Mirror Particle, двухлетний стартап из Сан-Франциско, строит базовую модель, которая воспроизводит причины поступков потребителей и изменение мотиваций со временем. Компания продает брендам движок прогнозирования поведения с объяснением причин и называет ролевое использование LLM в корне неверным подходом. Ставка сделана на переполненном рынке, где Simile привлекла $200 млн при оценке $2 млрд, а Aaru — $88 млн при оценке $1 млрд. Для бизнеса это важно, поскольку от метода прогноза зависят решения о продукте и упаковке.
Почему Mirror Particle отказывается от ролевых LLM
Сегодня прогнозирование поведения часто сводится к промптам или дообучению больших языковых моделей под образ целевой демографической группы, говорится в материале. Сооснователь и генеральный директор Абхивьякти Ахуджа считает, что дообучение на малом объеме данных не может перенаправить модели, обученные на сотнях миллиардов точек данных. Она сравнивает такие усилия с водяным пистолетом против Ниагарского водопада и добавляет, что модели остаются привязанными к прошлому. Стартап сообщает о закрытом ангельском раунде и скором закрытии первого венчурного раунда. Он также выступит в конкурсе Startup Battlefield 200 на TechCrunch Disrupt 2026 в Сан-Франциско 13–15 октября.
Альтернатива описывается как модель мира, созданная с нуля, а не языковая модель, адаптированная под опросы. Демографический сегмент рассматривается как развивающаяся система, где отслеживаются длительные изменения, триггеры изменений и их сила. Отсутствие изменений тоже считается сигналом. На вход подается собственная комбинация клиентских данных заказчиков, текущих событий, поп-культуры, социальных сетей и других источников. Акцент сделан на выявленном поведении, то есть на реальных действиях людей, а не на ответах в опросах.
Ахуджа описывает архитектуру по аналогии с развитием ребенка: от зрения к языку, затем к телесному восприятию и социальному интеллекту. Ее довод в том, что LLM моделируют письменный язык, тогда как человек опирается на зрительное восприятие, пространственное мышление и социальный интеллект. Опора только на текст грозит выводами, основанными на том, чего люди не замечают. Этому тезису соответствует биография: Ахуджа изучала нейронауку и компьютерные науки в University of Toronto, вдохновлялась работами Джеффри Хинтона, а затем работала в Amazon Robotics над роботами, которые создают других роботов.
Что это меняет для брендов и продуктовых команд
Как и конкуренты, включая Humans&, объявившую в январе посевной раунд $480 млн при оценке $4,48 млрд и выпустившую Persimmon, Mirror Particle начинает там, где бюджеты уже есть: исследования рынка, стратегия бренда и продукта. Косметический бренд может проверить не только рекламный текст для поколения Z, но и сам спрос категории у этой аудитории. Ахуджа приводит пример выбора между палетками теней и румянами как разными продуктовыми ставками на один рынок. Небольшим компаниям это обещает быструю проверку концепций без крупных панелей, а крупным — дополнительный слой анализа перед затратами на креатив и ассортимент.
Движок также возвращает причины прогноза, включая мотивации, ограничения и дополнительный контекст рекомендации. Это показывает ранний пилот с известным брендом кормов для животных: на вопрос, какое изображение — курица, говядина или овощи — повысит продажи, система ответила, что изображение не имеет значения. Бренд выглядел настолько узнаваемым, что воспринимался как массовый и дешевый, поэтому продажи упрутся в потолок, пока не изменится восприятие. Покупателям следует спрашивать поставщиков, откуда берутся данные о реальном поведении, как разделяются клиентские данные и как проверяется объяснение причин.
Долгосрочная цель — общий слой предвидения поведения людей с переходом от анализа на уровне населения к выводам на уровне человека. Сооснователи Уилл Сонг и Томсон Йен имеют опыт создания движков персонализации продаж и применения глубокого обучения для понимания поведения людей агентами ИИ. Маркером станет превращение закрытия раунда и участия в Battlefield в повторные контракты с брендами за пределами пилотов. Если производители товаров и косметики продлят соглашения, модели поведения перейдут из исследовательской новинки в инфраструктуру планирования.
