MatrAIx: projeto simula 8,3 bilhões de personalidades humanas para testar IA

Imagine poder testar um aplicativo, um chatbot ou uma mudança de preço antes de colocá-lo diante do público — não com algumas dezenas ou centenas de voluntários, mas com uma população virtual que chega a 8,3 bilhões de perfis diferentes. Essa é a proposta do MatrAIx, um projeto de pesquisa apresentado em agosto de 2026 por uma equipe internacional de pesquisadores com 93 autores ligados a instituições como Harvard, MIT e Stanford, entre outras universidades. O trabalho foi publicado no repositório científico arXiv com o título MatrAIx: Simulating the World with 8.3 Billion Persona Agents. O número chama atenção porque corresponde aproximadamente à população humana mundial. Mas há uma diferença fundamental entre o que o projeto realmente criou e a maneira como ele vem sendo descrito nas redes sociais. O MatrAIx não colocou 8,3 bilhões de pessoas artificiais para funcionar simultaneamente em um computador. O que existe é uma gigantesca população de registros de personas — chamada pelos pesquisadores de Persona 8B — que pode ser usada para selecionar diferentes grupos de usuários simulados. Quando uma dessas personas é associada a um modelo de linguagem, como GPT ou Claude, ela passa a atuar como um agente capaz de responder perguntas e executar determinadas tarefas. Uma persona do MatrAIx não corresponde necessariamente a uma pessoa específica que exista no mundo real. O sistema procura representar a diversidade estatística da população humana, combinando características que podem influenciar a maneira como alguém interage com uma tecnologia. Cada registro é descrito por 1.290 dimensões categóricas, distribuídas entre áreas como características demográficas, psicologia, capacidades, comportamento e estilo de vida. Entre essas dimensões estão aspectos que podem influenciar decisões e interações, como nível de conhecimento, tolerância a risco, características econômicas, hábitos e outras variáveis. Para construir essa população, os pesquisadores seguiram dois caminhos. Uma parte das personas é sintética, produzida a partir de distribuições estatísticas e de um modelo que tenta preservar as relações existentes entre diferentes características. Isso evita, por exemplo, combinações altamente improváveis entre idade, escolaridade, idioma e outras variáveis. A outra parte é baseada em material produzido por seres humanos. O artigo cita seis fontes: biografias da Wikipedia, histórico de avaliações da Amazon, Stack Overflow Developer Survey, General Social Survey, perfis do conjunto PRISM Alignment e respostas de uma pesquisa realizada pelo próprio MatrAIx. Os dados são transformados em atributos e, segundo os autores, informações diretamente identificáveis, como nomes e contatos, são removidas. Portanto, não se trata de uma coleção de 8,3 bilhões de “clones digitais”. O sistema é mais parecido com uma enorme população estatística que permite ao pesquisador perguntar: como diferentes tipos de usuários poderiam reagir à mesma situação?
Por que criar uma população virtual tão grande? O problema que o MatrAIx tenta resolver é bastante concreto. Quando uma empresa desenvolve um aplicativo, um site ou um sistema de inteligência artificial, testar seu funcionamento com pessoas reais pode ser demorado e caro. Mesmo uma pesquisa com centenas ou milhares de participantes representa apenas uma pequena amostra da diversidade existente na população. Além disso, testes tradicionais podem deixar passar problemas que só aparecem em determinados grupos. Um chatbot pode funcionar bem para usuários experientes, mas ser confuso para iniciantes. Uma alteração de preço pode ser irrelevante para consumidores de maior renda, mas provocar uma grande queda na intenção de compra entre pessoas mais sensíveis a preços. Um aplicativo pode ser considerado rápido por alguns usuários e lento demais por outros. A proposta do MatrAIx é permitir que pesquisadores façam esse tipo de teste repetidamente e em escala muito maior. O sistema possui quatro ambientes principais: pesquisas, chatbots de IA, sites e aplicativos. As personas podem responder questionários, conversar com sistemas de inteligência artificial, navegar por páginas da internet e interagir com aplicativos. Na prática, seria possível selecionar, por exemplo, um grupo de personas com determinadas características e observar como ele reage a uma nova funcionalidade de um aplicativo.
O que acontece quando uma persona encontra um chatbot? É aqui que o projeto fica particularmente interessante. Uma persona deixa de ser apenas uma ficha de características quando é associada a um modelo de linguagem. O modelo recebe informações que descrevem aquele usuário e passa a agir de acordo com elas. Os pesquisadores utilizaram três modelos diferentes nos experimentos descritos no artigo: Claude Opus 4.8, GPT-5.5 e Claude Haiku 4.5. Isso permite realizar experimentos nos quais diferentes “usuários” recebem a mesma tarefa. Imagine, por exemplo, que um chatbot dê uma resposta incorreta e depois a corrija. Uma persona pode ser configurada para representar alguém mais tolerante a erros, enquanto outra representa uma pessoa menos paciente. O sistema pode então observar se elas continuam ou abandonam a conversa. O mesmo princípio pode ser aplicado a uma loja virtual, a um aplicativo bancário ou a uma interface de software. A ideia é transformar a pergunta “o que o usuário faria?” em uma série de experimentos controlados. Os pesquisadores realizaram um experimento específico com 400 testes, avaliando dez características comportamentais em diferentes ambientes. Em 366 deles, o comportamento declarado para a persona foi manifestado corretamente — ou corretamente suprimido quando deveria não aparecer. O resultado corresponde a 91,5% de aderência à persona. Isso não significa, entretanto, que os pesquisadores tenham demonstrado que uma IA consegue reproduzir seres humanos com 91,5% de precisão. O teste mediu algo mais específico: a capacidade do agente de seguir características comportamentais que haviam sido atribuídas àquela persona. É uma diferença enorme. Se uma persona foi definida como sensível a aumentos de preço e o agente demonstra essa sensibilidade no experimento, isso mostra que a característica foi incorporada ao comportamento simulado. Não prova que uma pessoa real com aquelas mesmas características necessariamente tomaria a mesma decisão. O próprio trabalho faz essa ressalva. Os autores afirmam que pessoas simuladas não devem ser consideradas substitutas dos participantes humanos e recomendam validar com seres humanos conclusões que tenham consequências importantes. O MatrAIx possui atualmente uma biblioteca com 1.010 tarefas de avaliação, distribuídas por mais de 25 áreas, incluindo comércio, software, finanças e saúde. Mas existe outra distinção importante: ter uma biblioteca com 1.010 tarefas não significa que todas elas já tenham sido executadas. No estudo apresentado no artigo, os pesquisadores realizaram 18.189 testes, distribuídos por oito tarefas representativas. Os experimentos incluíram situações destinadas a observar diferenças entre grupos de usuários. Entre os exemplos citados estão a reação a um aumento de preço, a disposição para continuar uma conversa depois de uma falha de um assistente de IA e a tolerância a diferentes níveis de demora na resposta de um sistema. É justamente nesse ponto que a tecnologia pode ter uma aplicação prática relevante: não necessariamente prever exatamente o que uma pessoa fará, mas encontrar padrões, diferenças entre grupos e possíveis pontos de atrito antes que um produto chegue ao público.
Existe uma persona para cada habitante da Terra? O número de 8,3 bilhões é o tamanho da população de registros criada pelo projeto. Não significa que os pesquisadores tenham obtido dados pessoais de 8,3 bilhões de indivíduos nem que cada registro corresponda a um ser humano identificável. Na verdade, o conjunto público disponibilizado pelos pesquisadores é muito menor: cerca de 1 milhão de personas. Dessas, 599.847 são classificadas como baseadas em dados humanos e aproximadamente 400 mil são sintéticas. Os 8,3 bilhões funcionam, portanto, como uma população de referência em escala global, a partir da qual diferentes grupos podem ser selecionados para os experimentos. É mais adequado pensar no MatrAIx como um modelo computacional de diversidade humana do que como uma cópia digital da humanidade. A possibilidade mais imediata de utilização do sistema está no desenvolvimento e na avaliação de produtos. Hoje, uma empresa pode fazer uma pesquisa com usuários, analisar dados de utilização e realizar testes A/B depois que uma funcionalidade está disponível. Uma infraestrutura como o MatrAIx acrescenta outra camada: a possibilidade de fazer milhares de simulações antes — e potencialmente durante — o desenvolvimento. Um produto poderia ser submetido a diferentes perfis de usuários virtuais para descobrir problemas de usabilidade, diferenças de comportamento ou situações que merecem uma investigação com pessoas reais. Isso poderia ser particularmente útil para sistemas de inteligência artificial, nos quais o desempenho não depende apenas de acertar uma resposta, mas também da maneira como diferentes pessoas interagem com o sistema. Os próprios pesquisadores descrevem a tecnologia como uma forma de testar antes da realidade, e não como uma substituição da realidade. Mas existe um problema: humanos são mais do que 1.290 variáveis. É justamente aqui que está o principal limite da proposta. Uma pessoa não é apenas uma combinação de características demográficas, psicológicas e comportamentais. Pessoas mudam de opinião, contradizem a si mesmas, sofrem influência do contexto, interpretam informações de maneiras diferentes e podem tomar decisões inesperadas. E existe ainda uma questão mais profunda: o modelo de linguagem pode introduzir seus próprios padrões de comportamento. Uma persona que parece perfeitamente convincente em uma conversa não necessariamente reproduz com fidelidade o comportamento de um indivíduo real. O próprio grupo do MatrAIx reconhece esse problema em trabalhos complementares publicados sobre a pesquisa. Os autores defendem que uma persona detalhada, por si só, não garante um usuário simulado realista. Para cada aplicação, é necessário avaliar se a informação disponível, o mecanismo de comportamento e a evidência de validação são adequados à pergunta que se pretende responder. Isso é especialmente importante em áreas sensíveis, como saúde, finanças, políticas públicas e pesquisas de opinião. Durante décadas, pesquisadores usaram modelos estatísticos e grupos de voluntários para tentar antecipar como populações reagiriam a determinadas situações. Agora, modelos de IA podem participar desses experimentos como agentes capazes de conversar, navegar em sites e operar softwares. Isso abre uma possibilidade poderosa: testar uma hipótese milhares de vezes, comparar diferentes grupos e descobrir quais resultados parecem robustos antes de gastar tempo e dinheiro com uma pesquisa no mundo real.
Mas há uma regra que continua valendo: uma simulação pode ajudar a formular uma hipótese; não transforma uma hipótese em fato. Por enquanto, o MatrAIx parece mais útil como uma espécie de laboratório virtual para encontrar problemas, gerar hipóteses e explorar cenários do que como um substituto para seres humanos. E essa talvez seja a maneira mais interessante de olhar para os tais 8,3 bilhões: não como uma humanidade artificial escondida em um servidor, mas como uma tentativa de construir um campo de testes computacional para experimentar diferentes versões possíveis do comportamento humano antes de colocar uma tecnologia diante de pessoas de verdade.