Xiaomin Li de la Universidad de Harvard y Yuexing Hao del MIT coordinaron a un nutrido grupo de investigadores para crear una infraestructura —MatrAIx— capaz de simular a poblaciones diversas de usuarios mediante agentes de IA. La investigación se resume en el paper MatrAIx: Simulating the World with 8.3 Billion Persona Agents (MatrAIx: Simulando el mundo con 8.300 millones de agentes persona).
Perfiles, no personas reales
MatrAIx proporciona una infraestructura integral compuesta por tres componentes: Persona 8B, con aproximadamente 8.300 millones de registros bajo un esquema compartido; MatrAIx Playground, que ejecuta agentes de IA en entornos de encuestas, chatbots de IA, web y aplicaciones; y MatrAIx Applications, una biblioteca de 1.010 tareas versionadas en más de 25 dominios, incluidos Comercio, Software, Finanzas y Salud. Se realizaron un total de 18.189 ensayos de evaluación en ocho tareas representativas.
La escala de la investigación puede sugerir una especie de “gemelo digital” de la población mundial, si bien esa expresión es imprecisa. MatrAIx no pretende reconstruir individuos identificables, sino generar poblaciones simuladas útiles para poner a prueba sistemas de IA y productos digitales.
Ese conjunto sintético se complementa con perfiles basados en personas reales, extraídos de biografías de Wikipedia, historiales de reseñas de Amazon, la encuesta de Stack Overflow, la General Social Survey, PRISM Alignment y una encuesta propia de voluntarios, todos ellos desidentificados para proteger la privacidad de los afectados.
Aplicaciones prácticas
La idea es que una empresa pueda evaluar, antes de lanzar un sistema de IA o un producto digital, cómo reaccionarían usuarios con distintas edades, hábitos digitales, conocimientos o sensibilidades ante el lanzamiento. MatrAIx intenta resolver esto creando millones de perfiles de usuarios simulados con personalidades distintas y dejando que interactúen con el producto mediante encuestas, conversaciones con chatbots, navegación web o uso de aplicaciones, como lo haría una persona real. La finalidad es detectar problemas antes de exponer el producto al público.
La posible aplicación comercial es evidente: las simulaciones con agentes de IA pueden generar hipótesis de forma rápida y a bajo coste, pero la rapidez no equivale a validez.
Conclusión
La filosofía del proyecto se resume en una frase: «Antes del lanzamiento, simule usuarios diversos y luego valide con la realidad».
La simulación es un atajo barato para explorar posibilidades y detectar problemas, pero la palabra final la sigue teniendo la gente real, y nuestro criterio como humanos es dificil de medir: las personas reales podemos cambiar de opinión, contradecirnos, actuar por impulso o de forma distinta según el contexto.
