Mirror Particle desarrolla un modelo mundial para predecir el comportamiento humano
En medio de una ola de interés por parte de inversores en startups que prometen anticipar el comportamiento humano, Mirror Particle se posiciona como una nueva alternativa innovadora. La empresa, con sede en San Francisco y fundada hace dos años, propone un enfoque radicalmente distinto al de las grandes redes neuronales (LLMs) que dominan actualmente el panorama. Mientras otras empresas como Simile, Aaru y Humans& han logrado importantes rondas de financiación, Mirror Particle busca construir un modelo fundamental del comportamiento humano desde cero.
Abhivyakti Ahuja, cofundadora y directora ejecutiva de Mirror Particle, critica la dependencia de los modelos basados en lenguaje para entender cómo actúan las personas. «Es como llevar un pistola de agua a las Cataratas del Niágara», dice Ahuja, señalando que aunque estos sistemas están entrenados con billones de datos, su capacidad para adaptarse a nuevas realidades es limitada. Para ella, los LLMs solo reflejan patrones lingüísticos, mientras que los seres humanos operan con percepción visual, razonamiento espacial y inteligencia social.
El modelo desarrollado por Mirror Particle no se enfoca en capturar una versión estática de un individuo, sino en modelar cómo las personas cambian con el tiempo. Esto implica analizar datos longitudinales que muestren evoluciones en hábitos, motivaciones y reacciones ante estímulos externos. «Si alguien no cambia, eso también es una señal», afirma Ahuja, destacando la importancia de detectar tanto transformaciones como estancamiento en los patrones de comportamiento.
La compañía ha cerrado ya una ronda de capital semilla y está a punto de completar su primera ronda de inversión de venture capital. Además, Mirror Particle participará próximamente en Startup Battlefield, la prestigiosa competencia de TechCrunch, donde presentará su tecnología frente a otros emprendedores innovadores.
Para construir sus predicciones, Mirror Particle utiliza una combinación exclusiva de datos, incluyendo información de clientes, eventos actuales, tendencias culturales, redes sociales y más. Esta metodología permite simular segmentos demográficos como sistemas dinámicos que evolucionan con el tiempo, permitiendo observar cómo cambian las motivaciones y decisiones de los usuarios durante diferentes etapas de experiencia.
Uno de los puntos clave del enfoque de Mirror Particle es el énfasis en el «comportamiento revelado» —es decir, lo que las personas hacen realmente, en lugar de lo que dicen que harían en encuestas o entrevistas. Este método elimina sesgos asociados a autoinformes y permite una comprensión más precisa de las intenciones reales del consumidor.
Desde el inicio, Mirror Particle ha enfocado su estrategia de mercado en sectores donde ya existe presupuesto dedicado a estudios de comportamiento: investigación de mercados, estrategia de marca y desarrollo de productos. Por ejemplo, podría ayudar a una marca de cosméticos a no solo mejorar su copywriting para atraer a los millennials, sino también a evaluar si esa generación realmente desea productos como paletas de sombras.
«¿Y si ese público objetivo ni siquiera quiere paletas de sombras? Tal vez el rubor sea una opción mejor si quieres vender un producto a esta audiencia», comenta Ahuja. Esta perspectiva permite a las marcas evitar errores costosos al diseñar estrategias basadas en suposiciones erróneas sobre preferencias del consumidor.
Con una visión ambiciosa de convertirse en una plataforma líder en modelado de comportamiento humano, Mirror Particle representa una nueva era en el uso de inteligencia artificial para comprender a las personas. Su enfoque innovador podría revolucionar la forma en que las empresas entienden y se relacionan con sus clientes, ofreciendo predicciones más precisas y relevantes en un mundo cada vez más digital.
La compañía espera consolidar su posición en el mercado con una estrategia de expansión que combine tecnología avanzada con una comprensión profunda de la psicología humana, posicionándose como una solución clave para quienes buscan anticiparse a las tendencias del consumo.
Traducción y adaptación por Tecnología 365.
Fuente original: TechCrunch