Segun MarkTechPost (AI/ML News), Perplexity ha integrado una nueva funcionalidad de investigación agente dentro de su plataforma Computer, lanzada en febrero de 2026. Esta actualización permite descomponer preguntas complejas en subtareas y distribuirlas entre más de 20 modelos de inteligencia artificial de vanguardia. El sistema, conocido como Deep Research, ahora genera informes, presentaciones y dashboards listos para uso, todos dentro de la misma interfaz. La mejora radica en la profundidad del análisis, la precisión de los resultados y la calidad de las citas, al evaluar fuentes en múltiples sitios web y verificar cada afirmación.
La arquitectura detrás de esta funcionalidad se basa en dos componentes clave: el SDK de Búsqueda Agente y el enfoque "Search as Code". En lugar de seguir una secuencia fija, el sistema genera código que diseña la búsqueda en tiempo real. Este código ejecuta cientos de pasos de recuperación paralelos, adaptados a cada consulta específica. Los procesos se ejecutan en un entorno aislado, utilizando herramientas de búsqueda integradas como filtrado, eliminación de duplicados y reordenamiento de resultados. Esta dinámica permite que el sistema se desarrolle en tiempo real, comparando opciones y refinando sus respuestas conforme avanza.
El sistema también permite cargar documentos internos, como PDFs o hojas de cálculo, y los analiza junto a datos en línea, incluyendo fuentes como el censo nacional, Statista y otras bases de datos públicas. Esto permite una validación cruzada que mejora la relevancia y credibilidad de los resultados. La funcionalidad está disponible para usuarios de Perplexity Max, mientras que desarrolladores pueden acceder al mismo motor a través de una API de pago por uso, bajo el nombre de Age.
Para los lectores peruanos, esta evolución en IA representa una herramienta potencialmente transformadora en entornos de toma de decisiones. En contextos como el análisis económico, la elaboración de informes gubernamentales o la evaluación de políticas públicas, el acceso a múltiples fuentes y la capacidad de verificar datos en tiempo real pueden reducir errores y sesgos. Aunque aún está en fase de expansión, el modelo de investigación agente podría ser útil para profesionales de finanzas, administración o inversión que necesiten respuestas rápidas y fundamentadas. Sin embargo, su uso debe acompañarse de una evaluación crítica, ya que los modelos de IA, aún así, dependen de datos de entrada y no pueden garantizar la exactitud absoluta en contextos complejos o sensibles.