128 AI-покупателей проверят ваш продукт до запуска

Фокус-группы стоят дорого, опросы врут, а интуиция ошибается чаще, чем хочется признавать. MarketFish — open-source мультиагентный движок для симуляции рынка: он собирает 128 AI-потребителей с уникальными личностями, бюджетами, эмоциями и когнитивными паттернами, даёт им продукты и смотрит, что произойдёт за 30 раундов покупок. Вы получаете не «да/нет», а детальный отчёт: кто купил, кто ушёл к конкурентам, как работает сарафанное радио и при какой цене продукт умирает.

Don't guess. Simulate. — девиз проекта точнее любого маркетингового описания: симуляция вместо предположений.

Контекст

Идея симулировать рынок через AI-агентов не нова, но MarketFish — редкий случай, когда академические исследования попали в рабочий продукт. Проект базируется на 6 опубликованных статьях: Generative Agents (UIST 2023), OASIS (2025), TwinMarket (NeurIPS 2025), EconSimulacra (2026), SMIF (ETASR 2026) и Agent Bazaar (Princeton 2026). Каждая отвечает за свой модуль: память о прошлых покупках, временные паттерны активности, 6-ступенчатый когнитивный цикл BDI, финансовый стресс и заземление решений через RAG.

Ближайший аналог — MiroFish, у которого по открытым данным около 5500 звёзд на GitHub. MarketFish фокусируется специфически на рыночном поведении и продуктовых решениях, тогда как MiroFish шире ориентирован на социальную симуляцию. Поддерживаются 11 LLM-провайдеров — от OpenAI и Anthropic до DeepSeek, Qwen, Baidu и Mistral. Для старта достаточно одного API-ключа; больше провайдеров — разнообразнее когнитивные профили агентов.

Проект выпущен под MIT-лицензией — свободное коммерческое использование. Один разработчик из Keystart AI собрал production-ready систему из 20+ модулей с покрытием тестами 26/26. Это само по себе показательно: AI-native инструментарий сжимает стоимость создания сложных исследовательских систем до уровня инди-проекта.

Аналитика

Самая дорогая ошибка при запуске продукта — неверная гипотеза о product-market fit. Традиционный custdev требует недель, доступа к аудитории и денег на рекрутинг. Симуляция не заменяет реальных пользователей, но смещает точку ошибки влево: вы узнаёте, что продукт за $49 проиграет конкуренту за $19, ещё до того, как потратили бюджет на acquisition.

Ключевой момент архитектуры — гетерогенность агентов. Все 128 потребителей работают на разных LLM, что создаёт настоящее разнообразие когнитивных стилей. Модуль Stress учитывает финансовое и социальное давление: агент с низким бюджетом ведёт себя иначе, чем тот, у кого есть запас. Это принципиально отличает симуляцию от простого запроса «оцени мой продукт» к одной модели.

Для AI-first компаний это прямой сигнал: мультиагентные системы выходят за рамки корпоративных чат-ботов. Симуляция рынка, прогноз оттока, тестирование ценообразования — всё это превращается в задачи, которые решаются кодом, а не консалтинговыми отчётами за шестизначные суммы.

Кейсы применения в бизнесе

B2B SaaS стартап. Перед запуском нового тарифного плана запускаете валидацию: агенты с профилями SMB, mid-market и enterprise проходят 30 раундов. Симуляция покажет, где происходит downsell, какой сегмент самый чувствительный к цене и кто уходит к конкурентам после второго раунда. Результат — обоснованное решение по tier-структуре без A/B теста на реальных пользователях.

Корпорация с legacy. Перед пилотом нового AI-продукта для внутреннего использования — например, HR-ассистента — можно смоделировать поведение сотрудников разных отделов как агентов с разными уровнями tech-adoption. Это помогает предсказать сопротивление и точки friction до rollout, а не обнаруживать их во время него.

SMB и локальный бизнес в КР и СНГ. Небольшая команда, которая думает открыть сервис доставки или SaaS для HoReCa, может в режиме Explore получить ранжированный список продуктовых направлений — без маркетинговых агентств. DeepSeek как самый бюджетный провайдер делает симуляцию доступной даже при минимальных ресурсах.

Кейсы в личной жизни

Разработчик / инди-мейкер. Вы сделали pet-project и думаете, стоит ли монетизировать. Запустите Validate mode с описанием продукта и ценой — за час получите survival score, профиль покупателя и оптимальную цену. Это лучше, чем гадать или спрашивать в Reddit, где отвечают такие же гадающие.

Контент-мейкер / инфобизнес. Перед запуском курса или digital-продукта смоделируйте рынок: какая аудитория купит, при каком позиционировании, где ценовой потолок. Hybrid mode позволяет проверить идею в прямом сравнении с конкурентами в одном рыночном пространстве.

Студент / исследователь. MarketFish — живой пример имплементации 6 академических статей в рабочий код. Для тех, кто изучает мультиагентные системы, поведенческую экономику или agentic AI — это редкий учебный материал с полными тестами и структурированной документацией.

Как применить сегодня

• Клонируйте репозиторий MarketFish, скопируйте .env.example в .env и добавьте один API-ключ — DeepSeek даёт самый дешёвый старт.
• Запустите streamlit run streamlit_app.py для визуального дашборда или python run.py --mode validate из CLI.
• Для первого теста используйте режим Validate: укажите название продукта и цену — получите survival score и профиль покупателя.
• Для тестирования конкурентной среды — Hybrid mode: ваш продукт против AI-сгенерированных конкурентов в одном рынке.
• При повторных запусках добавляйте флаг --reuse-agents — агенты не будут пересоздаваться, и вы сэкономите на токенах.