Od vydání ChatGPT jsme viděli 3 různé vlny startupů s umělou inteligencí na aplikační vrstvě, z nichž každá má větší konkurenci a konsolidaci. Právě jsme vstoupili do vlny #3 a dynamika konkurence se posouvá zajímavým způsobem:

Wave 1️⃣ byly obaly a chytré výzvy s vyladěným uživatelským rozhraním, které byly rychle překonány, jak se zlepšovaly základní modely.

Wave 2️⃣ byly startupy "nativní pro umělou inteligenci", které vytvářely vlastní datové kanály a vestavěné pracovní postupy, ale mnoho z nich se dostalo do úzkých, když platformy, na kterých závisely, spustily konkurenční aplikace.

Nyní jsme ve vlně 3️⃣, agentské éře. Tato vlna, poháněná RL, je o agentech, kteří se učí – optimalizují pracovní postupy v průběhu času místo toho, aby se spoléhali na statické výzvy. Poskytovatelé modelů dodávají tyto agenty přímo uživatelům (režim agenta OpenAI, Claude Code společnosti Anthropic) a laťka pro "nativní AI" rychle stoupá.

Startupy vytvářejí agenty řízené RL, kteří sledují celé procesy. Obchodní zástupce se může dozvědět, že sledování dva dny po ukázce funguje lépe než jedno nebo že fintech obchody se uzavírají rychleji, když se prodejní technik zapojí dříve. Tito agenti se učí tacitní znalosti, které v tradičních CRM nežijí.

Big Tech ovládá masivní historické datové sady (Google s daty z vyhledávání, Meta se sociálními daty). Chybí jim však přehled o celém řetězci rozhodnutí, akcí a předávání, které definují, jak se dělá skutečná práce.

Lepší základní modely, jako jsou vylepšení OpenAI, pouze zvyšují schopnost těchto agentů učit se a proud dat o interakci generovaný spolupracujícími uživateli a agenty se stává klíčovým proprietárním aktivem v AI.