Mercado · IA en la práctica
Perplexity pone agentes de modelos distintos a revisar el trabajo de los otros
Multiagent, el nuevo nivel de esfuerzo del Computer de Perplexity, reparte una tarea entre hasta 16 agentes en modelos de laboratorios distintos, que comparten hallazgos y revisan el trabajo de los otros. Los ejemplos vienen de finanzas.
Lo que registran las fuentes
Computer, la plataforma de agentes de Perplexity, ganó un nuevo nivel de esfuerzo, Multiagent, por encima de Ultra. En Ultra, un agente líder planifica la tarea y delega partes a agentes de apoyo, que solo le responden a él. En Multiagent, los agentes de apoyo hablan entre sí: uno usa la evidencia que encontró otro, cuestiona una premisa o señala una discrepancia para investigarla mejor. Al final, el líder lo reúne todo en una sola respuesta.
En el equipo predeterminado, que mezcla laboratorios, Claude Fable 5.2 planifica y reparte la tarea entre agentes con Claude Opus 5.5, GPT 6.1 Sol y Gemini 4 Carbon, y la persona puede pedir otros modelos en la propia consulta. El líder puede asignar hasta 16 agentes, que coordinan la edición de archivos compartidos. En el ejemplo de Perplexity, un agente cambia las premisas de ingresos de un modelo financiero y avisa a otro para usar esas cifras en la valuación.
Perplexity enumera casos de uso de un equipo de finanzas: escenarios de proyección armados en paralelo y comparados, revisión de informes anuales con notas cruzadas para señalar cifras inconsistentes al auditor, due diligence en data room con contratos y registros financieros, y planificación tributaria de fin de año para llevar al contador. El anuncio no trae cifras de mejora de precisión.
Mi lectura
La revisión cruzada entre modelos de laboratorios distintos es una forma práctica de atrapar una premisa equivocada antes de que llegue a una proyección o a una due diligence. En un trabajo con muchas planillas y documentos, el error que sale caro suele estar en la premisa que nadie revisó.