De grens tussen een klassieke AI-zoekmachine en een volwaardige AI-agent wordt steeds duidelijker. In een nieuwe aflevering van Perplexity Academy legt Perplexity uit hoe zijn twee belangrijkste werkwijzen elkaar aanvullen. Search is er vooral om informatie te begrijpen, terwijl Computer bedoeld is om daadwerkelijk werk uit te voeren.
Dat verschil lijkt op het eerste gezicht eenvoudig, maar het zegt veel over de richting waarin AI-platformen evolueren. De gebruiker stelt niet langer alleen een vraag en krijgt vervolgens een antwoord. AI moet steeds vaker ook de volgende stappen kunnen zetten: informatie verzamelen, verschillende bronnen combineren, bestanden verwerken en uiteindelijk een rapport, spreadsheet, presentatie of website afleveren.
Search begint bij begrijpen
Perplexity Search blijft het logische vertrekpunt voor relatief gerichte vragen. Wie snel een onderwerp wil onderzoeken, een document wil samenvatten of enkele mogelijkheden met elkaar wil vergelijken, kan daarvoor Search gebruiken.
De zoekfunctie combineert informatie van het open internet met premiumbronnen die binnen een abonnement beschikbaar zijn en met kennisbronnen die een gebruiker zelf heeft gekoppeld. Daardoor kan een zoekopdracht verder gaan dan een gewone zoekmachine.
Een belangrijk onderdeel daarvan zijn de bronvermeldingen. Feiten en cijfers worden gekoppeld aan aanklikbare citaties, zodat de gebruiker kan controleren waar informatie vandaan komt. Daarmee probeert Perplexity een van de fundamentele problemen van generatieve AI aan te pakken: een overtuigend geformuleerd antwoord is pas echt bruikbaar wanneer duidelijk is waarop het gebaseerd is.
Voor een snelle vergelijking van enkele producten, het samenvatten van een rapport of het verkennen van een nieuw onderwerp is Search daardoor de meest directe route.
Computer begint waar het antwoord ophoudt
Zodra een opdracht uit meerdere stappen bestaat, verschuift het werk volgens Perplexity naar Computer.
Daarmee verandert ook de rol van AI. Computer wordt voorgesteld als een zogenoemde multi-model orchestrator: een systeem dat verschillende modellen, bronnen en hulpmiddelen kan inzetten om een opdracht van begin tot einde uit te voeren. In plaats van alleen te vertellen wat er moet gebeuren, kan het systeem zelf onderzoek verrichten in bestanden, bedrijfssystemen en op het web. Vervolgens kan het die informatie verwerken tot concrete resultaten, zoals rapporten, spreadsheets, presentaties, dashboards en websites.
Het verschil laat zich eenvoudig samenvatten: Search helpt bij het nemen van een beslissing, Computer helpt bij het uitvoeren ervan.
Van losse chatbot naar verbonden werkomgeving
Vooral de koppelingen met andere bedrijfsplatformen maken die tweede stap interessant. Perplexity Computer kan volgens het bedrijf verbinding maken met onder meer Google Drive, Slack, Salesforce, GitHub en Snowflake, naast honderden andere toepassingen.
Daardoor hoeft informatie niet langer handmatig van het ene systeem naar het andere te worden gekopieerd. Een AI-agent kan bijvoorbeeld gegevens uit verschillende bronnen verzamelen, aanvullende informatie zoeken, resultaten analyseren en vervolgens een afgewerkt document produceren. Daarmee verschuift de waarde van AI geleidelijk van antwoorden genereren naar werkstromen uitvoeren.
Een medewerker zou bijvoorbeeld Search kunnen gebruiken om eerst een nieuwe markt te onderzoeken. Zodra duidelijk is welke bedrijven interessant zijn, kan Computer vervolgens aanvullende bedrijfsgegevens verzamelen, informatie verrijken en daarvan een gestructureerd rapport of spreadsheet maken.
Eén vraag kan uitgroeien tot een volledige workflow
De combinatie van beide systemen laat zien hoe Perplexity de toekomstige AI-workflow voor zich ziet.
Een gebruiker kan beginnen met een eenvoudige vraag in Search. Daar worden bronnen onderzocht, feiten gecontroleerd en mogelijke richtingen vergeleken. Wanneer duidelijk wordt welke actie nodig is, kan het complexere vervolgwerk worden overgedragen aan Computer.
Dat creëert een natuurlijke keten: vraag → onderzoek → inzicht → beslissing → uitvoering → resultaat
Precies die laatste stappen ontbraken lange tijd bij generatieve AI. Chatbots waren uitstekend in uitleggen hoe iemand iets moest doen, maar het daadwerkelijke werk bleef bij de gebruiker liggen. Agentische AI probeert die grens te verleggen.
AI die ook blijft werken
Een andere belangrijke mogelijkheid is planning. Computer kan terugkerende opdrachten volgens een schema uitvoeren en veranderingen opvolgen.
Daardoor kan het systeem bijvoorbeeld periodiek informatie controleren en proactief waarschuwen wanneer iets verandert. In plaats van telkens dezelfde zoekopdracht opnieuw te starten, kan een gebruiker een terugkerende taak automatiseren.
Dat maakt Computer niet alleen een onderzoeksinstrument, maar ook een potentiële digitale collega die bepaalde processen zelfstandig blijft opvolgen.
Search en Computer zijn geen concurrenten
Perplexity positioneert beide functies nadrukkelijk niet als twee concurrerende manieren om hetzelfde te doen. Ze bedienen verschillende fasen van hetzelfde proces.
Search is geschikt wanneer snelheid, inzicht, vergelijking en broncontrole centraal staan. Computer komt in beeld wanneer een opdracht meerdere stappen, databronnen of toepassingen omvat en uiteindelijk een concreet resultaat moet opleveren.
Het belangrijkste inzicht uit Perplexity Academy is daarom misschien niet welke knop iemand moet gebruiken. Interessanter is wat het onderscheid vertelt over de ontwikkeling van AI zelf.
De eerste generatie generatieve AI draaide voornamelijk rond de vraag: “Wat wil iemand weten? De volgende generatie draait steeds nadrukkelijker rond een andere vraag: “Wat wil iemand gedaan krijgen?” Met Search en Computer probeert Perplexity beide werelden met elkaar te verbinden. Het antwoord wordt daarmee niet langer noodzakelijk het eindpunt van een AI-interactie, maar steeds vaker het begin van het echte werk.
