# 8,3 miliardi di persone simulate per testare l’AI: il progetto MatrAIx

- Link: https://www.melamorsicata.it/2026/08/11/8-miliardi-persone-simulate-matraix/
- Published: 2026-08-11T09:31:00+02:00
- Author: Kiro

Un gruppo di ricerca guidato da Harvard e MIT ha costruito una popolazione di **
8,3 miliardi di persone simulate** per testare applicazioni e sistemi di intelligenza
artificiale prima che arrivino sugli smartphone. Il progetto si chiama MatrAIx ed
è open source: il [paper pubblicato su arXiv](https://arxiv.org/abs/2608.04205) 
spiega come sono stati generati i profili, come interagiscono con chatbot, siti 
web e app, e quali risultati hanno prodotto 18.189 trial di valutazione.

C’è subito una precisazione da fare: gli 8,3 miliardi sono lo spazio teorico campionabile,
non il dataset scaricabile. Il set pubblico contiene circa un milione di profili,
più che sufficienti per capire l’idea di fondo.

L’obiettivo è ambizioso: sostituire, almeno in parte, i costosi e lenti test con
utenti umani con una simulazione su larga scala. Se una persona fittizia si comporta
_abbastanza_ come una persona vera, un’azienda può capire in poche ore se un checkout
funziona, se una chatbot risponde bene a un cliente nervoso o se un’offerta commerciale
convince, senza reclutare centinaia di beta tester.

Indice

 * [Come sono costruite le persone simulate](https://www.melamorsicata.it/2026/08/11/8-miliardi-persone-simulate-matraix/#come-sono-costruite-le-persone-simulate)
    - [Metà vera, metà sintetica](https://www.melamorsicata.it/2026/08/11/8-miliardi-persone-simulate-matraix/#metà-vera-metà-sintetica)
 * [Come funziona la valutazione](https://www.melamorsicata.it/2026/08/11/8-miliardi-persone-simulate-matraix/#come-funziona-la-valutazione)
 * [I numeri della prova](https://www.melamorsicata.it/2026/08/11/8-miliardi-persone-simulate-matraix/#i-numeri-della-prova)
 * [Il limite che il paper ammette](https://www.melamorsicata.it/2026/08/11/8-miliardi-persone-simulate-matraix/#il-limite-che-il-paper-ammette)
 * [Perché il progetto conta](https://www.melamorsicata.it/2026/08/11/8-miliardi-persone-simulate-matraix/#perché-il-progetto-conta)

![8,3 miliardi di persone simulate di MatrAIx](https://www.melamorsicata.it/wp-content/
uploads/2026/08/hero-1.jpg "8,3 miliardi di persone simulate per testare l'AI: il
progetto MatrAIx 1")

La popolazione simulata di MatrAIx: miliardi di profili persona generati per testare
prodotti digitali

## Come sono costruite le persone simulate

Una persona simulata è un profilo strutturato che descrive un essere umano plausibile:
età, regione, lingua, istruzione, professione, ma anche tratti psicologici, tolleranza
al rischio, abitudini e interessi. MatrAIx rappresenta ogni profilo con **1.290 
dimensioni categoriche**, divise in cinque gruppi: background (238 attributi), psicologia(
210), capacità (331), comportamento e interazione (124) e stile di vita (387).

A differenza di un semplice testo di poche righe, questo schema tipizzato permette
di interrogare la popolazione come un database: selezionare tutte le persona over
60 con bassa familiarità tecnologica che vivono in Europa, oppure i giovani sviluppatori
con alta tolleranza al rischio. Ogni attributo include anche una descrizione in 
linguaggio naturale, così il profilo risultante si legge come una vera scheda personale.

### Metà vera, metà sintetica

I profili arrivano da due strade complementari:

 * **Sintetici**: generati da un grafo di dipendenze che rispetta le correlazioni
   reali tra attributi. L’istruzione viene campionata in base all’età, la competenza
   in inglese in base alla lingua e alla regione. Una regola di compatibilità impedisce
   combinazioni impossibili, come un madrelingua inglese con competenza “nessuna”.
 * **Ancorati a dati umani**: estratti da sei fonti reali, tra cui biografie di 
   Wikipedia (323.438 profili), recensioni Amazon (97.915), il sondaggio sviluppatori
   di Stack Overflow (113.120) e il General Social Survey americano (63.532)

Il dataset pubblico rilasciato contiene circa **un milione di profili**: 599.847
ancorati a dati umani e 400.000 sintetici, calibrati sulle distribuzioni demografiche
reali di età, regione, genere e urbanizzazione. Gli 8,3 miliardi sono lo spazio 
campionabile teorico: ogni valutazione carica solo il gruppo di profili che le serve,
non l’intera popolazione.

![Valutazione chatbot con utenti simulati](https://www.melamorsicata.it/wp-content/
uploads/2026/08/ctx1-1.jpg "8,3 miliardi di persone simulate per testare l'AI: il
progetto MatrAIx 2")

Persona diverse interagiscono con un chatbot nella valutazione simulata

## Come funziona la valutazione

MatrAIx offre quattro ambienti in cui le persona interagiscono con il prodotto da
testare:

 * **Survey**: questionari per ricerche di mercato e test di concept
 * **Chatbot**: conversazioni per valutare assistenti virtuali su completamento 
   del compito, soddisfazione e sicurezza
 * **Web**: prototipi di siti, con attenzione a usabilità, navigazione e tempi di
   risposta
 * **App**: flussi applicativi, dalla creazione di un account al checkout

Ogni trial è indipendente e parallelo: una persona, un compito, un agente, un modello.
Il sistema registra la configurazione completa della simulazione, i punteggi e lo
stato dell’ambiente. Il catalogo include 1.010 task riutilizzabili su oltre 25 domini,
dal commercio al software, dalla finanza alla sanità.

![Grafo delle persone simulate di MatrAIx](https://www.melamorsicata.it/wp-content/
uploads/2026/08/ctx2-1.jpg "8,3 miliardi di persone simulate per testare l'AI: il
progetto MatrAIx 3")

Il grafo di dipendenze che genera i profili persona rispettando le correlazioni 
reali

## I numeri della prova

I ricercatori hanno eseguito **18.189 trial** su otto task rappresentativi usando
tre modelli linguistici diversi: Claude Opus 4.8, GPT 5.5 e Claude Haiku 4.5. I 
risultati mostrano che le decisioni cambiano sensibilmente in base al profilo: dopo
un aumento di prezzo alcune persona esitano, altre abbandonano; di fronte a un assistente
AI che fallisce, alcune proseguono, altre si arrendono.

Lo studio di validazione controllato su 400 trial ha misurato quanto le persona 
aderissero al comportamento dichiarato: **il 91,5% dei trial ha espresso o correttamente
soppresso il comportamento assegnato**. Un risultato solido, che però non prova 
ancora che una persona simulata trattenga informazioni o abbandoni un compito esattamente
come farebbe un umano: gli stessi autori lo dichiarano senza giri di parole.

## Il limite che il paper ammette

La sezione più interessante del paper è quella in cui gli autori mettono in guardia
gli utilizzatori: se il modello che interpreta la persona e il modello dietro il
sistema testato **condividono lo stesso backbone** (cioè lo stesso motore sottostante,
la stessa “famiglia” di modello), un risultato favorevole è ambiguo. Il sistema 
potrebbe aver servito bene l’utente, oppure un modello potrebbe semplicemente riconoscere
e preferire il proprio stesso output. Il dato è concreto: la quota di abbonamenti
paganti simulati varia dal 23,2% al 93,9% a seconda del modello usato per le persona,
sugli stessi identici gruppi.

La raccomandazione è chiara: registrare sempre il modello agente nella configurazione
della valutazione e, per le decisioni importanti, eseguire lo stesso gruppo con 
almeno un modello che non condivida il backbone con il sistema testato.

> “La prossima frontiera per gli agenti è capire l’umanità, e imparare a comportarsi
> come noi.” — la tesi del progetto MatrAIx

## Perché il progetto conta

Per chi costruisce prodotti digitali, la valutazione con utenti simulati promette
di ridurre i tempi da settimane a ore, di ripetere lo stesso test in modo controllato
dopo ogni modifica e di coprire gruppi di utenti difficili da reclutare. È lo stesso
territorio dei [benchmark di valutazione dei modelli](https://www.melamorsicata.it/2026/03/28/arc-agi-3-benchmark-agi),
ma con una differenza sostanziale: il focus non è se il compito viene completato,
ma _come_ utenti diversi lo vivono.

Il progetto si inserisce nel solco degli [agenti AI](https://www.melamorsicata.it/2026/08/04/agenti-ai-la-fine-del-comando-singolo)
che lavorano in autonomia, un tema che il mondo open source sta esplorando da mesi,
come raccontato nella prova sul campo di [Prime Agent](https://www.melamorsicata.it/2026/08/07/prime-agent-l-ai-open-source-che-lavora-da-sola).
L’infrastruttura è scaricabile da [GitHub](https://github.com/MatrAIx-ai/MatrAIx-Persona-8B)
e il dataset di un milione di profili è pubblico su [Hugging Face](https://huggingface.co/datasets/MatrAIx2026/MatrAIx_Persona_1M):
chiunque può provare a costruire la propria popolazione di utenti simulati.

### _Correlati_