Синтетическая фокус-группа: как я проектирую рой AI-персон, который проверяет продукт до запуска

Синтетическая фокус-группа: рой AI-персон, который проверяет продукт ещё до запуска.

Идея простая и дерзкая: не гадать, как отреагирует рынок, а «прогнать» продукт — лендинг, оффер, рекламу — через десятки AI-персон с разными болями, ценностями и триггерами отказа. На выходе — отчёт: сегменты, возражения, вайт-спейсы и честное «почему не купят».

Это называется silicon sampling — синтетические фокус-группы. И у этой идеи есть подвох, на котором спотыкаются почти все.

Что даёт синтетическая фокус-группа

Классический кастдев — это долго и дорого: собрать респондентов, провести интервью, расшифровать, найти паттерны. Синтетическая фокус-группа делает то же самое за минуты: десятки персон «читают» ваш продукт и выдают структурированную реакцию.

На выходе — то, что обычно стоит недель интервью:

сегменты аудитории и их различия;
боли и триггеры, которые действительно двигают решение;
возражения и «почему не купят» — до того, как вы потратите бюджет на трафик;
вайт-спейсы — что рынок хочет, но никто не предлагает.

Что говорит мировой опыт

Прежде чем строить, я разобрал, как это делают другие — от академии до коммерции:

Stanford Generative Agents («Smallville») — 25 агентов с памятью и рефлексией. Честная цена вопроса: тысячи долларов в токенах и несколько дней реального времени даже для 25 агентов.
Altera Project Sid — общества агентов в Minecraft, от 30 до 1000+ агентов, с ролями, налогами и даже конституцией.
OASIS — open-source симулятор соцсетей на миллион агентов.
Microsoft TinyTroupe — прямо про маркетинг: синтетические фокус-группы и потребительское поведение.
Concordia (DeepMind) — generative agent-based modelling с «Game Master».
Silicon sampling (Argyle et al., 2023) — первоисточник термина: LLM могут воспроизводить ответы реальных выборок.

Главный вывод из анализа (и главная ошибка)

Почти все бросаются строить «живой муравейник»: сто персон, которые постоянно живут и общаются. На слабом железе и с платным API это ловушка — резидентные агенты и фоновые LLM-циклы съедают RAM и бюджет, а пользы для бизнес-задачи не добавляют.

Ценность не в «жизни» агентов. Ценность — в управляемой синтетической фокус-группе: детерминированные персоны, общая память, эпизодический прогон, внятный отчёт.

Поэтому правильная архитектура — не Smallville, а persistent persona registry + episodic swarm runner: реестр персон и их память живут постоянно, а прогон запускается по триггеру и заканчивается отчётом.

Архитектура: как это устроено

Задача раскладывается на простые слои:

Персоны — профиль агента (сегмент, боли, ценности, тон, «триггер отказа»).
Оркестрация — конвейер: бриф → веер персон → сбор реакций → модератор → синтез.
Координация — лёгкая очередь задач вместо тяжёлого брокера.
Память — векторная база: эпизодическая (реакция персоны на продукт) и семантическая (кластеры болей и возражений).
Модельный шлюз — единственный реально новый компонент: батчинг, повторы, учёт стоимости, кэш ответов.
Синтез — модератор сводит противоречия, аналитик собирает отчёт.

До 70% системы переиспользуется из уже готовых компонентов — профилей агентов, очереди, протокола связи, оркестратора и векторной памяти. С нуля пишется только шлюз к моделям и схема персон. Это не «ещё один фреймворк», а прагматичная сборка.

Три риска, которые закладываются сразу

Стоимость веера. 60 персон — это 60 вызовов. Решение: батчинг, жёсткий лимит токенов на ответ, учёт стоимости и hard-cap на прогон.
Иллюзия валидности. Один прогон — не данные. Поэтому N=3 прогона, вариация температуры и отчёт с разбросом и уровнем уверенности. Никаких «процентов рынка» из одной генерации.
Деградация личности. В длинных сессиях персоны усредняются. Решение: изоляция контекста на каждую персону и вектор личности из реестра, а не из общего чата.

Контринтуитивный вывод

В мульти-агентных системах ценность создаёт не «интеллект» агентов и не их «жизнь», а дисциплина прогона: изоляция контекста, контроль стоимости, воспроизводимость и честная оценка уверенности. Красивая идея «оживших агентов» без этой дисциплины — просто дорогая игрушка.

Кому это нужно

маркетингу — проверить оффер и лендинг до запуска рекламы;
продукту — услышать возражения раньше первых продаж;
основателям — понять, за что аудитория реально готова платить;
агентствам — добавить быстрый этап исследований в услугу.

Короткие ответы на частые вопросы

Это заменяет настоящий кастдев? Нет и не должно. Это быстрый слой гипотез, который сужает поиск и экономит время, а не подменяет реальных людей.

Сколько персон нужно? Для внятного отчёта достаточно 30–60 персон, разбитых по сегментам, и нескольких прогонов.

Это дорого? При правильной архитектуре — нет: генерация идёт на дешёвой модели, локально считаются только эмбеддинги и кластеризация.

Если вам нужна такая система — от синтетических фокус-групп до любых мульти-агентных решений — напишите, разберём вашу задачу и соберём её под ваш продукт.