Elias legt het onderzoek achter de koppen uit in gewone taal.
Ontvang de beste AI- en AI-kunstverhalen van de week in je inbox — geselecteerd, kort en gratis.
Gratis. Je kunt je altijd afmelden.
Kies een companion en ontdek wat die van dit verhaal vindt
Meta's Muse AI-agent heeft in zijn eerste weken meer downloads en dagelijks actieve gebruikers in de VS en Canada verzameld dan ChatGPT in dezelfde periode na zijn eigen mobiele debuut, volgens nieuwe schattingen van app-analysebureau Appfigures.
Muse is Meta's agentische AI-assistent — een AI die niet alleen vragen beantwoordt, maar autonoom meerstappentaken kan uitvoeren door verbonden gegevensbronnen te lezen, zoals je Berichten, Agenda en Notities. Zoals Charmloop eerder berichtte, riep de diepe systeemtoegang van de Mac-app onmiddellijk vragen op over transparantie, omdat Muse moeite had zijn eigen mogelijkheden duidelijk te beschrijven wanneer daar direct naar gevraagd werd.
De Appfigures-vergelijking betreft het vroege mobiele venster van ChatGPT, niet zijn huidige schaal. De app van OpenAI heeft jaren van samengestelde groei achter de rug. Het punt van de data, volgens TechCrunch, is de snelheid: Muse verwerft bij de lancering sneller gebruikers dan ChatGPT deed, wat een betekenisvol signaal is over de consumentenvraag naar agentische tools op dit moment.
Appfigures-data waaruit blijkt dat Muse de vroege mobiele downloadtrajectorie van ChatGPT in de VS en Canada overtreft.
Afbeelding: TechCrunch / TechCrunch AI
Het groeiverschil is niet puur een productverhaal. Meta's voordeel is structureel: Muse lanceert in een bestaand ecosysteem van miljarden actieve accounts via Facebook, Instagram en WhatsApp. ChatGPT moest daarentegen zijn gebruikersbestand vanaf nul opbouwen toen het mobiel ging. Die context is belangrijk bij het lezen van de kopcijfers — Muse had een startbaan die OpenAI simpelweg niet had.
Toch heeft ruwe adoptiesnelheid samengestelde effecten. Een grotere vroege gebruikersbasis betekent meer feedbackdata, snellere iteratiecycli en sterkere netwerkeffecten voor functies die afhankelijk zijn van sociale context — precies het soort gepersonaliseerd, geheugengestuurd gedrag dat agentische assistenten goed moeten beheersen.
Voor mensen die afbeeldingen genereren en personages bouwen met AI, is het tempo van Muse's groei een signaal dat het volgen waard is, ook als Muse zelf geen generatietool is. Snelle mainstream-adoptie van agentische assistenten versnelt de normalisering van AI die namens jou handelt — plannen, referenties zoeken, projectbestanden beheren — in plaats van alleen op prompts te reageren.
Die verschuiving heeft gevolgen voor de workflow. Naarmate agentische tools de standaardinterface worden voor miljoenen gebruikers, krijgen de platforms en modellen die naadloos integreren in die agents een distributievoordeel. Makers die al AI-generatietools gebruiken via API-gekoppelde workflows zijn als eersten gepositioneerd om te profiteren; degenen die nog werken in geïsoleerde, enkelvoudige tools kunnen merken dat de kloof tussen hun opzet en de mainstream groter wordt.
De concurrentiedynamiek hier weerspiegelt ook de bredere race die beschreven wordt in de huidige prikkelstructuur van de AI-industrie — labs en platforms leveren snel omdat gebruikersacquisitie in dit stadium samengesteld wordt tot data en invloed die later moeilijk te herstellen zijn.
Het agentische ontwerp van Muse roept ook de praktische vraag op wat er gebeurt wanneer een breed geadopteerde assistent permanente toegang heeft tot je bestanden en communicatie. Het transparantieprobleem dat bij de lancering werd opgemerkt — Muse's onvermogen om zijn eigen gedrag duidelijk uit te leggen — is niet publiekelijk opgelost. Voor makers die promptbibliotheken, referentieafbeeldingen of klantwerk lokaal opslaan, is dat een concrete reden om de machtigingen zorgvuldig te lezen voordat je de app verbindt.
Voor nu bevestigen de Appfigures-cijfers dat het agentische AI-moment niet nadert — het is er al, en beweegt sneller dan de ChatGPT-lancering die de meeste mensen als referentiepunt gebruiken. Als je een creatieve workflow bouwt of verfijnt, moeten de AI-tools en modellen bij Charmloop steeds vaker worden beoordeeld niet alleen op outputkwaliteit, maar ook op hoe goed ze passen in een agent-gekoppelde pipeline.