Abbiamo visto 3 onde distinte di startup di AI a livello di app da quando è stato rilasciato ChatGPT, ognuna con più concorrenza e consolidamento. Siamo appena entrati nella terza onda e le dinamiche competitive si stanno spostando in modi interessanti:

La Wave 1️⃣ erano wrapper e prompt intelligenti con interfacce utente curate che sono state rapidamente superate man mano che i modelli sottostanti miglioravano.

La Wave 2️⃣ erano startup "native AI" che costruivano pipeline di dati personalizzate e flussi di lavoro integrati, ma molte sono state schiacciate quando le piattaforme su cui facevano affidamento hanno lanciato app concorrenti.

Ora siamo nella Wave 3️⃣, l'era agentica. Alimentata da RL, questa onda riguarda agenti che apprendono - ottimizzando i flussi di lavoro nel tempo invece di fare affidamento su prompt statici. I fornitori di modelli stanno inviando questi agenti direttamente agli utenti (Modalità Agente di OpenAI, Claude Code di Anthropic), e l'asticella per "AI-native" si sta alzando rapidamente.

Le startup stanno costruendo agenti guidati da RL che osservano interi processi. Un agente di vendita potrebbe apprendere che seguire due giorni dopo una demo funziona meglio che farlo dopo uno, o che le trattative fintech si chiudono più velocemente con un ingegnere di vendita coinvolto precocemente. Questi agenti apprendono conoscenze tacite che non risiedono nei tradizionali CRM.

Le grandi aziende tecnologiche controllano enormi set di dati storici (Google con i dati di ricerca, Meta con i dati sociali). Ciò che manca loro è la visibilità sull'intera catena di decisioni, azioni e passaggi che definiscono come viene svolto il lavoro effettivo.

Modelli di base migliori come i miglioramenti di OpenAI migliorano solo la capacità di apprendimento di questi agenti, e il flusso di dati di interazione generato dagli utenti e dagli agenti che lavorano insieme sta diventando il principale asset proprietario nell'IA.