ManyPerson - Statistics Korea MDIS-आधारित कोरियाई AI persona जनमत सिम्युलेटर

• Statistics Korea के MDIS माइक्रोडेटा पर आधारित AI persona जनमत सिम्युलेशन सेवा, जो कोरियाई समाज की जनसांख्यिकी, परिवार संरचना, आय, संपत्ति, कर्ज़ और पेशागत वितरण को दर्शाती है

• उपयोगकर्ता जब कोई सवाल दर्ज करता है, तो यह शर्तों से मेल खाने वाले AI नागरिकों को चुनकर उत्तर बनाती है, और परिणामों का समर्थन/विरोध, विकल्प, आयु वर्ग, लिंग, आय quintile, पेशागत समूह आदि के आधार पर विश्लेषण करती है

• 2025 Household Finance and Welfare Survey के MDIS raw CSV को household master की 34,880 प्रविष्टियों और household member की 69,929 प्रविष्टियों के स्तर पर parse और join करके, सेवा के लिए लगभग 41,000 कोरियाई personas तैयार किए गए

• Gemini का उपयोग करके Statistics Korea के कोड भर से पर्याप्त न होने वाले job title, personality, hobby, hometown और first-person self-introduction तैयार किए जाते हैं, लेकिन annual income, asset, debt और पेशे/कथानक में विरोधाभास न हो इसके लिए constraints लगाकर सुधार किया जाता है

• यह सिर्फ "अगर 100 कोरियाई लोगों से पूछा जाए तो?" जैसा सवाल LLM से एक बार पूछने का तरीका नहीं है, बल्कि वास्तविक distribution-आधारित personas अलग-अलग पृष्ठभूमि और बोलचाल के साथ जवाब देते हैं, और statistical weights लागू कर परिणामों को aggregate किया जाता है

मौजूदा LLM जनमत सिम्युलेशन की समस्याएँ

अगर LLM से सीधे पूछा जाए, "100 कोरियाई नागरिकों की राय simulate करो", तो नतीजे बहुत औसत हो जाते हैं, या मॉडल कुछ परिचित पेशों, क्षेत्रों और रुझानों की ओर झुक जाता है

• कोरियाई समाज की वास्तविक household structure, income quintile, occupational groups, राजधानी क्षेत्र/गैर-राजधानी क्षेत्र का अंतर, बेरोज़गार/सेवानिवृत्त/छात्र/पूर्णकालिक गृहिणी जैसी अवस्थाएँ पर्याप्त रूप से नहीं झलकतीं

• खासकर जनमत, नीति या product reaction जैसे सवालों में, जहाँ समूहों के बीच अंतर महत्वपूर्ण होता है, वहाँ "एक विश्वसनीय एकल उत्तर" से अधिक महत्वपूर्ण यह है कि "कौन और क्यों अलग सोचता है"

• उदाहरण के लिए, एक ही real estate policy सवाल पर 20s का गैर-राजधानी क्षेत्र का non-homeowner, राजधानी क्षेत्र में अपना घर रखने वाला 50s व्यक्ति, और सेवानिवृत्ति के बाद rental income पाने वाला 70s व्यक्ति बिल्कुल अलग आधार पर निर्णय ले सकता है

• ManyPerson इन अंतरों को पहले persona के background data के रूप में बनाता है, और फिर उसी आधार पर उत्तर उत्पन्न करता है

डेटा स्रोत और निर्माण पद्धति

• Statistics Korea के MDIS की 2025 Household Finance and Welfare Survey डेटा पर आधारित persona generation pipeline बनाई गई

• household master CSV और household member CSV को household unique number के आधार पर join करके individual-level personas बनाए गए

• लिंग, आयु, परिवार के भीतर संबंध, वैवाहिक स्थिति, अंतिम शिक्षा, रोजगार स्थिति, broad occupation category, broad industry category, राजधानी क्षेत्र है या नहीं, housing type, household size, income quintile आदि को codebook के आधार पर human-readable values में बदला गया

• household total income, disposable income, consumption expenditure, food expense, housing expense, education expense, medical expense, total assets, debt और net assets को भी persona attributes के रूप में सुरक्षित रखा गया

• household-level income को सीधे personal income के रूप में उपयोग नहीं किया गया; बल्कि household head/spouse/child/unemployed/retired स्थिति के अनुसार heuristic के माध्यम से व्यक्तिगत अनुमानित annual income बाँटी गई

• Statistics Korea के weights को weight के रूप में सहेजा गया, ताकि सिर्फ response count ही नहीं बल्कि population-proportional weighted statistics भी निकाली जा सके

persona detail generation

• सिर्फ MDIS raw data से "यह व्यक्ति ऐसे क्यों बोलता है" जैसी बात बनाना पर्याप्त नहीं था, इसलिए Gemini का उपयोग करके सेवा-उपयोगी details अतिरिक्त रूप से बनाई गईं

• generated fields में specific job title, MBTI, personality, hobby, hometown और short self-introduction शामिल हैं

• job title और self-introduction को annual income, household total income, net assets, debt, broad occupation category और employment status के साथ मिलाकर generate किया गया, ताकि यथार्थवाद सुधारा जा सके

• यदि annual income 100 million KRW या उससे अधिक हो, तो executive, high-income professional या सफल self-employed जैसी प्रोफ़ाइल आए; और annual income 0 KRW या unemployed/retired/child की स्थिति में ज़बरदस्ती office worker जैसी persona न बनाई जाए, इसके लिए constraints लगाए गए

• household income और assets ऊँचे हों लेकिन personal income कम हो, तो high-income spouse वाली full-time homemaker, wealthy parents वाला college student, या rental income पर जीने वाला retiree जैसे संदर्भों को स्वाभाविक रूप से दर्शाया गया

• debt अधिक होने पर self-introduction या personality में financial pressure दिखे, ऐसा डिज़ाइन किया गया

• शुरुआती generation प्रक्रिया में "low-income लेकिन law firm manager" या "high-income लेकिन part-timer" जैसी समस्याएँ आईं, जहाँ financial data और narrative मेल नहीं खाते थे; इसलिए अलग Phase 2 regeneration pipeline के जरिए लगभग 41,000 लोगों की occupation/bio फिर से सुधारी गई

• generation results को एक बार में memory में रखकर save नहीं किया गया; बल्कि हर persona के generate होते ही PostgreSQL JSONB में individual update करने वाली streaming संरचना अपनाई गई

• बीच में Pod बंद हो जाए तो भी पहले से लागू डेटा बचा रहता है, और migrationPhase2 marker के आधार पर आगे से execution जारी रखा जा सकता है

सेवा उपयोग प्रवाह

• उपयोगकर्ता natural language में सवाल दर्ज करता है

• Gemini + search Grounding के जरिए सवाल को व्यवस्थित किया जाता है, और ज़रूरत पड़ने पर background summary तथा filter conditions सुझाए जाते हैं

• लिंग, आयु वर्ग, क्षेत्र, income quintile, education, occupational group, household size, marital status आदि के आधार पर target personas फ़िल्टर किए जाते हैं

• अंतिम रूप से चुने गए AI नागरिक अपने-अपने persona snapshot के आधार पर जवाब देते हैं

• जवाब तुरंत DB में save हो जाते हैं, इसलिए progress screen पर कुछ उत्तर real time में देखे जा सकते हैं

• पूरा होने पर positive/neutral/negative या multiple-choice option distribution की गणना होती है, और Statistics Korea weights लागू किए गए weighted results भी साथ दिखाए जाते हैं

• आयु वर्ग, लिंग, income quintile, education, occupational group जैसे demographic axes पर cross-analysis उपलब्ध कराया जाता है

• अंतिम परिणाम shareable page के रूप में बनाया जाता है, जहाँ individual persona answer cards और overall statistical charts साथ में देखे जा सकते हैं

उपयोग के उदाहरण

• नई सेवा या product idea पर यह जल्दी समझना कि "20–30s के राजधानी क्षेत्र के working professionals कैसे प्रतिक्रिया देंगे?"

• नीति या सामाजिक मुद्दों पर यह खोजना कि आयु वर्ग, income quintile और occupational group के अनुसार तर्क कहाँ अलग होते हैं

• ad copy, pricing policy, app feature priority, job posting, self-introduction document आदि पर विविध पृष्ठभूमि वाले AI नागरिकों से मूल्यांकन लेना

• वास्तविक survey चलाने से पहले यह देखना कि कौन से सवाल अस्पष्ट हैं या किन समूहों में प्रतिक्रिया बँट सकती है

Nemotron-Personas-Korea से अलग क्या है

• यदि Nemotron-Personas-Korea एक बड़े पैमाने का कोरियाई synthetic persona dataset है, तो ManyPerson उस विचार को "सीधे सवाल पूछो और परिणाम देखो" वाले web service रूप में अधिक ले जाता है

• ManyPerson फिलहाल public dataset distribution से अधिक, statistics-based persona pool को internally बनाकर user questions के अनुसार sampling, response generation और statistical analysis तक जुड़ने वाले product experience पर केंद्रित है

• डेटा संरचना भी केवल simple demographic profile तक सीमित नहीं है; Household Finance and Welfare Survey की income, assets, debt और consumption expenditure जानकारी को persona generation और result interpretation में सक्रिय रूप से इस्तेमाल किया जाता है

तकनीकी स्टैक

• Node.js, Express, EJS आधारित web server ( तेज़ विकास के लिए, कुछ modules सरल रूप से go में लिखे गए )

• PostgreSQL/Cloud SQL में personas, simulations, responses और payment/credit data संग्रहीत

• persona की extended properties को PostgreSQL JSONB में store किया गया, जिससे job, education, income quintile, hometown, personality और self-introduction जैसी चीज़ों को लचीले ढंग से manage किया जा सके

• queue और cache processing के लिए Valkey का उपयोग

• GKE Autopilot पर server/worker को अलग चलाया गया

• persona detail generation और simulation response generation के लिए Gemini 3 series models और Vertex AI Flex API का उपयोग

• SSE के जरिए simulation progress और हाल के responses की real-time streaming

सीमाएँ और सावधानियाँ

• ManyPerson के परिणाम वास्तविक opinion poll नहीं हैं, बल्कि AI persona-आधारित virtual simulation हैं

• चूँकि यह Statistics Korea MDIS के public scope और code-level जानकारी पर निर्भर है, इसलिए detailed region, political leaning, real-time issue awareness जैसे variables के लिए अलग estimation या input की आवश्यकता होती है

• LLM-generated details यथार्थवाद बढ़ाने के लिए synthetic information हैं; इनका किसी वास्तविक व्यक्ति से साम्य होना अभिप्रेत नहीं है

• sample size छोटा हो या filter बहुत narrow हो, तो परिणामों को exploratory reference material के रूप में देखना अधिक उचित है

• फिर भी, "एक LLM से कोरियाइयों की औसत राय की कल्पना करवाने" वाले तरीके की तुलना में, वास्तविक demographics और household data पर आधारित विविध AI नागरिक पहले बनाकर उनसे प्रतिक्रियाएँ इकट्ठी करना अधिक उपयोगी शुरुआती बिंदु माना गया है