> 📥 Hele feltrapporten findes som PDF. Download den øverst på siden — med compliance-trafiklys, sektor-research-eksempel og 5-trins startguide.
> 🧭 Del 3 af 4 i serien AI-agenter anno 2026. Fire værktøjer, der alle bliver kaldt AI-agent: OpenClaw, Claude Cowork, Perplexity og Hermes. I dag: Personal Computer — den jeg bruger til tung research, og som flere allerede kører side om side med Cowork.
1. Feltrapport, ikke hype
Jeg sad med en CIO i en stor dansk infrastrukturvirksomhed. Han skulle have AI-fortællingen på plads til sin IT-enhed på 65 mennesker. Jeg skulle holde en 60-minutters keynote for dem.
Jeg gav Perplexity Personal Computer én sætning:
"Lav en grundig research-rapport om generativ AI og AI-agenter i transport-, jernbane- og infrastrukturselskaber 2026. Find 14 dokumenterede cases. Klassificér dem på modenhed. Vær konservativ med evidensvurderingen, og marker eksplicit hvor kilderne er svage. Aflever som et internt arbejdsdokument med klikbare kildehenvisninger og en sektion om kildegaps."
En halv time senere lå rapporten klar i mappen.
13 sektioner. 14 cases (Deutsche Bahn, Italferr, DSB, SMRT i Singapore, Cubic + Imperial AIDA Lab, blandt andre). En modenhedsmatrix der placerede hver use case på to akser. En EU AI Act-tidslinje med Omnibus-udsættelsen ridset op. En sektion om kundens eget udgangspunkt (et igangværende BIM-program og datastandard, et eksisterende Digital Asset Management-partnerskab, et O&M-udbud under forberedelse). Og en eksplicit kildegap-sektion der listede præcis hvor evidensen var leverandørbaseret eller konferencerapporteret.
Det var overvældende.
Jeg havde ikke skrevet en eneste prompt ud over den første. Og i virkeligheden ikke engang den. Den var skrevet af Claude. Der er nogle hos Anthropic, der siger, at man ikke længere skal prompte så meget. Man skal bygge systemer, der prompter sig selv.
Det her lyder som en demo. Det er det ikke. Det er forskellen på at forberede sig på en kundekeynote i 2026 og at forberede sig på den samme keynote for fem år siden.
2. Det der virker: research der lander som en færdig leverance
Fortællebuen blev født ud af research-rapporten. Den startede ikke i et tomt Keynote-dokument. Den startede i mappen.
Sektorresearch med kilder, der holder. Jeg bad Perplexity scanne hele området og levere en rapport med kildelinks for hver væsentlig påstand. Den fandt 14 cases i jernbane- og transportsektoren, vurderede modenhed (pilot, skaleret, produktion) og adskilte verificeret evidens fra konferencerapporterede tal. SMRT-casen i Singapore, Jarvis-systemet med 30 års driftsdata og lancering i april 2026, endte som en af mine tre hovedcases på scenen. Den ville jeg ikke have fundet manuelt på under to dage.
Modenhedsmatrix der bliver til slides. Jeg bad om en placering af typiske AI-use cases på to akser: modenhed og relevans for IT-enheden. Den producerede en matrix og en tabel med konkrete pilot-anbefalinger. Derefter gav jeg adgang til samme folder til Claude, som byggede slides til min keynote.
Klient-specifik integration. Da jeg fortalte Perplexity om kundens eksisterende digitale fundament, skrev den en sektion, der koblede sektorens cases til kundens reelle udgangspunkt. "Jeres udgangspunkt er stærkere end I tror" blev en af mine slide-titler. Den linje kom fra rapporten.
Talking points med advarsler indbygget. Hver case kom med en lille "traps to avoid"-blok. På SMRT-casen stod der eksplicit: Sig ikke "full operation", det er pilot. Nævn ikke en specifik LLM, hvis leverandøren ikke oplyser den. Sig ikke at MKBF er forbedret af Jarvis, hvis det endnu ikke er målt. Det var præcis det, jeg manglede for ikke at oversælge en case foran et publikum, der vidste mere om jernbanedrift end mig.
3. Forskellen til Claude Cowork
Forskellen til Cowork er værd at sige højt.
Cowork er en assistent, du sætter til at arbejde i din mappe. Personal Computer er en research-specialist, der bruger din mappe som input og leverer tilbage i den. Cowork er bredere. Personal Computer er dybere på det, den gør bedst. De konkurrerer ikke nødvendigvis. De supplerer hinanden.
Modellen bagved er også værd at nævne, men her skal man være præcis. Personal Computer orkestrerer på tværs af flere underliggende modeller og Perplexitys egen research-stack. Du behøver normalt ikke selv vælge model. Pointen er ikke det konkrete modelnavn, men at værktøjet forsøger at vælge den rigtige kapacitet til opgaven.
Detour: Opus 4.8 og karantenen
Jeg valgte at bruge Claude Opus 4.8 forleden og løb tør for tokens og kreditter. Nu er jeg i karantene indtil medio juni. Haha! Men det med de mange agenter, som kører selv parallelt, er smart. Det er det modsatte af at sidde med fem chat-vinduer åbne og selv håndsortere outputs.
En ting jeg har sat særligt pris på: den dokumenterer, hvad den gjorde. Hver leverance kommer med en kort note om, hvilke kilder den hentede, hvilke filer den læste, og hvor den gjorde sig usikker.
Og så er der sandboxingen. Personal Computer arbejder med et isoleret handlingsmiljø, beder om godkendelse til følsomme handlinger og giver bedre sporbarhed over, hvad agenten har gjort. Det er vigtigt. Men det er ikke det samme som, at alle fejl kan rulles tilbage automatisk, eller at databehandlingen er lokal. Det vender jeg tilbage til.
4. Det den ikke er så god til
Research-styrke er ikke det samme som workflow-styrke. Her er den ærlige del.
Personal Computer er en stærk research-specialist. Den er ikke en generel assistent. Den grænse skal man kende. Den rydder ikke op i mapper for dig. Den bygger ikke robuste arbejdsskabeloner. Den eksekverer ikke flertrins-workflows på tværs af apps på samme måde som en bredere desktop-agent. Den bygger heller ikke nødvendigvis selve keynoten. Den leverer materialet, strukturen, argumenterne og kilderne. Du bygger stadig præsentationen, eller lader et andet værktøj (eg. Claude Opus 4.8) bygge den videre for dig.
Beder du Personal Computer bygge en kursusplatform, en blogserie eller en kampagne, kan det gå skævt. Beder du den finde svar, vurdere kilder og levere et dokumenteret arbejdsgrundlag, er den i en klasse for sig.
Den nulstiller sig også mellem sessioner. Den har ikke en pålidelig, vedvarende hukommelse på tværs af alt, hvad du tidligere har arbejdet med. På kundeprojektet betød det, at jeg skulle fodre den med klientkonteksten i hver større session.
Trick: handover-filen
Du kan mindske problemet ved at give den adgang til README-filer i den folder, den arbejder i. Jeg bruger ofte en kort handover-fil, hvor kontekst, mål, kilder, antagelser og tidligere beslutninger er skrevet ned. Så kan den arbejde videre uden at skulle genopfinde projektet. Den README-fil har Claude Cowork lavet, så får du begge værktøjer i spil parallelt i samme materiale, måske i forskellige foldere, for at undgå at de træder hinanden på tæerne.
Den finpudser heller ikke det sidste lag. Den har skrevet et forkert årstal på en kildeangivelse for mig. Den har lavet en graf, hvor X-aksen logisk ikke gav mening. Det er den klassiske agent-oplevelse: output der er 95 procent imponerende og 5 procent pinligt. Og de 5 procent er dit ansvar. Især når du står foran en kunde, der kender sin egen sektor bedre end dig.
Appen er også ny. I maj 2026 blev Personal Computer gjort bredt tilgængelig i Perplexitys Mac-app, og det mærkes stadig. Jeg har set leveringen til mappen tage længere tid end forventet, og jeg har set én session crashe undervejs i en lang opgave. Det er en ung app. Det skal man vide.
Og så er der platformen. Personal Computer-delen med adgang til lokale filer og native Mac-apps er Mac-only lige nu. På Windows kan du stadig bruge Perplexity i browseren og andre Perplexity-produkter, men den lokale desktop-agent med Mac-filadgang er ikke det samme.
5. Forlader data din maskine?
Og så er der spørgsmålet, der adskiller Personal Computer fra en almindelig lokal app.
Personal Computer føles lokal, fordi den arbejder på din Mac, kan få adgang til lokale mapper og kan operere i dine apps. Men lokal adgang er ikke det samme som lokal behandling. Perplexity beskriver selv Personal Computer som en funktion, der forbinder lokale filer, apps og browserkontekst med Perplexity Computer, så agenten kan arbejde med den kontekst, der ligger på din desktop. Derfor bør man som udgangspunkt antage, at relevant indhold fra de filer og apps, man giver adgang til, kan blive sendt til Perplexitys tjeneste og behandlet i deres model- og serviceinfrastruktur.
På kundeprojektet
Alt det jeg gav Perplexity adgang til, var offentligt materiale: BIM-program, digitalt asset management-partnerskab, O&M-udbud, pressemeddelelser, brancherapporter og offentlige sektorcases. Til den type research er Perplexity næsten bygget til formålet. Men billedet ændrer sig, hvis man lægger klientdata, personoplysninger eller fortrolige dokumenter i research-mappen.
På Perplexity Free, Pro og Max er AI Data Retention som udgangspunkt slået til. Perplexity oplyser, at data kan bruges til AI-træning, medmindre brugeren aktivt slår det fra. Et opt-out gælder kun fremadrettet. Som tommelfingerregel er det rødt eller gul-rødt for klientdata, fortrolige virksomhedsdata og personoplysninger, medmindre der er lavet en eksplicit risikovurdering og sat passende organisatoriske kontroller op.
På Perplexity Enterprise Pro er udgangspunktet anderledes. Perplexity oplyser, at enterprise-data ikke bruges til træning eller fine-tuning, og at aftaler med tredjepartsmodeller forhindrer træning på enterprise-data. Men Enterprise-brug er ikke automatisk compliant. Det kræver konkret review af DPA, underdatabehandlere, retention, adgangsstyring, dataoverførsler og den konkrete datakategori.
Følsomme personoplysninger, fulde KYC-mapper, patientdata, HR-sager og tungt reguleret materiale er stadig rødt uden særskilt risikovurdering. Jeg har ikke fundet tilstrækkelig offentlig dokumentation for en fuld EU Data Boundary eller EU-only behandling for Personal Computer. Indtil det er konkret dokumenteret i jeres aftalegrundlag, bør regulerede use cases behandles konservativt. Og det her er sikkert fordi de bruger forskellige LLM'ere, som ikke allesammen er hostet i EU.
Den praktiske forskel
Sandboxing handler om, hvad agenten må gøre på din maskine. Compliance handler om, hvilke data agenten får adgang til, hvor de behandles, hvem der kan behandle dem, hvor længe de gemmes, og om leverandørens aftalegrundlag matcher jeres datakategori.
Min anbefaling er enkel: giv Personal Computer sin egen research-mappe. Brug den til offentligt materiale, sektorresearch, brancheanalyser, keynote-forberedelse og dokumenter uden klientfølsomt indhold. Hold personoplysninger, KYC, kontraktudkast, interne strategipapirer og fortrolige kundedokumenter ude, medmindre jeres organisation har godkendt setup'et.
6. Hvem er det til
Hvis du laver research-tungt arbejde, hvor outputtet skal være et færdigt dokument, er den svær at slå lige nu.
| Rolle | Hvad den løser |
|---|---|
| Konsulenter | Forberede sig på en branche, de ikke lever i hver dag. |
| Analytikere | Levere markedsbriefings. |
| Journalister | Grave før et interview. |
| Jurister | Indledende, kildebelagt research på offentligt materiale (ikke erstatte juridisk vurdering). |
| Investorer | Forstå en sektor før due diligence. |
| Ledere | Bygge briefings inden bestyrelsesmøder. |
For dem er det det stærkeste research-værktøj, jeg har prøvet. For et lille team uden tung security-proces kan den være hurtig at komme i gang med. I en rigtig enterprise-kontekst er værktøjet teknisk let, men godkendelsen kan stadig tage tid: DPA, SSO, retention, adgangsstyring, audit logs og intern AI-politik skal på plads.
For finansielle virksomheder, sundhedsfaglige miljøer og andre regulerede organisationer er det ikke kun et dataresidens-spørgsmål. Det er et samlet compliance-spørgsmål: DPA, underdatabehandlere, dataoverførsler, retention, adgangsstyring, audit logs, DPIA og den konkrete datakategori. Indtil EU-only behandling og enterprise-kontroller er konkret dokumenteret i aftalegrundlaget, er det nej til følsomme data.
For Microsoft-huse
Perplexity har lanceret Microsoft 365-integration i preview. Det giver Perplexity adgang til Teams-tråde, mails og SharePoint-filer. Efter min vurdering er det en af de mest interessante udfordringer til Microsofts egen research-funktionalitet, fordi Perplexity forsøger at koble webresearch, enterprise-kilder og modelvalg i samme arbejdsgang. Men det er også dér, dataresidens- og compliance-spørgsmålet bliver hårdest. Den vil jeg holde tæt øje med.
En sidste ting: jeg har haft glæde af Cowork side om side med Perplexity Computer, så "kombi-pakken" er også en mulighed. Men måske stof til en ny artikel.
7. Sådan kommer du i gang
Personal Computer er det modsatte af min agent-sværm fra nummer 1. Hvor OpenClaw krævede tekniske hænder og et isoleret miljø, og hvor Cowork krævede en mappe og en sætning, kræver Personal Computer en mappe og et spørgsmål. Men netop fordi tærsklen er lav, er det nemt at glemme det vigtige:
Personal Computer rører dine rigtige filer, og relevant kontekst kan forlade din maskine. Vælg abonnementet bevidst. Vælg mapperne bevidst. Og læs altid efter.
Hvis du vil prøve det denne uge, så start sådan her:
1. Hent Perplexity Mac-appen. Personal Computer kræver som minimum et betalt abonnement. Tjek altid aktuel pris og adgangskrav, fordi Perplexity ændrer pakker hurtigt.
2. Lav en research-mappe på din Mac. F.eks. "Perplexity-research". Det er ikke hele dit Skrivebord. Det er én mappe. Hold klientdata og personoplysninger uden for den.
3. Vælg en konkret opgave fra denne uge. En keynote du skal forberede. En briefing du skal lave. En sektor du skal lære at kende. Outputtet skal være et dokument, ikke et workflow.
4. Skriv prompten som om du briefer en senior konsulent. Tre ting: målet, kilderne og formatet. Tilføj én ting mere: bed eksplicit om en kildegap-sektion. "Marker hvor evidensen er svag." Det er den ene linje, der løfter outputtet fra brugbart til rimelig pålideligt.
5. Læs alt efter. Altid. Især kildehenvisninger, tal, datoer, navne og regulatoriske påstande. Den 5-procents fejl venter altid et sted. Det er din opgave, ikke maskinens.
Gør du det, har du den hurtigste research-assistent, jeg endnu har prøvet. Og du har endnu en rigtig agent ved siden af Cowork. Ikke en erstatning. Et supplement.
8. Næste nummer
Nummer 4 i serien, og den sidste i denne omgang: Hermes Agent fra Nous Research. Den modsatte yderlighed af Personal Computer. Open-source, kører lokalt på din egen maskine, persistent memory, og bygget med sandboxing tæt på kernen. Tre måneder under test, foreløbig vurdering. Hvad det kan, hvor det er stærkt, og hvorfor jeg installerede den selv i stedet for at vente.
Stefano Vincenti — GenAI-strateg og -arkitekt. 25 år i IT og digital transformation. Co-founder af BotTellMe. Ekstern lektor ved ITU og DIS Copenhagen. Partner hos TryZone. Tilmeld nyhedsbrevet og få de næste numre direkte.
Guiden er et fagligt øjebliksbillede pr. juni 2026 og udgør hverken juridisk rådgivning, GDPR-vurdering eller IT-sikkerhedsrådgivning for din specifikke situation. Compliance-, dataresidens- og sikkerhedsvurderinger er generelle pejlemærker baseret på offentligt tilgængelige kilder. Den endelige vurdering for jeres data, processer og use cases skal foretages af jeres egen compliance-funktion, DPO, jurist eller IT-sikkerhedsfunktion. Værktøjer, priser, vilkår og sikkerhedsmeldinger ændrer sig hurtigt — verificér altid de aktuelle forhold før beslutning.