CIANJUR.CO – Mirror Particle mengembangkan model kecerdasan buatan yang dirancang untuk memperkirakan perilaku manusia sekaligus menjelaskan alasan di baliknya. Berbeda dari pendekatan yang mengandalkan model bahasa besar untuk menirukan kelompok demografis tertentu, startup berusia dua tahun itu ingin membangun model dunia atau world model dari awal.
Berdasarkan laporan TechCrunch AI, perusahaan yang berbasis di San Francisco tersebut akan berkompetisi dalam Startup Battlefield, ajang startup yang digelar TechCrunch Disrupt. Mirror Particle menawarkan mesin AI kepada merek untuk memprediksi perilaku konsumen, perubahan motivasi, serta faktor-faktor yang dapat memengaruhi keputusan mereka.
Minat terhadap teknologi untuk memprediksi perilaku manusia meningkat. Dalam setahun terakhir, Simile mengumpulkan pendanaan 200 juta dolar AS dengan valuasi 2 miliar dolar AS. Aaru memperoleh 88 juta dolar AS pada valuasi 1 miliar dolar AS. Sementara itu, Humans&, startup AI yang mengumumkan pendanaan awal 480 juta dolar AS pada Januari dengan valuasi 4,48 miliar dolar AS, meluncurkan Persimmon untuk memodelkan perilaku manusia.
Di tengah perkembangan tersebut, Mirror Particle menilai pendekatan yang banyak digunakan saat ini memiliki keterbatasan. Sejumlah pelaku mengandalkan model bahasa besar atau LLM yang diberi instruksi maupun disesuaikan agar berperan sebagai kelompok sasaran. Abhivyakti Ahuja, salah satu pendiri sekaligus CEO Mirror Particle, berpendapat bahwa penyesuaian semacam itu tidak cukup untuk mengubah perilaku model yang sebelumnya dilatih menggunakan data dalam jumlah sangat besar.
Ahuja menggambarkan upaya tersebut seperti membawa pistol air ke Air Terjun Niagara. Menurutnya, LLM telah dilatih dengan ratusan miliar titik data, sehingga sulit memengaruhi perilakunya secara mendasar hanya dengan tambahan data yang relatif sedikit melalui proses penyesuaian. Ia juga menilai pendekatan itu masih berpijak pada pola yang sudah ada.
Alasan lain yang disampaikan Ahuja adalah perbedaan antara cara LLM mempelajari dunia dan cara manusia mengalaminya. LLM memodelkan bahasa tertulis, sedangkan manusia, menurutnya, juga mengandalkan persepsi visual, penalaran spasial, dan kecerdasan sosial. Karena itu, insight yang dihasilkan dari apa yang tertangkap dalam teks belum tentu berhubungan dengan hal-hal yang benar-benar diperhatikan manusia ketika mengambil keputusan.
Baca juga: LibreOffice Belum Akan Menghadirkan AI di Pengaturan Bawaan
Memodelkan perubahan dari waktu ke waktu
Mirror Particle ingin menyusun model dasar yang menggambarkan mengapa manusia melakukan sesuatu dan bagaimana perilaku mereka berubah seiring waktu. Ahuja menyebut pendekatan itu sebagai pembangunan world model dari awal. Perusahaan tidak hanya berusaha merekam gambaran seseorang pada satu titik, tetapi juga mengikuti perubahan pada orang tersebut.
Untuk itu, Mirror Particle berupaya mengumpulkan data longitudinal, yaitu informasi yang menunjukkan bagaimana seseorang berubah, pemicu perubahan tersebut, serta seberapa besar dampaknya. Ahuja menekankan bahwa kondisi tanpa perubahan pun tetap memiliki arti. Jika seseorang tidak berubah, keadaan itu juga dapat menjadi sinyal dalam pembacaan perilaku.
Model perusahaan memanfaatkan gabungan data yang bersifat eksklusif. Sumber yang disebut mencakup data pelanggan milik klien, peristiwa terkini, budaya populer, media sosial, dan sumber lainnya. Informasi tersebut digunakan untuk memodelkan segmen demografis sebagai sebuah sistem yang terus berkembang. Dengan cara itu, Mirror Particle berupaya melacak pergeseran motivasi ketika kelompok tersebut mengalami berbagai hal.
Perhatian besar diberikan pada “perilaku yang terungkap”, yakni tindakan yang benar-benar dilakukan orang, bukan hanya jawaban yang mereka berikan dalam survei. Perbedaan ini penting bagi tujuan perusahaan: memahami apa yang dilakukan konsumen dan konteks yang mendorong tindakan tersebut, bukan semata-mata mengandalkan laporan seseorang tentang dirinya sendiri.
Mirror Particle menyasar kebutuhan yang sudah memiliki anggaran di perusahaan, terutama riset pasar serta strategi merek dan produk. Sebagai contoh, mesin itu dapat membantu merek kecantikan menilai bukan hanya cara menyusun iklan riasan yang menarik bagi Gen Z, tetapi juga apakah kelompok tersebut memang menginginkan produk yang hendak dijual.
Baca juga: Mistral Large 4 Hadir dengan Satu Triliun Parameter
Ahuja mencontohkan kemungkinan bahwa kelompok sasaran tidak menginginkan palet perona mata. Dalam situasi seperti itu, produk perona pipi mungkin lebih sesuai bagi pasar yang ingin dijangkau. Penilaian tentang pilihan produk tersebut dimaksudkan untuk membantu merek memeriksa kebutuhan konsumen sebelum hanya berfokus pada cara mempromosikan barang.
Menemukan persoalan di balik keputusan konsumen
Mesin prediksi Mirror Particle juga dirancang untuk memberi penjelasan mengenai alasan di balik perilaku saat ini maupun yang diperkirakan terjadi. Penjelasan itu dapat mencakup motivasi, kendala, dan konteks tambahan yang mendasari rekomendasi. Dengan informasi tersebut, perusahaan berharap merek dapat memahami pertimbangan di balik saran yang diberikan, bukan hanya menerima hasil prediksi.
Dalam salah satu uji coba awal, sebuah merek makanan hewan ternama ingin mengetahui gambar apa yang sebaiknya dicantumkan pada kemasan untuk meningkatkan penjualan. Pilihannya berkaitan dengan gambar ayam, daging sapi, atau sayuran. Namun, teknologi Mirror Particle menunjukkan bahwa pertanyaan tentang gambar kemasan bukan inti persoalannya.
Menurut hasil uji coba tersebut, konsumen sudah mengenali merek itu secara luas dan memandangnya sebagai produk massal yang murah. Persepsi tersebut, bukan pilihan gambar ayam, sapi, atau sayuran, menjadi persoalan yang perlu ditangani. Penjualan diperkirakan akan mencapai titik datar sampai merek mengatasi masalah persepsi tersebut.
Ahuja menjelaskan arah perkembangan modelnya dengan membandingkannya dengan cara bayi belajar mengenali dunia. Bayi, menurutnya, bergerak dari penglihatan menuju bahasa, kesadaran tubuh, lalu kecerdasan sosial. Analogi itu berkaitan dengan minatnya memodelkan cara kerja otak manusia.
Baca juga: TechCrunch Disrupt 2026 Ungkap Agenda Breakout Session di San Francisco
Latar belakang Ahuja mencakup studi neurosains dan ilmu komputer. Ia berasal dari India dan menempuh pendidikan di University of Toronto. Di sana, kontribusi Geoffrey Hinton, pelopor AI, terhadap jaringan saraf menginspirasinya. Setelah menyelesaikan pendidikan, Ahuja bekerja di Amazon Robotics, membangun robot yang membuat robot lain.
Di Amazon Robotics, ia bertemu dengan rekan pendirinya, Will Song dan Thomson Yen. Song memiliki pengalaman membangun mesin personalisasi penjualan selama sebagian perjalanan kariernya. Yen berfokus menggunakan pembelajaran mendalam untuk memahami cara agen AI mempelajari perilaku manusia.
Mirror Particle telah mengumpulkan pendanaan angel dan menyatakan hampir menuntaskan putaran pendanaan ventura pertamanya. Dalam jangka panjang, perusahaan ingin menjadi lapisan umum untuk mengantisipasi perilaku manusia, dengan cakupan yang bergerak dari analisis populasi yang lebih luas menuju wawasan pada tingkat individu. Ahuja mengatakan manusia membutuhkan model yang lebih baik tentang sesamanya ketika bekerja bersama AI maupun satu sama lain.
Mirror Particle dijadwalkan tampil bersama puluhan startup lain yang telah diseleksi tim editorial TechCrunch dalam Disrupt di pusat kota San Francisco. Pemenang Startup Battlefield tahun ini akan ditentukan oleh panel juri dari kalangan pemodal ventura pada Kamis sore, 15 Oktober.
