Ik Betaalde $200 om Perplexity Computer te Testen. De Moeite Waard?
Drie weken geleden besteedde ik zes uur aan investeerdersonderzoek. Handmatig.
Tab voor tab. LinkedIn-profiel voor LinkedIn-profiel. Kopiëren en plakken in een Google Sheet, de portfoliopagina van het fonds controleren, de recente tweets van de partner verifiëren, de investeringsthese noteren. Herhalen. Vijftig keer.
Tegen uur vier draaide ik op koffie en frustratie. Tegen uur zes had ik een behoorlijk spreadsheet en een heel duidelijk gevoel dat ik mijn tijd verspilde aan iets wat een machine zou moeten doen.
De volgende ochtend schreef ik me in voor Perplexity Computer.
Die zelfde onderzoekstaak — vijftig VC-bedrijven, kernpartners, recente investeringen, fondsmaten, thesisafstemming — nam het platform ongeveer twintig minuten terwijl ik ontbeet. De uitvoer kwam terug als een gestructureerd spreadsheet, precies geformatteerd zoals ik had gespecificeerd, met recente tweets van elke partner erin verwerkt voor context.
Ik bouw al jaren professioneel AI-systemen. Ik heb Claude geïntegreerd in clientworkflows, aangepaste automatiseringspijplijnen gebouwd en tools uitgebracht die teams tientallen uren per week besparen. Perplexity Computer wist me toch te verrassen.
En niet op de manier die ik had verwacht.
De AI-kwaliteit was uitstekend — maar in 2026 is dat de standaard. Wat me midden in een sessie deed stilstaan, was iets wat de agent deed zonder dat er om werd gevraagd. Een oordeelsbeslissing. Een beslissing die een menselijke analist ongeveer dertig seconden zou hebben gekost en vijftien minuten verspilde inspanning zou hebben bespaard. Ik kom later op dat moment in detail terug, maar het herformuleerde hoe ik nadenk over waar deze platforms werkelijk naartoe gaan.
Eerst: is $200 per maand te rechtvaardigen? Dat hangt volledig af van wat je ermee vergelijkt.
Wat ik Verwachtte vs. Wat er Werkelijk Verscheen
Mijn verwachtingen gingen in gekalibreerd op de meeste AI-productiviteitstools — nuttig voor eenstapstaken, onhandig voor alles dat coördinatie vereist, indrukwekkende demo's die in dagelijks gebruik tegenvallen.
Perplexity Computer is gebouwd rond een ander mentaal model. Het pitch is niet "slimmere chatbot." Het is eerder: start een virtuele AI-computer die volledige meerstaps-workflows uitvoert, integreert met je echte tools, en geplande taken autonoom in de cloud uitvoert terwijl jij iets anders doet.
De UI weerspiegelt dit denken. Taken leven op het linker paneel. Actieve agents — de AI-"computers" die je werk uitvoeren — verschijnen rechts. Meerdere taken draaien parallel zonder aparte browservensters of cloud-instanties te openen.
Integraties bij lancering: Gmail, Google Drive, Slack, HubSpot, PayPal, en een groeiende lijst van externe diensten. Het onderliggende model is Sonnet 4.6 — dat ik intensief gebruik in mijn eigen Claude-setups — en het platform selecteert automatisch het beste model voor elke subtaak.
De prijs is $200/maand voor het Max-abonnement. Pro en gratis lagen komen naar verluidt.
Hier is het kader dat ik gebruikte om de aanmeldbeslissing te nemen: als dit platform één sponsordeal kan sluiten, twintig uur onderzoek per maand kan besparen, of één investeerdermatch kan vinden die converteert — betaalt het zichzelf terug in één resultaat.
De Koude E-mailmachine Die Betere Contacten Vond Dan Ikzelf
De eerste use case die ik uitvoerde was outbound e-mailautomatisering — een workflow voor podcast-sponsorwerving opbouwen vanaf nul.
De taak die ik gaf: onderzoek tien doelbedrijven, vind de juiste contacten voor sponsorgesprekken, schrijf hyper-gepersonaliseerde e-mails op basis van recent bedrijfsnieuws en sociale activiteit, en stuur ze via mijn verbonden Gmail-account.
Standaard genoeg. Hier is waar het platform zijn eerste verrassende zet deed.
De voor de hand liggende aanpak voor sponsorwerving is om de CEO of oprichter te e-mailen. Perplexity Computer was het daarmee oneens. Voor mid-tot-grote bedrijven op mijn lijst identificeerde het dat het hoofd merkmarketing of de partnerships lead een aanzienlijk beter eerste contact is — iemand met budgetbevoegdheid en een mandaat om sponsorvoorstellen te evalueren.
Het vond die mensen. Voor acht van de tien bedrijven bracht het contacten naar boven die ik niet had gevonden zonder dertig minuten LinkedIn-graafwerk per bedrijf. Die ene beslissing alleen al bespaarde waarschijnlijk twee tot drie uur.
De e-mailconcepten waren geen invul-de-lege-plek-sjablonen. Elk verwees naar iets specifieks: een productaankondiging van twee weken eerder, een tweet over een industrie-trend van de vorige week, een blogpost van het bedrijf over een uitdaging die ons podcastpubliek direct aanpakt. De e-mails lazen alsof ze waren geschreven door iemand die echt huiswerk had gedaan bij elk bedrijf.
Na het eerste verzenden kan het platform automatisch follow-ups in de wacht zetten — drie dagen na het eerste contact, dan zeven dagen.
Nu het deel dat me ongemakkelijk maakte: het stuurde de e-mails rechtstreeks via mijn verbonden Gmail zonder om bevestiging per stuk te vragen. Geen "beoordelen en goedkeuren" stap.
Maar dit is wat ik ontdekte na er even over na te denken: de e-mailkwaliteit was consistent sterk genoeg dat als ik elk stuk had beoordeeld, ik alle tien ongewijzigd had verstuurd. Wat betekent dat de beoordelingsstap mijn aandacht consumeerde zonder waarde toe te voegen.
Kijken Hoe Het Mijn Concurrenten Monitorde Terwijl Ik Sliep
De workflow voor concurrentie-intelligentie is waar Perplexity Computer's "altijd aan" ontwerpfilosofie het meest zichtbaar wordt.
Setup is eenvoudig: specificeer welke concurrenten te monitoren, welke signalen er toe doen (prijspagina's, homepage-tekst, blogposts, vacatures, X/Twitter-activiteit), en hoe vaak te scannen. De agent draait op schema, evalueert wat hij vindt, en informeert je alleen wanneer iets het weten waard is veranderd.
Ik voerde dit uit voor een SaaS-klant — drie directe concurrenten, dagelijkse scans over hun hoofdpagina's en sociale accounts.
Binnen de eerste week ving het één concurrent die stilletjes zijn prijsstructuur bijwerkte. Vijftien procent stijging over twee lagen, geen publieke aankondiging, geen blogpost. De klant wist het binnen vierentwintig uur.
Het meest verrassende was niet een enkel alarm. Het was het cumulatieve beeld dat zich over enkele weken opbouwde. Tegen het einde van de eerste maand had ik een helderder, actueler begrip van hoe één concurrent zich herpositioneerde dan ik had opgebouwd door een kwartaalanalyse-sprint.
Vijftig VC-bedrijven Onderzocht Terwijl Ik Ontbeet
Dit is de taak die het hele experiment startte.
De inputs: bedrijfsbeschrijving, doelinvesteerdertype, en een verzoek om vijftig bedrijven tegelijkertijd te onderzoeken.
Uitvoeringstijd: ongeveer twintig minuten.
Voor elk bedrijf haalde het recente fondsmaten-aankondigingen op, kernpartnersprofielen met hun investeringsthese-taal, de drie meest recente portfoliouitbreidingen, en recente publieke verklaringen van partners.
De kwaliteitsopmerking: één VC had een partner die de vorige maand een gedetailleerde Twitter-thread had gepubliceerd over precies de SaaS-categorie die ik onderzocht. Die thread zou onzichtbaar zijn geweest in een standaard handmatig proces, tenzij ik toevallig die partner volgde. Perplexity bracht het naar boven als een prioriteitssignaal.
Dat is het soort toevallige match dat normaal gesproken voortkomt uit warme introducties en netwerkgeluk. De AI vond het door systematische dekking van publieke signalen.
Wat $200 Werkelijk Oplevert (En Wat Het Niet Dekt)
Een parttime junior onderzoeksassistent: $800 tot $1.500 per maand. Een freelance koude-e-mailspecialist: $500 tot $2.000 per maand. Een abonnement op concurrentie-intelligentiedienst: $500 tot $3.000 per maand.
Als je zelfs maar twee van de kerngebruiksgevallen die ik beschreef regelmatig uitvoert, vergelijk je $200 met een realistisch alternatief van meer dan $1.500. Die math is agressief in het voordeel van het platform.
De eerlijke versie van voor wie dit zinvol is: founders en operators die deze workflows al handmatig uitvoeren — investeerdersonderzoek, concurrentiemonitoring, outbound werving — en er echt tijd aan besteden. Als die processen actief zijn in je bedrijf, is $200 een makkelijk ja.
Waar Dit Naartoe Gaat — En Waarom Ik Goed Oplette
De zin die blijft opduiken in gesprekken over platforms als dit is "bedrijf van één persoon ter waarde van een miljard dollar." Het klinkt als tech-optimisme theater totdat je de logica volgt.
Het knelpunt voor kleine teams en solooperators is nooit ideeën geweest. Het knelpunt is uitvoeringscapaciteit.
AI-agents die onderzoeksintensieve workflows afhandelen op bijna-menselijke kwaliteit zijn geen productiviteitstools in de traditionele zin. Ze zijn capaciteitsvermenigvuldigers. Een tweepersoonstijm met de juiste agent-infrastructuur kan opereren met de marktintelligentie van een tienpersoonsteam.
Trek je agenda van de afgelopen week op. Vind de twee of drie dingen die meer dan een uur duurden en onderzoek, werving of het monitoren van iets in je markt betroffen. Minstens één ervan heeft een Perplexity Computer-workflow die de meeste ervan volgend jaar aankan. De vraag is niet of deze tools klaar zijn. De vraag is of je het oordeel opbouwt om ze goed te gebruiken.
Laten We Samenwerken
Wil je AI-systemen bouwen, workflows automatiseren of je tech-infrastructuur opschalen? Ik help je graag.
- Fiverr (maatwerk & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise-oplossingen): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (beveiligingsdiensten): xcybersecurity.io
