Simile Mengumpulkan Lebih dari $200 Juta dengan Valuasi $2 Miliar untuk Mengembangkan Simulasi Perilaku Manusia

Simile telah mengumpulkan lebih dari $200 juta dalam pendanaan Seri B dengan valuasi post-money sebesar $2 miliar, memberikan perusahaan rintisan yang berbasis di Palo Alto modal yang substansial untuk mengembangkan model kecerdasan buatan yang dirancang untuk mensimulasikan bagaimana orang membuat keputusan.

Greenoaks memimpin putaran pendanaan, sementara investor yang sudah ada, Index Ventures, meningkatkan dukungannya. Hanabi, Bain Capital Ventures, A*, Factory, dan CVS Health Ventures (CVS ) juga kembali, dengan Definition bergabung sebagai investor baru. Pendanaan ini datang hanya lima bulan setelah Simile muncul dari stealth dengan $100 juta Seri A yang dipimpin oleh Index Ventures, membawa total pendanaan yang diungkapkan perusahaan melampaui $300 juta.

Sejak peluncuran publik, Simile mengatakan bahwa pendapatannya telah meningkat lima kali lipat, berkembang menjadi lebih dari 50 karyawan, dan menjalankan puluhan juta simulasi untuk perusahaan Fortune 100. Perusahaan berencana untuk menggunakan pendanaan baru untuk meningkatkan model dasar untuk perilaku manusia, memperbaiki keandalan simulasi, dan memperluas platform di berbagai industri, termasuk kesehatan, jasa keuangan, produk konsumen, dan media.

Membangun AI untuk Memprediksi Perilaku Daripada Menghasilkan Konten

Sebagian besar pasar AI generatif saat ini berfokus pada menghasilkan output. Model bahasa besar dapat menghasilkan perangkat lunak, salinan pemasaran, gambar, konsep produk, dan rencana bisnis dalam hitungan detik.

Simile menargetkan proses pengambilan keputusan yang terjadi sebelum output tersebut dihasilkan. Platformnya dirancang untuk membantu organisasi mengevaluasi apa yang harus dibangun, bagaimana audiens yang berbeda mungkin merespons, dan apa efek kedua yang mungkin muncul setelah keputusan diimplementasikan.

Perusahaan menggambarkan dirinya sebagai membangun model dasar untuk perilaku manusia, bukan model bahasa umum lainnya. Sebagai gantinya untuk mengoptimalkan jawaban logis atau teks yang lancar, model tersebut sedang dilatih untuk merepresentasikan perbedaan dalam preferensi, pengalaman, nilai, dan pola keputusan orang.

Organisasi dapat menggunakan platform untuk membuat skenario yang dapat dibandingkan dan memeriksa bagaimana populasi yang disimulasikan merespons ketika variabel seperti harga, pesan, fitur produk, atau kondisi kebijakan diubah. Tujuannya bukan hanya untuk meminta responden sintetis untuk pendapat, tetapi untuk memodelkan bagaimana perilaku mungkin berubah di berbagai kondisi dan seiring waktu.

Dari Penelitian Stanford ke Platform Simulasi Perusahaan

Teknologi Simile dibangun atas penelitian yang dilakukan oleh co-pendiri dan CEO Joon Sung Park dan peneliti Stanford lainnya, Michael Bernstein dan Percy Liang.

Park adalah penulis utama makalah 2023 “Agen Generatif: Simulakrum Interaktif Perilaku Manusia“, yang memperkenalkan kota simulasi yang dihuni oleh 25 agen AI. Setiap agen menggunakan aliran memori bersama dengan mekanisme pengambilan, refleksi, dan perencanaan untuk mempertahankan konteks dan menentukan tindakan berikutnya.

Agen membentuk hubungan, mengembangkan rutinitas, dan mengkoordinasikan kegiatan tanpa setiap interaksi yang secara eksplisit diprogram. Eksperimen ini membantu membangun banyak ide arsitektur yang sekarang digunakan dalam simulasi multi-agen, di mana agen otonom berinteraksi satu sama lain daripada merespons secara independen terhadap prompt yang terisolasi.

Penelitian selanjutnya menguji apakah agen generatif dapat mereproduksi sikap dan perilaku individu nyata. Dalam sebuah studi yang melibatkan 1.052 partisipan, peneliti menciptakan agen menggunakan wawancara kualitatif dan mengevaluasi seberapa akurat mereka mereplikasi respons partisipan.

Agen mencapai 85% dari akurasi yang ditunjukkan partisipan ketika menjawab pertanyaan yang sama dua minggu kemudian. Ini adalah perbedaan yang penting: hasil ini tidak berarti bahwa perilaku manusia diprediksi dengan akurasi absolut 85%. Ini berarti agen mendekati tingkat konsistensi orang yang mereka wakili.

Situs web Simile juga menunjuk pada pekerjaan selanjutnya yang melibatkan 2,9 juta respons dari 210 eksperimen ilmu sosial. Perusahaan mengatakan bahwa fine-tuning model pada data perilaku ini meningkatkan keselarasan pada studi yang belum pernah dilihat sebelumnya sebesar 26% dibandingkan dengan model dasar.

Skor Kepercayaan adalah Sentral untuk Produk

Salah satu klaim teknis Simile yang lebih penting adalah bahwa mereka telah melatih model kepercayaan terpisah untuk memperkirakan keandalan setiap simulasi.

Memprediksi perilaku manusia secara inheren tidak pasti. Orang yang sama mungkin membuat keputusan yang berbeda tergantung pada waktu, konteks, informasi yang tersedia, dan faktor yang tidak hadir dalam dataset. Sistem yang menghasilkan prediksi yang percaya diri tanpa berkomunikasi tentang keterbatasan tersebut dapat mendorong organisasi untuk mengobati perilaku yang disimulasikan sebagai fakta.

Simile mengatakan bahwa platformnya membandingkan distribusi respons yang disimulasikan dengan respons yang dikumpulkan dari orang nyata menggunakan Total Variation Distance, suatu ukuran statistik perbedaan antara dua distribusi probabilitas. Setiap hasil menerima skor kepercayaan berdasarkan jumlah dan relevansi bukti manusia yang mendukung.

Ketika bukti untuk populasi atau skenario tertentu terbatas, skor kepercayaan dimaksudkan untuk membuat ketidakpastian tersebut terlihat. Perusahaan juga mengatakan bahwa modelnya dikalibrasi ulang setiap minggu untuk menggabungkan perubahan dalam bidang seperti harga, kebijakan, kondisi ekonomi, dan perilaku konsumen.

Lapisan validasi tersebut bisa terbukti sama pentingnya dengan simulasi itu sendiri. Bagi perusahaan yang membuat keputusan yang mahal atau sensitif, mengetahui kapan model tidak mungkin dapat diandalkan mungkin lebih berharga daripada menerima prediksi yang masuk akal lainnya.

CVS Health Menggunakan Simulasi untuk Menguji Keputusan Sebelum Peluncuran

CVS Health adalah salah satu pelanggan awal Simile yang paling menonjol dan juga berpartisipasi dalam putaran pendanaan melalui CVS Health Ventures.

Perusahaan kesehatan telah menggunakan populasi yang disimulasikan untuk memvalidasi penelitian pelanggan yang ada, memeriksa pengemudi kepuasan pasien, dan menguji strategi yang terkait dengan kepatuhan obat. Mereka juga telah mengeksplorasi populasi yang dapat sulit atau mahal untuk dijangkau melalui survei tradisional, termasuk pasien dengan kondisi kronis.

Menurut Simile, inisiatif CVS mengandalkan 2,9 juta respons yang disetujui dari lebih dari 400.000 partisipan di lebih dari 200 skenario perilaku. Simulasi telah digunakan untuk pra-layar ide dan mengidentifikasi hipotesis mana yang layak diuji lebih lanjut melalui penelitian dunia nyata atau pilot.

Perbedaan ini penting. Simulasi dapat mengurangi jumlah ide yang perlu diuji langsung dengan pelanggan, tetapi tidak menghilangkan kebutuhan untuk mengumpulkan bukti dunia nyata. CVS telah menggambarkan teknologi ini sebagai cara untuk memprioritaskan penelitian dan memperhalus intervensi potensial sebelum memaparkannya kepada pasien atau pelanggan.

Simile juga bekerja sama dengan Gallup pada penelitian kebijakan, studi tempat kerja, dan analisis tren sosial. Organisasi lain yang ditampilkan oleh perusahaan termasuk Wealthfront, Deloitte, Banco Itaú, dan Suntory. Perusahaan menggunakan platform untuk bidang seperti pengujian produk, masuk pasar, penelitian pengalaman pelanggan, posisi kompetitif, dan persiapan panggilan pendapatan.

Beralih dari Agen Individu ke Pasar yang Disimulasikan

Banyak aplikasi Simile saat ini menyerupai penelitian pasar yang dipercepat. Sebuah perusahaan dapat menguji beberapa konsep produk atau pesan terhadap populasi yang disimulasikan sebelum memutuskan mana yang layak untuk kampanye atau pilot nyata.

Kesempatan jangka panjangnya jauh lebih kompleks. Simile ingin memodelkan interaksi antara pelanggan, kompetitor, lembaga, kebijakan, dan pasar. Daripada memprediksi bagaimana individu terisolasi akan menjawab pertanyaan, simulasi multi-agen ini akan memeriksa bagaimana orang memengaruhi satu sama lain dan bagaimana keputusan menghasilkan efek berantai.

Aplikasi yang mungkin termasuk memodelkan reaksi terhadap kejutan keuangan, perubahan kebijakan, peluncuran produk, atau perubahan insentif. Sebuah simulasi mungkin memeriksa tidak hanya apakah pelanggan mengadopsi layanan baru, tetapi bagaimana adopsi itu mengubah perilaku kompetitor, persepsi publik, dan permintaan produk terkait.

Ini adalah tempat di mana keterbatasan teknis akan menjadi lebih signifikan. Kesalahan kecil dapat menumpuk ketika ribuan atau jutaan agen berinteraksi, terutama dalam simulasi di mana peristiwa awal mengubah trajektori dari semua yang mengikuti. Simile perlu menunjukkan bahwa metode validasinya tetap bermakna ketika simulasi bergerak dari prediksi individu menuju sistem dinamis yang kompleks.

Lapisan Baru Infrastruktur Keputusan

Ukuran dan kecepatan pendanaan terbaru Simile menunjukkan bahwa investor melihat simulasi perilaku sebagai lapisan potensial baru dalam pengambilan keputusan perusahaan.

Organisasi sudah menghabiskan banyak biaya untuk survei, konsultasi, grup fokus, uji coba produk, dan penelitian pasar. Simulasi AI dapat membuatnya lebih murah untuk mengeksplorasi lebih banyak pilihan, menguji segmen audiens yang lebih sempit, dan mengidentifikasi ide lemah sebelum menginvestasikan modal yang signifikan.

Teknologi ini juga memperkenalkan pertanyaan sulit tentang konsent, representasi, dan akuntabilitas. Populasi yang disimulasikan hanya berguna jika orang, perilaku, dan keadaan yang mendasarinya direpresentasikan dalam data yang mendasarinya. Prediksi mungkin menjadi kurang dapat diandalkan ketika diterapkan di budaya yang tidak dikenal, pasar yang berubah cepat, atau situasi dengan konsekuensi tinggi dan sedikit preseden sejarah.

Oleh karena itu, peran terkuat untuk platform seperti Simile mungkin untuk melengkapi penelitian manusia daripada menggantikannya. Simulasi dapat membantu organisasi memutuskan pertanyaan mana yang perlu diselidiki, tetapi pelanggan dan komunitas nyata tetap diperlukan untuk memverifikasi apakah hasilnya berlaku di luar model.

Simile baru-baru ini mendapatkan pendanaan yang memberikan sumber daya untuk menguji apakah simulasi perilaku manusia dapat berkembang dari bidang penelitian yang muncul menjadi infrastruktur perusahaan yang dapat diandalkan. Tantangan langsungnya bukan hanya menjalankan lebih banyak simulasi, tetapi membuktikan bahwa organisasi dapat memahami keterbatasan mereka dan tahu kapan hasilnya cukup dapat diandalkan untuk mempengaruhi keputusan yang konsekuensial.