Innhold Vis
Hva om du kunne teste hvordan millioner av mennesker ville reagert på et nytt produkt, en prisendring eller en politisk beslutning – uten å spørre en eneste ekte person? Stanford-startupen Simile har nettopp hentet $100 millioner for å gjøre akkurat dette til virkelighet. Teknologien deres bygger digitale tvillinger av ekte mennesker, og resultatene er overraskende presise.
Simile kom ut av stealth-modus denne uken med en av de største finansieringsrundene vi har sett for et AI-selskap fokusert på menneskelig adferdsprediksjon. Bak investeringen står tungvektere som Index Ventures og Bain Capital, sammen med AI-pionerene Fei-Fei Li og Andrej Karpathy.
Fra Smallville til verdensomspennende simulering
Grunnleggerne bak Simile er ingen ukjente i AI-miljøet. Joon Sung Park, Michael Bernstein og Percy Liang – alle med røtter på Stanford – sto bak det banebrytende Smallville-eksperimentet i 2023. Der plasserte de 25 AI-agenter i en simulert landsby og demonstrerte at de kunne oppføre seg som troverdige mennesker med egne personligheter, relasjoner og daglige rutiner.
Nå tar de konseptet flere steg videre. I stedet for 25 fiktive agenter, har Simile bygget et system som kan lage digitale kopier av ekte mennesker. Teamet gjennomførte dybdeintervjuer med over 1000 personer, samlet inn transaksjonsdata og analyserte vitenskapelig litteratur om menneskelig adferd. Resultatet er AI-agenter som matcher sine menneskelige forbilder med opptil 85% nøyaktighet.
Det høres kanskje ikke revolusjonerende ut, men her er det interessante: Når de samme menneskene ble spurt de samme spørsmålene to uker senere, matchet de sine egne tidligere svar med omtrent samme presisjon. Med andre ord er Similes digitale tvillinger like konsistente som ekte mennesker.
Praktiske bruksområder allerede i dag
Dette er ikke bare akademisk forskning. Simile har allerede betalende kunder, inkludert den amerikanske apotekkjeden CVS Health og det australske telekomselskapet Telstra. CVS bruker teknologien til å teste hvordan ulike kundegrupper vil reagere på endringer i butikkhyllene – før de faktisk gjør endringene. Det er som å ha en fokusgruppe med millioner av deltakere tilgjengelig døgnet rundt.
Et annet bruksområde som Simile fremhever er forberedelse til investorpresentasjoner. Ved å analysere tidligere earnings calls og investoradferd, kan systemet forutsi hvilke spørsmål analytikere sannsynligvis vil stille. I tester traff modellen riktig på 8 av 10 spørsmål. For finansdirektører som bruker uker på å forberede seg til slike samtaler, kan dette være en game-changer, slik vi også har sett med hvordan OpenAI nå eksperimenterer med nye forretningsmodeller.
UI-testing er et tredje område. I stedet for å rulle ut en ny app-versjon til tusenvis av brukere og håpe på det beste, kan utviklere først teste på simulerte brukere. Hvis de digitale tvillingene sliter med å finne en knapp eller forstå en funksjon, er det bedre å oppdage det før ekte brukere blir frustrerte.
Tungvektere satser stort
Investorlisten sier mye om hvor seriøst AI-miljøet tar denne teknologien. Fei-Fei Li, ofte kalt «godmother of AI» og skaperen av ImageNet-datasettet som revolusjonerte bildegjenkjenning, har selv investert. Det samme har Andrej Karpathy, tidligere AI-sjef hos Tesla og medgrunnlegger av OpenAI. Når slike navn putter penger i et selskap, lytter bransjen.
Index Ventures, som ledet runden, har tidligere satset på selskaper som Figma, Discord og Notion. At de nå går inn med $100 millioner i et selskap som simulerer menneskelig adferd, signaliserer at de ser et enormt markedspotensial. Teknologien kan brukes av alt fra detaljhandel til politiske kampanjer, fra produktutvikling til akademisk forskning der store språkmodeller spiller en stadig viktigere rolle.
Men med stort potensial følger også store spørsmål. Simile har bygget inn strenge personvernkontroller – deltakerne eier sine digitale kopier og kan trekke samtykke når som helst. Forskere som vil bruke plattformen må søke om tilgang og garantere at personvernet ivaretas. Det gjenstår å se om dette er nok når teknologien skaleres.
Hva dette betyr for fremtiden
Simile representerer et skifte i hvordan vi tenker på markedsundersøkelser, produkttesting og beslutningsstøtte. I stedet for å gjette hva folk vil gjøre, eller spørre et lite utvalg og håpe det er representativt, kan bedrifter snart simulere reaksjoner fra millioner av digitale tvillinger. Det er både fascinerende og litt urovekkende på samme tid.
Teknologien reiser også interessante spørsmål om hva det betyr å være forutsigbar. Som Kjell Carlsson fra Domino Data Lab påpeker: «Vi mennesker er langt mer forutsigbare enn vi liker å tro.» Hvis en AI kan forutsi hvordan du ville reagert på en reklame eller en prisendring med 85% sikkerhet, hva sier det om vår forestilling om fri vilje og individuelle valg?
For nå er Simile fokusert på kommersielle bruksområder – hjelpe bedrifter med å ta bedre beslutninger raskere. Men grunnleggerne har større ambisjoner. Joon Sung Park ser for seg at teknologien kan brukes til å teste politiske forslag før de implementeres, eller til å forstå hvordan nyheter sprer seg gjennom samfunnet. I en verden der feilslåtte beslutninger kan koste milliarder, er muligheten til å «øve» på en simulert befolkning først potensielt uvurderlig.
