PerplexityとChatGPTの違い：答えを出すエンジンと、仕事を助けるアシスタント

そもそも同じ種類の製品ではありません

Perplexityは質問に答えます。ChatGPTはあなたが仕事を進めるのを助けます。両者の違いのほとんどはこの一点から説明でき、機能を横並びにした比較表がしばしば判断を誤らせるのもそのためです。

たとえば「今四半期にEUのAI規制の施行スケジュールで何が変わったか」と両方に聞いてみましょう。Perplexityは今週公開されたページを元に、クリックできる番号付きの出典を添えて簡潔に答えます。ChatGPTはもっと長く会話的な答えを返し、それは素晴らしい内容かもしれませんが、半年前の情報のまま静かに古びている可能性もあります。

次に、その答えを取引先向けの説明資料にまとめ、提案を3つとスライドの構成案まで作ってと頼んでみてください。ChatGPTは難なくこなします。Perplexityも何かは出しますが、調査用のツールを文章作成に使っていることが、成果物に表れます。

つまり本当の問いは、どちらが優れているかではありません。あなたの仕事のうち、調べる部分と作る部分の、どちらが大きいかです。

PerplexityにできてChatGPTにできないこと

すべての主張に出典が付く。 これがこの製品の本体です。各文にクリックできる番号付きの引用が付くので、答えが信頼できるかどうかの確認が、検索し直す代わりに数秒で済みます。自分の成果物が誰かにチェックされる立場の人にとって、これは調べものにAIを使うこと自体の採算を変えます。

初期状態で本当に最新の情報。 Perplexityは毎回、まず検索してから答えます。ChatGPTは必要だと判断したときにウェブを見に行くので、学習データだけで組み立てられた自信ありげな答えを、そうと気づかず受け取ることがあります。時間に敏感な話題では「必ず検索する」が「たいてい検索する」に勝ちます。

話の筋を追える調査。 提案される追加質問の質が高く、質問、回答、より鋭い質問という流れは、寄せ集めではなく設計された製品だと感じさせます。Perplexityでの20分が、タブを開き続ける1時間ぶんの範囲をカバーすることも珍しくありません。

検索範囲を絞れる。 学術論文だけ、掲示板だけ、一般のウェブだけ、と絞り込めるのは小さな機能ですが効果は大きいです。学術モードだけでも、文献をざっと見渡す用途では本格的な道具になります。

進行中のプロジェクト用のスペース。 ファイルと指示をひとまとめにできるので、長く続く調査テーマが毎回ゼロから始まらずに済みます。

速さ。 答えが見つかるタイプの事実質問なら、質問から出典付きの答えにたどり着く経路として、現時点でこれ以上速いものはありません。

ChatGPTにできてPerplexityにできないこと

1つのことに腰を据えて取り組む。 下書き、修正、構成についての議論、3段落目をもう一度書き直す。ChatGPTは作業セッションを支えますが、Perplexityは独立した質問を中心に作られています。

見つけるのではなく作る。 コード、書類、表計算、画像、スライド構成、実際に計算まで走らせるデータ分析。人がAIを使う理由の大半はこちらで、答えを出すエンジンの守備範囲ではありません。

ファイルを深く扱う。 資料をまとめてアップロードし、長いセッションを通して問い詰めていく使い方です。Perplexityもファイルは扱えますが、ここはChatGPTの本拠地です。

創作と声の再現。 小説、ブランドの語り口、トーンの調整、笑い、思わぬ方向に転がって役に立つ発想出しなどです。

その上に何かを組み立てる。 カスタムアシスタント、外部連携、自動化、成熟したAPI。訪れるタブではなく業務の一部にしたいなら、それは別カテゴリーの製品です。

検索せずに考える。 出典ではなく思考が要る問題もあります。「なぜこの関数はundefinedを返すのか」は検索クエリではありませんし、反射的にウェブを検索する道具はこの形に合いません。

引用の落とし穴

この記事でいちばん大事な話なので、独立した章にしています。

引用は指し示すものであって、証明ではありません。 Perplexityは主張に出典を添えますし、たいていの場合その出典は主張を裏づけています。ただし常にではありません。失敗の仕方が微妙なのです。答えが、引用されたページの記述より少しだけ強く、少しだけ具体的に、あるいは少しだけ範囲を広げて書かれている。これは捏造ではなく、ずれです。引用が付いているせいで確認済みに見えるぶん、あからさまなハルシネーションよりずっと気づきにくいのです。

見つけたものをそのまま引き継ぐという性質もあります。上位の検索結果が宣伝目的のブログ、SEO向けのまとめ記事、掲示板の書き込みだったなら、それらをきれいに引用した要約が返ってきます。元の出典が査読論文でも広告枠でも、提示のされ方は同じように自信ありげです。

では実際にどうすればよいか。

• 重要なものは必ずリンクをたどる。 誰かに伝え直すことになる数字、日付、主張はすべてです。10秒で済みますし、引用が付いている意味はそこにあります。
• 出典の数ではなく中身を見る。 1本のプレスリリースをまとめ直しただけの8件は、実質1件です。
• すべての出典が完全に一致しているときは疑う。 本物の論点にはたいてい学術的な意見の相違があり、それが見当たらないのは同じ筋書きの繰り返しを読んでいる合図です。
• 技術や医療の話題では学術モードを使い、それらについての一般ウェブの結果は出発点としてだけ扱いましょう。

こうした点があってもPerplexityが信用できないわけではありません。調査の代わりではなく調査の助手なのだ、というだけのことで、それは十分に立派な役割です。もともと自分で確認するつもりだった人が、より速く確認できるようになる。この道具はそういう手の中でいちばん力を発揮します。

タスク別の向き不向き

最後の行が正直な結論であり、それは都合の悪い結論でもあります。両方をきちんと使いこなす人の多くは結局どちらも使い続け、まさにそうやって契約が2つになるのです。

料金と、契約前に知っておくべきこと

どちらも実用的な無料枠があり、Perplexity ProとChatGPT Plusはどちらも月$20、その上にもっと高価な上位プランがあります。ChatGPT Proは月$200ほどです。Perplexityの無料枠は1日あたりの高度な検索の回数に制限がありますが、軽い用途なら十分です。プランは変わるので、最新の料金は各社のサイトで確認してください。すでにProを払っていて抜けるつもりなら、Perplexity Proを解約する方法がウェブ経由とアプリストア経由の両方の手順を説明しています。

契約前に理解しておく価値があるのはここです。Perplexityは、その大部分が他社のモデルの上に載ったインターフェースです。 有料プランでは、自社の検索向けに調整したモデルに加えて、OpenAI、Anthropic、Googleのモデルから回答するモデルを選べます。その下に独自の最先端モデルがあるわけではありません。

複数のモデルをまとめ上げるのは本物のエンジニアリングですし、製品もよくできています。ただ、それによって何を買っているのかは変わります。買っているのはPerplexityの調査ワークフローであって、独自のモデルではありません。そのワークフローは、誰もが使っているのと同じモデルの上で動いています。モデル自体は大もとでは安価です。APIの定価では、標準的な回答1回がGPT-5.6 Terraで約$0.008、Claude Sonnet 5で約$0.007です（Whiziモデルコスト指数、2026年8月）。つまり月$20は、検索の仕組みと引用の層とインターフェースの代金だということです。

だからこそ、本当に比べるべき相手はChatGPTではなく、他のマルチモデル型のツールであることが多くなります。Perplexityの代替を探すとWhiziとPerplexity Proの比較で、その比較を正面から扱っています。

どう決めるか

直近2週間のAIの使い方を振り返り、2つの箱に分けてみてください。答えが必要だった質問と、作る必要があったものです。大きい方の箱が、あなたの主力ツールを指しています。ほぼ同じなら、あなたは結局どちらも欲しくなる側です。

1つしか払えない場合はこうです。

• Perplexityを選ぶのは、記者、アナリスト、研究者、出典付きの論文を書く学生、そのほか誰かに対して主張を弁護しなければならない人です。
• ChatGPTを選ぶのは、書く人、コードを書く人、何かを組み立てる人、作る人です。つまり大半の人が当てはまります。

二重に払わずに両方を得たいなら、現実的な選択肢は、基盤となるモデルとウェブ接続を1か所でまとめて使えるワークスペースです。Whiziは1つの契約でGPT、Claude、Gemini、Grok、DeepSeekを使えます（GPT-5.6 Terraのメッセージ1回は4クレジット、Claude Sonnet 5は10クレジット）。だから調べることと書くことが2つの製品と2つの履歴に分かれず、同じ会話の中で完結します。はっきりさせておくべき妥協点もあります。汎用のワークスペースはPerplexity専用の引用パイプラインまでは再現しないので、出典付きの答えそのものが仕事の中心なら、あの専門ツールには相応の価値があります。

どのタスクにどのモデルを使うかという、より大きな判断についてはAIモデルの選び方を、進め方の実際については複数のAIモデルを組み合わせて使う方法をご覧ください。