Cómo Perplexity planea ganarse a las empresas y a los usuarios habituales con la búsqueda por IA

Al mejorar la forma en que las empresas buscan documentos -y todo lo demás en Internet-, están utilizando la IA generativa para realizar estudios de mercado, encontrar clientes potenciales, analizar ventas y elaborar hojas de ruta de productos. Las agencias de publicidad y las empresas de medios de comunicación ya utilizan la búsqueda para investigar campañas, empresas y personas.

Hay algunas razones por las que Perplexity se está acercando a las empresas como parte de su estrategia general de usuarios. En una entrevista concedida a Digiday, Dmitry Shevelenko, CBO de la empresa, afirmó que la estrategia no sólo es un buen generador de ingresos, sino también un canal de crecimiento al permitir que la gente pruebe Perplexity en el trabajo mientras encuentra valor fuera de él. Sin embargo, Perplexity da prioridad a no dejarse empantanar por el SEO basado en la publicidad.

“El modelo de negocio de Google no consiste en ofrecerte respuestas, sino en que hagas clic en el mayor número posible de enlaces”, explica Shevelenko. “Y la razón por la que pueden ofrecerlo gratis es porque monetizan tus datos y tu atención”.

Eso no significa que Perplexity evite por completo los anuncios. Aunque no hay un calendario establecido, Shevelenko dijo que probablemente no será hasta “al menos uno o dos trimestres” como muy pronto. Cuando se incorporen, los anuncios no aparecerán encima de las respuestas y no permitirán a los anunciantes sesgar los resultados de búsqueda pagando por colocarlos. En su lugar, podrían aparecer en las “preguntas relacionadas”, dijo Shevelenko, señalando que el 40% de todas las consultas de los usuarios de Perplexity tienen una pregunta de seguimiento.

Las preguntas de seguimiento podrían ser una “superficie óptima para que las marcas dirijan a un consumidor en su dirección”, dijo Shevelenko, añadiendo que a veces lo más importante para las marcas y los usuarios es hacer la pregunta correcta.

“Digamos que estás investigando un producto, obtienes una respuesta sobre él”, dijo Shevelenko. “Luego, en las preguntas de seguimiento, obviamente hay que dejar claro que está patrocinado, pero habrá una pregunta sobre productos de marcas concretas y sus características. Y que la respuesta sea exactamente la misma que si hubieras introducido esa pregunta de forma orgánica”.

La medición de los anuncios también podría ser diferente para Perplexity. Shevelenko no cree que los primeros productos publicitarios de la empresa se centren en parámetros tradicionales como el valor de rendimiento o la generación de demanda. En su lugar, podrían centrarse en impulsar acciones futuras en lugar de inmediatas.

“Hacer una pregunta a alguien no es necesariamente impulsar una acción inmediata”, dijo. “Se trata de inducir a la reflexión. Así que, irónicamente, cuando comencemos nuestro negocio de anuncios, no será directamente competitivo con AdWords [de Google], porque no estamos tratando de impulsar conversiones a una acción específica”.

Como ya ha aprendido cualquiera que trabaje en el ámbito de la IA generativa, obtener respuestas precisas de forma sistemática a partir de modelos lingüísticos de gran tamaño es un gran reto, especialmente con conjuntos de documentos más grandes y documentos más extensos. Y al igual que en la búsqueda tradicional, saber qué enlaces y documentos son más fiables y valiosos que otros es una tarea complicada. Esto es algo que gigantes de la búsqueda como Google y Microsoft, así como empresas emergentes como Brave, siguen intentando resolver.

“La razón por la que es un reto no trivial es que es muy difícil clasificar las señales de los datos internos frente a los datos de la web”, afirma Shevelenko. “Hay muchas señales. Por ejemplo, con qué frecuencia se visita un sitio, con qué frecuencia se actualiza, cómo lo indexan los demás. Cuando clasificamos las fuentes que responden a una consulta, hay muchas señales útiles. Eso es lo que conduce a una buena calidad de respuesta”.

Desarrollar la búsqueda empresarial utilizando LLM es mucho más difícil que simplemente enchufar otra plataforma. Kian Katanforoosh, cofundador de Workera, que ayuda a dotar a las empresas de capacidades de IA, afirmó que las empresas necesitan tres pilares a la hora de desarrollar su enfoque de la IA: estrategia, tecnología y una plantilla formada en IA. Sin embargo, dijo que la tercera pata de ese taburete es a menudo donde se producen los arriesgados fracasos.

“Las incógnitas son un gran problema”, afirma Katanforoosh. “Como la gente que cree que sabe pero no sabe, o la gente que no se da cuenta de que sabe mucho pero sabe [más de lo que cree]”.

Perplexity es sólo una de las muchas empresas que se lanzan al mercado empresarial de la IA generativa. La semana pasada, Snowflake anunció un nuevo modelo de IA de código abierto Arctic para clientes empresariales, mientras que otras startups como Cohere y Snorkel AI también anunciaron nuevas funciones para sus plataformas. Los LLM de Snowflake se construyen utilizando tecnología derivada de Neeva, que la empresa de datos en la nube adquirió hace un año. Al igual que Perplexity, Neeva también pretendía competir con Google creando un producto de búsqueda mejor para los usuarios de a pie, sin anuncios y centrado en la privacidad.

Los expertos en SEO afirman que para competir en el sector de las búsquedas es necesario disponer de un foso de datos que la mayoría de las empresas no tienen, aparte de Google, Microsoft y Apple. Sin embargo, algunos dicen que Perplexity podría tener éxito si se centra primero en las empresas.

Ethan Smith, cofundador de la agencia de SEO Graphite, dijo que Perplexity podría ganar haciendo una verdadera aplicación para la investigación empresarial, algo así como ResearchGate o Google Scholar. Otra forma podría ser asociarse con una empresa que tiene una gran cantidad de datos de propiedad – como Google, Apple o Microsoft.

“Todo el mundo va a tener acceso a los mismos algoritmos”, afirma Smith, añadiendo que “lo que importará serán los datos de entrenamiento, y los datos de entrenamiento serán los resultados. Así que quien tenga más datos de resultados y un mejor circuito de retroalimentación, ganará independientemente de cuál sea el algoritmo”.