Perplexity Brain, la nuova memoria di lavoro dell’agente Computer
Perplexity ha presentato oggi Brain, un nuovo sistema di memoria per Computer, l’agente AI della società. L’idea, a detta dell’azienda, è migliorare le prestazioni future facendo tesoro dei compiti già svolti.
Il concetto è lineare, anche se punta in alto: invece di trattare ogni attività come qualcosa di isolato, Computer conserva traccia, sempre secondo Perplexity, di quello che ha fatto, di ciò che ha dato buoni risultati, degli errori commessi e delle correzioni ricevute.
Non è il classico sistema che si limita a ricordare preferenze o dettagli personali dell’utente. Qui il centro della questione, per Perplexity, è la memoria di lavoro, cioè la storia operativa dell’agente.
Dentro finiscono, sempre stando a quanto spiega l’azienda, le azioni eseguite, i risultati ottenuti, i file usati, le sessioni precedenti e gli aggiustamenti che gli hai chiesto strada facendo.
Perplexity dice che Brain costruisce un “context graph”, una specie di mappa tracciabile del lavoro portato avanti da Computer.
In questa struttura entrano successi, errori, documenti consultati, passaggi intermedi e correzioni accumulate nel tempo. Lo scopo è dare all’agente una visione più ordinata della propria esperienza, così da non ricadere negli stessi sbagli e da recuperare soluzioni che erano già emerse.
C’è poi un altro aspetto interessante: l’apprendimento “overnight”. Secondo Perplexity, il sistema riassume ciò che ha raccolto durante la giornata e lo converte in una wiki dinamica alimentata dal motore linguistico della piattaforma.
Quella wiki viene poi caricata nel sandbox dell’agente per i compiti successivi, sempre secondo l’azienda, e gli mette a disposizione una memoria strutturata del lavoro già fatto, non un semplice elenco di eventi.
Per utenti e aziende c’è anche un punto tutt’altro che marginale: la tracciabilità.
Ogni elemento della memoria, spiega Perplexity, può essere ricondotto alla fonte da cui arriva. In un contesto professionale può pesare parecchio, perché fiducia, audit e debug contano quasi quanto il risultato finale.
Nei test interni condivisi dalla società, Brain avrebbe portato un aumento del 25% nella correttezza delle risposte sui compiti ripetuti, un miglioramento del 16% nel richiamo delle informazioni e una riduzione del 13% dei costi nelle attività che si appoggiano al contesto storico.
Sono dati interessanti perché toccano insieme tre aree che contano davvero: qualità, memoria operativa ed efficienza.
Detta più semplicemente, per Perplexity ricordare meglio il lavoro già svolto non serve solo a sapere di più. Serve anche a usare meno risorse per arrivare alla risposta corretta.
Per adesso Brain è disponibile, sempre secondo Perplexity, come research preview per gli abbonati Perplexity Max ed Enterprise Max.
Questa scelta iniziale fa pensare che l’azienda voglia mettere alla prova il sistema prima negli scenari più avanzati o professionali, quelli in cui la ripetizione dei flussi di lavoro rende una memoria storica molto più utile.
Restano comunque diversi interrogativi.
I risultati pubblicati arrivano da test interni di Perplexity e, per ora, aspettano ancora una conferma da benchmark indipendenti.
In più, una memoria che conserva la storia del lavoro apre questioni delicate sulla governance dei dati, sulla proprietà delle informazioni archiviate e sulle politiche di cancellazione. Poi c’è un limite molto concreto: se l’apprendimento avviene in batch, durante la notte, l’adattamento non avviene davvero in tempo reale.
Quello che Perplexity sta cercando di fare, in sostanza, è spostare l’attenzione dalla memoria dell’utente a quella del lavoro.
Se questo approccio terrà anche al di fuori dei test interni, Brain potrebbe rivelarsi uno degli aggiornamenti più interessanti per chi usa agenti software con continuità.
