Perplexity が新しい検索アーキテクチャ「Search as Code」を発表しました。固定的なAPI呼び出しの時代は終わり、AIモデルが自分でPythonコードとして検索パイプラインを書く時代が来たということです。

何が変わったのか

これまでのAI検索は「APIを呼べばデータが返ってくる」という単方向でした。新しい「Search as Code」アーキテクチャでは、AIモデルが検索タスクに応じてPythonで独自のパイプラインを記述できます。

具体的には以下のような基本操作を組み合わせて、検索処理をカスタマイズします。

  • retrieve（情報取得）
  • filter（フィルタリング）
  • dedupe（重複排除）
  • rerank（再ランク付け）

これらをセキュアなサンドボックス内で実行することで、複雑な検索タスクを効率的に処理できます。

パフォーマンスの大幅改善

Perplexity が公表したベンチマーク結果は衝撃的です。

コスト削減：CVE研究タスクで 85%のトークン削減 を実現 ベンチマーク成績：5つのテストうち 4つでリード 処理効率：従来パイプラインと比較して最大 45%改善（WANDR ベンチマーク）

これは単なる最適化ではなく、検索アーキテクチャの根本的な改変による成果です。OpenAI や Anthropic の競合ソリューションは「データの4分の1以下の精度」という報告もあります。

開発者と企業への意味

開発者視点では、AIエージェントが複雑な調査タスクをより効率的に実行できるようになります。複数ステップの検索を1つのスマートなパイプラインで統合でき、コンテキストウィンドウの浪費が大幅に削減されます。

企業視点では、API呼び出しの回数が減ることで、コスト構造が改善されます。月間のトークン使用量が3分の1以下に圧縮できれば、大規模運用での収支が変わります。

既に導入開始

Perplexity は「Search as Code」を以下のプロダクトで既に展開しています。

  • Perplexity Computer（デスクトップアプリ）
  • Agent API（開発者向け）

つまり、この技術はまだ発表に過ぎず、実装されて検証されているものです。

業界への波及

これまでのAI検索は「固定された検索ロジック」を前提としていました。APIプロバイダー側が「どの情報源から、どの順序で、どう統合するか」を決めていたわけです。

「Search as Code」はその権限をAIモデル側に移譲します。これは検索インフラのパラダイムシフトです。Google の検索アルゴリズムが「固定ランク付けルール」から「学習ベースの関連性計算」へ移行したときのような転換点になるかもしれません。

読者へのポイント

AI検索ツールを日常的に使っている方は、これからの数ヶ月で以下を注視してください。

  1. 精度向上：複雑な調査クエリでの結果改善
  2. レスポンス時間の短縮：余計なAPI呼び出しが減るので、待機時間が短くなる可能性
  3. 費用効率：Perplexity Pro の価格改定などで、コスト削減が還元されるかどうか

Perplexity のリードで、OpenAI や Anthropic も独自の検索アーキテクチャ改革を急ぐと予想されます。その過程で、ユーザー体験がどう変わるかが見どころです。