Az izraeli 42AI kilépett a stealth fázisból és bejelentette, hogy 62,5 millió dollár seed finanszírozást gyűjtött össze. A startup egy „viselkedésalapú világmodellt” fejleszt, amelynek célja az egyének döntéseinek valószínűségi előrejelzése – még új, korábban nem látott helyzetekben is. A cég kezdetben pénzügyi brókercégeknél futtatja a rendszert, ahol azt állítják, hogy a modell segítséget nyújthat a kereskedők viselkedésének előrejelzésében volatilis piaci körülmények között.
Hogyan működik a modell
A 42AI szerint a modell nem egyszerűen az előző cselekvésekből extrapolál, hanem az emberek belső motivációit próbálja feltérképezni. A startup azt vizsgálja, hogy az egyének hogyan reagálnak látszólag egymástól független eseményekre: például KYC-problémákra, onboardingra, support-hívásokra, pénzátutalásokra vagy tényleges kereskedési tranzakciókra.
A gyűjtött megfigyeléseket matematikai jellemzőkké alakítják, majd egy transformer-alapú világmodellbe táplálják, amely a különböző körülmények közötti döntési valószínűségeket adja vissza. Egy külön nyelvi modell magyarázatokat generál a predikciók mellé. A cég hangsúlyozza, hogy a modell a személyek alatt húzódó pszichológiai hajlamokat próbálja megőrizni a szimulációk során: ha valaki általában kockázatkerülő, a modellben is ennek megfelelően kell viselkednie, különben a célpont „téves” lesz.
Fejlesztés, adatok és pontosság
A megközelítés kifejlesztése három évet vett igénybe; a módszert pszichológiai kutatás, idegtudomány és genetika eredményeivel, valamint pszichológusok és PTSD-szakértők tanácsaival finomították. Tanácsadóként részt vett Dan Shechtman, a 2011-es kémiai Nobel-díj nyertese.
A csapat először több ezer embert vizsgált pszichológiai felmérésekkel és viselkedési forgatókönyvekkel, majd kormányzati és biobank adatkészleteket is bevontak, amelyek több mint 2 millió embert fednek le. Gal-Or szerint az ügyféladatokkal együtt a mostani ügyfélkör közel 30 millió emberre terjed ki.
A cég állítása szerint a modell a kereskedési folyamatok előrejelzésekor 98%-os pontosságot ér el abban az értelemben, hogy a kereskedési folyok a jósolt tartományba esnek. A kereskedési irány és volumen előrejelzésére a modell F1 pontszáma 0,8–0,85 között mozog; az F1 a gépi tanulásban a helyes találatok és a hamis riasztások/maradékok egyensúlyát méri.
42AI azt is elmondta, hogy a rendszer élő telepítésekben ügyfeleik meglévő tranzakciós és support-adatokat elemzi. A cég állítása szerint a modell működéséhez nem szükséges személyes azonosító információ („a modell sosem tudja, ki a személy”), ugyanakkor egyéni viselkedési profilokat hoznak létre összekapcsolt ügyféltevékenység alapján.
Üzleti ügyféloldal és bevételek
Gal-Or elmondása szerint a 42AI jelenleg tíz nagy brókercéggel dolgozik, akik a modellt likviditáskezelésre, margin-követelmények optimalizálására és fedezeti (hedging) expozíciók kezelésére használják. A startup új ügyfeleket integrál, és állítása szerint több mint hét számjegyű éves bevételt generál, de pontos összeget nem közölt. Az ügyfelek vagy fix díjat fizetnek, vagy a platform által előidézett hozam egy százalékát. Egy ügyfélnél a cég szerint nagyjából 30 millió dollárnyi többletértéket eredményezett dinamikus fedezés révén.
A 62,5 millió dolláros seed finanszírozás az alapítók és az Infinity Group forrásaiból jött össze három év alatt; nem teljes egészében külső befektetőktől. Az Infinity Groupot Amir Gal-Or, Amit Gal-Or apja alapította; Amir Gal-Or a 42AI elnöke és társalapítója.
Korlátok és etikai kérdések
A cég alapítói egyaránt elismerték a modell korlátait: a rendszer „természetes plafonnal” rendelkezik, mert a fejlesztők nem láthatnak mindent, amit egy személy átélt. A pontosság csökkenhet, ha fontos helyzeti kontextusok hiányoznak — például ha valaki barát vagy kolléga tanácsára változtat kereskedési döntésein.
Az etikai kérdések hangsúlyosak: ha egy bróker előre tudja jelezni ügyfelei döntéseit, könnyen felmerülhet a visszaélés lehetősége. Az alapítók elismerik ezt a kockázatot, és arra hivatkoznak, hogy szabályozás, felügyelet és egy belső etikai bizottság révén kezelik a veszélyeket, de nem részletezték, hogy pontosan milyen garanciák akadályoznák meg ügyfeleik esetleges visszaélését a modellel.
Gal-Or viszont úgy vélte, hogy a technológia maga is része a megoldásnak a felmerülő kockázatok kezelésére.
További alkalmazási területek
A pénzügyi szolgáltatásokon túl 42AI játékokban, csalásmegelőzésben, kiberbiztonságban és később robotok vagy AI-ügynökök emberi megértésének segítésére is vizsgálja a modell alkalmazását. A cég ugyanakkor elismeri, hogy minden új területhez külön szabályok és kontextus alapján kell a modellt továbbképzeni.
Összességében a 42AI egy ambiciózus kísérlet arra, hogy pszichológiai és viselkedési jellemzőket gépi modellekké fordítson, és azokból valószínűségi döntési előrejelzéseket készítsen — miközben a megoldás gyakorlati hatékonysága, üzleti használata és etikai vetületei még vitathatók és szabályozást igényelnek.
