Vi har sett 3 distinkte bølger av AI-oppstarter i app-lag siden ChatGPT ble utgitt, hver med mer konkurranse og konsolidering. Vi har nettopp gått inn i bølge #3, og konkurransedynamikken skifter på interessante måter:

Bølge 1️⃣ var innpakninger og smarte meldinger med polerte brukergrensesnitt som raskt ble overgått etter hvert som de underliggende modellene ble bedre.

Wave 2️⃣ var "AI-native" startups som bygde tilpassede datapipelines og innebygde arbeidsflyter, men mange ble presset da plattformene de var avhengige av lanserte konkurrerende apper.

Nå er vi inne i Wave 3️⃣, den agentiske æraen. Denne bølgen drives av RL og handler om agenter som lærer – optimaliserer arbeidsflyter over tid i stedet for å stole på statiske meldinger. Modellleverandører sender disse agentene rett til brukere (OpenAIs Agent Mode, Anthropics Claude Code), og listen for "AI-native" stiger raskt.

Startups bygger RL-drevne agenter som observerer hele prosesser. En salgsagent kan lære at oppfølging to dager etter en demo gir bedre resultater enn én, eller at fintech-avtaler avsluttes raskere med en salgsingeniør som går inn tidlig. Disse agentene lærer taus kunnskap som ikke lever i tradisjonelle CRM-er.

Big Tech kontrollerer massive historiske datasett (Google med søkedata, Meta med sosiale data). Det de mangler er innsyn i hele kjeden av beslutninger, handlinger og overleveringer som definerer hvordan faktisk arbeid blir gjort.

Bedre basismodeller som OpenAIs forbedringer forbedrer bare disse agentenes evne til å lære, og strømmen av interaksjonsdata generert av brukere og agenter som jobber sammen er i ferd med å bli den viktigste proprietære ressursen i AI.