Simile Haalt Meer Dan $200 Miljoen Op Bij Een Waardering Van $2 Miljard Om Menselijk Gedragsimulaties Te Schalen

Simile heeft meer dan $200 miljoen aan serie B-financiering gegenereerd bij een post-money waardering van $2 miljard, waardoor het in Palo Alto gevestigde bedrijf aanzienlijke middelen heeft om kunstmatige intelligentiemodellen te ontwikkelen die zijn ontworpen om te simuleren hoe mensen beslissingen nemen.

Greenoaks leidde de ronde, terwijl de bestaande investeerder Index Ventures zijn steun verhoogde. Hanabi, Bain Capital Ventures, A*, Factory en CVS Health Ventures (CVS ) keerden ook terug, met Definition als nieuwe investeerder. De financiering arriveert slechts vijf maanden na Simile uit de stealth-modus kwam met een serie A van $100 miljoen onder leiding van Index Ventures, waardoor het bedrijf zijn bekendgemaakte financiering verder dan $300 miljoen bracht.

Sinds de openbare lancering zegt Simile dat het zijn omzet vijfvoudig heeft verhoogd, is uitgebreid tot meer dan 50 medewerkers en heeft tientallen miljoenen simulaties uitgevoerd voor Fortune 100-bedrijven. Het bedrijf plant om de nieuwe financiering te gebruiken om zijn basismodel voor menselijk gedrag te verbeteren, de betrouwbaarheid van zijn simulaties te verbeteren en het platform uit te breiden naar verschillende industrieën, waaronder de gezondheidszorg, financiële dienstverlening, consumentenproducten en media.

AI Bouwen Om Gedrag Te Voorspellen In Plaats Van Inhoud Te Genereren

De meeste van de huidige generatieve AI-markt is gericht op het creëren van uitvoer. Grote taalmodellen kunnen software, marketingteksten, afbeeldingen, productconcepten en bedrijfsplannen produceren binnen seconden.

Simile richt zich op het beslissingsproces dat aan die uitvoer voorafgaat. Het platform is bedoeld om organisaties te helpen beoordelen wat ze moeten bouwen, hoe verschillende publieken kunnen reageren en welke tweede-orde-effecten kunnen ontstaan na het nemen van een beslissing.

Het bedrijf beschrijft zichzelf als een basismodel voor menselijk gedrag dat bouwt, in plaats van een ander algemeen doel taalmodel. In plaats van primair te optimaliseren voor logische antwoorden of vloeiende tekst, wordt het model getraind om verschillen in mensen’s voorkeuren, ervaringen, waarden en beslissingspatronen te representeren.

Organisaties kunnen het platform gebruiken om vergelijkbare scenario’s te creëren en te onderzoeken hoe hetzelfde gesimuleerde publiek reageert wanneer variabelen zoals prijzen, boodschappen, productfuncties of beleidsvoorwaarden worden gewijzigd. Het doel is niet alleen om synthetische respondenten om meningen te vragen, maar om te modelleren hoe gedrag kan veranderen over meerdere voorwaarden en in de loop van de tijd.

Van Stanford Onderzoek Naar Een Ondernemingsimulatieplatform

Simile’s technologie bouwt voort op onderzoek dat is uitgevoerd door mede-oprichter en CEO Joon Sung Park en andere Stanford-onderzoekers Michael Bernstein en Percy Liang.

Park was de hoofdauteur van de paper “Generatieve Agenten: Interactieve Simulacra Van Menselijk Gedrag” uit 2023, die een gesimuleerde stad introduceerde die werd bevolkt door 25 AI-agenten. Elke agent gebruikte een geheugenspoor naast ophaal-, reflectie- en planningsmechanismen om context te behouden en zijn volgende acties te bepalen.

De agenten vormden relaties, ontwikkelden routines en coördineerden activiteiten zonder dat elke interactie expliciet werd geprogrammeerd. Het experiment hielp veel van de architectonische ideeën te vestigen die nu worden gebruikt in multi-agent simulaties, waar autonome agenten met elkaar communiceren in plaats van onafhankelijk te reageren op geïsoleerde prompts.

Later onderzoek testte of generatieve agenten de houding en het gedrag van echte individuen konden reproduceren. In een studie met 1.052 deelnemers creëerden onderzoekers agenten met behulp van kwalitatieve interviews en beoordeelden hoe nauwkeurig ze de reacties van deelnemers konden repliceren.

De agenten bereikten 85% van de nauwkeurigheid die deelnemers zelf lieten zien toen ze dezelfde vragen twee weken later beantwoordden. Dit is een belangrijk onderscheid: het resultaat betekent niet dat menselijk gedrag met 85% absolute nauwkeurigheid werd voorspeld. Het betekent dat de agenten de consistentieniveau van de mensen die ze moesten vertegenwoordigen, benaderden.

Simile’s website verwijst ook naar vervolgonderzoek met 2,9 miljoen reacties uit 210 sociaal-wetenschappelijke experimenten. Het bedrijf zegt dat het fijnafstemmen van modellen op deze gedragsgegevens de afstemming op eerder ongeziene studies met 26% verbeterde in vergelijking met het onderliggende basismodel.

Vertrouwensscores Zijn Centraal In Het Product

Een van Simile’s meest gevolgrijke technische claims is dat het een apart vertrouwensmodel heeft getraind om de betrouwbaarheid van elke simulatie te schatten.

Het voorspellen van menselijk gedrag is inherent onzeker. Dezelfde persoon kan verschillende beslissingen nemen, afhankelijk van de timing, context, beschikbare informatie en factoren die niet in een dataset aanwezig zijn. Een systeem dat een enkele voorspelling produceert zonder de beperkingen daarvan te communiceren, kan organisaties aanmoedigen om gesimuleerd gedrag als feit te behandelen.

Simile zegt dat zijn platform gesimuleerde responsverdelingen vergelijkt met responsen die zijn verzameld van echte mensen met behulp van Total Variation Distance, een statistische maat voor het verschil tussen twee kansverdelingen. Elk resultaat krijgt een vertrouwensscore op basis van de hoeveelheid en relevantie van de ondersteunende menselijke bewijs.

Wanneer het bewijs voor een bepaalde populatie of scenario beperkt is, is de vertrouwensscore bedoeld om die onzekerheid zichtbaar te maken. Het bedrijf zegt ook dat zijn modellen elke week opnieuw worden gekalibreerd om veranderingen in gebieden zoals prijzen, beleid, economische omstandigheden en consumentengedrag op te nemen.

Die validatielaag kan net zo belangrijk zijn als de simulaties zelf. Voor ondernemingen die dure of gevoelige beslissingen nemen, kan het weten wanneer een model onbetrouwbaar is, meer waard zijn dan het ontvangen van een andere plausibele voorspelling.

CVS Health Gebruikt Simulaties Om Beslissingen Te Testen Voordat Ze Worden Gelanceerd

CVS Health is een van Simile’s meest prominente vroege klanten en nam ook deel aan de financieringsronde via CVS Health Ventures.

Het gezondheidsbedrijf heeft gesimuleerde populaties gebruikt om bestaand klantonderzoek te valideren, stuurprogramma’s voor patiënttevredenheid te onderzoeken en strategieën te testen die verband houden met medicatietrouw. Het heeft ook onderzocht populaties die moeilijk of duur te bereiken zijn via traditionele enquêtes, waaronder patiënten met chronische aandoeningen.

Volgens Simile steunt het CVS-initiatief op 2,9 miljoen geconsenteerde reacties van meer dan 400.000 deelnemers over meer dan 200 gedragsscenario’s. Simulaties zijn gebruikt om ideeën vooraf te selecteren en te bepalen welke hypothesen verdere testing verdienen via echte onderzoeken of proeven.

Dit onderscheid is van belang. Simulatie kan het aantal ideeën dat rechtstreeks bij klanten getest moet worden, verminderen, maar het elimineert niet de behoefte om echte bewijzen te verzamelen. CVS heeft de technologie beschreven als een manier om onderzoek te prioriteren en potentiële interventies te verfijnen voordat ze aan patiënten of klanten worden blootgesteld.

Simile werkt ook samen met Gallup aan beleidsonderzoek, werkplekstudies en sociale trendanalyse. Andere organisaties die door het bedrijf worden gepresenteerd, zijn onder meer Wealthfront, Deloitte, Banco Itaú en Suntory. Ondernemingen passen het platform toe op gebieden zoals producttesten, marktintroductie, klantonderzoek, concurrentiepositie en voorbereiding van winstcalls.

Van Individuele Agenten Naar Gesimuleerde Markten

Veel van Simile’s huidige toepassingen lijken op versnelde marktonderzoek. Een bedrijf kan meerdere productconcepten of boodschappen testen tegen een gesimuleerde populatie voordat het besluit welke het waard is om een echte campagne of proef te starten.

De langetermijnkans is aanzienlijk complexer. Simile wil interacties modelleren tussen klanten, concurrenten, instellingen, beleid en markten. In plaats van te voorspellen hoe geïsoleerde individuen op een vraag zullen reageren, zullen deze multi-agent simulaties onderzoeken hoe mensen elkaar beïnvloeden en hoe beslissingen cascade-effecten produceren.

Mogelijke toepassingen kunnen het modelleren van reacties op financiële schokken, beleidsveranderingen, productlanceringen of veranderingen in incentives omvatten. Een simulatie kan onderzoeken of klanten een nieuwe dienst aannemen, maar ook hoe die adoptie concurrerend gedrag, openbare perceptie en vraag naar verwante producten verandert.

Dit is waar technische beperkingen belangrijker worden. Kleine fouten kunnen zich ophopen wanneer duizenden of miljoenen agenten interactie hebben, vooral in simulaties waarin vroege gebeurtenissen de baan van alles wat volgt veranderen. Simile moet aantonen dat zijn validatiemethoden nog steeds zinvol zijn wanneer simulaties van individuele voorspellingen naar complexe, dynamische systemen gaan.

Een Nieuwe Laag Van Beslissingsinfrastructuur

De omvang en snelheid van Simile’s recente financiering suggereren dat investeerders gedragsimulatie zien als een potentiële nieuwe laag in ondernemingsbeslissingen.

Ondernemingen geven al veel uit aan enquêtes, consulting, focusgroepen, productproeven en marktonderzoek. AI-simulaties kunnen het goedkoper maken om meer opties te onderzoeken, smaller publiekssegmenten te testen en zwakke ideeën te identificeren voordat significante kapitaal wordt toegezegd.

De technologie introduceert ook moeilijke vragen over toestemming, vertegenwoordiging en verantwoordelijkheid. Een gesimuleerde populatie is alleen zo nuttig als de mensen, gedragingen en omstandigheden die in de onderliggende gegevens worden weergegeven. Voorspellingen kunnen minder betrouwbaar worden wanneer ze worden ingezet in onbekende culturen, snel veranderende markten of hoge inzet situaties met beperkte historische precedenten.

Om die reden kan de sterkste rol voor platforms zoals Simile in de korte termijn zijn om menselijk onderzoek aan te vullen in plaats van het te vervangen. Simulaties kunnen ondernemingen helpen beslissen welke vragen ze moeten onderzoeken, maar echte klanten en gemeenschappen blijven nodig om te verifiëren of de resultaten buiten het model geldig zijn.

Simile’s nieuwe financiering geeft het de middelen om te testen of menselijk gedragsimulatie kan evolueren van een opkomend onderzoeksgebied naar een betrouwbare ondernemingsinfrastructuur. De onmiddellijke uitdaging is niet alleen om meer simulaties uit te voeren, maar om aan te tonen dat ondernemingen de beperkingen kunnen begrijpen en weten wanneer de resultaten betrouwbaar genoeg zijn om invloed te hebben op belangrijke beslissingen.