Mirror Particle, một công ty khởi nghiệp có trụ sở tại San Francisco, đang phát triển “mô hình thế giới” của riêng mình và cung cấp cho các thương hiệu một công cụ AI dự đoán hành vi người tiêu dùng cùng lý do đằng sau hành vi đó. Abiviyakthi Ahuja, đồng sáng lập kiêm CEO, cho rằng các mô hình ngôn ngữ lớn (AI xử lý ngôn ngữ bằng cách học từ lượng văn bản khổng lồ) có những giới hạn căn bản trong việc dự đoán hành vi con người. Thay vì tinh chỉnh mô hình ngôn ngữ, công ty chọn xây dựng từ đầu một mô hình nền tảng (mô hình AI cơ sở được thiết kế để phục vụ nhiều mục đích), mô phỏng theo thời gian con người làm gì và vì sao họ thay đổi hành vi.

Bối cảnh và tình hình

Các công ty AI muốn dự đoán hành vi con người liên tục nhận vốn đầu tư và ra mắt sản phẩm. Theo bài viết, Simile đã huy động 200 triệu USD trong năm qua với mức định giá 2 tỷ USD, còn Aru huy động 88 triệu USD với mức định giá 1 tỷ USD. Humans& đã công bố khoản đầu tư hạt giống trị giá 480 triệu USD vào tháng 1, với mức định giá 4,48 tỷ USD, rồi ra mắt Persimmon, sản phẩm mô hình hóa hành vi con người.

Cùng với những trường hợp này, điểm cạnh tranh đáng chú ý là cách các công ty biểu diễn con người và loại dữ liệu họ dùng để làm việc đó. Ahuja cho rằng các cách tiếp cận hiện nay dựa vào việc yêu cầu mô hình ngôn ngữ lớn đóng vai một nhóm nhân khẩu học cụ thể hoặc huấn luyện bổ sung cho mô hình, nhưng ngôn ngữ mà mô hình chủ yếu học không đồng nhất với nhận thức, hiểu biết không gian và trí tuệ xã hội thực tế của con người. Đây là vấn đề do công ty nêu ra; bài viết không đưa ra kết quả so sánh trực tiếp giữa các mô hình ngôn ngữ hiện có và Mirror Particle.

Mirror Particle giải thích rằng công ty mô hình hóa con người như những cá thể thay đổi theo trải nghiệm, chứ không phải tập hợp các đặc tính cố định. Theo Ahuja, công ty theo dõi bằng dữ liệu dọc (dữ liệu thu thập qua thời gian từ cùng một đối tượng hoặc nhóm đối tượng) cách con người thay đổi, điều gì khơi mào sự thay đổi và mức độ thay đổi ra sao. Công ty cũng xem việc không có thay đổi là một tín hiệu.

Dữ liệu độc quyền mà công ty sử dụng bao gồm dữ liệu khách hàng, tin tức thời sự, văn hóa đại chúng và mạng xã hội. Công ty kết hợp các nguồn này để mô hình hóa những nhóm nhân khẩu học cụ thể, đồng thời chú trọng “hành vi bộc lộ”—tức những gì mọi người thực sự làm—hơn là những gì họ nói trong khảo sát. Tuy nhiên, bài viết không nêu quy mô cụ thể của dữ liệu, cách thu thập và xác minh dữ liệu, hay các quy trình bảo vệ quyền riêng tư.

Ý nghĩa của thông tin này

Điểm khác biệt mà Mirror Particle nêu ra là công ty cung cấp cho khách hàng không chỉ kết quả dự đoán hành vi mà còn cả động cơ, rào cản và bối cảnh của các khuyến nghị. Thay vì chỉ hỏi người tiêu dùng nào sẽ chọn gì, công ty muốn giúp thương hiệu xem xét những yếu tố cản trở hoặc thúc đẩy lựa chọn đó để đưa vào quá trình ra quyết định. Khi tìm kiếm những khách hàng đầu tiên, công ty tập trung vào các lĩnh vực đã có ngân sách liên quan, như nghiên cứu thị trường và chiến lược thương hiệu, sản phẩm.

Một trường hợp thử nghiệm ban đầu cho thấy cách tiếp cận này có thể được sử dụng ra sao. Một thương hiệu thức ăn cho thú cưng nổi tiếng hỏi nên in hình thịt gà, thịt bò hay rau củ lên bao bì để tăng doanh số. Mirror Particle phân tích rằng vấn đề không nằm ở hình ảnh mà ở nhận thức rằng thương hiệu này đại trà và giá rẻ; nếu nhận thức đó không thay đổi, doanh số có thể chững lại. Đây là kết quả thử nghiệm do công ty cung cấp; bài viết không cho biết doanh số thực tế thay đổi thế nào sau phân tích đó.

Chẳng hạn, nếu một thương hiệu đang cân nhắc chọn hình ảnh quảng cáo cho một sản phẩm cụ thể, cách tiếp cận này có thể không chỉ hỏi người tiêu dùng thích hình ảnh nào, mà còn xem nhóm mục tiêu có muốn chính sản phẩm đó hay không, và có nhận thức hoặc rào cản nào cản trở việc mua hàng hay không. Tuy nhiên, không thể khẳng định rằng những phân tích như vậy sẽ cải thiện doanh số thực tế. Bài viết không đưa ra số liệu nào để xác nhận độ chính xác dự đoán của mô hình Mirror Particle hoặc kết quả thực tế của khách hàng.

Ahuja cho biết mô hình sẽ phát triển giống như cách trẻ sơ sinh học về thế giới, từ thị giác đến ngôn ngữ, nhận thức về cơ thể và trí tuệ xã hội. Tầm nhìn dài hạn của công ty là tiến từ phân tích các nhóm dân số rộng sang những hiểu biết ở cấp độ cá nhân, để trở thành nền tảng tổng quát cho việc dự đoán hành vi con người. Đây là định hướng công ty công bố, không có nghĩa là chức năng dự đoán ở cấp độ cá nhân đã được triển khai.

Những điều đã xác nhận và những điều chưa rõ

Những điều đã xác nhận

  • Mirror Particle là công ty khởi nghiệp ở năm hoạt động thứ hai, cung cấp cho các thương hiệu một công cụ AI dự đoán hành vi người tiêu dùng và lý do đằng sau hành vi đó.
  • Công ty cho biết họ kết hợp dữ liệu khách hàng với tin tức thời sự, văn hóa đại chúng, mạng xã hội và các nguồn khác, đồng thời tập trung vào hành vi thực tế hơn là câu trả lời khảo sát.
  • Trong một dự án thử nghiệm ban đầu, công ty phân tích nguyên nhân khiến doanh số của một thương hiệu thức ăn cho thú cưng chững lại là nhận thức về thương hiệu, chứ không phải hình ảnh trên bao bì.
  • Công ty cho biết đã huy động vốn ở vòng angel và đang tiến gần đến thời điểm chốt vòng gọi vốn đầu tiên từ các quỹ đầu tư mạo hiểm.
  • Bài viết cho biết công ty dự kiến tham gia Startup Battlefield 200 tại sự kiện TechCrunch Disrupt, tổ chức ở San Francisco từ ngày 13 đến 15 tháng 10 năm 2026, vào tuần tới.

Những điều chưa rõ

  • Số tiền huy động ở vòng angel và các nhà đầu tư chưa được công bố.
  • Không rõ quy mô và các điều khoản cuối cùng của vòng gọi vốn đầu tiên từ các quỹ đầu tư mạo hiểm, vốn được cho là đang gần đến ngày chốt.
  • Bài viết không xác nhận độ chính xác dự đoán của mô hình, kết quả so sánh với các phương pháp hiện có hay kết quả thực tế của khách hàng.
  • Bài viết cũng không nêu cụ thể nguồn dữ liệu, cách xử lý dữ liệu hay phương thức bảo vệ dữ liệu.

Những điều độc giả cần kiểm tra

  • Nếu cân nhắc sử dụng công cụ như vậy cho chiến lược thương hiệu hoặc sản phẩm, cần xem xét không chỉ kết quả khuyến nghị mà cả dữ liệu hành vi làm căn cứ cùng phần giải thích về động cơ và rào cản.
  • Xét đến tiền đề của công ty rằng câu trả lời khảo sát có thể khác với hành vi thực tế, có thể hỏi dự đoán dựa trên dữ liệu nào và quy trình xác minh ra sao.
  • Thông tin huy động vốn chỉ xác nhận được theo công bố của công ty: đã huy động vốn ở vòng angel và đang gần chốt vòng gọi vốn đầu tiên từ các quỹ đầu tư mạo hiểm. Cần kiểm tra xem quy mô và điều khoản đầu tư cụ thể có được công bố riêng hay không.