De acordo com pt.wedoany.com-A empresa chinesa Tezign lançou o Modelo de Mundo Subjetivo na Conferência Mundial de Inteligência Artificial (WAIC) de 2026, simulando o comportamento real de decisão dos consumidores por meio do treinamento coordenado de dados heterogêneos em quatro camadas. O design do modelo baseia-se no fato conhecido da psicologia cognitiva de que existe um desvio sistemático entre a "preferência auto-relatada" e o "peso real da decisão", visando resolver a limitação inerente dos grandes modelos de linguagem em modelar a tomada de decisão humana.
A exposição atraiu mais de 1.100 empresas participantes, com uma área de exposição de 100.000 metros quadrados. A arquitetura do Modelo de Mundo Subjetivo (SWM) proposta pela Tezign inclui quatro níveis. O primeiro nível é a camada de expressão, que utiliza dezenas de bilhões de amostras de linguagem nativa de plataformas sociais para construir um mapeamento de alta dimensão entre vetores de estilo linguístico do usuário e características demográficas e psicológicas. O segundo nível é a camada narrativa, que modela o gráfico causal temporal da motivação comportamental com base em dezenas de milhares de horas de entrevistas aprofundadas individuais (cada entrevista dura de 1 a 2 horas, gerando de 5.000 a 20.000 palavras de texto não estruturado); este nível enfatiza que os dados reais de entrevistas possuem consistência causal entre contextos, que dados sintéticos não conseguem substituir.
O terceiro nível é a camada cognitiva, que modela o vetor de peso de valores individuais e o coeficiente de aversão ao risco por meio de questionários de julgamento comportamental, a Pesquisa de Valores de Schwartz, o Inventário de Personalidade Big Five e outras escalas padronizadas, visando quantificar a diferença entre a preferência declarada do consumidor e a ponderação real da decisão. O quarto nível é a camada comportamental, que utiliza dados de experimentos de jogos econômicos, como o Jogo do Ultimato, o Jogo do Bem Público e o Jogo da Confiança, juntamente com registros reais de transações, para modelagem paramétrica individual, gerando três parâmetros de economia comportamental: coeficiente de aversão à perda λ, taxa de desconto temporal hiperbólica δ e sensibilidade às normas sociais γ.
Durante a inferência, o SWM mantém quatro estados conjuntos para cada persona-alvo: a incorporação do estilo linguístico da camada de expressão, o gráfico causal motivacional da camada narrativa, o vetor de peso de valores da camada cognitiva e os parâmetros econômicos da camada comportamental. A pontuação conjunta das quatro camadas gera uma AI Persona com estado interno. Diferente dos grandes modelos de linguagem sem estado, que geram respostas independentes a cada vez, a Persona do SWM mantém um estado interno consistente sob perguntas contínuas. Os resultados quantitativos mostram uma precisão de simulação comportamental de 85% (com base em entrevistas aprofundadas reais), podendo gerar mais de 300.000 AI Personas por difusão de dados sociais, das quais mais de 10.000 Personas de alta precisão são treinadas diretamente com dados de entrevistas aprofundadas, com tempo de entrega inferior a 30 minutos.
Além do lado da compreensão, a Tezign desenvolveu a arquitetura de agente empresarial GEA (Generative Enterprise Agent) para executar tarefas voltadas ao consumidor. A camada de orquestração desta arquitetura é impulsionada pelo primeiro modelo de raciocínio divergente registrado na China, o Creative Reasoning Model, enquanto a camada de execução pode chamar mais de 400 habilidades modulares de agente e coordenar mais de 30 modelos base, com o Context System atuando como camada de armazenamento persistente de conhecimento empresarial. Atualmente, esta arquitetura foi implantada em larga escala em cenários de negócios como marketing de conteúdo, pesquisa de insights, inovação de produtos e criação de design, com uma implantação mensal de mais de 10 bilhões de tokens, cobrindo mais de 50 países e regiões do mundo.
A Tezign afirma que a barreira competitiva do SWM não reside na replicabilidade do design da arquitetura, mas sim nos dados reais de entrevistas aprofundadas acumulados ao longo de uma década na camada narrativa e seu mecanismo anti-síntese embutido — quando a rota de dados sintéticos falha sistematicamente na validação cruzada entre as camadas cognitiva e comportamental, concorrentes posteriores precisam acumular dados reais do zero. A competição na segunda metade da inteligência artificial empresarial passará da capacidade de acesso a modelos para a profundidade da compreensão do domínio de negócios e o acúmulo de ativos técnicos.
