Un Milione di Interazioni: Come le Persone Giocano a LifeSim

Abstract

La missione di LifeSim è permettere a ogni essere umano di esplorare il proprio infinito potenziale latente.

LifeSim ha superato un milione di interazioni con i giocatori. Questo studio esamina 629.169 messaggi per capire come le persone creano personaggi, formano relazioni e giocano.

La sessione verificata più lunga è durata 13,4 ore, con 1.143 messaggi del giocatore. I giocatori hanno creato 62.616 personaggi. I risultati seguenti esaminano il loro comportamento e i temi delle loro conversazioni.

• 629.169 messaggi di chat analizzati
• 806 min sessione verificata più lunga (13,4 ore, 1.143 messaggi)
• 62.616 personaggi creati dall'utente
• 74.696 ricordi emotivi conservati
• 88,9% del contenuto mostra vulnerabilità emotiva

Attraverso 1 milione di interazioni, queste metriche confermano che LifeSim è andato oltre il paradigma del chatbot in un mezzo fondamentalmente nuovo. LifeSim è un ambiente in cui l'IA non è uno strumento per compiacere, ma una sandbox popolata da esseri artificiali che modellano il libero arbitrio — basati su simulazioni persistenti, stateful ed emotivamente coerenti. La missione di LifeSim è esplorare gli infiniti potenziali latenti di ogni essere umano.

1 Tesi

LifeSim è una nuova categoria di intrattenimento AI-native: una simulazione di vita persistente e multi-agente in cui gli utenti creano personaggi con profondità emotiva, formano relazioni con esseri guidati dall'IA e sostengono interazioni attraverso narrazioni emergenti basate su contesti del mondo reale. Questa categoria è diventata praticabile solo quando i modelli di fondazione hanno raggiunto una coerenza sufficiente per un'interazione multi-turno, stateful ed emotivamente coerente.

Attingendo a oltre 1 milione di interazioni con i giocatori, questo rapporto analizza i dati di produzione live di LifeSim su due livelli complementari — comportamentale (ciò che gli utenti fanno) e semantico (ciò che gli utenti dicono e costruiscono) — per rispondere a una domanda specifica: quanto è profondo l'engagement e può essere misurato?

Su 629.169 messaggi di chat analizzati, la durata della sessione P95 è di 98,7 minuti — gli utenti mantengono l'interazione con i personaggi AI per quasi due ore al livello più profondo. La sessione verificata più lunga dura 806 minuti — 13,4 ore di interazione continua con cadenza inferiore al minuto, con 1.143 messaggi utente consecutivi e un intervallo mediano di 30 secondi. Il 91,7% degli utenti si concentra su meno di 10 relazioni anziché navigare — comportamento di attaccamento, non campionamento di novità. Gli utenti hanno costruito 62.616 personaggi con identità sostanziale: 12.101 con paure definite, 12.095 con sogni definiti, 11.501 con retroscena. 74.696 ricordi emotivi sono conservati nel sistema. L'88,9% del contenuto analizzato mostra vulnerabilità emotiva.

Questo non è l'uso di un chatbot.

LifeSim genera un'interazione profonda, stateful ed emotivamente coinvolgente — e l'infrastruttura di analisi a doppio strato che abbiamo utilizzato qui mostra che questi schemi possono essere tracciati, misurati e utilizzati per informare le decisioni sul prodotto e sul modello.

2 Set di dati

Criteri di inclusione. I messaggi generati dal sistema (introduzioni, azioni suggerite, notifiche di memoria) sono stati esclusi dall'analisi semantica per isolare il contenuto delle conversazioni tra utente e NPC. Su 639.590 conversazioni totali, 629.169 hanno superato i filtri di qualità.

3 Infrastruttura

Infrastruttura di analisi

LifeSim genera dati attraverso otto raccolte interconnesse — messaggi, personaggi, mondi, stati del mondo, ricordi, notifiche, utenti e sessioni — che comprendono segnali comportamentali, contenuto semantico e stato persistente. L'estrazione di informazioni strutturate richiede un'infrastruttura appositamente costruita: due pipeline di analisi complementari che operano su tutta la superficie dei dati.

Pipeline comportamentale. Un livello di normalizzazione canonico riconcilia record a schema misto con rilevamento di cicli e risoluzione di fallback. Su questo, un motore di ricostruzione delle sessioni raggruppa eventi collegati all'utente attraverso mondi, personaggi, chat e aggiornamenti dello stato del mondo utilizzando una soglia di inattività di 30 minuti. La pipeline costruisce thread, sessioni e modelli di coinvolgimento dai dati di produzione grezzi.

Pipeline semantica. Il contenuto viene estratto da cinque raccolte (chat, personaggi, stati del mondo, ricordi, notifiche), normalizzato in uno schema di testo unificato e organizzato in 45 shard di analisi utilizzando un campionamento casuale stratificato attraverso fasce di profondità. Ogni shard viene classificato utilizzando un'analisi LLM strutturata (Gemini 3.1 Pro) con una tassonomia fissa che copre il registro emotivo, le dinamiche relazionali, i segnali di identità, la profondità del contenuto e i marcatori di persistenza. La pipeline include checkpoint, validazione a livello di shard e aggregazione tra shard.

Perché è importante. La maggior parte delle aziende di IA consumer non può misurare sistematicamente la qualità delle proprie interazioni, ma solo il volume. L'infrastruttura di LifeSim misura sia ciò che gli utenti fanno sia ciò che dicono, producendo contemporaneamente segnali strutturati da modelli comportamentali e contenuto semantico. Questa è la base per un ciclo di prodotto basato sui dati: ogni decisione di prodotto può essere valutata empiricamente in base alla profondità, alla sostanza emotiva e alla concentrazione del coinvolgimento.

4 Risultati comportamentali

Gli utenti mantengono conversazioni profonde

La durata della sessione P95 è di 98,7 minuti. La sessione più lunga nel dataset si estende per 806 minuti — 13,4 ore di interazione continua con un intervallo mediano di 30 secondi tra i messaggi. Quella sessione contiene 1.143 messaggi di chat consecutivi inviati dall'utente con un solo intervallo superiore a 20 minuti (23 minuti).

Tra le prime dieci sessioni, ognuna mostra la stessa impronta: centinaia di messaggi di chat, intervalli mediani tra i messaggi inferiori a un minuto e contenuto conversazionale autentico da parte di utenti distinti con account reali.

Coinvolgimento attivo, non consumo passivo

Le stime del settore collocano la sessione media di binge-watching su Netflix a 3,8-4,1 ore, con circa il 19% degli spettatori che supera le 10 ore in una singola seduta (Gitnux, 2026). La sessione più lunga di LifeSim — 13,4 ore — rientra in quella fascia alta. Ma Netflix è un consumo rilassato e passivo: premi play, guarda. LifeSim richiede un input attivo continuo — scrivere dialoghi, prendere decisioni, costruire personaggi, navigare relazioni.

Il coinvolgimento attivo e creativo sta sostenendo durate precedentemente esclusive dei media passivi. Questo è il segnale di creazione di categoria.

Gli utenti si concentrano su poche relazioni

Il 91,7% degli utenti attivi in chat mantiene meno di 10 thread distinti. Gli utenti non distribuiscono l'interazione ampiamente su molti personaggi. Si approfondiscono con pochi.

Questo è un comportamento di attaccamento: gli utenti formano relazioni concentrate con specifici personaggi AI piuttosto che sfogliare un elenco.

5 Risultati semantici

Le interazioni sono emotivamente significative

L'88,9% del contenuto analizzato mostra vulnerabilità emotiva. Il 48,9% è profondamente personale. Il 51,1% è classificato come ricco e sostenuto.

Gli utenti non interagiscono con i personaggi di LifeSim come interagiscono con i chatbot o gli assistenti. Il registro dominante è personale, emotivamente carico e orientato alla relazione:

“Mamma. Non voglio fare di nuovo questa discussione.”

“Mio padre ha detto che mi apprezzava ma non più della sicurezza della casa, quindi non posso rompere il mio fidanzamento con il Principe Ereditario.”

“Oh, Elena... è terribile. Non è giusto. Non sei un mostro, però. Sei mia amica, non importa cosa.”

Gli utenti costruiscono personaggi con complessità emotiva

62.616 personaggi hanno un testo di identità sostanziale. 12.101 hanno paure definite, 12.095 hanno sogni definiti, 11.501 hanno retroscena e 11.665 hanno elementi di vita unici. 50.865 hanno descrizioni di relazioni definite. L'80% degli shard di personaggi campionati sono classificati come ricchi e sostenuti.

Gli utenti costruiscono personaggi con motivazioni interne, profondità nascoste e identità multidimensionale:

“Sono cresciuto in una casa umile, ossessionato dai suoni.”

“Un'attività familiare fallita la perseguita, rendendola sospettosa degli altri.”

I ricordi preservano la salienza emotiva

Sono conservati 74.696 ricordi. I sentimenti principali dei ricordi sono Eccitato (2.815), Preoccupato (2.370), Confuso (2.088), Speranzoso (1.976) e Preoccupato (1.903). Tutti gli shard di memoria campionati (250 ricordi) sono classificati come ricchi e sostenuti.

Il sistema di memoria cattura ciò che utenti e personaggi considerano degno di essere ricordato. Questa salienza è prevalentemente emotiva piuttosto che fattuale o transazionale.

Le conversazioni più profonde sono più ricche, non solo più lunghe

L'87% dei frammenti di thread profondi è classificato come ricco e sostenuto. Le conversazioni più lunghe corrispondono a contenuti più ricchi e complessi emotivamente, non solo a un volume maggiore.

6 Dati unici

Dove questi dati non esisterebbero

I chatbot producono log di richiesta-risposta a turno singolo. Le app di compagnia AI producono trascrizioni di conversazioni diadiche. Le avventure testuali producono sequenze comando-azione. Nessuno di questi genera la combinazione di dati che LifeSim produce:

• Stato del mondo persistente — 40.189 narrazioni di stati del mondo che tracciano come gli ambienti simulati si evolvono nel tempo.
• Grafici di relazione multi-personaggio — 50.865 relazioni tra personaggi definite, non solo diadi utente-AI.
• Identità costruita dall'utente — 62.616 personaggi con paure, sogni, retroscena e motivazioni interne creati o co-creati dagli utenti.
• Memoria emotiva — 74.696 ricordi che conservano ciò che personaggi e utenti hanno trattato come emotivamente saliente.
• Profondità comportamentale e profondità semantica — ricostruzione della sessione, analisi dei thread e concentrazione dell'engagement misurate in parallelo con la classificazione dei contenuti.

Questo è un dataset proprietario che si arricchisce con l'uso e non esiste al di fuori della superficie del prodotto LifeSim.

7 Vantaggio composto

LifeSim basa l'interazione AI sulla struttura della vita reale — relazioni, carriere, famiglia, conflitto, ambizione, identità. Non è un chatbot con una persona. È una simulazione persistente delle dinamiche a cui le persone tengono davvero. Questa distinzione determina la profondità e il tipo di dati che il prodotto genera, e crea tre vantaggi composti:

Un dataset proprietario da una superficie di prodotto che nessun altro gestisce. LifeSim genera dati comportamentali e semantici da interazioni AI persistenti, stateful e multi-personaggio. Questi dati — narrazioni del mondo, grafici di identità dei personaggi, memorie emotive, thread di conversazione profondi — non esistono nei log dei chatbot, nelle trascrizioni delle app di compagnia o nella telemetria dei giochi. È anche l'input più scarso per il fine-tuning di modelli AI che sostengono interazioni emotivamente coerenti, a lungo contesto e consapevoli delle relazioni — una capacità per cui nessun modello di fondazione generico è ottimizzato. Più utenti generano dati più ricchi. Il dataset si compone.

Una capacità dimostrata di misurare e ragionare su tali dati. Le pipeline comportamentali e semantiche dimostrate in questo rapporto — normalizzazione canonica, ricostruzione della sessione, classificazione semantica stratificata — producono un segnale di valutazione strutturato: non solo se gli utenti si impegnano, ma se le interazioni sono emotivamente coerenti, coerenti con le relazioni e narrativamente persistenti. Questo è lo strato di valutazione che chiude il ciclo tra fine-tuning e qualità del prodotto. È una capacità organizzativa, non un'analisi una tantum.

Un prodotto progettato per generare le interazioni che producono il segnale più informativo. I mondi persistenti di LifeSim, le relazioni multi-personaggio e il sistema di memoria emotiva non sono funzionalità — sono le superfici che generano i dati che alimentano la misurazione che informa le decisioni sul prodotto. Decisioni migliori sul prodotto guidano un engagement più profondo. Un engagement più profondo genera dati più ricchi.

8 Lavoro futuro

Gli utenti si immergono già in sessioni di 13 ore — la fase successiva è migliorare l'immersione e la fidelizzazione dei giocatori. Fidelizzazione, ciclo di gioco principale e monetizzazione sono le prossime sfide da risolvere.

Cosa c'è dopo

• Il tuo mondo continua a muoversi senza di te
• Conseguenze che si accumulano nel corso delle settimane
• Creazione di mercato