AI-boom og advarslen fra Google

Der er næsten ikke en uge, hvor vi ikke ser endnu en AI-startup poppe op på LinkedIn eller i pressen. Det summer af hype, investorerne står i kø, og alle jagter den næste store bølge. Men midt i festen kommer Google med en ret kras advarsel: To typer AI-startups – LLM wrappers og AI aggregators – risikerer at blive de første, der falder fra. Darren Mowry, VP for Google Cloud, sagde det ret direkte for nylig: “Startups med de her hooks har deres ‘check engine light’ tændt.” Det ramte mig faktisk, for vi har selv set, hvordan nogle af de her løsninger virker lidt… tynde, når man kigger bag facaden.

Hvad er LLM wrappers og AI aggregators?

Lad os lige få styr på begreberne. En LLM wrapper er i bund og grund en startup, der tager en eksisterende stor sprogmodel – GPT, Claude, Gemini – og pakker den ind i et produkt eller en brugerflade, så den løser et konkret problem. Tænk for eksempel på en AI-assistent til jurister (Harvey AI) eller en kodehjælper (Cursor). De bygger ikke selve modellen, men bruger den som motoren bag deres løsning. AI aggregators går et skridt videre og tilbyder adgang til flere modeller på én gang – typisk via én API eller brugerflade. Perplexity og OpenRouter er gode eksempler: De samler flere AI-modeller, så brugeren kan vælge eller automatisk få den bedste til opgaven.

Vi har set flere af de her løsninger i praksis. Cursor har faktisk imponeret os, fordi de har fået integrationen med udviklingsværktøjer til at spille. Men mange andre føles som om de bare har sat et pænt UI oven på GPT – og det holder ikke i længden.

Hvorfor er de under pres?

Google VPs argumenter er ret klare: Hvis din forretning kun består af et tyndt lag oven på en andens model, har du ikke meget at stå imod med. Der mangler differentiering og et stærkt IP-lag. Og så er der det store problem, at modeludbyderne – altså OpenAI, Google, Anthropic – selv begynder at rykke op i værdikæden. De bygger flere og flere enterprise-features direkte ind, så behovet for mellemled falder. Det minder faktisk om cloud-markedet i 2010’erne, hvor en masse små spillere forsøgte at sælge AWS-ydelser videre. Da AWS selv begyndte at tilbyde alt fra sikkerhed til migration, forsvandt de fleste mellemled ret hurtigt.

Vi har talt med en SaaS-udbyder, der oplever præcis det pres: Deres AI-plugin til dokumenthåndtering blev overhalet indenom, da Microsoft pludselig tilbød samme funktion direkte i Office-pakken. Det er ikke sjovt at være mellemmand, når mastodonterne ruller frem.

Hvad virker – og hvem klarer sig?

Det er ikke alle wrappers og aggregators, der er dødsdømte. Nogle har faktisk fundet en vej. Dem, der klarer sig, har typisk opbygget dyb domæneviden, lavet unikke integrationer eller skabt en brugeroplevelse, som ikke bare kan kopieres. Cursor og Harvey AI nævnes ofte, fordi de har forstået, at det ikke handler om modellen, men om at løse et konkret problem på en måde, brugerne elsker. Investorerne kigger nu meget mere på, om der er en “moat” – altså noget, der gør det svært for andre at kopiere forretningen. Vi hører fra flere VC’er, at de er blevet langt mere kritiske over for “me too”-projekter, der bare wrapper GPT uden mere substans.

Fundraising er blevet sværere for de tynde wrappers. Hvis du ikke kan vise, at du har noget unikt – data, integrationer, distribution – så er det næsten umuligt at rejse penge i dag. Det er ret tydeligt, når man følger med på Reddit og i investormiljøet: “SaaS er allerede død, men ingen vil indrømme det,” skrev en bruger for nylig. Det lyder hårdt, men der er noget om snakken.

Strategiske valg for virksomheder

Så hvad gør man, hvis man sidder i en større virksomhed eller er SaaS-udbyder? Skal man bygge selv, eller købe en wrapper/aggregator? Fordelen ved at bygge selv er selvfølgelig kontrol og mulighed for at differentiere sig. Men det kræver ressourcer og kompetencer, som mange ikke har. Køber man en løsning, risikerer man at ende med et produkt, der hurtigt bliver overhalet eller mister værdi, hvis leverandøren ikke kan følge med udviklingen.

Vores anbefaling: Undgå “me too”-fælden. Hvis I vælger en wrapper eller aggregator, så vælg én, der har dokumenteret domæneforståelse og stærke integrationer. Vi har set flere større virksomheder – også i det offentlige – vælge løsninger, hvor leverandøren faktisk har bygget noget unikt oven på modellen. Men vi har også set eksempler på det modsatte, hvor man endte med at betale for noget, der reelt bare var et pænt UI til GPT. Det er spild af penge.

Offentlige organisationer og regulerede brancher

Her bliver det ekstra tricky. Offentlige og regulerede organisationer skal tænke på sikkerhed, compliance og databeskyttelse. Mange wrappers og aggregators har ikke styr på det – og så er det ligegyldigt, hvor smart løsningen er. Vi har set cases, hvor offentlige myndigheder har valgt at bygge egne wrappers, netop for at kunne kontrollere dataflow og sikkerhed. Men det kræver, at man har folkene til det. Alternativet er at vælge leverandører, der kan dokumentere compliance og sikkerhed på et niveau, der matcher kravene. Det er ikke mange, der kan det endnu.

Fremtidsperspektiv og anbefalinger

Markedet er i gang med en udskilning. De tynde wrappers og aggregators bliver presset ud, og kun dem med ægte værdi overlever. For startups og SaaS-udbydere er rådet klart: Find jeres egen vinkel. Byg noget, der ikke bare kan kopieres af OpenAI eller Google i morgen. For større virksomheder: Vær kritisk, spørg ind til leverandørens IP, integrationer og roadmap. Og til det offentlige: Stil krav til sikkerhed og compliance – og vær ikke bange for at bygge selv, hvis det er nødvendigt.

Der er stadig muligheder for at skabe værdi, selv i et marked hvor alle bruger de samme modeller. Men det kræver, at man tør tænke anderledes og ikke bare følger strømmen.

Hvad betyder det for læseren?

Helt ærligt: Hvis du sidder med ansvar for AI-løsninger, så spørg dig selv – bygger vi oven på noget, der kan holde, eller er vi bare endnu en wrapper? Hvad er vores unikke bidrag? Og tør vi skrotte det, der ikke virker? Det er ikke let, men det er nu, udskilningen begynder. Man opdager først forskellen, når man sidder med det i hænderne.

Kilder:

• https://techcrunch.com/2026/02/21/google-vp-warns-that-two-types-of-ai-startups-may-not-survive/
• https://www.reddit.com/r/SaaS/comments/1nl2pz3/saas_is_already_dead_but_no_one_wants_to_admit_it/
• https://www.reddit.com/r/AI_Agents/comments/1izuqk3/is_there_an_app_that_gives_access_to_all_the_top/
• https://cloud.google.com/blog/topics/google-cloud-next/google-cloud-next-2025-wrap-up
• https://www.svb.com/trends-insights/reports/healthcare-investments-and-exits/

Målgruppens mening om artiklen

Anders, CTO i mellemstor SaaS-virksomhed:
Jeg giver artiklen 87. Den rammer meget præcist ned i de udfordringer, vi selv står med i øjeblikket. Især pointerne om, at man ikke kan bygge en forretning på et tyndt lag oven på andres modeller, er spot on. Jeg savner dog lidt flere konkrete eksempler på, hvordan man faktisk kan differentiere sig, men overordnet set er det en virkelig relevant artikel for mig.

Mette, AI-projektleder i offentlig sektor:
Jeg giver den 80. Artiklen tager fat på nogle meget aktuelle problemstillinger, især i forhold til compliance og sikkerhed, som er ekstremt vigtigt for os. Jeg kunne godt have brugt endnu mere om de regulatoriske krav og hvordan man konkret kan sikre sig, men det er klart en artikel, jeg vil dele med mine kolleger.

Jonas, investor i tech-startups:
Jeg giver den 92. Artiklen er superrelevant for os, der vurderer AI-startups. Den rammer plet i forhold til, hvad vi kigger efter: differentiering, IP og reelle moats. Jeg synes, den forklarer problematikken med wrappers og aggregators på en letforståelig måde og rammer tidsånden i markedet.

Sara, produktchef i international softwarevirksomhed:
Jeg giver den 75. Jeg synes, artiklen er god til at forklare begreberne og udfordringerne, men jeg savner lidt mere dybde på, hvordan store virksomheder konkret skal navigere i det her landskab. Men det er bestemt en artikel, der sætter tanker i gang.

Henrik, IT-arkitekt i storbank:
Jeg giver den 85. Artiklen rammer meget godt vores overvejelser om, hvorvidt vi skal bygge selv eller købe AI-løsninger. Jeg synes, den balancerer godt mellem tekniske og forretningsmæssige perspektiver. Dog kunne jeg godt have brugt flere konkrete cases fra finanssektoren.

Gennemsnitlig karakter: 84

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af Gemini 3 Pro Nano Banana 2 Pro fra Google.