Antes de antecipar o futuro, refazemos o passado.Before we anticipate the future, we replay the past.
O que as pessoas fizeram em 34 casos reais, lado a lado com o que o Brand.syn deu. Esta é a validação do método.What people did in 34 real cases, side by side with what Brand.syn gave. This is the method's validation.
O que as pessoas fizeram. O que o Brand.syn deu.What people did. What Brand.syn gave.
Cada caso aconteceu de verdade, e a reação das pessoas foi medida por institutos como Gallup, YouGov, Morning Consult, Harris e Datafolha. O Brand.syn recebeu só o acontecimento, nunca o desfecho.Every case really happened, and people's reaction was measured by pollsters such as Gallup, YouGov, Morning Consult, Harris and Datafolha. Brand.syn got only the event, never the outcome.
Como ler. A distância é a diferença, em pontos percentuais, entre o número do Brand.syn e o das pessoas. Quando a medida das pessoas é uma faixa (duas pesquisas, ou duas leituras da mesma pesquisa), a distância é zero dentro dela. A média de 9,3 pontos é por medida: 42 medidas em 34 casos. Os números do Brand.syn são do syn.Mind 2.0, e cada caso roda uma vez.How to read it. The distance is the gap, in percentage points, between Brand.syn's number and people's. When people's measure is a range (two surveys, or two readings of the same survey), the distance is zero inside it. The 9.3-point average is per measure: 42 measures in 34 cases. Brand.syn's numbers come from syn.Mind 2.0, and each case runs once.
Uma IA sozinha reage em oito ou oitenta. O syn.Mind reage como gente.On its own, AI reacts all or nothing. syn.Mind reacts like people.
Um modelo de linguagem, sozinho, reage em bloco. Diante de um escândalo, quase todo mundo abandona a marca: na Domino's de 2009, a IA crua deixou 100% dos clientes menos propensos a comprar, contra 65% das pessoas. Diante de um comercial que o público adorou, quase ninguém se anima: na Ram de 2018, 3%, contra 40%.A language model on its own reacts as a bloc. Faced with a scandal, almost everyone abandons the brand: on Domino's in 2009, raw AI made 100% of customers less likely to buy, against 65% of people. Faced with an ad the public loved, almost no one gets excited: on Ram in 2018, 3%, against 40%.
O syn.Mind nasceu para corrigir isso. É o pacote do lab: o modelo, o protocolo, a medida e as instruções que fazem cada syn reagir como pessoa, e não como assistente. A versão 2.0 aprendeu com o mundo real e calibra o tamanho de cada reação com casos medidos.syn.Mind was built to fix that. It is the lab's package: the model, the protocol, the measurement and the instructions that make each syn react like a person, not like an assistant. Version 2.0 learned from the real world and calibrates the size of each reaction against measured cases.
O resultado de cada caso é conferido na fonte antes de rodar: instituto, data, amostra e pergunta.Each case's result is checked at the source before the run: pollster, date, sample and question.
Nas crises e campanhas, a marca entra com nome trocado. O syn reage ao acontecimento, e não à lembrança do caso.In crises and campaigns, the brand comes in under another name. The syn reacts to the event, not to its memory of the case.
O acervo que calibra cada caso nunca inclui a resposta dele.The library that calibrates each case never includes that case's answer.
Nenhum caso sai da média. Os mais difíceis estão nela.No case leaves the average. The hardest ones are in it.
Um mercado inteiro, montado para cada marca.A whole market, built for each brand.
O método é o syn.Opsis Protocol, do syn.Be. A mente de cada syn é o syn.Mind. Cada teste é uma rodada, do primeiro contato ao relatório.The method is syn.Be's syn.Opsis Protocol. Each syn's mind is syn.Mind. Each test is one round, from first contact to report.
Centenas de syns nascem do público que a marca descreve. Cada um tem idade, renda, cidade, rotina, hábitos de compra e uma relação com a categoria. A população fica com a marca, e todo teste roda nas mesmas pessoas.Hundreds of syns are born from the audience the brand describes. Each one has an age, an income, a city, a routine, buying habits and a relationship with the category. The population stays with the brand, and every test runs on the same people.
Cada syn conhece a marca e responde com as próprias palavras, como numa entrevista. O lab põe cada resposta numa escala, pergunta por pergunta, do interesse ao pertencimento.Each syn meets the brand and answers in their own words, as in an interview. The lab places every answer on a scale, question by question, from interest to belonging.
No tanque, os syns se cruzam e conversam. A opinião circula, convence, encontra resistência e forma grupos. É a dinâmica social que um questionário não alcança.In the tank, syns cross paths and talk. Opinion spreads, persuades, meets resistance and forms groups. It is the social dynamic no questionnaire can reach.
Depois da conversa, cada syn responde de novo. O que muda de uma leitura para a outra é o efeito do grupo, medido syn a syn.After the conversation, each syn answers again. What changes between the two readings is the effect of the group, measured syn by syn.
O syn.Mind 2.0 calibra o tamanho de cada reação com um acervo de crises, campanhas e lançamentos reais, em que se sabe o que as pessoas fizeram. O syn diz que vai embora; a pessoa reclama e fica. O syn.Mind sabe a diferença, e onde a régua é o que as pessoas fizeram, como a venda, ele converte o que se diz no que se faz.syn.Mind 2.0 calibrates the size of each reaction against a library of real crises, campaigns and launches where we know what people did. The syn says it will leave; the person complains and stays. syn.Mind knows the difference, and where the benchmark is what people did, such as sales, it turns what is said into what is done.
Quem abraça, quem rejeita, por quê, o que pesou e quanto o mercado se move. Cada relatório sai selado, com código, hash e semente.Who embraces, who rejects, why, what weighed most and how far the market moves. Every report comes out sealed, with an ID, a hash and a seed.
Um arcabouço que sustenta cada camada do método.A framework that supports every layer of the method.
É o que separa método de chute.It is what separates method from guesswork.
O syn.Be atua na intersecção entre ciência comportamental, sistemas complexos e IA.syn.Be works at the intersection of behavioral science, complex systems and AI.
- Comportamento humano não é aleatório. Pessoas seguem padrões, respondem a incentivos, resistem a perdas, imitam grupos e mudam sob pressão social.Human behavior is not random. People follow patterns, respond to incentives, resist losses, imitate groups and change under social pressure.
- O comportamento coletivo é ainda mais previsível. Uma dinâmica emergente, moldada por cultura, contexto, ambição, confiança, medo e conformidade social.Collective behavior is even more predictable. An emergent dynamic, shaped by culture, context, ambition, trust, fear and social conformity.
- Quando isso encontra as descobertas recentes da AI Behavioral Science, decisões passam a ser simuladas.When this meets the latest findings of AI Behavioral Science, decisions can be simulated.
Bibliografia de coluna, substrato e reservatório com mais de 200 artigos validados. Dos papers de fronteira ao chão conceitual de Kahneman, Sapolsky e Meadows.A bibliography of backbone, substrate and reservoir with more than 200 validated papers. From frontier papers to the conceptual ground of Kahneman, Sapolsky and Meadows.
Consulte nosso arcabouço teórico:See our theoretical framework: www.syn.be/fontes
As referências principaisThe key references
Ciência comportamentalBehavioral science
- Frontiers in Group DynamicsLewin, K. · Human Relations · 1947
- Studies of Independence and ConformityAsch, S. E. · Psychological Monographs · 1956
- Exit, Voice, and LoyaltyHirschman, A. O. · Harvard University Press · 1970
- The Spiral of Silence: A Theory of Public OpinionNoelle-Neumann, E. · Journal of Communication · 1974
- Prospect Theory: An Analysis of Decision under RiskKahneman, D. e Tversky, A. · Econometrica · 1979
- Timid Choices and Bold ForecastsKahneman, D. e Lovallo, D. · Management Science · 1993
- Private Truths, Public LiesKuran, T. · Harvard University Press · 1995
- Behave: The Biology of Humans at Our Best and WorstSapolsky, R. M. · Penguin Press · 2017
Sistemas complexosComplex systems
- Dynamic Models of SegregationSchelling, T. C. · Journal of Mathematical Sociology · 1971
- Threshold Models of Collective BehaviorGranovetter, M. · American Journal of Sociology · 1978
- Growing Artificial SocietiesEpstein, J. M. e Axtell, R. · MIT Press · 1996
- Influentials, Networks, and Public Opinion FormationWatts, D. J. e Dodds, P. S. · Journal of Consumer Research · 2007
- Thinking in Systems: A PrimerMeadows, D. H. · Chelsea Green · 2008
- The Spread of Behavior in an Online Social Network ExperimentCentola, D. · Science · 2010
- Experimental Evidence for Tipping Points in Social ConventionCentola, D. et al. · Science · 2018
AI Behavioral Science
- Machine BehaviourRahwan, I. et al. · Nature · 2019
- Out of One, Many: Using Language Models to Simulate Human SamplesArgyle, L. P. et al. · Political Analysis · 2023
- Generative Agents: Interactive Simulacra of Human BehaviorPark, J. S. et al. · UIST · 2023
- Large Language Models as Simulated Economic AgentsHorton, J. J. · NBER · 2023
- Using Large Language Models to Simulate Multiple Humans and Replicate Human Subject StudiesAher, G., Arriaga, R. I. e Kalai, A. T. · ICML · 2023
- LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of IndividualsPark, J. S. et al. · Stanford · 2024
- Emergent Social Conventions and Collective Bias in LLM PopulationsAshery, A. F., Aiello, L. M. e Baronchelli, A. · Science Advances · 2025
- A Foundation Model to Predict and Capture Human CognitionBinz, M. et al. · Nature · 2025
- Language Model Fine-Tuning on Scaled Survey Data for Predicting Distributions of Public OpinionsSuh, J. et al. · ACL · 2025
- Twin-2K-500: A Dataset for Building Digital Twins of over 2,000 PeopleToubia, O. et al. · Columbia · 2025
- LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert RatingsMaier, B. F. et al. · 2025
- Artificial Intelligence Chatbots Mimic Human Collective BehaviourHe, J. K. et al. · British Journal of Psychology · 2026
Não prevemos o futuro. Antecipamos os futuros possíveis.We don't predict the future. We anticipate the possible ones.
Sua marca vive aqui antes de viver no mundo.Your brand lives here before it lives in the world.
Teste um nome, um preço, uma campanha ou uma crise antes de gastar dinheiro de verdade. O que quebra aqui, quebra barato.Test a name, a price, a campaign or a crisis before you spend real money. What breaks here breaks cheap.
