Стартапы, которые обещают предсказывать поведение людей, привлекают всё больше инвестиций. За последний год Simile привлекла $200 млн при оценке в $2 млрд, Aaru — $88 млн при оценке в $1 млрд, а Humans& объявила о посевном раунде на $480 млн при оценке в $4,48 млрд и запустила систему Persimmon для моделирования поведения. Эти цифры приводит TechCrunch.
На этом рынке работает и двухлетний стартап Mirror Particle из Сан-Франциско. Он разрабатывает ИИ-систему, которая должна предсказывать поведение потребителей и объяснять, почему люди принимают те или иные решения. Но компания считает, что подход на основе больших языковых моделей не подходит для такой задачи.
Как Mirror Particle собирается прогнозировать поведение
Стартап считает языковые модели ограниченными
Сегодня для анализа аудитории часто используют большие языковые модели: им задают роль представителя определённой демографической группы или дообучают на дополнительных данных. Соосновательница Mirror Particle Абхивьякти Ахуджа считает, что такой подход не отражает всего, что влияет на поведение человека.По её словам, LLM моделируют письменный язык, тогда как люди воспринимают визуальную информацию, мыслят пространственно и взаимодействуют друг с другом. Поэтому ответы языковой модели могут не совпадать с реальными решениями потребителей.
Mirror Particle создаёт собственную «модель мира»
Компания разрабатывает базовую модель, которая должна симулировать, почему люди поступают определённым образом и как их поведение меняется со временем. Ахуджа описывает её как «модель мира», построенную с нуля. Стартап хочет учитывать не только текущие предпочтения аудитории, но и то, какие события меняют её решения и насколько сильно.
Модель опирается на разные источники данных
По данным TechCrunch, Mirror Particle объединяет клиентские данные компаний, текущие события, поп-культуру, информацию из социальных сетей и другие источники. На их основе стартап моделирует определённый сегмент аудитории и отслеживает изменения его мотивации.Компания также делает акцент на «выявленном поведении» — действиях, которые люди совершают на практике, а не только на ответах в опросах.
Стартап ищет применение в маркетинге
На старте Mirror Particle ориентируется на маркетинговые исследования, стратегию брендов и разработку продуктов. Система должна помогать компаниям понять не только, как рекламировать продукт, но и нужен ли он выбранной аудитории. В одном из ранних пилотов производитель корма для домашних животных хотел подобрать изображения для упаковки. По описанию Mirror Particle, анализ указал на другую проблему: бренд воспринимался как массовый и дешёвый, поэтому смена изображений не должна была решить вопрос с продажами. Это пример, приведённый стартапом; подробная методика и результаты пилота в публикации не раскрываются.
«Мы не хотим фиксировать статичного человека. Мы хотим зафиксировать меняющегося человека».
Абхивьякти Ахуджа, соосновательница и генеральный директор Mirror Particle
Что проверить перед использованием ИИ-прогноза аудитории
- Определите, какое бизнес-решение должен поддержать прогноз.
- Уточните, какие данные использует модель.
- Проверьте, есть ли реальные данные о действиях аудитории.
- Спросите, как измеряется точность прогноза.
- Сравните рекомендации с результатами исследований или продаж.
- Уточните, как обрабатываются клиентские данные.
- Проверьте выводы на небольшом пилоте до масштабирования.
Что известно о команде и финансировании
Абхивьякти Ахуджа изучала нейронауку и компьютерные науки в Университете Торонто, а затем работала в Amazon Robotics. Там она познакомилась с будущими сооснователями — Уиллом Сонгом и Томсоном Йеном. Сонг занимался системами персонализации продаж, а Йен изучал, как ИИ-агенты понимают человеческое поведение.
Mirror Particle уже привлекла ангельские инвестиции и, по данным TechCrunch, близка к закрытию первого венчурного раунда. Сумму компания не раскрыла. В октябре 2026 года стартап также участвует в Startup Battlefield 200 на TechCrunch Disrupt в Сан-Франциско.
Частые вопросы
Что такое «модель мира» Mirror Particle?
Так Ахуджа называет модель, которую стартап строит для симуляции человеческого поведения. Она должна учитывать, почему люди принимают решения и как их поведение меняется со временем.
Чем подход Mirror Particle отличается от использования LLM?
По замыслу компании, LLM можно попросить сыграть роль представителя аудитории, а Mirror Particle стремится моделировать изменения поведения на основе разных типов данных. Независимых сравнительных тестов в публикации TechCrunch нет.
Какие данные использует стартап?
В статье названы клиентские данные, текущие события, поп-культура и социальные сети. Подробностей о конкретных наборах данных и методах их обработки публикация не содержит.
Как бренды могут использовать систему?
Например, чтобы изучать потребности аудитории, выбирать направление разработки продукта или проверять, соответствует ли продукт её интересам. Компания также заявляет, что система объясняет мотивации и ограничения, стоящие за прогнозом.Уже доказано, что модель предсказывает поведение точнее опросов?
В материале TechCrunch таких подтверждений нет. Компания описывает ранние пилоты, но независимые показатели точности и методика проверки не опубликованы.
Проверяйте прогнозы на практике
Если вы оцениваете ИИ-инструмент для работы с аудиторией, начните с одного конкретного вопроса и проверьте рекомендации на небольшом пилоте.