AIの価値はモデルでは決まらない──Perplexity創業者が語る“次の勝負”
近年、生成系AI（Generative AI）の進化は驚異的なスピードで進んでいます。特に大規模言語モデル（LLM）の性能向上は著しく、新たな製品やサービスが次々と登場し、ビジネスや研究、日常生活へ浸透し始めています。そんな中、「AIの真の価値はどこに生まれるのか」が重要なテーマとして注目を集めています。本記事では、AIの研究開発やサービス展開をめぐる最前線の事例の一つとして、Perplexityという“Answer Engine”兼“Research Agent”プラットフォームに注目し、その機能や競合領域、オープンソースとクローズドソースの議論、さらにAIエージェントの将来像などをわかりやすく解説します。
1. AI大競争の幕開けとPerplexityの概要
1-1. 急速に進むAI産業とモデル競争
生成系AIが実用段階に入ると同時に、世界中でモデルの優位性をめぐる激しい競争が起きています。大手企業からスタートアップまでが大規模な資金を投じ、より高性能なAIモデルを開発・公開する流れが加速しているのです。
ところが最近では、かつて1年ほどあった「性能のリード期間」が数週間単位にまで短縮され、「もはやリードは数週間でひっくり返る」という状況に突入しつつあります。これは「モデルのコモディティ化」が急速に進んでいる証拠でもあります。
1-2. Perplexityとは何か
こうしたなか登場したのが、Perplexityという回答特化型のプラットフォームです。元々、Perplexityは「ユーザーが知りたい情報を瞬時に回答する」Answer Engineとして脚光を浴びました。創業者であるArvind Narayanan（以下、引用部分は「Arvin」と表記される場合もある）は、インドで学部を修めたのち、UC Berkeleyでコンピュータサイエンスの博士号を取得。Google DeepMindやOpenAIといったトップ企業・研究機関で経験を積みました。その知見を活かし、2023年前後からの生成系AIブームとともに「最速でユーザーに価値を届ける」プロダクトを開発しています。
Perplexityの利用実績としてはすでに毎月5億回ものクエリが処理され、全世界で幅広く使われるまでに成長。さらに「エンタープライズ向け回答・検索ソリューション」を立ち上げ、消費者向けと企業向けの両面でサービスを展開しています。
2. モデルのコモディティ化がもたらす変化
2-1. Open Source vs. Closed Sourceの論争
現在、大規模言語モデルをめぐって最も議論が過熱しているのが、オープンソースとクローズドソースの対立構造です。クローズドソースのモデル開発企業は大規模投資を背景に独自モデルを構築し、その利用をAPIなどで提供しようとしています。一方、「Deep Seek（深層的なオープンソースモデルの例）」のように、ほぼ無料に近いコストで利用できる高性能なモデルも次々と誕生しています。
たとえば、Perplexityの創業者は、Bill Gurley氏が述べる「もし何かが本当に危険なら、より多くの人々の目で監視する方が安全だ」という言葉を引き合いに出し、クローズドソースが安全性の観点から優位だとする論調には懐疑的です。むしろオープンソースによってモデルが可視化され、多くの開発者や研究者が共同でチェックすることの重要性を説いています。
2-2. エンタープライズでの需要とモデル選択
企業が自社の機密データをAIに取り込む場合、しばしば「オープンソースだと危険ではないか」という声が上がります。しかし実際には、「利用者から見れば、どのモデルを使うか自体よりも、どうデータを取り扱うかが重要」という流れが強まっています。結果として、Perplexityのように「モデルの背後でうまくアブストラクションを行い、安全に機密データを扱いつつ、より優秀なモデルを最適に選択できる」プラットフォームへの需要が高まっているのです。
3. Perplexityの強み：Answer EngineからResearch Agentへ
3-1. Source CitationとReasoning Trace
Perplexityが特に重視しているのが「回答の根拠」と「思考過程の可視化」です。一般的なチャット型AIは、ユーザーに答えを返す際、どの文書・情報源を参照したかや、どのように推論を進めたかを明示的に示さないケースが多く、誤情報（Hallucination）のリスクが高まるという懸念があります。
しかし、Perplexityでは、Webからの引用元（出典）のリンクを表示し、さらにオープンソースモデルを活用した際は、モデルの「Chain of Thought（推論過程）」さえも公開する仕組みを備えています。これは「AIの信頼性向上」において大きなアドバンテージとなる機能であり、例えばエンタープライズ向けの「社内データ×公開データ」の混合検索・回答にも不可欠な要素です。
3-2. 具体的なユースケースと事例
創業者自身は、「自分の投資用メモを書く際や、論文を読む際、ビジネス指標の分析にもPerplexityを使う」と語っています。論文やオンライン情報をアップロードし、要点をまとめたり、他社との比較情報を収集したりするのが容易で、研究者のみならず、経営者、学生、クリエイターなど幅広いユーザーが恩恵を受けています。
さらに企業向けには、「エンタープライズ版Research Agent」が発表されました。これにより、社内文書や顧客データなどを一括して取り込んだ上で、会話的に必要情報を取得したりレポートを生成したりできるようになるわけです。プライバシー保護や認証フローの確立が企業導入のハードルですが、それをシンプルに解決する仕組みを素早く実装している点がPerplexityの強みと言えるでしょう。
4. 今後の展望：パーソナルアシスタントへの拡張
4-1. 長期記憶とパーソナライゼーション
Perplexityが次のステップとして注力しているのは、個々のユーザーの文脈・好みを深く理解し、長期的な記憶を持ったアシスタントへの進化です。一般的なチャットAIは、ユーザーごとのカスタマイズ度合いが限定的です。しかし、個人が抱えている「メール」、「スケジュール」、「旅行履歴」、「ショッピングの履歴」などの情報を統合的に活用すれば、より的確でパーソナルな回答が期待できます。
例えば、「出張や会議の予定に合わせて事前に準備してくれる」、「好みに合ったホテルの予約手続きまで一括で行う」など、時間と労力を大幅に削減する仕組みが見込まれています。こうしたパーソナルアシスタント機能を実現するには、GoogleやMicrosoftなど各プラットフォームとのAPI連携が欠かせません。一方で、「ユーザーデータの扱い」や「アプリ同士の連携権限」という課題があるため、ブラウザや専用アプリを通じた迂回的アプローチなど多角的な検証が進められています。
4-2. エージェントによるタスク自動化の可能性
今後、Perplexityは「AIエージェント」の分野にも積極的に進出していくと考えられます。エージェントとは、単に回答を提示するだけでなく、ユーザーに代わって実際のタスクを遂行するAIのことです。レストラン予約やオンラインショッピングでの決済処理、旅程の自動調整など、細かな作業を担う“実行型”サービスが期待されています。
しかし、「エージェント化にはOSの制約や他サービスとのAPI連携、セキュリティ上の懸念などクリアすべき課題が多い」のも事実です。Perplexityは、まずはWebブラウザを独自実装するなどして十分な操作権限を確保し、そこから小規模なタスクを自動化していく方針を打ち出しています。「実際に動くエージェントは2025年ごろを目標としている」という見方も示されており、今後の発展に注目が集まっています。
生成系AIがもたらすイノベーションには、まだまだ未知の可能性が広がっています。多額の資金をかけてクローズドソースの独自モデルを開発する企業がある一方で、「オープンソースモデルが急速に進化し、全体のコストを押し下げる」動きが顕著です。結果として、「アプリケーション層で如何にユーザーフレンドリーな機能を提供できるか」が勝負の分かれ目になっています。
Perplexityは、「高性能モデルを裏で選択する自由度」、「ソースの明示」、「思考過程の透明化」を提供しながら、ユーザーが簡単に知識を入手・活用できる環境を構築してきました。今後はエージェント機能を拡充し、個人や企業が行う単純作業や情報収集、意思決定プロセスを総合的にサポートするAIプラットフォームに進化すると期待されています。「モデルは手段であり、本当の価値はデータ活用やタスク自動化の部分に生まれる」という指摘は、まさに今の時代の変革を象徴していると言えます。
AI産業は「モデルの大競争」という初期フェーズを抜け、いよいよ「実用・普及フェーズ」へシフトしつつあります。そのなかでPerplexityのような“Answer Engine + Research Agent”が台頭することで、個人や組織が知識や情報をこれまで以上に活用できる世界が広がっていくでしょう。そして、その先には私たちの生活やビジネスのあらゆる局面で、一層シームレスなAIアシスタントとの共存が待っているのです。
関連記事
