Vi har sett 3 distinkta vågor av AI-startups på appnivå sedan ChatGPT släpptes, var och en med mer konkurrens och konsolidering. Vi har precis gått in i våg #3 och konkurrensdynamiken förändras på intressanta sätt:

Wave 1️⃣ var omslag och smarta uppmaningar med polerade användargränssnitt som snabbt överträffades när de underliggande modellerna förbättrades.

Wave 2️⃣ var "AI-inbyggda" startups som byggde anpassade datapipelines och inbäddade arbetsflöden, men många blev pressade när plattformarna de var beroende av lanserade konkurrerande appar.

Nu är vi i Wave 3️⃣, den agentiska eran. Den här vågen, som drivs av RL, handlar om agenter som lär sig och optimerar arbetsflöden över tid i stället för att förlita sig på statiska uppmaningar. Modellleverantörer skickar dessa agenter direkt till användare (OpenAI:s Agent Mode, Anthropics Claude Code), och ribban för "AI-native" stiger snabbt.

Startups bygger RL-drivna agenter som observerar hela processer. En säljare kan lära sig att det är bättre att följa upp två dagar efter en demo än en dag, eller att fintech-affärer avslutas snabbare med en försäljningsingenjör som kopplas in tidigt. Dessa agenter lär sig underförstådd kunskap som inte finns i traditionella CRM:er.

Big Tech kontrollerar enorma historiska datamängder (Google med sökdata, Meta med sociala data). Vad de saknar är insyn i hela kedjan av beslut, åtgärder och överlämningar som definierar hur det faktiska arbetet utförs.

Bättre basmodeller som OpenAI:s förbättringar förbättrar bara dessa agenters förmåga att lära sig, och strömmen av interaktionsdata som genereras av användare och agenter som arbetar tillsammans håller på att bli den viktigaste proprietära tillgången inom AI.