시미일, 20억 달러 평가로 2억 달러 투자 유치, 인간 행동 시뮬레이션 확장

시미일은 2억 달러의 시리즈 B 투자를 유치하여, 인공지능 모델을 개발하고 인간의 의사결정 과정을 시뮬레이션하는 플랫폼을 확장할 수 있는 자금을 확보했습니다.

그린오크스가 투자 라운드를 주도했으며, 기존 투자자 인덱스 벤처스는 투자금을 증가시켰습니다. 하나비, 베인 캐피탈 벤처스, A*, 팩토리, CVS 헬스 벤처스 (CVS )도 투자에 참여했으며, 디피니션은 새로운 투자자로 참여했습니다. 시미일은 5개월 전 인덱스 벤처스가 주도한 1억 달러의 시리즈 A 투자를 유치한 이후로 투자금을 유치했습니다.

공개 이후 시미일은 매출을 5배 증가시키고, 50명 이상의 직원을 고용하고, 포춘 100대 기업을 위한 수천만 개의 시뮬레이션을 실행했습니다. 회사는 새로운 자금을 사용하여 인간 행동의 기초 모델을 발전시키고, 시뮬레이션의 신뢰성을 향상시키고, 헬스케어, 금융 서비스, 소비자 제품, 미디어 등 다양한 산업에 플랫폼을 확장할 계획입니다.

내용 생성보다 행동 예측을 위한 AI 구축

현재 대부분의 생성형 AI 시장은 출력을 생성하는 데 중점을 두고 있습니다. 대규모 언어 모델은 소프트웨어, 마케팅 텍스트, 이미지, 제품 개념, 비즈니스 계획 등을 몇 초 내에 생성할 수 있습니다.

시미일은 이러한 출력이 생성되기 전에 발생하는 의사결정 과정을 목표로 합니다. 플랫폼은 조직이 무엇을 구축해야 하는지, 다른 대상이 어떻게 반응할지, 결정이实施된 후에 어떤 2차적影响이 발생할지 평가하는 데 도움을 주도록 설계되었습니다.

회사는 인간 행동의 기초 모델을 구축하는 것으로 자신을 설명하며, 일반적인 목적의 언어 모델을 구축하는 것이 아닙니다. 논리적인 답변이나 유창한 텍스트를 최적화하는 대신, 모델은 인간의 선호도, 경험, 가치, 의사결정 패턴의 차이를 나타내는 데 훈련됩니다.

조직은 플랫폼을 사용하여 비교 가능한 시나리오를 생성하고, 가격, 메시지, 제품 기능, 정책 조건 등 변수를 변경했을 때 동일한 시뮬레이션 인구가 어떻게 반응하는지 검토할 수 있습니다. 목표는 합성 응답자를 의견을 묻는 것이 아니라, 행동이 여러 조건에서 어떻게 변할지 모델링하는 것입니다.

스坦포드 연구에서 기업 시뮬레이션 플랫폼으로

시미일의 기술은 공동 창립자이자 CEO인 준성 박과 스탠퍼드 연구원 마이클 번스타인과 퍼시 리앙이 수행한 연구를 기반으로 합니다.

박은 2023년 “인간 행동의 시뮬레이션: 상호작용하는 인간 행동의 시뮬라크라” 논문의 주요 저자로, 25개의 AI 에이전트가 있는 시뮬레이션 마을을 소개했습니다. 각 에이전트는 기억 스트림과 함께 검색, 반성, 계획 메커니즘을 사용하여 컨텍스트를 유지하고 다음 동작을 결정했습니다.

에이전트는 관계를 형성하고, 일상적인 루틴을 개발하고, 명시적으로 프로그래밍되지 않은 상호작용을 조정했습니다. 이 실험은 현재 멀티 에이전트 시뮬레이션에서 사용되는 많은 아키텍처 아이디어를 확립하는 데 도움이 되었습니다. 여기서 자율 에이전트는 분리된 프롬프트에 독립적으로 응답하는 대신 서로 상호작용합니다.

후속 연구는 생성형 에이전트가 실제 개인의 태도와 행동을 재현할 수 있는지 테스트했습니다. 1,052명의 참가자가 참여한 연구에서 연구자들은 질적 인터뷰를 사용하여 에이전트를 생성하고, 참가자가 동일한 질문에 대한 자신의 응답과 비교하여 에이전트가 얼마나 정확하게 재현하는지 평가했습니다.

에이전트는 2주 후에 참가자가 동일한 질문에 대한 자신의 응답과 비교하여 85%의 정확도를 달성했습니다. 이것은 중요한 차이점입니다. 결과는 인간 행동이 85%의 절대 정확도로 예측되었다는 것을 의미하지 않습니다. 에이전트는 자신이 대표하도록 설계된 사람들의 일관성 수준에 접근했다는 것을 의미합니다.

시미일의 웹사이트는 또한 2,900만 개의 응답과 210개의 사회과학 실험을 포함하는 후속 연구를 가리킵니다. 회사는 이 행동 데이터에 대한 모델을 미세 조정하면 이전에 보지 못한 연구에서 26%의 정렬을 개선할 수 있다고 말합니다.

신뢰도 점수는 제품의 핵심입니다

시미일의 기술적인 주장 중 하나는 시뮬레이션의 신뢰도를 추정하는 별도의 신뢰도 모델을 훈련했다는 것입니다.

인간 행동을 예측하는 것은 본질적으로 불확실합니다. 동일한 사람이 타이밍, 컨텍스트, 사용 가능한 정보, 데이터에 없는 요인 등에 따라 다른 결정을 내릴 수 있습니다. 한 시스템이 제한을 전달하지 않고 단 하나의 자신감 있는 예측을 생성할 경우, 조직은 시뮬레이션된 행동을 사실로 취급할 수 있습니다.

시미일은 플랫폼이 시뮬레이션된 응답 분포와 실제 사람으로부터 수집된 응답을 비교하여 총 변이 거리를 사용하여 신뢰도 점수를 부여한다고 말합니다. 각 결과는 지원하는 인간 증거의 양과 관련성에 따라 신뢰도 점수를 받습니다.

특정 인구 또는 시나리오에 대한 증거가 제한적일 때, 신뢰도 점수는 불확실성을 표시하도록 설계되었습니다. 회사는 또한 모델이 주간에 재조정되어 가격, 정책, 경제 조건, 소비자 행동 등의 변경을 통합한다고 말합니다.

이 검증 계층은 시뮬레이션 자체만큼 중요할 수 있습니다. 비용이 많이 드는 또는 민감한 결정을 내리는 기업을 위해, 모델이 신뢰할 수 있는지 여부를 알 수 있는 것보다 더 가치 있는 정보는 없습니다.

CVS 헬스, 시뮬레이션을 사용하여 출시 전 결정을 테스트합니다

CVS 헬스는 시미일의 가장 두드러진 초기 고객 중 하나이며, CVS 헬스 벤처스 통해 투자 라운드에 참여했습니다.

헬스케어 회사에서는 기존 고객 연구를 검증하고, 고객 만족의 동인과 약물 순응성 관련 전략을 테스트하고, 전통적인 설문조사를 통해 어려운 또는 비싼 인구를 조사했습니다.

시미일에 따르면, CVS 이니셔티브는 400,000명 이상의 참가자로부터 2,900만 개의 동의된 응답을 사용하여 200개 이상의 행동 시나리오를 다룹니다. 시뮬레이션은 아이디어를 선별하고, 실제 연구 또는 파일럿 테스트를 통해 추가 테스트를 받을 가치가 있는 가설을 식별하는 데 사용되었습니다.

이 구분은 중요합니다. 시뮬레이션은 고객과 직접 테스트해야 하는 아이디어의 수를 줄일 수 있지만, 실제 증거를 수집할 필요는 없습니다. CVS는 기술을 연구를 우선순위화하고 잠재적인 개입을 실제로 고객이나 고객에게 노출하기 전에 tinh chỉnh하는 방법으로 설명했습니다.

시미일은 또한 갤럽과 함께 정책 연구, 직장 연구, 사회적 경향 분석을 진행하고 있습니다. 회사가 소개하는 다른 조직에는 웰스프론트, 델로이트, 반코 이타우, 산토리가 포함됩니다. 기업은 제품 테스트, 시장 진출, 고객 경험 연구, 경쟁력 강화, 수익호출 준비 등 다양한 분야에 플랫폼을 적용하고 있습니다.

개별 에이전트에서 시뮬레이션된 시장으로

시미일의 현재 응용 프로그램은 가속화된 시장 연구와 유사합니다. 회사는 여러 제품 개념이나 메시지를 시뮬레이션된 인구와 비교하여 테스트할 수 있습니다.

장기적인 기회는 훨씬 더 복잡합니다. 시미일은 고객, 경쟁사, 기관, 정책, 시장 간의 상호작용을 모델링하려고 합니다. 단독 개인이 질문에 어떻게 응답할지 예측하는 대신, 이러한 멀티 에이전트 시뮬레이션은 사람들이 서로 어떻게 영향을 미치고, 결정이 연쇄적인 효과를 어떻게 생성하는지 검토할 것입니다.

가능한 응용 분야에는 금융 충격, 정책 변경, 제품 출시, 인센티브 변경에 대한 반응을 모델링하는 것이 포함될 수 있습니다. 시뮬레이션은 새로운 서비스를 고객이 채택하는지 여부만이 아니라, 채택이 어떻게 경쟁사 행동, 공공 인식, 관련 제품 수요를 변경하는지 검토할 것입니다.

이것은 기술적 제한이 더 크게 나타날 때입니다. 수천 또는 수백만 개의 에이전트가 상호작용할 때, 특히 초기 이벤트가 모든 것을ตาม하는 트레이저토리의 시뮬레이션에서 작은 오류가 누적될 수 있습니다. 시미일은 자신의 검증 방법이 개별 예측에서 복잡한 동적 시스템으로 이동할 때仍然 의미 있음을 입증해야 합니다.

의사결정 인프라의 새로운 계층

시미일의 최신 자금 조달 규모와 속도는 투자자가 행동 시뮬레이션을 기업의 의사결정의 새로운 계층으로 간주한다는 것을 시사합니다.

조직은 이미 설문조사, 컨설팅, 포커스 그룹, 제품 테스트, 시장 연구에大量의 돈을 투자하고 있습니다. AI 시뮬레이션은 더 많은 옵션을 탐색하고, 더 좁은 대상 세그먼트를 테스트하고,大量의 자본을 투자하기 전에 약한 아이디어를 식별하는 데 더 저렴한 방법을 제공할 수 있습니다.

기술은 또한 동의, 대표성, 책임성과 관련된 어려운 질문을 제기합니다. 시뮬레이션된 인구는 기본 데이터에 나타나는 사람, 행동, 상황만큼 유용합니다. 예측은 문화, 시장, 역사적 전례가 제한적이거나 빠르게 변화하는 상황에서 신뢰할 수 있는지 여부에 따라 덜 신뢰할 수 있습니다.

그 이유로, 시미일과 같은 플랫폼의 가장 강력한 근시안적 역할은 인간 연구를 보완하는 것이 아니라, 대체하는 것입니다. 시뮬레이션은 조직이 어떤 질문을 조사해야 하는지 결정하는 데 도움을 줄 수 있지만, 실제 고객과 커뮤니티는 모델 외부에서 결과가 유지되는지 확인하는 데 필요합니다.

시미일의 새로운 자금 조달은 인간 행동 시뮬레이션이 새로운 연구 분야에서 신뢰할 수 있는 기업 인프라로 발전할 수 있는지 테스트하는 데 필요한 자원을 제공합니다. 즉각적인 도전은 단순히 더 많은 시뮬레이션을 실행하는 것이 아니라, 조직이 그들의 한계를 이해하고, 결과가 중요한 결정을影响하기에 충분히 신뢰할 수 있는지 여부를 증명하는 것입니다.