Las startups que prometen predecir cómo se comportarán los seres humanos están teniendo un momento especial. En el último año, Simile recaudó $200 millones con una valoración de $2 mil millones; Aaru recaudó $88 millones con una valoración de $1 mil millones; y Humans&, una startup de IA que anunció una gran ronda de capital inicial de $480 millones en enero con una valoración de $4.48 mil millones, lanzó Persimmon para modelar el comportamiento humano.
El estado actual de la predicción del comportamiento humano hoy depende en gran medida de los grandes modelos de lenguaje (LLMs) que son estimulados o ajustados para actuar como una demografía objetivo. Pero el Mirror Particle, con sede en San Francisco y de dos años de edad, cree que este enfoque es fundamentalmente defectuoso.
“Es como llevar un super soaker a las cataratas del Niágara”, dice Abhivyakti Ahuja, cofundadora y CEO de Mirror Particle, que proporciona a las marcas un motor de IA que predice el comportamiento del consumidor y las razones detrás de él. “Los LLM han sido entrenados con cientos de miles de mil millones de puntos de datos. ¿Qué tanto se puede influir en su comportamiento mediante [ajuste fino] con tan poco dato? Todavía está atascado en el pasado”.
Ahuja no cree que los LLM vean el mundo de la misma manera que lo hace un ser humano. “Los LLM modelan el lenguaje escrito, pero los seres humanos están compuestos por percepción visual, razonamiento espacial e inteligencia social”. Según ella, confiar en ellos significa obtener conocimientos basados en lo que los humanos no notan, lo cual no es importante cuando se intenta predecir el comportamiento humano.
La Partícula de Espejo está adoptando otro enfoque: construir un modelo de base, o, como lo describe Ahuja, un modelo del mundo creado desde cero que simula por qué las personas hacen lo que hacen y cómo cambia el comportamiento humano a lo largo del tiempo.
“No queremos capturar a la persona estática”, dijo Ahuja. “Queremos capturar a la persona en constante cambio. Eso significa obtener datos longitudinales sobre cómo las personas están cambiando, qué factores los desencadenan y en qué medida”. Si no cambian, agregó, “eso también es un signo”.
Partícula de Espejo ya ha realizado una ronda de inversión y dice que está cerca de cerrar su primera ronda de financiación. La empresa también competirá la próxima semana en Startup Battlefield 200, el renombrado concurso de startups de TechCrunch que se lleva a cabo en TechCrunch Disrupt 2026 en San Francisco, del 13 al 15 de octubre.
La startup se basa en una combinación propia de datos que incluye los datos de clientes de sus clientes, acontecimientos actuales, cultura popular, redes sociales y más, con el fin de modelar un segmento demográfico, considerándolo como un sistema que evoluciona con el tiempo y rastreando cómo cambian las motivaciones a medida que se desplaza a través de experiencias. Gran parte del enfoque se centra en el “comportamiento revelado” — lo que las personas realmente hacen, en lugar de las respuestas de encuestas autoinformadas.
Al igual que sus competidores, la estrategia inicial de lanzamiento de Mirror Particle se centra en los lugares donde ya existen presupuestos para este tipo de conocimientos: investigación de mercado y estrategias de marca y producto. Por ejemplo, Mirror podría ayudar a una marca de belleza no solo a escribir textos publicitarios más atractivos para maquillaje que atraigan a la Generación Z, sino también a determinar si esa demografía realmente desea ese producto.
“¿Qué pasaría si [la demografía objetivo] no quiere paletas de sombra de ojos?”, dijo Ahuja. “Tal vez el rubor sea una mejor opción si se quiere vender un producto a este mercado”.
El motor de predicción de la Partícula Espejo también proporciona a los clientes el “porqué” detrás del comportamiento actual o futuro: las motivaciones, las limitaciones y el contexto adicional que justifican su recomendación, ayudando a las marcas a tomar decisiones más inteligentes.
En un piloto inicial, una marca conocida de alimentos para mascotas quería saber qué imágenes colocar en el envase para aumentar las ventas. Pollo? Carne? Verduras? La tecnología de Mirror descubrió que la marca hacía la pregunta equivocada. Las imágenes no importaban. El problema era que la marca era tan reconocible que se consideraba de mercado masivo y barata, y las ventas se estabilizarían hasta que resolviera ese problema de percepción.
“La forma en que vemos cómo evoluciona nuestro modelo es como cuando un bebé aprende sobre el mundo”, dijo Ahuja, señalando que los bebés pasan de la visión a la lengua, a la conciencia del cuerpo y a la inteligencia social.
Ese interés fundamental en modelar el cerebro humano proviene del perfil de Ahuja, quien estudió neurociencia y ciencia de la computación. Originaria de la India, terminó estudiando en la Universidad de Toronto, donde se inspiró en las contribuciones de Geoffrey Hinton, pionero en inteligencia artificial, a las redes neuronales.
Después de la escuela, Ahuja se encontró en Amazon Robotics, donde construyen robots que a su vez construyen otros robots. Allí conoció a sus cofundadores, Will Song y Thomson Yen. Song ha dedicado parte de su carrera a desarrollar motores de personalización de ventas, mientras que Yen se ha enfocado en utilizar el aprendizaje profundo para comprender cómo los agentes de IA entienden el comportamiento humano.
La visión a largo plazo de la empresa emprendedora es ser la “capa general para anticipar el comportamiento humano”, y pasar de análisis a nivel de población en general a conocimientos a nivel individual.
“Solo necesitamos un modelo mejor de los seres humanos si vamos a trabajar junto con la IA y entre nosotros”, dijo Ahuja.
Visita Mirror Particle y muchas otras startups innovadoras que han sido evaluadas por el equipo editorial de TechCrunch la próxima semana en Disrupt en el centro de San Francisco. El ganador del campo de batalla de startups de este año será decidido por nuestros jueces de VC durante la tarde del jueves, 15 de octubre.