인간을 시뮬레이션해서
파는 회사
Simile은 포커스 그룹과 설문조사를 실제 사람 기반 AI 에이전트로 대체한다. 2026년 7월 $2B 밸류로 $200M+를 조달했다. 그런데 이 회사가 진짜 판 것은 시뮬레이션이 아니라 "어디까지 믿어도 되는지"에 대한 계량된 답이다.
TL;DR — 5문장 요약
아래 전체 분석의 결론을 먼저 놓는다. 각 항목은 본문 해당 섹션으로 이어진다.
정통성은 진짜다 — 이 분야를 만든 팀이 그대로 창업했다
2023년 화제작 Generative Agents(가상 마을 "Smallville")의 1저자 Joon Sung Park이 CEO, "foundation model"이라는 용어를 만든 그룹의 Percy Liang이 공동창업자다. 2021년부터 2025년까지 5편의 논문 계보가 제품에 그대로 매핑된다.
핵심 혁신은 기술이 아니라 "검증의 상품화"다
공식 홈페이지 첫 섹션 제목이 제품 설명이 아니라 "Validation comes first"다. 주간 7,000건 이상 실제 인간 대조 평가를 돌리고, 그 결과로 학습한 별도 모델이 모든 시뮬레이션 결과에 예상 정확도 태그를 붙인다. 불확실성을 숨기는 대신 계량해서 파는 구조.
간판 지표 "85%"는 절대 정확도가 아니다
같은 사람에게 나중에 같은 질문을 다시 했을 때의 자기 일치율을 100으로 놓은 상대값이다. 벤치마크를 정직하게 잡은 것은 높이 살 만하지만, 그래도 사람보다 15% 덜 일관적이고 절대 정확도는 마케팅 인상보다 낮은 구간에 있다.
$2B는 시장조사 TAM이 아니라 서사에 붙은 값이다
포커스 그룹 대체는 수익화 경로일 뿐, Percy Liang이 공언한 목표는 "시뮬레이션의 시대"다. 원격근무가 조직 문화를 어떻게 바꾸는지, 커리큘럼을 어떻게 재설계할지 같은 반사실(counterfactual) 질문이 최종 타깃이다.
가장 큰 셀링포인트가 가장 큰 기술적 약점이다
"접근하기 어려운 소수 집단도 시뮬레이션한다"가 최고의 세일즈 각도인데, LLM 기반 합성 응답자는 평균 여론에 강하고 롱테일에 약하다는 것이 반복 보고된 패턴이다. 여기에 매출 절대액 미공개와 투자자·고객 중첩이 겹친다.
simileai.site 는 공식 사이트가 아니다
이 분석은 simile.com(공식) 기준이다. 검색으로 먼저 걸리는 유사 도메인이 있어 짚고 간다.
⚠️ 비공식 미러(클론) 사이트 주의
simileai.site는 홈 화면에 "unofficial informational mirror"라고 적어놓고도, 푸터에는 © 2026 Simile AI, Inc. 라는 법인명을 그대로 쓰고 있다. 개인정보처리방침은 공식 문서를 통째로 복사해 legal@simile.ai, Palo Alto 435 Tasso St 주소까지 그대로 노출한다. 광고도 가입도 없이 정적 페이지만 대량 배치한 전형적인 SEO 위성 사이트(doorway site) 형태다. 정보를 입력하지 말고, 인용은 반드시 공식 사이트에서 하라.
| 항목 | simileai.site (미러) | simile.com (공식) |
|---|---|---|
| 자기 고지 | 홈에 "unofficial mirror" 문구 있음 | — |
| 정보 최신성 | 시리즈 A $100M에서 멈춤 — 시리즈 B 누락 | 시리즈 B 배너 상단 노출 |
| 개인정보방침 | 공식 문서 전문 복사 (이메일·주소 포함) | 원본 |
| 푸터 | 법인명 그대로 사칭 | 정상 |
| 기능 | 데모 신청·로그인·문의 전무 | Request a demo |
숫자로 본 Simile
2026년 7월 30일 시리즈 B 발표문 및 공식 사이트 기재 수치 기준.
논문 5편이 제품이 되기까지
공식 사이트는 연도별 논문마다 "그게 지금 제품 어디에 들어 있는지"를 직접 매핑해 보여준다. 이 구조 자체가 이 회사의 가장 강한 방어선이다.
"foundation model"이라는 말을 만들다
용어를 정의하고, 광범위한 능력과 리스크를 관리하려면 엄밀한 평가가 필수라는 원칙을 세웠다.
평가와 불확실성을 부가 기능이 아니라 모델의 핵심 역량으로 취급하는 설계 사상.
소셜 시뮬라크라 — 사람이 모이면 벌어지는 일을 미리 본다
언어모델 시뮬레이션으로, 시스템에 사람이 채워졌을 때 나타나는 대규모 행동 패턴을 사전 노출시켰다.
하나의 모집단에 컨셉·가격·메시지만 바꿔가며 비교 시나리오를 돌리는 기능.
Smallville — AI 25명이 스스로 발렌타인 파티를 열었다
가상 마을에 에이전트 25명을 풀어놓자 기억하고, 성찰하고, 계획을 세우고, 스스로 모임을 조직했다. memory → retrieve → reflect → plan → act 아키텍처의 원형.
하나의 조사 전체에 걸쳐 맥락을 잃지 않고 일관된 행동을 유지하게 하는 뼈대.
진짜 사람 1,000명을 복제해서 정확도를 쟀다
인터뷰로 접지한 에이전트가 참가자 응답을 재현했고, 인구통계 프롬프트만 쓸 때보다 인종·이념 편향이 줄었다.
파운데이션 모델을 실제 사람 데이터에 접지시켜 인구 규모 예측으로 확장.
행동 예측 전용으로 모델을 직접 학습시키다
210개 실험의 290만 응답으로 파인튜닝하자 한 번도 못 본 연구에 대한 정합도가 베이스 모델 대비 26% 올랐고, 프런티어 모델을 상회했다.
현재 파운데이션 모델의 학습 방향 그 자체 — 누구든, 어떤 상황이든 예측.
"85%"가 실제로 뜻하는 것
이 숫자는 이 회사를 논할 때 거의 항상 인용된다. 그리고 거의 항상 잘못 읽힌다.
"AI가 85% 정확하다"
절대 정확도로 읽으면 "100명 중 85명을 맞힌다"는 뜻이 된다. 그런 의미가 아니다. 이렇게 읽으면 남은 15%가 단순 오차처럼 보이지만, 실제 절대 오차는 이보다 훨씬 크다.
"사람이 자기 답을 재현하는 만큼의 85%"
같은 사람에게 시간을 두고 같은 질문을 다시 물으면 답이 완전히 같지 않다. 그 자기 일치율(self-retest)을 100으로 놓은 상대 점수가 85다.
기준선 자체가 "완벽한 정답"이 아니라 "같은 사람의 재응답"이다.
좋게 볼 지점
인간도 자기 답을 그대로 재현하지 못한다는 천장을 인정하고 벤치마크를 잡았다. 대부분의 경쟁사가 "정답 대비 정확도"라는 존재하지 않는 기준을 쓸 때, 이쪽은 도달 가능한 상한을 명시했다. 드물게 정직한 설계다.
냉정하게 볼 지점
그럼에도 사람보다 15% 덜 일관적이고, 애초에 자기재검사 일치율 자체가 100%와는 거리가 멀다. 두 오차가 곱해지면 절대 정확도는 마케팅 인상보다 상당히 낮은 구간이다. 세일즈 현장에서 절대 정확도로 오용될 유혹이 크다.
"Validation comes first" — 검증을 상품으로 만들다
공식 홈페이지의 첫 섹션 제목은 제품 소개가 아니라 "검증이 먼저다"이다. 업계 최대 반론을 정면에 세우고 시작한다.
모집단 생성 — 매일 새로 만든다
자체 알고리즘이 매일 대규모 조사를 설계해 실제 사람 데이터를 수집하고, 보유한 행동 데이터셋과 결합해 모델을 학습시킨다. 모든 모집단은 실존 인물에서 출발한다.
검증 — 주간 7,000건 이상 인간 대조
하위 집단과 실제 엔터프라이즈 유스케이스 전반에 걸쳐 분포 거리(distributional distance), 효과크기 비교, 실측 행동 대비 정확도를 측정한다.
신뢰도 모델 — 결과마다 "얼마나 믿을지"를 붙인다
검증 데이터로 별도의 AI 신뢰도 모델을 학습시켜, 모든 시뮬레이션 결과에 예상 정확도 등급을 태깅한다. 이것이 이 회사의 가장 영리한 제품 결정이다.
갱신 — 에이전트가 실시간으로 뉴스를 본다
행동·거시·가격·정책 데이터로 지속 학습하고, 에이전트는 자기가 대표하는 사람들처럼 미디어를 소비하며 실시간으로 뉴스를 접한다.
고객 데이터 — 루프를 닫는다
로열티·잔고 이력·텔레메트리를 옵트인·고객 거버넌스 하에 받아 고객 전용 모델을 학습시키고, 예측대로 고객이 행동했는지 사후 입증한다.
왜 이게 결정적인가
경쟁사가 "우리 합성 응답자는 정확합니다"라고 주장할 때, Simile은 "어디까지 믿으면 되는지 우리가 계량해 드립니다"로 프레임을 바꿨다. 불확실성을 숨기는 대신 상품화한 것이다. 리스크 관리가 직업인 엔터프라이즈 바이어 — 은행, 보험, 헬스케어, 로펌 — 에게는 이쪽이 압도적으로 잘 먹힌다. 그리고 이 루프가 도는 한, 논문이 공개되어 있어도 파이프라인 자체는 복제가 느리다.
에이전트 한 명의 하루
2023년 Smallville 논문이 제시한 루프. LLM 위에 기억·성찰·계획을 얹어 장기 일관성을 만든다.
기억 스트림 (Memory Stream)
관찰·성찰·계획을 자연어 그대로 시간순으로 기록한다. 벡터가 아니라 문장이라서, 나중에 왜 그런 판단을 했는지 사람이 읽을 수 있다.
성찰 (Reflection)
쌓인 기억을 상위 개념으로 종합한다. "나는 이런 걸 싫어하는 사람이구나" 같은 자기·타인에 대한 추론을 만들어 낸다. 이게 있어야 캐릭터가 무너지지 않는다.
계획 (Planning)
성찰을 바탕으로 하루 계획을 세우고 실행하되, 돌발 상황이 생기면 계획을 다시 짠다. 이 재계획 능력이 "시뮬레이션"과 "그럴듯한 텍스트 생성"을 가른다.
창발 (Emergence)
개별 상호작용에서 정보 확산·관계 형성·집단 조율이 저절로 나타난다. Smallville에서 아무도 시키지 않은 발렌타인 파티가 조직된 것이 이 현상이다.
실제로 뭐가 나오고, 얼마를 받았나
왼쪽은 공식 홈페이지에 실린 시뮬레이션 결과 예시 — 신뢰도 등급이 함께 붙어 나오는 것이 이 제품의 특징이다.
데이터: 갈아타겠다 31%, 만족하지만 이탈 가능 44%, 만족하며 잔류 25%.
데이터: 시리즈 A $100M(2026년 2월경, Index Ventures 리드), 시리즈 B $200M+(2026년 7월 30일, Greenoaks·Index 공동 리드, 기업가치 $2B post-money).
투자자
리드
참여
시리즈 A 엔젤
고객 · 파트너
Gallup 제휴
확률표본 기반 전국 대표 패널에 시뮬레이션을 앵커링한다. "합성 데이터라 못 믿겠다"는 최대 반론에 대해 투명하고 재현 가능한 벤치마크를 제공하는 방어 장치.
주요 언론
NYT (2026-07-30) — 고객 생각을 알려면, 그들의 AI 쌍둥이에게 물어라
WSJ (2026-03-06) — AI가 시장조사에서 사람을 대체할 수 있나
"시뮬레이션의 시대"
Percy Liang의 2026년 3월 블로그는 시장조사 회사가 쓸 만한 글이 아니다. $2B가 어디에 매겨진 값인지를 알려주는 문서다.
예측의 시대
범용 모델로 텍스트와 이미지를 높은 정확도로 분류할 수 있게 됐다.
추론의 시대
수학·코딩 등 복잡한 다단계 문제를 풀 수 있게 만들고 있다. — 지금 여기
시뮬레이션의 시대
여러 사람이 시간에 걸쳐 상호작용한 창발적 결과에 답이 달린 질문들. — Simile의 베팅
"시뮬레이터는 세계의 인과 모델이다. Pearl의 인과 사다리로 보면 개입(intervention)을 평가할 수 있고, 더 나아가 반사실(counterfactual) — 그때 그 결정을 했다면 어땠을까 — 에 답할 수 있다."
"예측 모델은 최적 행동을 내놓지만 왜인지 설명하지 못한다. 추론 모델은 이야기를 만들지만 현실에 접지돼 있지 않다. 시뮬레이션은 감사 가능한 완전한 추적 기록을 제공한다. 무엇을 할지 예측하는 것보다 무엇이 일어날지 시뮬레이션하는 게 더 어렵다. 하지만 우리는 이것이 견고한 초지능으로 가는 진짜 길이라고 믿는다."
이들이 최종적으로 답하고 싶은 질문들
원격근무를 허용하면 우리 조직의 생산성과 문화는 어떻게 바뀌는가?
수백만 학생을 위한 3학년 수학 커리큘럼을 어떻게 재설계해야 하는가?
의사를 팀 성과로 평가하면 임상 문화는 어떻게 이동하는가?
→ 포커스 그룹 대체는 수익화 경로일 뿐이다. $2B는 시장조사 산업 TAM이 아니라 이 서사에 붙은 값이고, 그 서사의 검증은 아직 초기다.
강점과 리스크
비상장이라 직접 투자는 불가능하다. 그러나 이 회사가 성공하는지 여부는 리서치 방법론 전체와 상장 시장조사 기업의 디스럽션 리스크에 직결된다.
대체 불가능한 정통성
창업팀이 이 분야를 논문으로 실제로 만들었고, 2021→2025 계보로 증명된다. 경쟁사가 "우리도 생성 에이전트 씁니다"라고 할 때 원저자와 싸워야 한다.
검증 루프를 제품에 내장
최대 반론을 기능(신뢰도 태그)으로 전환했다. 엔터프라이즈 조달 심사를 통과시키는 결정적 장치.
데이터 플라이휠이 진짜 해자
매일 신규 조사 + 주간 검증 + 고객 1st-party 데이터. 아키텍처는 복제 가능해도 이 파이프라인은 복제가 느리다.
제휴 설계가 영리하다
Gallup으로 방법론 정당성, Deloitte로 유통 채널을 동시에 확보했다. 자기 힘으로 만들면 수년 걸릴 신뢰를 샀다.
매출 절대액 미공개
"5개월 만에 5배"는 기저가 거의 0이다. 매출 배수를 계산할 수 없게 만든 건 의도적이다. $2B는 명백한 서사 프리미엄.
투자자와 고객이 겹친다
CVS Health Ventures가 투자자이자 고객이고, Deloitte·Gallup도 파트너 겸 채널이다. 로고를 실매출로 직역하면 안 된다.
롱테일이 가장 약한데 가장 크게 판다
LLM 합성 응답자는 평균 여론에 강하고 소수·비주류 선호에 약하다는 게 반복 보고된 패턴이다. "hard-to-reach populations"가 최고 셀링포인트이자 최대 기술적 약점.
자체 검증의 순환성
신뢰도 모델도 자기들이 만든다. 제3자 감사 개방 여부가 불명하다. 검증이 세일즈 자산인 이상, 검증의 독립성이 곧 신뢰의 상한이다.
기존 강자의 반격
Nielsen·Kantar·Qualtrics는 이미 진짜 패널 데이터를 갖고 있다. Simile이 데이터를 모으는 속도 vs 이들이 AI를 얹는 속도의 경주.
이 5가지가 나오면 판단이 바뀐다
서사 프리미엄이 실체로 전환되는지를 가르는 신호들.
매출 절대 규모 공개배수가 아닌 액수가 나와야 $2B의 정당성을 검증할 수 있다. 시리즈 C 또는 IPO 준비 단계에서 강제될 가능성.
제3자 정확도 감사 개방자체 신뢰도 모델의 순환성을 깨는 유일한 방법. 학계 또는 독립 기관의 검증 결과 공개 여부.
롱테일·소수 집단 예측 성능 발표가장 크게 파는 영역의 실제 성능. 이 숫자를 공개하지 않는 기간이 길수록 의심 근거가 된다.
Gallup 제휴의 검증 결과 공개 범위확률표본 앵커링이 마케팅인지 실제 방법론 통제인지 가른다.
Nielsen·Kantar·Qualtrics의 대응 제품 출시진짜 패널을 가진 쪽이 AI를 얹기 시작하는 시점이 경쟁 국면의 전환점.
자주 나오는 반문
"그냥 ChatGPT한테 페르소나 시켜서 물어보면 되는 거 아닌가?"
그게 정확히 2024년 논문이 반증한 지점이다. 인구통계 프롬프트("35세 한국 여성인 척하고 답해줘") 방식은 고정관념을 증폭시켜 인종·이념 편향이 커진다. 실제 사람 인터뷰로 접지한 에이전트가 편향이 더 낮았다.
더 근본적으로, 단발 프롬프트는 기억도 성찰도 재계획도 없다. 하루짜리 조사에서는 티가 안 나지만, 시간에 걸친 상호작용과 창발을 보려면 아키텍처가 필요하다.
"결국 진짜 사람 조사를 완전히 대체하나?"
회사 자체가 그렇게 주장하지 않는다는 점이 중요하다. 모든 모집단이 실제 사람 데이터에서 출발하고, 주간 7,000건의 인간 대조 검증이 계속 돌아간다. 즉 진짜 사람 조사는 없어지는 게 아니라 학습·검증 인프라로 뒤로 물러난다.
실질적 변화는 "대체"보다 비용 구조의 이동이다. 개별 기업이 매번 조사를 사는 대신, 한 회사가 조사를 대신 돌리고 결과를 무한 복제해 판다.
"'foundation model'을 이 팀이 만들었다는 건 사실인가?"
사실관계상 성립한다. 2021년 Stanford CRFM의 보고서 On the Opportunities and Risks of Foundation Models가 이 용어를 처음 정의했고, Percy Liang이 그 그룹의 핵심 인물이자 Simile 공동창업자다.
다만 "팀이 만들었다"는 표현은 공동 저자가 100명 규모였던 보고서를 다소 축약한 것이다. 용어 창시의 계보에 속한다는 것은 맞고, 단독 창시라는 뜻은 아니다.
"우리 리포트 작업에 가져올 게 있나?"
있다. "결과마다 신뢰도 등급을 붙인다"는 설계다. 우리가 시그널·픽·추정치를 낼 때도 같은 원리를 적용할 수 있다 — 근거의 강도를 본문에 녹여 흐리는 대신, 별도 등급으로 분리해 명시하는 것.
이는 pat 스킬의 Self Review 강제와 rules/benchmarks/ 실패 벤치마크가 이미 향하고 있는 방향과 동일한 사상이다. Simile은 그걸 제품의 1급 기능으로 올렸다는 점이 다르다.
한 문단으로
기술은 단단하고, 가격은 서사에 매겨져 있다
Simile의 기술적 정통성과 검증 설계는 이 분야에서 가장 단단하다. 특히 불확실성을 숨기지 않고 계량해 파는 구조는, 합성 데이터에 대한 근본적 불신을 정면으로 다루는 드문 접근이다. 다만 $2B는 "시장조사 대체"가 아니라 "인간 행동 파운데이션 모델"이라는 미실현 서사에 매겨진 가격이고, 그 서사의 검증은 아직 초기 단계다. 간판 지표 85%는 정직하게 설계됐지만 절대 정확도로 오독되기 쉽고, 가장 크게 파는 롱테일 집단이 기술적으로 가장 취약한 영역이라는 긴장은 아직 해소되지 않았다. 매출 절대액 공개, 제3자 감사 개방, 롱테일 성능 발표 — 이 셋 중 하나라도 나오면 판단을 갱신할 만하다.
확인 경로
· simile.com — 공식 사이트 (2026-08-05 직접 접속·전문 확인)
· simile.com/blog/series-b — 시리즈 B 발표문 (2026-07-30)
· simile.com/blog/simulation-next-frontier — Percy Liang, 시뮬레이션의 시대 (2026-03-10)
· TechCrunch (2026-07-30) — Synthetic-user startup Simile raises $200M at $2B valuation
· Unite.AI · TechFundingNews — 시리즈 B 보도
· 논문 — Generative Agents (UIST '23), Social Simulacra (UIST '22), Generative Agent Simulations of 1,000 People (2024), Finetuning LLMs for Human Behavior Prediction (EMNLP '25), On the Opportunities and Risks of Foundation Models (Stanford CRFM, 2021)
※ 매출·고객 수치는 회사 발표 기준이며 제3자 검증된 값이 아니다. 논문 수치는 각 논문의 자체 보고값이다.