The New York Times: Чтобы узнать мнение клиентов, спросите их ИИ-двойников
Компания CVS Health хотела понять, почему люди не принимают выписанные им лекарства. Миллионы пациентов не выкупают рецепты, а многие из тех, кто всё же купил — бросают лечение на полпути. Найти ответ на этот вопрос компании помогли данные, собранные от 400 000 человек.
Единственная оговорка: это были не живые люди. Вместо них — «агентные двойники» реальных людей, созданные с помощью искусственного интеллекта.
Что делает Simile
Данные для CVS Health обработала компания Simile — стартап, которому нет и года, базирующийся в Пало-Альто (Калифорния). Simile заявляет, что её технология способна предсказывать поведение людей, используя постоянно пополняемую базу ИИ-агентов. Это позволяет клиентам тестировать реакцию на новые продукты или оценивать восприятие бренда потребителями — быстрее и дешевле, чем при проведении традиционных маркетинговых исследований.
«Если вы можете симулировать мир, вы можете тестировать бесчисленное количество вмешательств», — сказал Джун Сун Пак, генеральный директор и сооснователь Simile. — «Это своего рода окно в человечество».
Заявление амбициозное — и, судя по всему, убедительное. Помимо CVS Health, быстро растущий список клиентов Simile включает консалтинговую группу Deloitte и приложение для управления финансами Wealthfront.
Раунд финансирования
30 июля Simile объявила о привлечении $200 млн при оценке компании в $2 млрд. Менее чем полгода назад стартап уже привлекал $100 млн. Новый раунд возглавил Greenoaks; среди существующих инвесторов — Index Ventures, Hanabi, A*, Bain Capital Ventures, CVS Health Ventures и Definition.
Джун Сун Пак, которому 32 года, запустил Simile в прошлом году, заканчивая докторантуру по компьютерным наукам в Стэнфорде. В основе проекта лежит исследовательская статья 2023 года, которую он написал в соавторстве: в ней описывались ИИ-агенты, симулирующие человеческое поведение — свидания, поход на работу — в интерактивной среде, смоделированной по образцу популярной игры The Sims.
«Первая фраза, которую произнёс Джун, была “симулировать всю планету”», — вспоминает Шардул Шах, партнёр Index Ventures. — «Как поклонник научной фантастики — я обожаю “Автостопом по галактике” — это разожгло моё воображение».
Среди сооснователей — Майкл Бернштейн и Перси Лян, оба профессора компьютерных наук Стэнфорда. Бернштейн — один из авторов основополагающей статьи ImageNet, заложившей фундамент современного компьютерного зрения; Лян руководил исследованием 2021 года, в котором был введён термин «foundation model» (базовая модель). Лейни Йаллен, работавшая ранее на должностях по выводу продуктов на рынок в ИИ-стартапах Hebbia и Valence, также является сооснователем.
Как устроена технология
Исходная модель Simile была создана на основе двухчасовых интервью с 1000 участниками, отобранными как репрезентативная выборка населения. Эти данные легли в основу базовой модели человеческого поведения, затем ответы модели проверялись на соответствие новым ответам тех же участников.
С тех пор Simile наладила партнёрство с Gallup и другими организациями, чтобы дополнить базу данными от нескольких миллионов людей по всему миру. По словам главы продуктового направления Мехики Капур, точность ответов Simile сейчас составляет от 85% до 99% — в зависимости от сценария и исследуемой группы населения. Стартап уже располагает достаточным объёмом данных, чтобы воспроизводить ИИ-мнения очень конкретных демографических групп.
Продукт
Продукт компании — веб-интерфейс, в котором пользователи выбирают группы населения для симуляции. Выручка Simile частично зависит от количества агентов, смоделированных для клиентов: диапазон — от сотен тысяч до миллионов агентов.
«Чем больше панель, тем выше цена», — говорит Пак.
Конкуренты и дальнейшие планы
Simile — не единственный игрок в новой области симуляционных исследований. Среди конкурентов-стартапов — Helm, Artificial Societies, Rehearsals и Aaru.
Пак рассчитывает выйти за рамки исследований, основанных на опросах. По его словам, компания планирует развивать «динамические симуляции», в которых ИИ-агенты отслеживаются в динамике — например, при тестировании продуктов на протяжении недели.