Mirror Particle cria modelo de IA próprio para simular comportamento humano
Startup de San Francisco desafia uso de LLMs em pesquisas de consumo e prepara primeira rodada institucional de investimento.
Imagem ilustrativa
A Mirror Particle está desenvolvendo um modelo de mundo próprio construído do zero com foco em prever comportamentos humanos e entender as motivações por trás das decisões de consumo. Sediada em San Francisco e em operação há dois anos, a empresa contesta a eficácia dos modelos de linguagem de grande porte (LLMs) convencionais em dinâmicas de simulação mercadológica.
A abordagem predominante no mercado atual usa LLMs com ajustes finos ou comandos específicos para encenar perfis demográficos. Para a fundadora e diretora executiva da startup, Abhivyakti Ahuja, esse método é insuficiente para responder às mudanças do público, já que sistemas baseados exclusivamente em texto não processam a complexidade de percepções visuais, noções espaciais e inteligência social que formam as reações de uma pessoa real.
Os LLMs foram treinados em centenas de bilhões de pontos de dados. Quanto você consegue influenciar o comportamento deles com um ajuste fino feito em um volume tão pequeno de dados? Eles continuam presos ao passado.
Dados proprietários e foco em ações reais
Para sustentar a arquitetura preditiva, a plataforma processa informações proprietárias de clientes combinadas a eventos cotidianos, referências de cultura pop e dados de redes sociais. O algoritmo prioriza o comportamento revelado — aquilo que os consumidores de fato realizam — em substituição às declarações formais coletadas por pesquisas declaratórias tradicionais.
O direcionamento comercial inicial mira orçamentos consolidados em inteligência de mercado, posicionamento de marca e estratégia de catálogo. Além de antecipar a demanda por itens em públicos como a Geração Z, a ferramenta fornece a justificativa contextual para as tendências identificadas. Em um caso inicial atendido pela Mirror Particle, uma marca de ração buscava escolher qual ilustração de proteína colocar na embalagem; a tecnologia identificou que a questão visual era irrelevante e que a barreira de receita decorria da percepção pública de produto barato.
Não queremos capturar a pessoa estática. Queremos capturar a pessoa em transformação. Isso significa capturar dados longitudinais sobre como as pessoas estão mudando, quais gatilhos as alteram e em que intensidade.
Concorrência capitalizada e avanço para captação
A proposta da Mirror Particle surge em um momento de cheques vultosos para empresas do segmento de previsão comportamental. No último ano, a Simile levantou US$ 200 milhões a uma avaliação de US$ 2 bilhões, a Aaru captou US$ 88 milhões avaliada em US$ 1 bilhão, e a Humans levantou US$ 480 milhões em sua rodada semente com avaliação de US$ 4,48 bilhões.
Com recursos de uma rodada anjo já levantada, a Mirror Particle afirma estar próxima de finalizar seu primeiro aporte de venture capital. A companhia integra a turma de negócios selecionados para a competição Startup Battlefield 200, evento que reúne investidores do setor em San Francisco entre os dias 13 e 15 de outubro.
A empresa foi fundada por Abhivyakti Ahuja, que estudou neurociência e ciência da computação na Universidade de Toronto e trabalhou na divisão de robótica da Amazon. Na equipe fundadora estão também Will Song, especialista no desenvolvimento de sistemas de personalização de vendas, e Thomson Yen, focado no aprendizado profundo para compreensão de comportamento por agentes inteligentes.
