Simile（シマイル）とは。市場調査をAIの「分身」で置き換えるスタンフォード発企業

新しい商品や広告を世に出す前に、企業は消費者の反応を知りたい。これまではアンケートやフォーカスグループで、実在の人に意見を聞いてきた。時間もお金もかかり、集められる人数にも限りがある。この市場調査そのものを、実在の人ではなく「AIがつくった分身」に置き換えようとしている企業がある。スタンフォード発のスタートアップ、Simile（シマイル）だ。

Simileは、実在の消費者の行動を模したAIエージェント、同社が「エージェント・ツイン」と呼ぶ存在をつくる。企業はこの分身に商品案や広告、店舗レイアウトを試し、実際の人にお金をかけて聞く前に反応を予測できる。2026年7月30日、同社はシリーズBで2億ドルを調達し、評価額は20億ドルに達したと発表した。ステルスを抜けてわずか5か月での急成長だ。

Simileが挑んでいるのは、市場調査の効率化だけではない。 人間の行動そのものをAIで再現し、企業の意思決定を前倒しで検証しようという試みだ。以下、事実を整理したうえで、日本企業がどう見るべきか、収益進化AIの観点でどう位置づけられるかを読み解く。

Simile（シマイル）とは。人間行動を再現するAI企業

Simileは、スタンフォード大学の研究から生まれたスタートアップだ。CEOのJoon Sung Park氏は、2023年にAIエージェントが人間の生活を模倣する研究、通称「Smallville」で知られる。仮想の町でAIエージェントたちが暮らし、パーティーに参加したりする、いわばAI版『ザ・シムズ』のような研究だ。この研究がSimileの製品の土台になっている。共同創業者には、「基盤モデル（foundation model）」という言葉を広めた研究者Percy Liang氏も名を連ねる。

同社がつくる「エージェント・ツイン」は、実在の人のデータをもとにしている。過去の選択やインタビューの回答などを学習し、その人の代わりとなる分身として振る舞う。企業はこの分身に対して、商品変更やメッセージ、決算説明会の想定質問といった多様な問いを、実際に世に出す前に投げられる。

Simileの資金調達：シリーズBで2億ドル（評価額20億ドル）

2026年7月30日、SimileはシリーズBで2億ドルを調達したと発表した。ラウンドはGreenoaksが主導し、既存投資家のIndex Venturesが出資を増やしたほか、Bain Capital Ventures、CVS Health Venturesなどが参加した。評価額は20億ドル。5か月前のシリーズA（1億ドル、Index Ventures主導）と合わせ、開示された資金調達は3億ドルを超えた。

同社によれば、ステルスを抜けて以降、売上は5倍に伸び、従業員は50人を超え、Fortune 100企業向けに数千万回規模のシミュレーションを実施してきた。調達資金は、人間行動の基盤モデルの訓練、シミュレーションの信頼性向上、ヘルスケアや金融、消費財、メディアといった業界への展開に充てる方針だ。

顧客の顔ぶれも具体的だ。CVS Health、Deloitte、資産運用アプリのWealthfront、調査会社Gallupなどが名を連ねる。とりわけCVS Healthは、顧客であると同時に今回の出資者でもある。

CVS Healthはどうエージェント・ツインを使ったか

Simileの実力を測るうえで、CVS Healthの事例は象徴的だ。

Simileによれば、CVS Health向けの取り組みは、40万人を超える参加者から得た290万件の同意済み回答をもとに、200以上の行動シナリオにわたって構築された。CVS Healthはこの分身の集団を使い、患者にどうすれば服薬を続けてもらえるかを検討したり、慢性疾患を持つ患者のように従来の調査では届きにくい層を探ったりしてきた。

ここで重要なのは、Simileのシミュレーションが、実地調査を完全に置き換えるものとして使われているわけではない点だ。多くの事例では、まずシミュレーションでアイデアを事前に選別し、どの仮説を実際の調査やパイロットで検証すべきかを絞り込む使い方をしている。実地でテストすべき案の数を減らす、いわば入口のふるいとしての役割だ。

Simileの精度は信頼できるのか（合成データの懸念）

Simileを紹介するうえで、慎重に見るべき点がいくつかある。

まず、シミュレーションの精度だ。Simileは85〜99%の精度を掲げているが、これは同社自身が示す数字で、その前提には専門家の間で異論がある。人間の行動を合成データで再現するという発想そのものに、根強い懐疑がある。

合成データには固有のリスクも指摘される。推論や名寄せを通じて機密性の高い情報が漏れる可能性があり、過去のデータに含まれる偏見を、抽象化の層の裏側で再生産してしまう恐れもある。バイアスが見えにくい形で埋め込まれると、検知や監査が難しくなる。

評価額についても、20億ドルという水準は開示されている売上を上回るとの指摘がある。急成長するAIエージェント市場の資金流入に乗った面は否めない。CVS Health以外の大口顧客がこの先どれだけ増えるかが、この技術が本物のインフラになるかどうかの試金石になる。

日本企業はSimileをどう見るべきか（3つの観点）

この事例は、日本企業にとっても示唆に富む。いくつかの観点で注目する価値がある。

第一に、市場調査や消費者理解のコスト構造を見直す視点だ。日本企業も、新商品開発や広告出稿の前に多額の調査費と時間をかけている。Simileのような手法が実用に耐えるなら、実地調査の前段で案を絞り込む「事前のふるい」として使い、調査全体の効率を上げられる可能性がある。すべてを置き換えるのではなく、入口を効率化するという発想だ。

第二に、合成データの扱いに対する慎重さだ。海外では金融機関が合成データで市場シナリオを検証し、消費財企業が合成オーディエンスでメッセージを試している。日本企業がこの流れを追う際、精度やバイアス、情報漏洩のリスクをどう管理するかは避けて通れない。先行する海外事例は、有望さと危うさの両面を学ぶ教材になる。

第三に、届きにくい層へのアプローチだ。CVS Healthが慢性疾患患者のような調査困難な層を探ったように、従来の手法ではリーチしづらい顧客セグメントを、分身を通じて検討する使い方には可能性がある。高齢者や特定疾患の患者など、日本でもニーズの高い領域で応用が考えられる。

収益進化AIの観点：AIの近似と現場の一次情報

最後に、収益進化AIの観点からSimileを位置づけたい。

興味深いのは、Simile自身が語る言葉だ。同社はブログで、こう述べている。AIによって誰もが商品や広告や政策を作れるようになった今、難しい問いは「作れるかどうか」ではなく「何を、誰のために、どう世に出すか」に移った。そしてこれは人間が決めるべき問いであって、アルゴリズムに委ねるべきではない、と。

この認識は示唆的だ。AIが量産を担えるようになるほど、価値の重心は「何を作るか」という上流の判断に移っていく。この構造は、AIを効率化で終わらせず、何を収益に変えるかを問い直す考え方と重なる。

ただし、ここに一つの緊張がある。Simileの手法は、その「何を作るか」という上流の判断を、AIがつくった分身への問いかけで支えようとするものだ。人間の判断を助けるためにAIを使う一方で、その判断の材料そのものをAIの生成物に頼る。ここには、現場の生の一次情報とどう向き合うかという、避けられない論点がある。

分身はあくまで、過去のデータから再現された近似だ。まだ言語化されていない現場の空気や、これから生まれる新しい欲求は、過去データの再現からは出てこない。だからSimileの分身は、実在の顧客の代わりに「入口のふるい」として機能するときに最も価値を発揮し、実地の一次情報を完全に置き換えようとした瞬間に危うさを帯びる。同社が実地調査を置き換えるのではなく事前選別に使う設計にしているのは、この限界を理解しているからだろう。

AIで人間を再現するという野心的な試みは、逆説的に「本物の現場でしか得られない情報とは何か」を問い直させる。Simileが投げかけているのは、市場調査の効率化を超えた、AI時代の意思決定そのものへの問いだ。日本企業がこの手法をどこまで信頼し、どこから人間の判断に委ねるか。その線引きの巧拙が、これからの差になる。