Ik gaf Perplexity Computer een week lang mijn takenlijst
Ik keek toe hoe een AI-agent elf sub-agents parallel opstartte, tegelijkertijd concurrenten in drie markten onderzocht en een interactief HTML-dashboard opleverde — terwijl ik koffie aan het zetten was.
Dat is geen hypothetisch scenario. Dat gebeurde op dag twee van het testen van Perplexity Computer, en eerlijk gezegd zat het me even dwars. Niet omdat de output perfect was (dat was het niet), maar omdat de snelheid van de orkestratie aanvoelde als een glimp van hoe werk over achttien maanden zal functioneren. Meerdere AI-modellen, aangestuurd door één dirigent, die taken uitvoeren waar anders de helft van mijn middag in zou gaan zitten.
Jack Roberts — ondernemer, AI-automatiseringsbouwer, het type dat tools stresstests in plaats van ze alleen te demonstreren — heeft Perplexity Computer onlangs door een reeks echte zakelijke scenario's gehaald. Zijn review trok mijn aandacht omdat hij niet alleen even snel keek. Hij laadde de vrachtwagen vol. Partneronderzoek. Concurrentie-intelligentie dashboards. Reddit doorzoeken op zakelijke ideeën. De taken die er echt toe doen voor iemand die een bedrijf runt, niet de "schrijf me een gedicht over een kat"-benchmarks die je niets vertellen.
Ik heb de afgelopen week mijn eigen tests gedraaid naast het bestuderen van Jacks bevindingen, en wat ik vond is een product dat tegelijkertijd indrukwekkend en frustrerend is — soms binnen dezelfde taak. De orkestratie is oprecht vernieuwend. De tekortkomingen zijn oprecht irritant. En het prijsmodel zal ofwel volkomen logisch zijn of buitensporig aanvoelen, afhankelijk van precies één ding waar ik later op terugkom.
Hier is alles wat je moet weten voordat je besluit of Perplexity Computer een plek in je workflow verdient.
Wat Perplexity Computer eigenlijk is (want de naam is verwarrend)
De naam "Perplexity Computer" doet dit product geen recht. Het klinkt als een hardwareproduct, of misschien een omgedoopte laptop. Het is geen van beide. Perplexity Computer is een AI-agentplatform — zie het als een commandocentrum waar je een complexe taak beschrijft en een AI-systeem deze opdeelt, subtaken delegeert aan gespecialiseerde modellen en de resultaten samenvoegt.
De architectuur eronder is wat het interessant maakt. Claude zit in het midden als orkestrator. Wanneer je Perplexity Computer een taak geeft, analyseert Claude wat er moet gebeuren en start vervolgens gespecialiseerde sub-agents op — elk mogelijk met een ander AI-model — om individuele onderdelen af te handelen. Eén sub-agent kan bedrijven onderzoeken via webzoekopdrachten. Een andere genereert afbeeldingen. Een derde stelt e-mailteksten op. Een vierde bouwt een HTML-presentatie van de verzamelde data.
Twintig-plus modellen die parallel werken, aangestuurd door één dirigent. Dat is de belofte. En eerlijk gezegd is dat ongeveer wat er in de praktijk gebeurt.
De integratielaag is het tweede deel dat de moeite waard is om te begrijpen. Perplexity Computer verbindt met Gmail, Google Drive, Notion en andere productiviteitstools via zogenaamde "connectors." Je autoriseert toegang — met gedetailleerde machtigingen, wat ik waardeerde — en de agent kan vervolgens je e-mails lezen, Notion-pagina's aanmaken, berichten opstellen en documenten ophalen als onderdeel van de taakuitvoering.
Als je Zapier of Make hebt gebruikt, is het connector-concept bekend. Het verschil is dat hier de AI beslist wanneer en hoe die connectors worden gebruikt op basis van jouw instructies. Je bouwt geen workflow. Je beschrijft wat je wilt, en het systeem regelt de technische verbindingen.
Dat klinkt magisch op papier. In de praktijk is het "uitzoeken"-deel waar het zowel spannend als gecompliceerd wordt.
Hoe gaat Perplexity Computer om met echte zakelijke taken?
Jack Roberts testte drie specifieke scenario's die weerspiegelen wat een ondernemer daadwerkelijk nodig heeft van een AI-assistent. Ik voerde vergelijkbare tests uit. Dit is wat er gebeurde.
Test 1: Strategisch partneronderzoek
De opdracht was eenvoudig: identificeer vijf potentiële strategische partners voor een AI-automatiseringsbedrijf, onderzoek ze allemaal en lever de bevindingen als een HTML/CSS-presentatie.
Perplexity Computer splitste dit op in parallelle onderzoekslijnen. Meerdere sub-agents gingen er tegelijkertijd op uit — zoekend naar bedrijven, omzetgegevens ophalend, partnerstructuren identificerend, commissiedetails vindend. De resultaten kwamen terug als een gestileerd HTML-document met bedrijfsprofielen, geschatte partnerwaarde en contactinformatie.
Het goede: de parallellisatie was oprecht snel. Wat een menselijke onderzoeker twee tot drie uur aan tabbladen wisselen en notities maken zou kosten, gebeurde in minuten. De presentatieopmaak was netjes genoeg om met een team te delen.
Het minder goede: de criteria voor partnerselectie waren... breed. De agent wierp een breed net uit in plaats van verduidelijkende vragen te stellen over welke soort partnerships het belangrijkst waren. Als je een AI-consultancy runt, is er een enorm verschil tussen "bedrijven die affiliate-programma's aanbieden" en "bedrijven waarvan het klantenbestand overlapt met dat van jou en waarvan het product jouw dienst aanvult." Perplexity Computer koos standaard voor de eerste interpretatie.
Dit is een patroon dat ik herhaaldelijk opmerkte, en ik ga zo uitleggen waarom het ertoe doet.
Test 2: Concurrentie-intelligentie dashboard
Deze maakte de meeste indruk op mij. De taak: onderzoek tien speech-to-text-bedrijven, verzamel gebruikersaantallen, beoordelingen en prijzen, en bouw vervolgens een interactief dashboard.
De agent produceerde een daadwerkelijk werkend HTML-dashboard met concurrentprofielen, prijsvergelijkingstabellen, sentimentanalyse van gebruikersreviews en filterbare data. Meerdere modellen behandelden verschillende aspecten — één scrapete prijspagina's, een andere analyseerde reviewsentiment, weer een andere bouwde de visualisatielaag.
Ik moet eerlijk zijn: de dashboardkwaliteit overtrof mijn verwachtingen. Het was geen Tableau. Maar als een snelle concurrentiesnapshot die je in een strategieoverleg kunt presenteren? Absoluut bruikbaar. De sentimentanalyse haalde echte klachten en complimenten van gebruikers op, geen generieke samenvattingen.
De tokenkosten voor deze taak lagen rond de 400-500 credits van de maandelijkse 10.000 op het Max-abonnement. Redelijk voor de outputkwaliteit.
Test 3: Reddit doorzoeken op AI-bedrijfsideeën
Dit was de meest creatieve toepassing. De instructie: scan Reddit op posts met hoge betrokkenheid over AI-pijnpunten en identificeer vervolgens haalbare zakelijke kansen.
De agent doorzocht meerdere subreddits, identificeerde terugkerende thema's en kwam terug met een gestructureerde analyse. De interessantste bevinding — die zowel Jack als ik oprecht inzichtelijk vonden — draaide om AI-hallucinatieangst. Mensen zijn niet alleen geïrriteerd door hallucinaties. Er ontstaat een markt rond "vertrouwensinfrastructuur" voor AI-output. Verificatielagen, betrouwbaarheidsscores, human-in-the-loop-controlepunten.
Dat is het soort inzicht waarvoor een menselijke analist uren Reddit moet scrollen. De agent kwam er in minuten doordat het volumes kon verwerken die geen enkele persoon kan evenaren.
Maar hier wordt het interessant — en hier onthult zich de grootste beperking van Perplexity Computer.
Het ontbrekende gesprek: waarom geen verduidelijking alles verandert
Bij alle drie de tests, en bij elke taak die ik tijdens mijn week met de tool uitvoerde, stelde Perplexity Computer mij geen enkele keer een verduidelijkende vraag voordat het aan de slag ging.
Denk na over wat er gebeurt wanneer je een taak aan een slimme junior medewerker geeft. Die komt terug met vragen. "Als je 'strategische partners' zegt, bedoel je dan technologie-integraties, doorverwijspartnerships of co-marketingarrangementen?" Die uitwisseling kost vijf minuten en bespaart vijf uur verspild werk.
Perplexity Computer slaat die stap volledig over. Je geeft instructies en het sprint. De agent interpreteert je prompt, maakt aannames over onduidelijkheden en voert uit op volle snelheid. Soms komen die aannames overeen met wat je wilde. Soms niet, en dan heb je credits verbrand aan output die de plank misslaat.
Jack noemde dit als zijn voornaamste frustratie, en na een week testen ben ik het volledig eens. Het ontbreken van een interactieve planningsfase vóór uitvoering is de grootste zwakte van Perplexity Computer.
Dit is waarom het in de praktijk ertoe doet: wanneer je per credit betaalt en de agent 300-500 credits per complexe taak verbruikt, is een verkeerde interpretatie niet alleen vervelend — het is duur. Ik verbrandde ongeveer 200 credits aan een onderzoekstaak die de verkeerde kant op ging omdat de agent "snelgroeiende SaaS-bedrijven" interpreteerde als "bedrijven met de meeste werknemers" in plaats van "bedrijven met de snelste omzetgroei." Een verduidelijking van tien seconden had dat voorkomen.
De oplossing lijkt voor de hand liggend: voeg een planningsstap toe waarin de agent zijn aanpak schetst en om bevestiging vraagt voordat hij uitvoert. Claude doet dit al goed in andere contexten. De afwezigheid hier voelt als een bewuste afweging van snelheid boven nauwkeurigheid, en ik denk dat het de verkeerde is voor taken die echt geld kosten.
Dat gezegd hebbende — en dit is de nuance die de meeste reviews missen — het gebrek aan verduidelijking is alleen een probleem als je prompts dubbelzinnig zijn. Wanneer ik extreem specifieke instructies schreef met expliciete criteria, vereisten voor het outputformaat en scopegrenzen, waren de resultaten consistent sterk. De tool beloont precisie. Vage prompts leveren vage resultaten. Gedetailleerde prompts leveren gedetailleerde resultaten.
Wat ons brengt bij de vaardigheid die daadwerkelijk bepaalt of Perplexity Computer $200 per maand waard is voor jou.
De prompt-engineeringbelasting: wat niemand je vertelt over AI-agents
Er is een ongemakkelijke waarheid over elke AI-agenttool die momenteel op de markt is, en Perplexity Computer is geen uitzondering: de tijd die je bespaart op uitvoering, betaal je deels terug in prompt engineering.
Een goede prompt schrijven voor Perplexity Computer is niet hetzelfde als een ChatGPT-prompt schrijven. Je voert geen gesprek. Je schrijft een briefing. Een projectspecificatie. Hoe preciezer je succescriteria, outputformaat, scopegrenzen en kwaliteitsdrempels definieert, hoe beter de resultaten.
Hier is een voorbeeld. Deze prompt levert matige resultaten op:
Research my competitors in the AI automation space and create a summary.
Deze prompt levert oprecht bruikbare output op:
Research 8 companies that offer AI workflow automation for small businesses
(under 500 employees). For each company, find:
- Founding year and total funding raised
- Primary product offering and pricing tiers
- Number of integrations supported
- G2 or Capterra rating (most recent)
- One specific customer complaint from reviews
Output as an HTML table with sortable columns. Include a 2-paragraph
executive summary at the top highlighting the biggest gap in the market
that none of these companies adequately address.
De tweede prompt kostte me drie minuten om te schrijven. De output die het genereerde zou me vier tot vijf uur handmatig werk hebben gekost. Dat is nog steeds een enorme netto tijdsbesparing. Maar de drie minuten promptontwerp doen ertoe, en als je het type bent dat "doe mijn onderzoek" wil typen en precies krijgt wat je nodig hebt, zul je teleurgesteld zijn.
Ik ben een bibliotheek met promptsjablonen gaan bijhouden voor terugkerende Perplexity Computer-taken. Partneronderzoek. Concurrentieanalyse. Identificatie van contentkansen. Elk sjabloon kostte vijftien tot twintig minuten om te verfijnen door iteratie. Nu wissel ik de details uit en voer ze uit. De initiële investering verdient zichzelf terug binnen twee of drie keer gebruik.
Als je liever hebt dat iemand dit soort AI-automatiseringsworkflow helemaal voor je opzet — promptsjablonen, connectorinstelling, het hele systeem — dan neem ik precies dit soort projecten aan. Je kunt zien wat ik heb gebouwd op fiverr.com/s/EgxYmWD.
Maar de sjablonen lossen het probleem slechts gedeeltelijk op. De echte vraag is of de uitvoeringskwaliteit van Perplexity Computer de premiumprijsstelling rechtvaardigt.
De $200-vraag ontleed
De prijsstelling van Perplexity Computer is binair. De gratis versie geeft je de standaard Perplexity-zoekopdrachten — geen Computer-toegang, geen agentmogelijkheden. Om iets te gebruiken wat ik in dit artikel heb beschreven, heb je het Max-abonnement nodig voor $200 per maand.
Die $200 geeft je 35.000 bonuscredits (eenmalig) plus 10.000 maandelijkse credits. Op basis van mijn tests verbruikt een redelijk complexe taak — concurrentieonderzoek, contentgeneratie, e-mail opstellen — tussen de 200 en 500 credits. Eenvoudige taken zoals samenvattingen of zoekopdrachten met één query kosten 50-100 credits.
Laat me de berekening maken die ertoe doet. Jacks drie testtaken verbruikten in totaal ongeveer 1.300 credits, zo'n 13% van de maandelijkse toewijzing. Dat betekent dat je ongeveer 20-25 vergelijkbare complexe taken per maand kunt uitvoeren voordat je tegen de creditlimiet aanloopt.
Is dat $200 waard? Het hangt volledig af van wat je tijd waard is en wat je vervangt.
Scenario A: Je vervangt handmatig onderzoek. Als je momenteel 3-4 uur per week besteedt aan concurrentieonderzoek, marktanalyse of prospectidentificatie, en Perplexity Computer dat terugbrengt tot 30 minuten promptschrijven plus beoordeling, win je 10-14 uur per maand terug. Bij elk redelijk uurtarief is $200 een koopje.
Scenario B: Je vervangt bestaande AI-tools. Als je al ChatGPT Pro ($20/maand) en een apart onderzoekstool zoals Tavily of SerpAPI gebruikt, wordt de vergelijking krapper. De orkestratie van Perplexity Computer voegt echte waarde toe ten opzichte van single-model tools voor meerstapstaken. Maar voor eenvoudige vragen is het overkill.
Scenario C: Je verkent uit nieuwsgierigheid. Doe het niet. De gratis versie is prima voor standaard zoekopdrachten. De sprong naar $200 is alleen zinvol als je specifieke, terugkerende meerstapstaken hebt die momenteel je tijd opslokken.
De 35.000 bonuscredits bij aanmelding zijn een slimme zet van Perplexity. Ze geven je genoeg ruimte om complexe workflows te testen zonder je zorgen te maken over credits tijdens je eerste maand. Nadat die bonus op is, vereisen de 10.000 maandelijkse credits zorgvuldiger budgetteren.
Eén ding dat ik zou willen dat ze aanboden: een middenniveau. Iets rond $50-80/maand met 3.000-4.000 credits voor mensen die af en toe Computer-toegang nodig hebben maar niet genoeg complexe taken uitvoeren om het volledige Max-abonnement te rechtvaardigen. De sprong van gratis naar $200 is steil genoeg om veel potentiële gebruikers af te schrikken die met plezier $75 zouden betalen.
Het beveiligingsmodel dat echt logisch is
Ik had deze sectie bijna overgeslagen, wat een fout zou zijn geweest. De beveiligingsaanpak van Perplexity Computer is een van de sterkste — en meest ondergewaardeerde — functies.
Wanneer je Gmail, Notion of Google Drive verbindt, volgt het systeem wat beveiligingsprofessionals het "principe van minimale toegang" noemen. De agent vraagt alleen de minimale machtigingen aan die nodig zijn voor de specifieke taak. Gmail verbinden voor het opstellen van e-mails? Het krijgt schrijftoegang, geen volledige leestoegang tot je mailbox. Notion koppelen voor het aanmaken van pagina's? Het krijgt geen toegang tot je volledige werkruimte.
Als iemand die in cybersecurity werkt, is dit enorm belangrijk. De meeste AI-agentplatforms vragen brede OAuth-scopes aan omdat het makkelijker is voor ontwikkelaars. De aanpak van Perplexity suggereert dat hun beveiligingsteam daadwerkelijk heeft nagedacht over dreigingsmodellen in plaats van alleen de snelste integratie te verschepen.
Het veld voor aangepaste instructies — beperkt tot 1.500 tekens — is een ander subtiel beveiligingskenmerk. Het beperkt wat de agent kan doen zonder expliciete instructies per taak. Je kunt vangrails instellen zoals "stuur nooit e-mails zonder me eerst een concept te tonen" of "open geen Google Drive-bestanden in de map Financiën." Deze persistente instructies fungeren als een beleidslaag tussen jou en de autonome uitvoering van de agent.
Is het kogelvrij? Nee. Elke tool met toegang tot je e-mail en documenten brengt inherent risico met zich mee. Maar de implementatie van Perplexity is doordachter dan de meeste concurrenten die ik heb geëvalueerd. Ze bouwen vertrouwen op door beperkingen, wat het juiste instinct is.
Wat de orkestratierol van Claude betekent voor het AI-agentlandschap
Dit is wat me het meest fascineert aan Perplexity Computer, en het heeft niets te maken met functies of prijzen.
Claude — het model van Anthropic — dient als orkestrator. Het brein dat taken ontleedt, sub-agents toewijst en resultaten synthetiseert. Niet GPT. Niet Gemini. Claude. Dit is een significante architecturale keuze met implicaties die het overwegen waard zijn.
De kracht van Claude heeft altijd gelegen in gestructureerd redeneren en het opvolgen van instructies. Het is het model waar ik naar grijp wanneer ik iets nodig heb dat een complexe briefing zorgvuldig parseert en methodisch uitvoert in plaats van creatief te improviseren. Dat maakt het een uitstekende keuze voor orkestratie, waar de primaire taak decompositie en delegatie is in plaats van generatie.
Wat eronder gebeurt, is een soort AI-teamstructuur. Claude fungeert als projectmanager. Gespecialiseerde modellen fungeren als individuele bijdragers — één handelt webonderzoek af, een andere behandelt beeldgeneratie, weer een andere handelt datavisualisatie af. De projectmanager hoeft niet de beste te zijn in elke individuele vaardigheid. Hij moet de beste zijn in begrijpen welke vaardigheden nodig zijn en deze coördineren.
Ik heb vergelijkbare multi-agentarchitecturen gebouwd met Claude Code met agentteams, en het patroon werkt. Het orkestratiemodel doet er minder toe vanwege zijn ruwe capaciteit en meer vanwege zijn betrouwbaarheid in het opvolgen van complexe instructies zonder afdwaling. Claude is op dit moment aantoonbaar het beste beschikbare model voor die specifieke taak.
Deze architectuur betekent ook dat Perplexity Computer verbetert wanneer een van zijn componentmodellen verbetert. Komt er een beter beeldgeneratiemodel uit? De agent wordt beter in visuele taken zonder dat Perplexity één regel code hoeft te wijzigen. Lanceert er een sneller onderzoeksmodel? De integratie verbetert de onderzoekssnelheid. Het platform wordt een begunstigde van de vooruitgang van het hele AI-ecosysteem, niet alleen van de roadmap van één modelaanbieder.
Dat is een slimme gok. En het is waarom ik denk dat Perplexity Computer — of iets dat er sterk op lijkt — vertegenwoordigt waar AI-tools naartoe gaan in 2026 en daarna.
Het "AI-werknemer" denkmodel: nuttig of gevaarlijk?
Jack Roberts beschrijft Perplexity Computer als een "AI-werknemer" waarbij jij de CEO speelt. Geef strategische richting, delegeer uitvoering, beoordeel resultaten. Het is een aansprekende metafoor, en ik betrapte mezelf erop dat ik na een week gebruik in die termen dacht. Maar ik wil er enigszins tegenin gaan, want de metafoor heeft een faalstand.
Echte werknemers leren. Ze bouwen context op in de loop der tijd. Ze herinneren zich dat de partnershippoging van vorig kwartaal met Bedrijf X strandde vanwege prijsmeningsverschillen, dus passen ze hun aanpak dit kwartaal aan. Ze merken patronen op over taken heen en signaleren proactief dingen.
Perplexity Computer doet niets van dat alles. Elke taak is stateloos. De agent herinnert zich niet wat hij gisteren deed. Hij leert je voorkeuren niet over sessies heen (behalve de 1.500 tekens aangepaste instructies). Hij stelt niet proactief taken voor op basis van patronen die hij heeft waargenomen.
Dit maakt de "werknemer"-framing misleidend op een specifieke manier: het schept verwachtingen voor contextuele intelligentie die de tool niet kan leveren. Een beter denkmodel is "AI-freelancer." Je schrijft een gedetailleerde briefing. De freelancer voert het vakkundig uit. Ze leveren resultaten en vertrekken. De volgende keer schrijf je weer een nieuwe briefing vanaf nul.
Die herkadering verandert hoe je de tool gebruikt. Je stopt met verwachten dat het dingen "weet" en gaat investeren in betere briefings. Je bouwt je eigen institutioneel geheugen op (in promptsjablonen, in opgeslagen outputs, in Notion-wiki's) in plaats van te verwachten dat de tool dat voor je bijhoudt.
Ik vind dit eigenlijk prima. Een betrouwbare freelancer die goed uitvoert vanuit een heldere briefing is enorm waardevol. Maar doen alsof het een werknemer is, creëert frustratie wanneer het alles vergeet tussen sessies.
De aangepaste instructies helpen deze kloof gedeeltelijk te overbruggen. Ik gebruikte de mijne om voorkeuren vast te leggen: "Formatteer concurrentieonderzoek altijd als tabellen. Vermeld prijsgegevens altijd in USD. Markeer altijd wanneer een bron ouder is dan 6 maanden." Deze persistente instructies creëren een dunne laag "geheugen," en ik raad aan om alle 1.500 tekens doordacht te besteden.
Wat ik anders zou doen na een week
Als ik vandaag opnieuw zou beginnen met Perplexity Computer, wetende wat ik nu weet, is dit precies wat ik aan mijn aanpak zou veranderen.
Ten eerste zou ik dag één besteden aan promptsjablonen, niet aan taken. Mijn eerste dag was verspreid — willekeurige mogelijkheden testen, credits verbranden aan verkenning. Dat is natuurlijk maar duur. Identificeer in plaats daarvan je drie tot vijf meest voorkomende onderzoeks- of analysetaken en besteed de eerste sessie aan het verfijnen van prompts voor elk ervan. Testen, bijstellen, opnieuw testen. Die sjablonen worden je ROI-vermenigvuldiger voor elke toekomstige sessie.
Ten tweede zou ik connectors op dag één instellen maar pas op dag drie gebruiken. De Gmail- en Notion-integraties zijn krachtig, maar ik ontdekte dat taken die onderzoek en toolacties combineren (zoals "onderzoek concurrenten en mail me een samenvatting") meer credits verbruikten en slechtere resultaten opleverden dan taken die één ding goed deden. Begin met pure onderzoeks- en generatietaken. Voeg connector-gebaseerde acties toe zodra je begrijpt hoe de agent je instructies interpreteert.
Ten derde zou ik direct een set aangepaste instructies schrijven. Laat die 1.500 tekens niet leeg. De mijne bevatten nu voorkeuren voor outputformaat, kwaliteitsdrempels, bronvereisten en expliciete instructies om nooit e-mails te versturen zonder me eerst het concept te tonen. Deze kleine investering verbeterde de outputkwaliteit bij elke volgende taak.
Ten vierde zou ik een creditbudget-spreadsheet bijhouden. Het klinkt vervelend. Het kostte me tien minuten om op te zetten. Maar het bijhouden van creditverbruik per taaktype onthulde dat sommige taken dramatisch credit-efficiënter waren dan andere. Concurrentieonderzoek: hoge waarde per credit. E-mail opstellen: lage waarde per credit (ik kan sneller zelf e-mails opstellen). Die zichtbaarheid veranderde hoe ik mijn maandbudget toewees.
Ten vijfde zou ik het koppelen aan een menselijke beoordelingsstap en die nooit overslaan. De outputs van de agent zijn goede startpunten. Het zijn zelden eindproducten. Elk dashboard, elke onderzoekssamenvatting, elk e-mailconcept had menselijke bewerking nodig — analyse aanscherpen, subtiele fouten in bedrijfsgegevens corrigeren, toon aanpassen. Reserveer vijftien tot twintig minuten beoordeling per complexe taakoutput.
Waar dit naartoe gaat (en waarom ik het nauwlettend volg)
Perplexity Computer zoals het in maart 2026 bestaat, is een versie 1.0-product met een versie 2.0-prijskaartje. De kerntechnologie voor orkestratie is oprecht indrukwekkend. De uitvoeringskwaliteit bij goed geformuleerde taken is hoog. Het beveiligingsmodel is doordacht. De integraties werken.
Maar de ontbrekende onderdelen zijn significant. Geen interactieve planning. Geen geheugen over sessies heen. Geen voorkeurenleren. Geen mogelijkheid om te vragen "hé, bedoelde je X of Y?" voordat er credits worden verbrand aan een taak. Dit zijn geen randgevallen — het zijn de functies die een krachtige tool scheiden van een betrouwbaar teamlid.
Hier is mijn voorspelling: binnen zes maanden zal Perplexity een planningsstap toevoegen. Een vorm van "dit is mijn begrip van je taak, dit is mijn plan, bevestig voordat ik uitvoer." De feedback-loop van creditverlies is te pijnlijk voor genoeg gebruikers om de functieverzoeken onvermijdelijk te maken. Wanneer dat landt, springt de waardepropositie aanzienlijk omhoog.
De bredere trend doet er meer toe dan welk individueel product dan ook. AI-agents die meerdere modellen parallel orkestreren, verbonden met je echte productiviteitstools, die meerstapstaken autonoom uitvoeren — dat is de richting. Perplexity Computer is één implementatie van die visie. Googles Project Mariner is een andere. OpenAI's agentframework is een derde. Het concept convergeert over de hele industrie.
Wat winnaars van ook-rans scheidt in deze ruimte zal niet de ruwe capaciteit zijn. Het wordt de gebruikerservaring rondom die capaciteit. Hoe goed communiceert de agent wat hij doet? Hoe elegant gaat hij om met dubbelzinnigheid? Hoe efficiënt gebruikt hij credits? Hoe betrouwbaar voelt hij met toegang tot je e-mail?
Op die dimensies scoort Perplexity Computer ongelijk. Sterk op vertrouwen en transparantie. Zwak op communicatie en omgang met dubbelzinnigheid. Solide op capaciteit. Duur maar verdedigbaar qua prijsstelling.
Moet je je daadwerkelijk abonneren?
Ik maak het concreet.
Abonneer je als je een bedrijf of freelancepraktijk runt waar je regelmatig concurrentieonderzoek, marktanalyse, prospectidentificatie of contentgeneratie over meerdere bronnen nodig hebt. Als je vijf of meer uur per week besteedt aan meerstaps onderzoekstaken die in een schriftelijke briefing beschreven kunnen worden, verdient Perplexity Computer zichzelf binnen de eerste maand terug.
Abonneer je niet als je voornamelijk antwoorden op losse vragen nodig hebt, conversationele AI of schrijfhulp. ChatGPT, Claude of de gratis zoeklaag van Perplexity behandelen die use cases voor een fractie van de kosten. De maandelijkse verplichting van $200 is alleen zinvol wanneer je consistent complexe, meerstaps agenttaken uitvoert.
Wacht als je geïntrigeerd bent maar geen directe use case hebt. Het product zal over zes maanden aanzienlijk beter zijn. De planningsstap zal komen. De credit-efficiëntie zal verbeteren. Vroege gebruikers betalen een premie om de workflow te betatesten — en dat is prima als je de mogelijkheid nu nodig hebt, maar onnodig als je alleen verkent.
Na een week testen verleng ik mijn abonnement voor nog een maand. De concurrentie-intelligentieworkflows alleen al hebben me genoeg tijd bespaard om de kosten te rechtvaardigen. Maar ik houd het aan een korte lijn. Als mijn promptsjablonen niet meer evolueren — als ik geen nieuwe waardevolle use cases meer vind — stap ik zonder aarzeling terug naar de gratis versie.
De technologische richting is spannend. Het huidige product is nuttig maar onvolledig. En de vraag die bepaalt of Perplexity Computer een essentieel hulpmiddel wordt of een voetnoot, gaat niet over AI-capaciteit. Het gaat erover of Perplexity de mens-AI-communicatielaag bouwt die een krachtige motor transformeert in een betrouwbare medewerker.
Ze zijn er nog niet. Maar ze zijn dichterbij dan wie dan ook die ik heb getest.
Veelgestelde vragen
Wat is Perplexity Computer en hoe werkt het?
Perplexity Computer is een AI-agentplatform dat Claude als centrale orkestrator gebruikt om 20+ gespecialiseerde AI-modellen parallel te coördineren. Je beschrijft een complexe taak en het systeem ontleedt deze in subtaken die door verschillende modellen worden afgehandeld, waarna de resultaten worden samengevoegd. Zie het gedeelte hierboven over wat Perplexity Computer eigenlijk is voor de volledige architectuurbeschrijving.
Hoeveel kost Perplexity Computer per maand?
Het Max-abonnement kost $200/maand en bevat 35.000 eenmalige bonuscredits plus 10.000 maandelijkse credits. Een redelijk complexe taak verbruikt 200-500 credits, wat betekent dat je ongeveer 20-25 complexe taken per maand kunt uitvoeren. Er is geen middenprijsniveau — het gratis abonnement sluit Computer-toegang volledig uit.
Kan Perplexity Computer veilig bij mijn e-mail en documenten?
Perplexity Computer gebruikt een beveiligingsmodel met minimale toegang, waarbij alleen de minimale machtigingen worden aangevraagd die nodig zijn voor elke verbonden dienst. Gmail-integratie verleent schrijftoegang zonder volledige leestoegang tot de mailbox. Je kunt persistente aangepaste instructies instellen om vangrails toe te voegen, zoals het vereisen van conceptbeoordeling voordat er wordt verzonden.
Is Perplexity Computer beter dan ChatGPT voor onderzoekstaken?
Voor meerstaps onderzoek dat parallelle uitvoering over meerdere bronnen vereist, presteert Perplexity Computer beter dan single-model tools zoals ChatGPT. Voor eenvoudige vragen, conversationele AI of schrijfhulp is ChatGPT voor $20/maand kosteneffectiever. Het waardeverschil groeit naarmate de taakcomplexiteit toeneemt.
Onthoudt Perplexity Computer eerdere taken?
Nee. Elke taak is stateloos — de agent behoudt geen context tussen sessies. Je kunt dit gedeeltelijk omzeilen met het veld voor aangepaste instructies van 1.500 tekens, dat persistent is over taken heen. Voor diepere contextpersistentie onderhoud je je eigen bibliotheek met promptsjablonen en referentiedocumentatie extern.
Let's Work Together
Looking to build AI systems, automate workflows, or scale your tech infrastructure? I'd love to help.
- Fiverr (custom builds & integrations): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise solutions): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (security services): xcybersecurity.io
