La modelación en el nivel de conocimiento no sólo es útil para la adquisición del conocimiento. Por ejemplo, al diseñar sistemas «multiagente» , en los que cada agente tiene sus propios conocimientos, expresados en un lenguaje u otro, es importante establecer en qué medida los agentes pueden colaborar, complementarse, discrepar, etc., lo que depende del conocimiento de cada uno, no del lenguaje en el que se representa. En los sistemas multiagente lo interesante no es tener agentes con el mismo cuerpo de conocimientos (salvo que convenga tenerlo replicado en distintos lugares) ni agentes con conocimientos disjuntos (no podrían entenderse), sino agentes que tengan parte común (para poder comunicarse) y parte propia (cada uno tiene sus conocimientos particulares, o creencias).
El planteamiento de Newell se reconoció enseguida como una idea fructífera, pero faltaba concretarla en metodologías para su aplicación práctica. Entre otras cosas, no contempla la existencia y relevancia de distintos tipos de conocimiento (Apartado 1.3).
Una serie de aportaciones de diversos autores, como los «PSM» (Problem Solving Methods, métodos de resolución de problemas) de Clancey (1983) [16] y las «tareas genéricas» de Chandrasekaran (1986) [11] condujeron, a los «sistemas expertos de segunda generación» modelados en el nivel de conocimiento y a diversas metodologías: CoE (Components of Expertise, Steels, 1990 [97]), Generic Tasks (Chandrasekaran, 1992 [12]), KADS (Wielinga el al., 1992 [106]) y CommonKADS (Wielinga et al., 1993 [107]).