Perplexity：正直なユーザー概要
私は過去6ヶ月間、Perplexityを主要なリサーチツールとして使用してきました。それまではGoogle、Bing、ChatGPTを行き来しながら深掘りクエリを行っていました。以下は、誇張なしで学んだことです。
得意なこと（実際の例付き）
PerplexityはAI搭載の検索エンジンで、出典付きの直接的な回答を提供します。リンクに埋もれさせるGoogleや、引用をでっち上げることが多いChatGPTとは異なり、Perplexityは回答を抽出した正確な段落を表示します。
例1：主張のファクトチェック。
質問：「FDAは後に撤回されたアルツハイマー病薬を承認しましたか？」
Perplexityの回答：「はい、Aduhelm (aducanumab) は2021年に承認されましたが、Biogenは2024年にMedicareの適用制限と低売上により撤回しました。」
引用元：ロイター記事（2024年）、FDAプレスリリース、JAMA研究。各ソースはワンクリックでアクセス可能。数秒で検証できました。GoogleならSEO最適化されたブログ記事が10ページ表示されていたでしょう。ChatGPTなら自信満々の回答が返ってきても確認方法がありませんでした。
例2：技術比較。
*「時系列データにおけるPostgreSQL vs. MongoDB」*の比較が必要でした。
Perplexityは表を提示：スケーラビリティの違い、インデックス制限、実世界のユースケース（例：「MongoDBの時系列コレクションはIoTセンサーデータに適しているが、PostgreSQLのTimescaleDB拡張機能はSQLベースの分析で勝る」）。公式ドキュメント、Stack Overflow、いくつかのエンジニアリングブログから引用。手動でのクロスリファレンス作業を30分節約できました。
例3：曖昧な質問でのリサーチ。
入力：「EU AI法のオープンソースモデルに関するリスクカテゴリの最新情報は？」
Perplexityは4段階システム（許容不能、高リスク、限定リスク、最小リスク）を要約し、オープンソースモデルは高リスク文脈で使用されない限り「限定リスク」に該当すること、実際のEU立法テキスト（2024年版）へのリンクを提示。無駄な情報は一切なし。
制限事項（現実的な課題）
幻覚は依然として発生。
PerplexityはChatGPTより優れていますが、完全ではありません。ある時、*「最初の電気自動車を発明したのは誰ですか？」*と質問。回答は「1834年のトーマス・ダベンポート」（正解）でしたが、続けて「最初の量産電気自動車は1996年のGM EV1」（部分的に正しいが、EV1はリース専用で販売用の量産車ではない）と追加。ソースリンクはWikipediaのスニペットで、実際には「限定生産」と記載。要約が過度に一般化されていました。常にダブルチェックが必要です。ソースの品質にばらつき。
ニッチなトピック（例：「19世紀の日本の織物染料」）では、Redditのスレッド、個人ブログ、古いフォーラム投稿から引用されることが多い。アルゴリズムは権威あるソースではなく、関連テキストを含むページを優先します。手動でフィルタリングする必要があります。コンテキストウィンドウが限定的。
無料ユーザーは1クエリあたり約3000トークン。20ページのPDFを貼り付けたり、*「スウェーデン、ノルウェー、デンマークの2000年から2020年の経済政策を比較」*のような多部構成の質問をすると、回答が切り詰められたり詳細が欠落します。Proユーザーは5000トークンですが、大きなドキュメントには不十分です。一部カテゴリではリアルタイム更新なし。
株価、スポーツスコア、速報ニュースは数時間遅れることがあります。「最終更新日時」は表示されますが、自動更新されるとは限りません。ライブデータには専用のニュースフィードを使用してください。
主要なワークフロー
- **クイックファクトチェック：**質問を入力、回答をスキャン、ソースをクリックして検証。所要10秒。
- **リサーチ要約：**学術論文の場合、アブストラクトや段落をコピペし、Perplexityに「平易な英語で説明」または「主な発見を列挙」と依頼。引用を保持する点でChatGPTより優れています。
- **コーディングヘルプ：*エラーメッセージのデバッグやライブラリ比較に使用。例：「10GBのCSVを読み込むとPythonスクリプトがMemoryErrorを投げるのはなぜ？」* チャンク戦略（pandas.read_csvのchunksize）を提示し、実際のStack Overflowスレッドにリンク。
- **製品比較：**購入判断の際に（
