Perplexity выводит AI-агента Computer в корпоративный сегмент: вызов Microsoft, Salesforce и рынку enterprise AI

Perplexity, которую еще недавно в основном воспринимали как дерзкого игрока на рынке AI-поиска, теперь идет заметно дальше. На своей первой конференции для разработчиков Ask 2026 компания объявила: ее агент Computer стал доступен корпоративным заказчикам. И это уже не просто очередной релиз. По сути, Perplexity пытается зайти на территорию, где давно и уверенно сидят Microsoft, Salesforce и весь привычный корпоративный стек.

Любопытно, что enterprise-запуск случился почти сразу после потребительского дебюта Computer — прошло всего две недели. По словам компании, реакция оказалась почти взрывной: пользователи публиковали примеры, где агент собирал финансовые панели в духе Bloomberg Terminal, автоматизировал маркетинговые процессы и закрывал задачи, под которые раньше держали отдельные команды. За один уикенд, как утверждает Perplexity, более сотни компаний сами вышли на связь и попросили доступ.

Дмитрий Шевеленко, отвечающий в Perplexity за бизнес-направление, сформулировал это без особой скромности: появление Computer внутри компании стало самым сильным скачком продуктивности за всю ее историю. Звучит громко — да, очень. Но если смотреть на то, как сейчас развивается разработка AI-агентов и автоматизация в enterprise-среде, такой тон уже мало кого удивляет.

Что такое Perplexity Computer на практике

Если отбросить маркетинговый блеск, Computer — это оркестратор. Пользователь ставит цель на обычном языке, а система разбивает ее на шаги, распределяет подзадачи между специализированными агентами, выбирает подходящие модели и собирает результат в единое целое. Не только отвечает, а именно делает: ищет, анализирует, пишет, формирует документы, генерирует файлы, держит контекст. Короче, не болтает без дела.

Пример, который приводит компания, довольно показательный: можно попросить систему подготовить briefing по участникам встречи, используя открытый интернет, переписку в Slack, письма, документы в Notion и другие внутренние источники. Дальше агент сам решает, что и в каком порядке делать.

Внутри — около 20 моделей от разных поставщиков. Среди них Claude Opus 4.6 для сложного reasoning, Gemini для исследований, GPT-5.2 для длинного контекста и веб-поиска, Grok для быстрых сценариев, отдельные модели для изображений и видео. Ставка здесь понятная: не существует одной идеальной модели на все случаи жизни, а значит, enterprise-клиентам нужна не одна «лучшая» нейросеть, а грамотная архитектура AI-агентов, которая умеет выбирать инструмент под задачу.

Каждая сессия Computer запускается в изолированной microVM на базе Firecracker. Это важный момент, особенно для компаний, которые думают не только о продуктивности, но и о рисках. В корпоративной среде вопрос безопасности AI-агентов обычно всплывает не на втором этапе, а в самом начале — иногда еще до первой демонстрации.

Почему мультимодельный подход выглядит сильным ходом

Perplexity делает ставку на model-agnostic подход: не привязывать клиента к одному вендору, а маршрутизировать задачи туда, где результат будет лучше. И, честно говоря, логика в этом есть. Сегодня одна модель сильнее в аналитике, другая — в длинном контексте, третья — в скорости. Завтра расклад уже другой. Рынок меняется почти нервно.

По данным, на которые ссылается компания, за 2025 год структура использования моделей у ее корпоративных клиентов сильно изменилась: если в начале периода почти все запросы уходили в пару моделей, то к концу года распределение стало куда более равномерным. Ни одна модель уже не доминировала. Это косвенно подтверждает простой тезис: будущее enterprise AI, вероятно, не за монокультурой, а за гибкой оркестрацией.

Именно поэтому тема мультиагентных систем сейчас так быстро выходит из разряда лабораторных экспериментов в реальный бизнес-контур. Когда один агент ищет, второй проверяет, третий пишет, четвертый тянет данные из внутренних систем — это уже не красивая схема на слайде, а рабочая модель автоматизации.

Slack как точка входа, а не просто интеграция

Одна из самых интересных деталей: Slack для Computer — не декоративный коннектор, а почти родная среда. По словам Шевеленко, продукт вообще начинался как внутренний Slack-бот. Сотрудники Perplexity использовали его раньше, чем внешний рынок вообще понял, что компания готовит.

И вот тут начинается самое живое. Финансовая команда автоматизировала работу с дебиторкой. Sales-команда — подготовку коммерческих предложений. Люди видели запросы коллег в общих каналах, подхватывали идеи, пробовали на своих задачах. Не через скучный корпоративный тренинг. Не через PDF на 48 страниц. А просто потому, что инструмент мелькал перед глазами и было видно, как он реально помогает.

Это, возможно, одна из самых недооцененных сторон enterprise AI: обучение через наблюдение. Когда сотрудник видит, как коллега в том же канале получает готовую аналитику, сводку или документ за минуту, adoption идет сам собой. Ну, почти сам собой. Такой формат внедрения часто работает лучше, чем любое «централизованное повышение цифровой зрелости», как это любят называть в презентациях.

При этом администраторы могут ограничивать доступ к коннекторам и задавать, какие запросы выполняются публично, а какие — только в приватном режиме. И это разумно: не всякая автоматизация должна жить в общем канале, особенно если речь о финансах, клиентах или юридических документах.

Что enterprise-клиенты получают помимо самого агента

Для корпоративного сегмента Perplexity добавила набор функций, без которых крупные внедрения обычно просто не взлетают. Речь о SSO/SAML, SCIM, журналировании действий, административных политиках, SOC 2 Type II и опции zero data retention. Звучит сухо, но именно такие вещи часто решают судьбу сделки.

Кроме того, доступны коннекторы к Snowflake, Datadog, Salesforce, SharePoint, HubSpot и другим системам. Есть и поддержка Model Context Protocol для кастомных подключений. Это уже похоже не на «умный чат», а на платформу, которую можно встраивать в корпоративный ландшафт без бесконечных костылей.

Отдельно стоит отметить шаблоны сценариев: проверка контрактов, поддержка аудита, подготовка к sales-call, triage клиентских тикетов. То есть компания продает не только движок, но и готовые точки применения. А это для enterprise важно — бизнес обычно покупает не абстрактный интеллект, а сокращение времени, издержек и ручной рутины.

Самый опасный для рынка сценарий: доступ к данным без SQL и без очереди к аналитикам

Пожалуй, наиболее сильный кейс — работа с Snowflake и Datadog на естественном языке. Если нетехнический сотрудник может спросить систему о бизнес-метрике обычной фразой и получить ответ без участия data-команды, это меняет очень многое. Не чуть-чуть. Сильно.

Шевеленко привел пример: он задал вопрос о том, какой процент пользователей Computer затем докупал дополнительные кредиты сверх лимита подписки. Сам он SQL не пишет. Искать данные вручную не умеет. В обычной жизни такой запрос ушел бы аналитикам и завис на несколько часов, а то и дольше. Здесь результат пришел меньше чем за минуту.

Другой пример — поиск релевантного customer reference для enterprise sales. Вместо того чтобы писать в общий канал и надеяться, что нужный человек заметит сообщение, сотрудник попросил Computer найти наиболее лояльных клиентов из B2B-медиа и указать ответственных аккаунт-менеджеров. Агент выдал несколько рекомендаций почти сразу. Вот это и есть настоящая автоматизация: не «помощник для идей», а сокращение 10–15 ручных шагов до пары действий.

В этом контексте особенно важны агентная память и RAG: без устойчивого доступа к корпоративным источникам, истории взаимодействий и контексту такие сценарии быстро рассыпаются. Один красивый ответ — это еще не система. Система начинается там, где агент помнит, откуда взял данные, как связал источники и почему выдал именно такой результат.

Против кого на самом деле играет Perplexity

Формально — против Microsoft, Salesforce, Google и Anthropic. По сути — против идеи, что enterprise AI должен жить внутри одной экосистемы. Microsoft продвигает Copilot и Copilot Studio, Salesforce — Einstein, Google — Gemini в Workspace, Anthropic — свои корпоративные сценарии вокруг Claude. У всех сильные позиции, каналы продаж и уже существующая база клиентов. Это не те соперники, которых можно просто обойти красивой демкой.

Аргумент Perplexity в ответ звучит так: единый вендор почти всегда навязывает собственный стек, а мультимодельный оркестратор позволяет выбирать лучшее из доступного. Компания называет Computer инструментом, который объединяет остальные инструменты. Немного дерзко, но мысль ясна.

Шевеленко также упомянул OpenClaw — open-source фреймворк для AI-агентов. Сравнение показательное. У open-source решений часто впечатляющая гибкость, но для enterprise там быстро всплывают вопросы управления, аудита, разграничения доступа и общей предсказуемости. Иными словами, собрать можно многое, а вот безопасно масштабировать — уже совсем другая история.

Где у этой стратегии слабое место

Оно, в общем-то, очевидно: зависимость от чужих моделей. Если Perplexity строит ценность на оркестрации API Anthropic, OpenAI, Google, xAI и других поставщиков, то любой сбой, рост цен или ограничение доступа бьет по платформе напрямую. Это не фатальный риск, но и не мелочь.

Есть и второй нюанс — доверие. Компании всего несколько лет, а она просит доступ к чувствительным данным: контрактам, аналитике, внутренним хранилищам, переписке. Для regulated-секторов этого достаточно, чтобы разговор сразу ушел в плоскость governance, контроля и соответствия требованиям.

Поэтому неудивительно, что Perplexity так подчеркивает изоляцию сессий, аудит, zero data retention и корпоративные политики. На рынке enterprise AI сегодня мало просто быть полезным. Нужно еще доказать, что платформа вписывается в требования по AI compliance и соответствию требованиям. И вот тут многие амбициозные продукты начинают буксовать.

Почему модель оплаты по использованию может и помочь, и помешать

Вместо классической схемы per-seat Perplexity выбрала usage-based billing. Организация получает пул кредитов, а дальше распределяет их между сотрудниками и командами. Логика понятна: стоимость задач сильно различается. Один запрос на текстовый briefing стоит копейки, а генерация видео или длинный многошаговый workflow — уже совсем другие деньги.

С точки зрения экономики продукта это выглядит честно. С точки зрения procurement — не всегда комфортно. Корпоративные закупки любят предсказуемость, а модель «платим по факту использования» иногда вызывает нервный тик у финансового отдела. Особенно если внедрение внезапно пошло быстрее, чем ожидалось. Такое бывает. И нередко.

С другой стороны, фиксированная цена за место тоже неидеальна для AI-агентов: один сотрудник может почти не пользоваться системой, а другой — сжигать тысячи кредитов в месяц на сложных автоматизациях. Так что Perplexity здесь, скорее всего, выбрала меньшее из двух неудобств.

Почему момент для запуска выглядит удачным

Шевеленко отдельно подчеркивает фактор времени: по его мнению, еще несколько месяцев назад Computer просто не смог бы работать на нужном уровне надежности. Базовые модели, особенно в агентных сценариях, были недостаточно зрелыми. Сейчас — уже да. Возможно. По крайней мере, достаточно, чтобы рискнуть и выйти в enterprise.

Рыночный фон это подтверждает: компании массово тестируют AI-агентов, автоматизируют процессы и ищут способы встроить их в повседневную работу. Спрос на агентные системы, оркестрацию моделей и корпоративную автоматизацию растет быстро — местами даже слишком быстро, чтобы рынок успевал вырабатывать устойчивые стандарты.

И вот в этом есть легкая ирония. Perplexity, которая прославилась как слой поверх чужой информации, теперь строит слой поверх чужих моделей, корпоративных данных и бизнес-систем. Если схема сработает, ценность базовых платформ начнет чуть-чуть размываться, а ценность оркестратора — наоборот, расти. Не мгновенно, конечно. Но вектор понятен.

Что все это значит для рынка enterprise AI

Самый интересный вопрос даже не в том, сможет ли Computer конкурировать с Copilot или Einstein. Вопрос в другом: не становится ли Perplexity новым middleware-слоем, который постепенно перехватывает пользовательский интерфейс к корпоративным системам? Если сотрудник получает результат через агента, ему уже не так важно, в какой именно системе лежат данные и какой вендор стоит под капотом.

Пока Perplexity осторожно говорит не о замене платформ, а о закрытии пробелов между ними. Это дипломатично и, вероятно, правильно. Потому что ей нужны партнерские интеграции с теми же Salesforce, Snowflake и SharePoint. Но история технологий показывает: middleware, который становится по-настоящему удобным, рано или поздно начинает угрожать самим приложениям, к которым подключается.

Сможет ли Perplexity дожать эту историю до устойчивого enterprise-бизнеса — вопрос открытый. Слишком много переменных: качество оркестрации, стоимость использования, реакция крупных вендоров, требования служб безопасности, зрелость агентных сценариев. Но одно ясно уже сейчас: рынок корпоративных AI-агентов перестает быть нишей для экспериментов и превращается в поле большой конкуренции.

И да, это уже не про «чат-бота для сотрудников». Это про то, кто станет главным интерфейсом к корпоративной работе в ближайшие годы. А тут ставки, мягко говоря, немаленькие.