Mirror Particle, perusahaan rintisan yang berbasis di San Francisco, menyediakan mesin AI bagi merek untuk memprediksi perilaku konsumen dan alasannya, serta sedang mengembangkan “model dunia” sendiri. Salah satu pendiri sekaligus CEO Abhibyakta Ahuja berpendapat bahwa model bahasa besar (AI yang memproses bahasa setelah dilatih menggunakan teks dalam jumlah besar) memiliki keterbatasan mendasar dalam memprediksi perilaku manusia. Alih-alih menyempurnakan model bahasa, perusahaan ini memilih membangun dari awal model fondasi (model AI dasar yang dirancang untuk digunakan dalam berbagai keperluan) yang menyimulasikan apa yang dilakukan manusia dan alasan mereka mengubah perilaku dari waktu ke waktu.

Latar belakang dan konteks

Investasi dan peluncuran produk di perusahaan AI yang berupaya memprediksi perilaku manusia terus berlanjut. Menurut artikel tersebut, Simile mengumpulkan US$200 juta dalam setahun terakhir dengan valuasi US$2 miliar, sementara Aaru mengumpulkan US$88 juta dengan valuasi US$1 miliar. Pada Januari, Humans& mengumumkan pendanaan tahap awal senilai US$480 juta dengan valuasi US$4,48 miliar, lalu meluncurkan Persimmon, produk pemodelan perilaku manusia.

Bersama contoh-contoh ini, persaingan juga berfokus pada data yang digunakan untuk merepresentasikan manusia dan cara melakukannya. Ahuja mengatakan pendekatan yang ada bergantung pada pemberian peran demografis tertentu kepada model bahasa besar atau pelatihan tambahan untuk model tersebut. Namun, menurutnya, bahasa yang terutama dipelajari model tidak sama dengan persepsi, pemahaman spasial, dan kecerdasan sosial manusia yang sebenarnya. Ini merupakan persoalan yang diangkat oleh perusahaan; artikel tersebut tidak menyajikan hasil perbandingan langsung antara kinerja model bahasa yang ada dan Mirror Particle.

Mirror Particle menjelaskan bahwa perusahaan memodelkan manusia bukan sebagai kumpulan karakteristik yang tetap, melainkan sebagai makhluk yang berubah berdasarkan pengalaman. Menurut Ahuja, perusahaan melacak bagaimana orang berubah, apa yang memicu perubahan tersebut, dan seberapa besar perubahannya melalui data longitudinal (data yang mengamati subjek atau kelompok yang sama dari waktu ke waktu). Perusahaan juga menyatakan bahwa tidak adanya perubahan pun dianggap sebagai sinyal.

Data eksklusif yang digunakan perusahaan mencakup data pelanggan, berita terkini, budaya populer, dan media sosial. Perusahaan menggabungkan data-data tersebut untuk memodelkan kelompok demografis tertentu dan berfokus pada apa yang benar-benar dilakukan orang, yakni “perilaku yang terungkap”, alih-alih apa yang mereka katakan dalam survei. Namun, artikel tersebut tidak menjelaskan secara terperinci skala data, metode pengumpulan dan verifikasinya, maupun prosedur perlindungan privasi.

Arti kabar ini

Keunggulan yang diklaim Mirror Particle adalah perusahaan memberikan kepada pelanggan bukan hanya hasil prediksi perilaku, tetapi juga motivasi dan kendala di balik perilaku tersebut serta konteks rekomendasinya. Perusahaan ingin membantu merek melangkah lebih jauh dari sekadar menanyakan konsumen mana yang akan memilih apa, dengan menelaah faktor yang menghambat atau mendorong pilihan itu agar dapat dipertimbangkan dalam pengambilan keputusan. Untuk mendapatkan pelanggan awal, perusahaan berfokus pada bidang yang sudah memiliki anggaran terkait, seperti riset pasar serta strategi merek dan produk.

Contoh proyek percontohan awal menunjukkan bagaimana pendekatan ini dapat digunakan. Sebuah merek makanan hewan peliharaan ternama bertanya gambar apa yang sebaiknya dicantumkan pada kemasannya—ayam, sapi, atau sayuran—untuk meningkatkan penjualan. Mirror Particle menganalisis bahwa masalahnya bukan terletak pada gambar, melainkan pada anggapan bahwa merek tersebut bersifat umum dan murah; menurut analisis itu, penjualan dapat mandek jika anggapan tersebut tidak berubah. Ini adalah hasil proyek percontohan yang disampaikan perusahaan. Artikel tersebut tidak menjelaskan bagaimana penjualan benar-benar berubah setelah analisis itu dilakukan.

Sebagai contoh, jika suatu merek sedang mempertimbangkan pilihan gambar iklan untuk produk tertentu, pendekatan ini dapat menelaah bukan hanya preferensi terhadap gambar, melainkan juga apakah kelompok sasaran menginginkan produknya dan apakah ada anggapan atau kendala yang menghalangi pembelian. Namun, tidak dapat dipastikan bahwa analisis semacam ini benar-benar meningkatkan penjualan. Artikel tersebut tidak mencantumkan angka yang dapat digunakan untuk menilai akurasi prediksi model Mirror Particle atau hasil yang dicapai kliennya.

Ahuja mengatakan model tersebut akan berkembang seperti cara bayi mempelajari dunia—dari penglihatan ke bahasa, kesadaran tubuh, lalu kecerdasan sosial. Visi jangka panjang perusahaan adalah beranjak dari analisis kelompok demografis yang luas menuju wawasan pada tingkat individu dan menjadi fondasi umum untuk memprediksi perilaku manusia. Ini adalah arah yang disampaikan perusahaan, bukan berarti kemampuan prediksi individual sudah tersedia saat ini.

Fakta yang telah dikonfirmasi dan hal yang belum diketahui

Fakta yang telah dikonfirmasi

  • Mirror Particle adalah perusahaan rintisan yang memasuki tahun kedua dan menyediakan mesin AI bagi merek untuk memprediksi perilaku konsumen dan alasannya.
  • Perusahaan menjelaskan bahwa mereka menggabungkan data pelanggan dengan berita terkini, budaya populer, media sosial, dan sumber lainnya, serta berfokus pada perilaku nyata alih-alih jawaban survei.
  • Dalam proyek percontohan awal, perusahaan menganalisis bahwa penyebab penjualan makanan hewan peliharaan yang mandek adalah persepsi terhadap merek, bukan gambar pada kemasan.
  • Perusahaan menyatakan telah memperoleh pendanaan angel dan sedang mendekati penutupan putaran pendanaan ventura pertamanya.
  • Artikel tersebut menyebutkan bahwa perusahaan dijadwalkan berpartisipasi dalam Startup Battlefield 200 di TechCrunch Disrupt, yang akan berlangsung di San Francisco pada 13–15 Oktober 2026, minggu depan.

Hal yang belum diketahui

  • Jumlah pendanaan angel dan investornya belum diungkapkan.
  • Skala dan ketentuan akhir putaran pendanaan ventura pertama, yang disebut hampir ditutup, belum diketahui.
  • Akurasi prediksi model, hasil perbandingan dengan pendekatan yang ada, serta hasil nyata yang dicapai klien tidak dapat diketahui dari artikel tersebut.
  • Sumber data secara terperinci serta cara pengolahan dan perlindungannya juga tidak dijelaskan.

Hal yang perlu diperhatikan pembaca

  • Jika mempertimbangkan penggunaan alat seperti ini untuk strategi merek atau produk, penting untuk memeriksa bukan hanya hasil rekomendasinya, tetapi juga data perilaku yang menjadi dasarnya serta penjelasan mengenai motivasi dan kendala.
  • Dengan mempertimbangkan asumsi perusahaan bahwa jawaban survei dapat berbeda dari perilaku nyata, pembaca dapat menanyakan data dan prosedur verifikasi apa yang menjadi dasar prediksi tersebut.
  • Informasi tentang pendanaan yang telah dikumpulkan hanya terkonfirmasi sebatas pernyataan perusahaan bahwa mereka telah memperoleh pendanaan angel dan hampir menutup putaran pendanaan ventura pertama. Besaran dan ketentuan investasi secara terperinci perlu diperiksa melalui pengungkapan terpisah.