A startup Mirror Particle, com sede em San Francisco e fundada há dois anos, está desenvolvendo uma abordagem alternativa para prever o comportamento humano, diferenciando-se de concorrentes como Simile, Aaru e Humans&, que levantaram respectivamente $200 milhões, $88 milhões e $480 milhões.
Crítica à abordagem atual com LLMs
A empresa questiona o modelo dominante de previsão de comportamento humano, que se baseia em grandes modelos de linguagem (LLMs) ajustados ou treinados para simular demografias específicas. Abhivyakti Ahuja, cofundadora e CEO, argumenta que essa estratégia é fundamentalmente limitada. Segundo ela, "é como trazer um super soaker para Niagara Falls". Os LLMs, treinados em centenas de bilhões de pontos de dados, têm seu comportamento minimamente influenciado por ajustes com pequenas quantidades de dados.
Ahuja sustenta que LLMs modelam linguagem escrita, mas humans são compostos por percepção visual, raciocínio espacial e inteligência social. Essa limitação resulta em insights baseados no que humanos não percebem conscientemente, o que é inadequado para prever comportamento real.
Modelo de mundo próprio
Mirror Particle está construindo um modelo de fundação próprio, descrito como um "world model" desenvolvido do zero para simular por que humanos fazem o que fazem e como o comportamento muda ao longo do tempo. O foco está em capturar "a pessoa em mudança", rastreando dados longitudinais sobre como pessoas evoluem, quais gatilhos as transformam e em que grau.
A empresa combina dados proprietários incluindo dados de clientes dos seus clients, eventos atuais, cultura pop, mídia social e outros fatores para modelar segmentos demográficos como sistemas que evoluem. Há ênfase em "comportamento revelado" — o que as pessoas realmente fazem em vez de respostas autorrelatadas em pesquisas.
Aplicações e estratégia de mercado
O modelo oferece não apenas previsões, mas também as razões por trás delas — motivações, restrições e contexto que justificam recomendações. A estratégia inicial foca em pesquisa de mercado, estratégia de marca e produto, onde orçamentos já existem.
Em um piloto com uma marca de ração pet conhecida, a tecnologia revelou que o cliente fazia a pergunta errada. A marca investigava qual imagética usar na embalagem (frango, carne, vegetais), mas o problema real era que a marca era muito reconhecível como mass market e barata. A solução não era mudar a imagem, mas reposicionar a percepção de qualidade.
Outro caso mencionado envolve como Mirror Particle poderia ajudar uma marca de beleza a determinar se Gen Z realmente deseja paletas de sombra ou se blush seria a melhor opção para esse mercado.
Equipe e trajetória
Ahuja estudou neurociência e ciência da computação na Universidade de Toronto, inspirada pelo trabalho do pioneiro de IA Geoffrey Hinton em redes neurais. Após a graduação, trabalhou na Amazon Robotics construindo robôs que constroem outros robôs, onde conheceu seus cofundadores Will Song e Thomson Yen. Song tem experiência em motores de personalização de vendas, enquanto Yen trabalhou com aprendizado profundo para entender como agentes de IA compreendem comportamento humano.
