✅ Dati recenti (prezzi, statistiche, tweet di pochi minuti fa).
✅ Verifica veloce di affermazioni (puntata 80).
✅ API per app che fanno RAG-with-web senza dover costruire infrastruttura.

Quando NON sceglierla

❌ Per creatività (storie, brainstorm libero) — non c’è motivo di passare per search.
❌ Per task lunghi e strutturati (codice, scrittura long-form) — GPT/Claude meglio.
❌ Per domini con poche fonti web (interno aziendale) — il search ti restituisce poco.

You.com

Cos’è

Fondata nel 2020 da Richard Socher (ex-Salesforce AI). Antecedente a Perplexity nel modello “search + answer”.

Cosa la distingue

✅ Multi-modal search: mostra risultati testo + immagini + chat + apps + video in un’unica interfaccia.
✅ “Apps” integrate (calcolatrice, traduttore, image gen, codice) — agente che usa tool.
✅ Modalità chat vs research: rapida o approfondita.
✅ YouChat con scelta del modello (Claude, GPT, ecc.).
✅ Privacy claim: meno tracking pubblicitario di Google.

Pricing

Free.
Pro ($15/mese): più ricerche approfondite, accesso modelli premium.
Enterprise.

Quando scegliere You.com

✅ Quando vuoi un’alternativa a Google “AI-first” ma più “search-like” di Perplexity.
✅ App developers: la “Apps” API permette tool calling integrato.
✅ Privacy-aware users.

Stato 2026

You.com è meno mainstream di Perplexity ma rimane interessante per use case specifici e per enterprise che vogliono alternative.

Altri “answer engines” da conoscere

Brave Search (con AI summary)

Motore search privacy-first con risposte AI integrate. Forte sulla privacy.

Phind

Specializzato in risposte per developer (codice, documentazione). Citazioni a Stack Overflow, GitHub, doc ufficiali.

Andi

Answer engine minimalista, single-page, focus su brevità.

Bing Copilot (Microsoft)

Bing search + LLM (GPT-5). Integrato in Windows, Office, Edge. Per chi vive in ecosistema Microsoft.

Google AI Overviews

Da 2024, Google mostra AI summaries in cima ai risultati di ricerca. Non un prodotto separato ma una trasformazione del search classico. Genera dibattito perché riduce i click ai siti sottostanti.

L’architettura “RAG dei poveri”

Perplexity e simili sono in pratica RAG su scala internet:

Domanda utente
  ↓
Query expansion (riformula la domanda in keyword search ottimali)
  ↓
Search engine (proprio Sonar o Google/Bing wrapped)
  ↓
Recupera top-N risultati (pagine web)
  ↓
Estrae snippet rilevanti
  ↓
LLM riceve: domanda + snippet con fonti
  ↓
Risposta sintetizzata + citazioni

Tecnicamente è retrieval-augmented generation (puntata 238) con il web come knowledge base. La differenza tra “buoni” e “scarsi” sta in:

Qualità del retrieval (trova davvero le pagine giuste?).
Qualità dello snippet extraction (prende il pezzo rilevante?).
Qualità della sintesi (mette insieme onestamente le fonti?).
Affidabilità delle citazioni (le citazioni puntano davvero a dove dice?).

Le 4 cose che valgono la pena testare

Per giudicare un answer engine, prova:

1. Domanda factual recente

“Quale è stato il dato dell’inflazione italiana di [mese] [anno]?”

→ Risposta corretta? Fonte ufficiale (Istat)?

2. Domanda controversa

“Chi vincerà le prossime elezioni italiane?”

→ Bilanciato? Cita fonti di opinione diverse? Evita di “scegliere” un campo?

3. Domanda di nicchia

“Quali sono le ricerche recenti sulla decoerenza quantistica in sistemi macroscopici?”

→ Trova paper veri (su arXiv, Nature)? O inventa citazioni (puntata 108)?

4. Verifica di un’affermazione

“È vero che [claim controverso]?”

→ Risponde con fonti? Distingue fatti da opinioni?

Un buon answer engine passa tutti e 4. Uno mediocre fallisce sul 2-4.

Confronto: Perplexity vs ChatGPT con search

Domande utili:

ChatGPT con browsing vs Perplexity? Perplexity spesso meglio per:
- Citazioni più affidabili.
- Velocità (specializzato).
- UI più chiara con fonti in vista.
ChatGPT con search spesso meglio per:
- Conversazioni complesse multi-turno.
- Combinare ragionamento profondo + web.
- Generazione lunga ben strutturata.

Pratica matura: entrambi nel toolkit. Perplexity per ricerca, ChatGPT/Claude per elaborazione.

L’impatto sui media

Tema caldo 2025-26: gli answer engines riducono il traffico ai siti originali (i media), che però forniscono i dati su cui le AI rispondono.

Risposte:

Cause legali: NYT vs OpenAI (puntata 199), molti editori vs Perplexity.
Accordi di licensing: News Corp, FT, Reuters hanno fatto deal con OpenAI/Anthropic.
Robot.txt aggiornati: alcuni siti bloccano AI crawler.
Watermark e canoniche: standard in evoluzione (Trustworthy AI, IPTC).

Dibattito aperto: come si finanziano i media nell’era degli answer engines? Vedi puntata 167.

Quando l’answer engine sbaglia (e come)

Allucinazioni qui hanno una forma specifica:

Citazione “fantasma”: la risposta cita Fonte A che però non dice davvero quello che la risposta sostiene. Errore di misalignment tra retrieval e generation.
Fonti debili: cita un blog random invece della fonte autorevole. Spesso non è “errore” ma scelta di ranking discutibile.
Sintesi “ottimistica”: combina pezzi di fonti diverse in modo che la frase risultante non è esattamente in nessuna fonte.
Bias di recupero: certi argomenti hanno solo fonti polarizzate online, l’AI riflette quel bias.

Mitigazione utente: clicca sempre sulle citazioni quando l’affermazione conta. Non fidarti del summary AI da solo.

Pricing comparativo (snapshot 2026)

Servizio	Free	Pro
Perplexity	Limiti giornalieri	$20/mese
You.com	Limiti	$15/mese
Phind	Sì	$20/mese
Bing Copilot	Sì (con Microsoft account)	Incluso in Microsoft 365
Google AI Overviews	Sì (gratuito)	—
Brave Search AI	Sì	—

Per chi paga: spesso vale un solo Pro in aggiunta a ChatGPT/Claude.

TEST pratico (10 minuti)

Stessa domanda factual recente su 4 servizi:

“Quali sono le top 3 acquisizioni nel settore AI annunciate negli ultimi 30 giorni?”

Servizi da provare:

Perplexity (perplexity.ai)
ChatGPT (con search attivo)
Gemini (con grounding Google Search)
Bing Copilot

Confronta:

Accuratezza: i dati sono giusti? (Verifica tu un paio cliccando sulle fonti.)
Recency: rispondono davvero su ultimi 30 giorni o pescano dati vecchi?
Citazioni: quante? Sono cliccabili? Puntano a fonti autorevoli?
Sintesi: è onesta nel mostrare la varietà o “sceglie” un punto di vista?

Spesso scoprirai che un solo servizio non basta per ricerca seria. Multi-source verification è la pratica matura.

Take-away in una riga

Per “che ne dici” → LLM puro. Per “cosa è successo ieri” → answer engine. Per uso serio: clicca sempre sulle citazioni — la sintesi AI è un’ipotesi, le fonti sono dati.

➡️ Prossima puntata: Grok di xAI — cosa lo distingue (e i suoi limiti).