A Simile Levanta Mais de $200 Milhões em Financiamento Série B a uma Valuação de $2 Bilhões para Escalar Simulações de Comportamento Humano

Simile levantou mais de $200 milhões em financiamento Série B, com uma valuação pós-dinheiro de $2 bilhões, fornecendo à startup com sede em Palo Alto um capital substancial para desenvolver modelos de inteligência artificial projetados para simular como as pessoas tomam decisões.

Greenoaks liderou a rodada, enquanto o investidor existente Index Ventures aumentou seu apoio. Hanabi, Bain Capital Ventures, A*, Factory e CVS Health Ventures (CVS ) também retornaram, com Definition ingressando como um novo investidor. O financiamento chega apenas cinco meses após Simile emergir da clandestinidade com um financiamento Série A de $100 milhões liderado pela Index Ventures, levando o financiamento divulgado da empresa para além de $300 milhões.

Desde seu lançamento público, a Simile afirma que aumentou sua receita cinco vezes, expandiu para mais de 50 funcionários e executou dezenas de milhões de simulações para empresas do Fortune 100. A empresa planeja usar o novo financiamento para avançar em seu modelo de base para comportamento humano, melhorar a confiabilidade de suas simulações e expandir a plataforma em setores como saúde, serviços financeiros, produtos de consumo e mídia.

Construindo IA para Prever Comportamento em vez de Gerar Conteúdo

A maior parte do mercado atual de IA gerativa está focada em criar saídas. Modelos de linguagem grande podem produzir software, cópias de marketing, imagens, conceitos de produtos e planos de negócios em segundos.

A Simile está mirando no processo de tomada de decisão que ocorre antes que essas saídas sejam produzidas. Sua plataforma é projetada para ajudar as organizações a avaliar o que elas devem construir, como diferentes audiências podem responder e quais efeitos de segunda ordem podem surgir após a implementação de uma decisão.

A empresa descreve a si mesma como construindo um modelo de base para comportamento humano, em vez de outro modelo de linguagem geral. Em vez de otimizar principalmente para respostas lógicas ou texto fluente, o modelo está sendo treinado para representar diferenças nas preferências, experiências, valores e padrões de decisão das pessoas.

As organizações podem usar a plataforma para criar cenários comparáveis e examinar como a mesma população simulada responde quando variáveis como preços, mensagens, recursos de produtos ou condições de política são alteradas. O objetivo não é simplesmente perguntar a respondentes sintéticos sobre suas opiniões, mas modelar como o comportamento pode mudar em várias condições e ao longo do tempo.

De Pesquisa de Stanford a uma Plataforma de Simulação Empresarial

A tecnologia da Simile se baseia em pesquisas realizadas pelo co-fundador e CEO Joon Sung Park e outros pesquisadores de Stanford, Michael Bernstein e Percy Liang.

Park foi o autor principal do artigo de 2023 “Agentes Geradores: Simulacros Interativos de Comportamento Humano“, que apresentou uma cidade simulada habitada por 25 agentes de IA. Cada agente usou um fluxo de memória ao lado de mecanismos de recuperação, reflexão e planejamento para manter o contexto e determinar suas próximas ações.

Os agentes formaram relacionamentos, desenvolveram rotinas e coordenaram atividades sem que cada interação fosse explicitamente programada. O experimento ajudou a estabelecer muitas das ideias arquitetônicas agora usadas em simulações de multiagentes, onde agentes autônomos interagem entre si em vez de responderem independentemente a prompts isolados.

Pesquisas posteriores testaram se os agentes geradores poderiam reproduzir as atitudes e o comportamento de indivíduos reais. Em um estudo envolvendo 1.052 participantes, os pesquisadores criaram agentes usando entrevistas qualitativas e avaliaram como precisamente eles replicaram as respostas dos participantes.

Os agentes alcançaram 85% da precisão que os participantes demonstraram ao responder às mesmas perguntas duas semanas depois. Essa é uma distinção importante: o resultado não significa que o comportamento humano foi previsto com 85% de precisão absoluta. Significa que os agentes se aproximaram do nível de consistência das pessoas que eles foram projetados para representar.

O site da Simile também aponta para trabalhos subsequentes envolvendo 2,9 milhões de respostas de 210 experimentos de ciências sociais. A empresa afirma que o ajuste fino de modelos nesses dados comportamentais melhorou a alinhamento em estudos não vistos anteriormente em 26% em comparação com o modelo base subjacente.

Pontuações de Confiança São Centrais ao Produto

Uma das afirmações técnicas mais consequenciais da Simile é que ela treinou um modelo de confiança separado para estimar a confiabilidade de cada simulação.

Prever o comportamento humano é inerentemente incerto. A mesma pessoa pode tomar decisões diferentes dependendo do momento, contexto, informações disponíveis e fatores que não estão presentes em um conjunto de dados. Um sistema que produz uma previsão confiante sem comunicar essas limitações pode encorajar as organizações a tratar o comportamento simulado como fato.

A Simile afirma que sua plataforma compara distribuições de respostas simuladas com respostas coletadas de pessoas reais usando a Distância de Variação Total, uma medida estatística da diferença entre duas distribuições de probabilidade. Cada resultado recebe uma pontuação de confiança com base na quantidade e relevância da evidência humana de apoio.

Quando a evidência para uma população ou cenário particular é limitada, a pontuação de confiança pretende tornar essa incerteza visível. A empresa também afirma que seus modelos são recalibrados semanalmente para incorporar mudanças em áreas como preços, políticas, condições econômicas e comportamento do consumidor.

Essa camada de validação pode ser tão importante quanto as próprias simulações. Para empresas que tomam decisões caras ou sensíveis, saber quando um modelo é improvável de ser confiável pode ser mais valioso do que receber outra previsão plausível.

CVS Health Usa Simulações para Testar Decisões Antes do Lançamento

A CVS Health é uma das clientes mais proeminentes da Simile e também participou da rodada de financiamento por meio da CVS Health Ventures.

A empresa de saúde usou populações simuladas para validar pesquisas de clientes existentes, examinar os drivers da satisfação do paciente e testar estratégias relacionadas à adesão a medicamentos. Ela também explorou populações que podem ser difíceis ou caras de alcançar por meio de pesquisas tradicionais, incluindo pacientes com condições crônicas.

De acordo com a Simile, a iniciativa da CVS se baseia em 2,9 milhões de respostas consentidas de mais de 400.000 participantes em mais de 200 cenários comportamentais. As simulações foram usadas para pré-selecionar ideias e identificar quais hipóteses merecem testes adicionais por meio de pesquisas ou pilotos do mundo real.

Essa distinção é importante. A simulação pode reduzir o número de ideias que precisam ser testadas diretamente com os clientes, mas não elimina a necessidade de coletar evidências do mundo real. A CVS descreveu a tecnologia como uma maneira de priorizar a pesquisa e aprimorar intervenções potenciais antes de expor pacientes ou clientes a elas.

A Simile também está trabalhando com a Gallup em pesquisas de políticas, estudos de local de trabalho e análise de tendências sociais. Outras organizações apresentadas pela empresa incluem Wealthfront, Deloitte, Banco Itaú e Suntory. As empresas estão aplicando a plataforma em áreas como testes de produtos, entrada no mercado, pesquisas de experiência do cliente, posicionamento competitivo e preparação para chamadas de lucro.

Movendo-se de Agentes Individuais para Mercados Simulados

Muitas das aplicações atuais da Simile se assemelham a pesquisas de mercado aceleradas. Uma empresa pode testar vários conceitos de produtos ou mensagens contra uma população simulada antes de decidir quais merecem uma campanha ou piloto real.

A oportunidade de longo prazo é consideravelmente mais complexa. A Simile deseja modelar interações entre clientes, concorrentes, instituições, políticas e mercados. Em vez de prever como indivíduos isolados responderão a uma pergunta, essas simulações de multiagentes examinariam como as pessoas influenciam umas às outras e como as decisões produzem efeitos em cascata.

Aplicações possíveis podem incluir modelar reações a choques financeiros, mudanças de política, lançamentos de produtos ou mudanças nos incentivos. Uma simulação pode examinar não apenas se os clientes adotam um novo serviço, mas como essa adoção muda o comportamento dos concorrentes, a percepção pública e a demanda por produtos relacionados.

Aqui é onde as limitações técnicas se tornarão mais significativas. Erros pequenos podem se acumular quando milhares ou milhões de agentes interagem, especialmente em simulações onde eventos iniciais mudam a trajetória de tudo o que segue. A Simile precisará demonstrar que seus métodos de validação permanecem significativos à medida que as simulações se movem de previsões individuais para sistemas complexos e dinâmicos.

Uma Nova Camada de Infraestrutura de Decisão

O tamanho e a velocidade do financiamento mais recente da Simile sugerem que os investidores veem a simulação de comportamento como uma camada potencialmente nova na tomada de decisão empresarial.

As organizações já gastam muito em pesquisas, consultoria, grupos focais, testes de produtos e pesquisas de mercado. As simulações de IA podem tornar mais barato explorar mais opções, testar segmentos de audiência mais estreitos e identificar ideias fracas antes de comprometer capital significativo.

A tecnologia também introduz questões difíceis em torno de consentimento, representação e responsabilidade. Uma população simulada é apenas tão útil quanto as pessoas, comportamentos e circunstâncias representados em seus dados subjacentes. As previsões podem se tornar menos confiáveis quando implantadas em culturas desconhecidas, mercados em rápida mudança ou situações de alto risco com pouca precedência histórica.

Por esse motivo, o papel mais forte para plataformas como a Simile pode ser o de complementar a pesquisa humana em vez de substituí-la. As simulações podem ajudar as organizações a decidir quais perguntas investigar, mas os clientes e comunidades reais permanecem necessários para verificar se os resultados se mantêm fora do modelo.

A Simile recebeu novos recursos para testar se a simulação de comportamento humano pode progredir de um campo de pesquisa emergente para infraestrutura empresarial confiável. Seu desafio imediato não é simplesmente executar mais simulações, mas provar que as organizações podem entender seus limites e saber quando os resultados são confiáveis o suficiente para influenciar decisões consequenciais.