Disusun dengan bantuan AI. Angka dan kutipan dari pihak lain ditautkan ke sumber yang dibuka saat menulis.
Perplexity AI adalah mesin pencari yang menjawab pertanyaan Anda secara langsung, bukan dengan daftar tautan, dan mencantumkan sumber yang dipakainya di tiap bagian jawaban. Karena mencari di web lebih dulu baru menyusun jawaban, alat ini cocok untuk hal yang berubah cepat seperti aturan, harga, dan kabar terbaru.
Nama produknya mulai sering terdengar di kantor sejak orang menyadari satu hal sederhana: jawaban yang tidak bisa ditelusuri asalnya tidak bisa dipakai untuk mengambil keputusan, sebagus apa pun kalimatnya.
Buat banyak orang, Perplexity jadi titik tengah yang hilang selama ini. Mesin pencari memberi tautan tetapi Anda sendiri yang harus merangkum. Chatbot memberi jawaban rapi tetapi sering tanpa bisa ditelusuri dari mana. Perplexity mencoba memberi keduanya sekaligus.
Artikel ini membahas pengertiannya menurut sumber resmi, cara kerjanya, bedanya dengan ChatGPT dan Google, pekerjaan kantor yang paling cocok dibantu, serta batas yang perlu diketahui sebelum jawabannya dipakai di dokumen resmi. Untuk gambaran alat AI lain, lihat daftar di artikel aplikasi AI.
Sumber ensiklopedis mendefinisikan Perplexity AI, Inc., atau cukup Perplexity, sebagai perusahaan perangkat lunak swasta asal Amerika Serikat yang menyediakan mesin pencari web yang memproses pertanyaan pengguna dan menyusun jawabannya. Produk Perplexity memakai model bahasa besar dan dilengkapi kemampuan pencarian web, sehingga jawabannya berdasar isi internet terkini serta mencantumkan sumber yang dipakai (Wikipedia).
Perusahaannya didirikan 22 Agustus 2022 oleh Aravind Srinivas, Denis Yarats, Johnny Ho, dan Andy Konwinski, berkantor pusat di San Francisco (Wikipedia). Di halaman resminya, Perplexity menggambarkan dirinya sebagai pihak yang mengganti daftar hasil pencarian dengan jawaban sungguhan, dan menyebut AI yang sama kini menjalankan agen yang bekerja lintas alat dan alur kerja pengguna (Perplexity).
Keduanya, dan justru di situ letak kebingungannya. Dari sisi tampilan, Perplexity terasa seperti chatbot: ada kotak ketik, jawaban muncul sebagai paragraf, dan Anda bisa bertanya lanjutan. Dari sisi cara kerja, dia lebih dekat ke mesin pencari: ada tahap mencari ke web sebelum jawaban disusun. Model bahasanya dipakai untuk merangkai hasil pencarian menjadi kalimat, bukan untuk mengingat jawabannya. Perbedaan antara keduanya dibahas lebih dalam di artikel LLM adalah.
| Pembeda | Perplexity | Chatbot umum | Mesin pencari |
|---|---|---|---|
| Bentuk hasil | Jawaban paragraf plus rujukan bernomor | Jawaban paragraf | Daftar tautan |
| Sumber terlihat | Ya, di tiap bagian jawaban | Tidak selalu, tergantung fitur dan mode | Ya, tetapi Anda yang merangkum |
| Informasi terbaru | Kuat, karena mencari dulu | Tergantung apakah mode pencariannya aktif | Kuat |
| Menulis dan menyusun ulang | Cukup, bukan keunggulan utamanya | Paling kuat | Tidak bisa |
| Paling cocok untuk | Riset singkat yang harus bisa dibuktikan | Draf, ringkasan dokumen sendiri, menulis ulang | Penelusuran luas dan hal yang sangat lokal |
Untuk pekerjaan menulis dan membaca dokumen panjang, asisten seperti yang dibahas di artikel Claude AI biasanya lebih pas. Cara paling jujur memilih tetap sama: ambil dua atau tiga tugas nyata, kerjakan di masing-masing alat, lalu bandingkan hasil dan waktunya.
Perhatikan bahwa tidak ada satu pun di antaranya berupa pekerjaan menulis. Itu bukan kebetulan. Kekuatan alat ini ada pada jejak sumbernya, bukan pada kualitas kalimatnya, jadi memakainya untuk menyusun artikel atau email justru membuang keunggulannya sekaligus menanggung kelemahannya.
Satu pemakaian yang sering terlewat: memeriksa klaim yang muncul di rapat. Ketika seseorang menyebut angka pasar atau aturan baru, pertanyaan singkat dengan rujukan yang bisa dibuka menyelesaikan perdebatan dalam satu menit, dan sering menghindarkan keputusan yang dibangun di atas angka yang keliru diingat.
Tampilan utamanya sengaja dibuat sederhana: satu kotak pertanyaan di tengah. Di bawah kotak itu ada pemilih mode dan pemilih model, dan halaman pengenalan resminya menyebut dukungan lebih dari lima belas model terdepan (Perplexity). Artinya mesin yang menyusun jawaban bisa diganti, sementara cara kerjanya yang mencari dulu tetap sama.
Di menu samping ada beberapa bagian yang berguna untuk kerja berkelanjutan, antara lain tempat mengelompokkan pekerjaan dalam proyek dan daftar percakapan sebelumnya. Mengelompokkan riset per klien atau per topik membuat hasil pencarian lama bisa ditemukan lagi, dan ini yang membedakan riset yang menumpuk dari riset yang hilang. Ketersediaan tiap fitur berbeda per paket, jadi periksa di akun Anda sendiri.
Pemakaian dasar bisa dicoba tanpa berlangganan, dengan batas jumlah pertanyaan lanjutan dan akses model yang lebih terbatas. Paket berbayar menaikkan batas itu dan membuka model yang lebih mampu serta fitur tambahan. Karena rincian paket di produk seperti ini berubah cukup sering, angka pastinya tidak dicantumkan di sini. Yang perlu Anda periksa sebelum memutuskan cuma tiga hal: batas pemakaian harian, apakah paket tim tersedia, dan bagaimana ketentuan datanya untuk akun organisasi.
Untuk kebanyakan usaha kecil, pemakaian gratis sudah cukup untuk menilai apakah alat ini benar-benar masuk ke cara kerja tim. Baru setelah terbukti dipakai rutin oleh lebih dari satu orang, berlangganan jadi masuk akal.
Mencantumkan sumber bukan jaminan kebenaran. Ada tiga cara jawaban bisa tetap keliru walaupun rujukannya lengkap: sumbernya kurang tepercaya, sumbernya benar tetapi dibaca keliru, atau kalimatnya sebenarnya tidak ada di sumber itu. IBM menyebut gejala umum model bahasa menghasilkan informasi yang salah atau menyesatkan sambil menyajikannya seperti fakta sebagai halusinasi AI (IBM), dan kemampuan mencari memperkecil risikonya tetapi tidak menghapusnya.
Ada satu kebiasaan yang membuat perbedaan besar di sini: baca rujukannya sebelum membaca jawabannya. Terbalik dari kebiasaan umum, tetapi efektif, karena begitu sebuah kalimat sudah terbaca rapi dan masuk akal, otak cenderung berhenti meragukannya. Membuka sumber lebih dulu membuat Anda menilai bahannya, bukan membenarkan kesimpulan yang sudah terlanjur diterima.
Batas kedua, untuk topik Indonesia yang spesifik, jumlah sumber berbahasa Indonesia lebih sedikit. Jawabannya bisa terdengar meyakinkan tetapi bersandar pada artikel umum, bukan pada situs resmi. Untuk urusan pajak, perizinan, dan ketenagakerjaan, pastikan rujukannya memang mengarah ke situs pemerintah.
Supaya terasa konkret, begini bentuk pemakaian yang paling sering berguna untuk usaha kecil. Misalkan Anda ingin tahu posisi harga layanan Anda dibanding empat pesaing di kota yang sama.
Yang membuat alur ini bekerja bukan kecanggihan alatnya, melainkan langkah dua dan empat. Jawaban yang tidak dipindahkan ke tabel sendiri akan hilang begitu percakapannya ditutup, dan rujukan yang tidak dibuka membuat seluruh tabelnya tidak layak dipakai mengambil keputusan harga.
Pola yang sama berlaku untuk riset pemasok, memeriksa aturan baru, dan menyiapkan bahan rapat. Selalu ada satu langkah memindahkan hasil ke tempat milik Anda sendiri, karena di situlah riset berubah dari obrolan menjadi aset.
Buat kebanyakan tim, pembagiannya kira-kira begini. Perplexity dipakai saat butuh jawaban yang harus bisa ditunjukkan asalnya. Asisten percakapan dipakai saat butuh menulis, meringkas dokumen sendiri, atau menyusun draf. Mesin pencari biasa tetap dipakai untuk menelusuri sendiri saat jawabannya belum jelas bentuknya.
Yang membuat perbedaannya nyata bukan alatnya, melainkan kebiasaan: menyimpan tautan sumber di tempat yang bisa dibuka tim lain. Tanpa itu, hasil riset siapa pun berhenti jadi milik satu orang dan harus diulang bulan depan. Cara menyusun pengetahuan bersama dibahas di artikel knowledge base.
Kalau tim Anda sering mengutip angka dari internet tanpa sempat mengecek sumbernya, yang dibutuhkan bukan alat baru melainkan kebiasaan mencatat rujukan. Lihat kursus AI untuk pemilik usaha dan tim dari Nalurika, atau baca artikel lain seputar AI untuk kerja di halaman artikel.
Sumber ensiklopedis menyebut Perplexity AI, Inc., atau cukup Perplexity, sebagai perusahaan perangkat lunak asal Amerika Serikat yang menyediakan mesin pencari web yang memproses pertanyaan pengguna lalu menyusun jawabannya. Produknya memakai model bahasa besar dan punya kemampuan pencarian web, sehingga jawabannya berdasar isi internet terkini dan mencantumkan sumber yang dipakai.
Perplexity AI, Inc. didirikan pada 22 Agustus 2022 oleh Aravind Srinivas, Denis Yarats, Johnny Ho, dan Andy Konwinski, dengan kantor pusat di San Francisco, Amerika Serikat. Keempat pendirinya berlatar belakang sistem back end, kecerdasan buatan, dan pembelajaran mesin.
Perbedaan paling terasa ada pada sumber. Perplexity mencari di web lebih dulu lalu menyusun jawaban dengan mencantumkan rujukan bernomor yang bisa diklik, sehingga cocok untuk hal yang berubah cepat. Chatbot umum lebih kuat untuk menulis, menyusun ulang, dan membuat draf panjang. Dalam praktik banyak orang memakai keduanya untuk pekerjaan yang berbeda.
Ada pemakaian gratis dengan batas, dan ada paket berbayar untuk pemakaian lebih banyak serta akses ke model yang lebih mampu. Rincian paket dan batasnya berubah cukup sering, jadi periksa halaman harga resminya sebelum berlangganan.
Tidak. Mencantumkan sumber tidak sama dengan menjamin isinya mendukung kalimat yang ditulis. Tiga kekeliruan yang mungkin terjadi: sumbernya kurang tepercaya, sumbernya benar tetapi dibaca keliru, atau sumbernya memang tidak menyebut hal itu. Karena itu rujukannya perlu dibuka, terutama untuk angka, aturan, dan harga.
Anda bisa bertanya dalam bahasa Indonesia dan dijawab dalam bahasa Indonesia. Yang perlu diperhatikan, sumber berbahasa Indonesia untuk topik tertentu jumlahnya lebih sedikit, sehingga jawabannya bisa lebih banyak bersandar pada sumber berbahasa Inggris. Untuk topik lokal seperti peraturan daerah, periksa apakah sumbernya memang situs resmi Indonesia.
Pakai Perplexity ketika jawabannya harus bisa dibuktikan asalnya atau ketika informasinya berubah cepat, misalnya aturan terbaru, harga pesaing, atau kabar industri. Pakai chatbot biasa ketika yang dibutuhkan tulisan, ringkasan dokumen Anda sendiri, atau draf yang panjang.
Berlaku kehati-hatian yang sama seperti alat AI lain. Jangan menempelkan data pelanggan, angka internal, atau dokumen rahasia ke akun pribadi tanpa memeriksa ketentuan datanya lebih dulu. Untuk pemakaian tim, pilih paket organisasi yang pengaturan datanya dikelola satu pihak, dan tetapkan aturan internal tentang data apa yang boleh keluar.
Untuk pertanyaan yang jawabannya ringkas, sering lebih cepat karena Anda tidak perlu membuka banyak tautan. Untuk penelusuran yang luas, membandingkan banyak pilihan, atau mencari hal yang sangat lokal, mesin pencari biasa masih lebih lengkap. Yang paling realistis adalah memakai keduanya sesuai bentuk pertanyaan.
Daftar aplikasi AI untuk kerja dan bisnis yang dikelompokkan per kategori pekerjaan (asisten chat, menulis, rapat dan notulen, presentasi, spreadsheet, gambar, otomasi), fungsi tiap kategori, tabel perbandingan beserta catatan data dan privasi, cara memilih aplikasi untuk tim, serta aturan pakai AI di kantor.
13 Oktober 2026 | 12 menit baca
Pengertian Claude menurut Anthropic dan sumber ensiklopedis, siapa Anthropic, keluarga model Haiku, Sonnet, dan Opus, fungsi Claude untuk pekerjaan kantor, paket Free, Pro, Max, Team, dan Enterprise dalam tabel, cara mulai memakai Claude langkah demi langkah, contoh perintah, privasi data dan pengaturan pelatihan model, batasan, serta kapan Claude cocok dibanding alat AI lain.
27 Oktober 2026 | 9 menit baca
Pengertian large language model menurut IBM, NVIDIA, dan sumber ensiklopedis, cara model menyusun jawaban token demi token, arti token beserta angka resmi dari dokumentasi Gemini, tabel istilah LLM yang sering muncul di rapat, perbedaan model dan aplikasi yang dipakai sehari-hari, skala katalog model yang tersedia hari ini, enam batas bawaan yang tidak hilang di versi berikutnya, cara membuat LLM mengenal data perusahaan, dan langkah memakainya untuk pekerjaan kantor.
29 Oktober 2026 | 8 menit baca
Ceritakan jenis riset yang paling sering dikerjakan tim Anda dan di mana hasilnya dipakai. Kami bantu menyusun cara kerja yang memaksa sumber selalu ikut dicatat, lengkap dengan contoh perintah dari pekerjaan Anda sendiri. Kami membalas di jam kerja.