We hebben 3 verschillende golven van AI-startups op app-niveau gezien sinds de release van ChatGPT, elk met meer concurrentie en consolidatie. We zijn net begonnen aan golf #3 en de competitieve dynamiek verandert op interessante manieren:

Golf 1️⃣ bestond uit wrappers en slimme prompts met gepolijste gebruikersinterfaces die snel achterhaald werden naarmate de onderliggende modellen verbeterden.

Golf 2️⃣ bestond uit "AI-native" startups die op maat gemaakte datastromen en ingebedde workflows bouwden, maar velen werden onder druk gezet toen de platforms waarop ze afhankelijk waren concurrerende apps lanceerden.

Nu zitten we in Golf 3️⃣, het agentische tijdperk. Aangedreven door RL, gaat deze golf over agenten die leren - workflows in de loop van de tijd optimaliseren in plaats van te vertrouwen op statische prompts. Modelleveranciers leveren deze agenten rechtstreeks aan gebruikers (OpenAI's Agent Mode, Anthropic's Claude Code), en de lat voor "AI-native" stijgt snel.

Startups bouwen RL-gedreven agenten die hele processen observeren. Een verkoopagent kan leren dat opvolgen twee dagen na een demo beter presteert dan één, of dat fintech-deals sneller sluiten met een verkoopingenieur die vroeg betrokken is. Deze agenten leren impliciete kennis die niet in traditionele CRM-systemen voorkomt.

Grote technologiebedrijven beheersen enorme historische datasets (Google met zoekgegevens, Meta met sociale gegevens). Wat ze missen, is inzicht in de volledige keten van beslissingen, acties en overdrachten die bepalen hoe daadwerkelijk werk wordt gedaan.

Betere basismodellen zoals de verbeteringen van OpenAI vergroten alleen het vermogen van deze agenten om te leren, en de stroom van interactiegegevens die door gebruikers en agenten die samenwerken wordt gegenereerd, wordt de belangrijkste eigendom in AI.