Perplexityが「Projects」を公開した背景
PerplexityがSpacesという既存機能を大きく作り直し、「Projects」として公開しました。Projects は、共有ファイルシステムと持続的な記憶（persistent memory）を備えた作業ハブとして設計されており、チームや個人が継続的なタスクを一か所で管理・作成・共同作業できる場所として機能します。
これまでのSpacesは、検索結果をまとめて保存しておくフォルダに近いイメージでした。それに対してProjectsは、「AIが文脈を覚えたまま仕事を続けられる場所」という方向に踏み込んでいます。単なる情報整理ツールから、継続的な作業環境への転換です。この変化は、Perplexityが検索エンジンの枠を超えて、ビジネス用途のAIワークスペースとして再定義しようとしていることを示しています。
AI検索の領域では、ChatGPTやGeminiとの競争が激しくなっています。その中でPerplexityが「記憶と共有」に軸を置いた機能強化を選んだのは、単なる回答精度の競争ではなく、「使い続けてもらえる環境」を作る競争に移行したシグナルとして読めます。
Projectsの3つの特徴
今回公開されたProjectsには、実務での使い方を大きく変えうる要素が含まれています。それぞれの特徴と、実際にどう使えるかを整理しておきます。
共有ファイルシステムは、チームメンバーが同じプロジェクト内でファイルを持ち寄り、AIに参照させながら作業を進める仕組みです。たとえば、マーケティング部門が競合調査のPDFや過去の施策レポートをProjectに置いておけば、チームの誰もが「この資料を踏まえて提案書の構成を考えて」と指示できます。毎回ファイルを貼り直す手間がなくなるだけでなく、チーム内で「AIへのインプット」が統一されるため、回答の質にばらつきが出にくくなります。
持続的な記憶は、会話が終わっても文脈が引き継がれる機能です。従来のAIチャットは、セッションを閉じると前の話を覚えていませんでした。Projectsでは、「先週議論した方針」「前回の修正点」をAIが記憶した状態で次の作業に入れます。これは、週をまたいで進む業務、たとえば月次レポートの作成や、長期プロジェクトの進捗管理で特に効いてきます。
タスクの管理・作成・共同作業を一か所に集約する設計は、ツールを行き来する手間を減らすことを意識しています。Notionでメモを取り、ChatGPTで文章を直し、Slackで共有する——こういった分散した作業フローを、一定程度Perplexity内で完結させようという狙いが見えます。
「記憶するAI」が実務でどう変わるか
持続的な記憶という概念は聞こえがよいですが、実際に30〜40代の会社員の仕事に当てはめると、どこが変わるのでしょうか。
営業部門で週次の案件レポートを作っている30代のマネージャーを例に考えてみます。これまでは、毎週ChatGPTに「この案件の状況を整理して」と投げるたびに、背景情報をゼロから説明し直す必要がありました。Projectsでは、案件の経緯・顧客情報・前回の懸念点をProjectに蓄積しておけば、「今週の更新点だけ」を伝えるだけで済みます。積み重ねるほど、AIへの指示が短くなり、出力の精度が上がる構造です。
一方で、経理部門で月次の数字管理をしている40代の担当者であれば、毎月同じExcelを更新しながら経営陣向けのコメントを作る作業が発生します。Projectsに前月の数字と過去のコメント文を置いておけば、「今月の変動点を踏まえてコメントを更新して」という短い指示で、前月との比較を踏まえた文章が出てきます。毎回「前月比で〜」と説明する必要がなくなります。
SpacesとProjectsの違い——何が変わったのか
Perplexityを以前から使っている人向けに、SpacesとProjectsの主な違いを整理しておきます。
| 比較項目 | Spaces（旧） | Projects（新） |
|---|---|---|
| 主な用途 | 検索結果の保存・整理 | 継続的な作業の管理 |
| ファイル共有 | 限定的 | 共有ファイルシステムとして設計 |
| 記憶の持続性 | セッション単位 | プロジェクト全体を通じて持続 |
| チーム利用 | 基本的に個人向け | 共同作業を前提とした設計 |
| 想定シーン | 調査・情報収集 | 業務プロジェクト全体の管理 |
Spacesが「調べた情報をためる場所」だったとすれば、Projectsは「仕事を進める場所」としての性格が強くなっています。この違いは、Perplexityが狙うユーザー層の変化とも重なります。個人の情報収集ニーズだけでなく、チームでの業務利用を本格的に取り込もうとしているのが見えます。
ただし、現時点では機能の詳細や制限（ファイルサイズの上限、対応するファイル形式、記憶の保持期間など）が完全には明らかになっていません。実際に業務で使う前に、自分のチームの用途に合うかどうかを試してみる価値はあります。
他のAIツールとの位置関係
Projectsに近い機能は、すでに他のツールにも存在します。ChatGPTの「プロジェクト機能」、Claudeの「プロジェクト機能」、Notionのリンクされたデータベースなど、「文脈を保ちながら継続的に作業する」という方向性はAI全体のトレンドになっています。
その中でPerplexityのProjectsが差別化できるとすれば、検索精度の高さとの組み合わせです。Perplexityはもともと「ウェブ上の最新情報を参照しながら回答する」ことに強みを持っています。社内のファイルと外部の最新情報を組み合わせて作業を進めるシナリオでは、この強みが活きてくる可能性があります。
反対に、社内情報だけで完結する業務や、高度なコード生成が必要な場面では、ClaudeやChatGPTのプロジェクト機能のほうが向いているケースもあります。ChatGPTの使い方ガイドでも触れているように、ツールの選び方は「何を情報源にするか」で変わってきます。社外の情報を積極的に引き込みたい作業ならPerplexity、社内資料に特化するならClaude、という切り分けが現時点では現実的です。
まとめ
PerplexityのProjectsは、「AIに毎回説明し直す手間」を減らす方向への一歩です。記憶と共有という二つの軸が揃うことで、個人の作業だけでなく、チームでAIを使う場面が広がります。
ただし、持続的な記憶がある分、プロジェクトに何を入れるかの判断が重要になります。プロンプトの書き方ガイドで整理したように、AIへのインプットの質が出力の質を決めます。Projectsでは、そのインプットがチーム全体で共有されるため、「何をProjectに置くか」の設計が、ツールの使いこなしを左右することになります。自分のチームで試すなら、まず一つの継続的な業務を選んで、関連ファイルと背景情報を整理するところから始めてみてください。
