Perplexity представила Teammates — режим, в котором агенты Perplexity могут распределять работу между собой, сохранять контекст предыдущих сессий и продолжать выполнение задачи, когда пользователь уже закрыл вкладку. Для IT-команд это важнее очередного чат-бота с приятным интерфейсом: рынок всё заметнее переходит от разовых ответов модели к длительным процессам, за которыми нужно следить почти так же внимательно, как за фоновыми джобами в продакшене.
О новом подходе сообщает The New Stack. По описанию издания, Teammates объединяет несколько агентов в одну рабочую группу: они могут координировать действия, подхватывать контекст там, где закончилась предыдущая сессия, и не ждать нового сообщения от пользователя, чтобы продолжить начатое. Это меняет привычную механику общения с генеративным ИИ. Вместо схемы «задал вопрос — получил ответ — забыл» сервис пытается стать средой, где задача живёт дольше одного диалога.
Слово «агент» за последний год успело изрядно потерять точность: им называют и кнопку для запуска шаблонного промпта, и полноценный процесс с доступом к инструментам. В случае Teammates ключевой признак — не просто несколько ролей в одном окне, а оркестрация. Один агент может заниматься частью работы, другой — продолжать или дополнять её, а система удерживает состояние задачи между сессиями. Пользователю не приходится каждый раз пересказывать, что уже сделано, какие ограничения действуют и на каком этапе всё остановилось.
Именно потеря контекста остаётся одной из самых раздражающих проблем при работе с обычными LLM-интерфейсами. Чат может помнить историю до определённого предела, но это не то же самое, что управляемое состояние процесса. В рабочем сценарии важны не только предыдущие реплики, но и статус подзадач, принятые решения, результаты поиска, перечень следующих действий и причины, по которым какой-то путь был отброшен. Если агенты Perplexity действительно используют эту информацию при возобновлении работы, они становятся ближе к исполнителю процесса, чем к собеседнику.
Для разработчиков и продуктовых команд здесь есть очевидный сценарий: разбивать исследовательскую или подготовительную работу на параллельные ветки. Например, одна роль собирает требования, другая анализирует конкурентов, третья готовит черновик плана или список технических рисков. Но многoагентность сама по себе не делает результат надёжнее. Несколько моделей способны не только ускорить поиск, но и уверенно размножить ошибочное допущение — особенно если они получают общий контекст без чётких правил проверки.
Поэтому главный вопрос для бизнеса будет не в количестве «цифровых коллег», а в контроле исполнения. Когда агент продолжает работать после закрытия вкладки, ему нужны понятные границы: какие инструменты доступны, какие действия разрешены без подтверждения, где хранится контекст и как можно восстановить цепочку решений. Внутренний помощник, который готовит сводку или черновик исследования, — одно дело. Агент, который меняет данные, создаёт заявки, отправляет письма или получает доступ к корпоративным системам, уже требует журналов действий, разграничения прав и человеческого финального контроля.
Для российских команд новость полезна ещё и как ориентир для собственной архитектуры. Даже если Perplexity не входит в рабочий стек компании, сама модель продукта становится типовой: длительные задачи, память между сессиями, диспетчеризация ролей и запуск без постоянного присутствия человека. Аналогичные паттерны можно собирать вокруг внутренних сервисов, API, очередей заданий и корпоративных баз знаний. Но в таком проекте «память агента» быстро перестаёт быть удобной функцией и превращается в объект управления данными: ей нужны сроки хранения, доступы, очистка и аудит.
Переход от чата к автономному процессу также меняет метрики эффективности. Оценивать подобные системы только по качеству финального текста бессмысленно. Команде придётся измерять долю задач, завершённых без повторного запроса, число ошибочных действий, время на проверку результата, стоимость выполнения и частоту эскалаций человеку. Иначе впечатляющая демонстрация с несколькими агентами останется дорогим способом автоматизировать переписку с самим собой.
Teammates показывает, куда движется интерфейс генеративного ИИ: пользователь формулирует цель, а не поддерживает бесконечный диалог ради каждого следующего шага. Но чем дольше агенты Perplexity действуют самостоятельно и чем больше задач передают друг другу, тем важнее становятся наблюдаемость, права доступа и возможность вовремя нажать не только «продолжить», но и «остановить».
