Mirror Particle, insan davranışını modelleyen yapay zekâ kuruyor

İnsanların belirli bir ürüne, reklama ya da kültürel trende nasıl tepki vereceğini tahmin etmeye çalışan yapay zekâ girişimleri yatırımcıların ilgisini çekiyor. San Francisco merkezli Mirror Particle da bu alanda, büyük dil modellerinin (LLM) metin odaklı yapısından ayrılan bir sistem kuruyor. Yaklaşık iki yıllık girişim, markalara tüketici davranışını ve bu davranışın arkasındaki nedenleri tahmin etmeye yardımcı olacak bir yapay zekâ motoru geliştiriyor.

Şirketin yaklaşımı, bir hedef kitleyi yalnızca belirli bir andaki özellikleriyle tanımlamak yerine, zaman içinde değişen bir sistem olarak ele alıyor. Mirror Particle’ın kurucu ortağı ve CEO’su Abhivyakti Ahuja’ya göre insanların tercihleri; yaşadıkları deneyimlere, değişen motivasyonlara ve karşılaştıkları tetikleyicilere bağlı olarak dönüşebiliyor. Girişim, bu değişimleri izleyerek insanların neden belirli kararları verdiğini anlamaya çalışıyor.

LLM yaklaşımına neden itiraz ediyor?

İnsan davranışı tahmininde bugün sık kullanılan yöntemlerden biri, büyük dil modellerini belirli bir demografik grubu canlandıracak şekilde yönlendirmek veya ince ayar yapmak. Mirror Particle ise bu yöntemin insanları anlamak için yeterli olmadığını düşünüyor. Ahuja, LLM’lerin ağırlıklı olarak yazılı dili modellediğini; insanların karar alma süreçlerinin ise görsel algı, mekânsal akıl yürütme ve sosyal zekâ gibi unsurlara dayandığını belirtiyor.

Bu ayrım, özellikle insanların anketlerde söyledikleriyle gerçek hayatta yaptıkları arasındaki farkta ortaya çıkıyor. Mirror Particle, kendi sisteminde “açıklanmış davranış” olarak tanımlanan verilere odaklanıyor. Başka bir ifadeyle girişim, kullanıcıların ne yapacaklarını söylemesinden çok, gerçekte ne yaptığını incelemeyi amaçlıyor.

Şirket bunun için müşterilerinin kendi verilerini; güncel olaylar, popüler kültür, sosyal medya ve başka veri kaynaklarıyla bir araya getiriyor. Oluşturulan model, belirli bir demografik grubun zaman içinde nasıl hareket ettiğini, motivasyonlarının hangi deneyimlerle değiştiğini ve bu değişimin ne ölçüde gerçekleştiğini takip ediyor. Bir grubun davranışında değişim olmaması da sistem için anlamlı bir sinyal olarak değerlendiriliyor.

Markalar ürün kararlarını da test edebilecek

Mirror Particle’ın ilk müşterilerinin pazar araştırması ile marka ve ürün stratejisi alanlarında olması bekleniyor. Girişim, markalara yalnızca daha etkili reklam metinleri hazırlamak için değil, hedef kitlenin ürünü gerçekten isteyip istemediğini anlamak için de yardımcı olmayı hedefliyor.

Örneğin bir kozmetik markası, belirli bir yaş grubuna yönelik göz farı paleti için reklam fikri geliştirmek isteyebilir. Mirror Particle’ın sistemi ise reklam metnini iyileştirmeden önce, bu kitlenin gerçekten göz farı paleti arayıp aramadığını değerlendirmeye çalışıyor. Analiz, ürün kategorisinin yanlış seçildiğini ve allık gibi başka bir ürünün daha uygun olabileceğini gösterebilir.

Girişimin sunduğu sonuçlar yalnızca “hangi davranış gerçekleşebilir?” sorusuyla sınırlı kalmıyor. Sistem, tahmininin arkasındaki motivasyonları, kısıtları ve ek bağlamı da açıklamayı amaçlıyor. Bu yaklaşım, markaların yapay zekâ tarafından üretilen bir öneriyi doğrudan uygulamak yerine, önerinin hangi davranış varsayımlarına dayandığını incelemesine imkân verebilir.

İnsan davranışı tahmini alanında rekabet artıyor

Mirror Particle’ın faaliyet gösterdiği alan son bir yılda yeni yatırımlarla büyüdü. Simile, 2 milyar dolar değerleme üzerinden 200 milyon dolar; Aaru ise 1 milyar dolar değerleme üzerinden 88 milyon dolar yatırım aldı. İnsan davranışını modellemeye odaklanan humans& adlı yapay zekâ girişimi de ocak ayında 4,48 milyar dolar değerleme üzerinden 480 milyon dolarlık tohum yatırım duyurdu ve Persimmon isimli ürününü tanıttı.

Mirror Particle şimdiye kadar bir melek yatırım turunu tamamladı ve ilk girişim sermayesi turunu kapatmaya yaklaştığını açıkladı. Girişim ayrıca 6 Ekim 2026 tarihli bilgilere göre gelecek hafta Startup Battlefield adlı girişim yarışmasında yarışacak.

Şirketin yaklaşımı, yapay zekânın tüketici analizinde yalnızca geçmiş metinleri yorumlayan bir araç olmaktan çıkarılıp davranışların zaman içindeki değişimini izleyen bir modele dönüştürülmesi fikrine dayanıyor. Ancak bu modelin farklı veri kaynaklarını ne ölçüde doğru birleştireceği ve markaların kararlarında ne kadar güvenilir sonuçlar sunacağı, ürünün gerçek müşterilerle kullanımında netleşecek.