42AI obtiene 62,5 millones de dólares en una ronda semilla para desarrollar un modelo del mundo conductual

TechCrunch informó el 2 de noviembre de 2026 que la startup israelí 42AI había salido del modo sigiloso con 62,5 millones de dólares de financiación semilla y un modelo del mundo conductual que opera en casas de bolsa. Los fundadores dijeron a TechCrunch que el sistema estima las probabilidades de cómo podrían actuar clientes individuales ante circunstancias cambiantes.

El director ejecutivo y cofundador Amit Gal-Or dijo a TechCrunch que la financiación procedía de los fundadores y de Infinity Group a lo largo de tres años, y que no se había recaudado íntegramente de inversores externos. Infinity fue fundada por su padre, Amir Gal-Or, quien también es presidente y cofundador de 42AI. Ehud Ezra es director de tecnología y cofundador.

Gal-Or dijo que 42AI trabaja con 10 grandes casas de bolsa, está incorporando a más clientes y genera ingresos de más de siete cifras, aunque no dio una cifra precisa. Los clientes pagan una tarifa fija o un porcentaje del valor que la plataforma les ayuda a obtener. Según dijo, una casa de bolsa generó aproximadamente 30 millones de dólares en valor adicional mediante coberturas dinámicas.

Cómo funciona el modelo conductual

Gal-Or y Ezra dijeron a TechCrunch que el comportamiento es probabilístico, no determinista. Explicaron que 42AI intenta identificar las motivaciones subyacentes en lugar de limitarse a extrapolar acciones anteriores, y que el modelo asigna probabilidades a posibles decisiones en distintas circunstancias.

Para los clientes de casas de bolsa, las entradas pueden incluir, según Ezra, los procesos de conocimiento del cliente y de incorporación, las interacciones con los equipos de soporte y ventas, las transferencias de dinero y las operaciones. Entre las señales que se analizan figuran el sentimiento, la voz, la frecuencia de las llamadas, el momento de las compras y ventas, y las condiciones simultáneas del mercado.

TechCrunch informó que estas observaciones se convierten en representaciones matemáticas de rasgos y se introducen en un modelo del mundo basado en un transformador. Un modelo de lenguaje independiente genera explicaciones para las predicciones. Ezra dijo que las recompensas del entrenamiento están diseñadas para preservar las tendencias subyacentes durante las simulaciones: una persona que normalmente evita el riesgo no debería aparecer de repente en el modelo como alguien que lo asume.

Datos de entrenamiento y resultados comunicados

Gal-Or dijo que 42AI dedicó tres años a desarrollar el enfoque, combinando investigación psicológica con neurociencia y genética, y recibiendo asesoramiento de especialistas en psicología y TEPT, así como del químico Dan Shechtman. Al principio, el equipo estudió a miles de personas mediante evaluaciones psicológicas y escenarios conductuales; después incorporó conjuntos de datos gubernamentales y de biobancos que abarcaban a más de 2 millones de personas. Según dijo, posteriormente los conjuntos de datos de clientes se ampliaron hasta abarcar a casi 30 millones de personas.

TechCrunch informó de la cifra comunicada por 42AI: un 98 % de precisión en la predicción de las operaciones del mercado. Gal-Or aclaró que esta cifra mide si los flujos de operaciones se mantienen dentro de un intervalo previsto, no si se predice correctamente cada operación individual. También comunicó puntuaciones F1 de entre 0,8 y 0,85 para la dirección y el volumen de las operaciones. La puntuación F1 mide cómo equilibra un modelo de clasificación las predicciones correctas con las falsas alarmas y los eventos no detectados.

Los fundadores reconocieron que existe un límite máximo de precisión porque el sistema no tiene acceso a todo lo que experimenta una persona. Ezra dijo que la precisión también disminuye cuando falta contexto situacional importante, como un consejo de un amigo o colega que cambia una decisión de inversión.

Un preprint presentado a arXiv el 19 de febrero de 2026 por Ben Yellin, Ezra, Mark Foreman y Shula Grinapol presentó un Modelo Conductual Grande, ajustado para predecir decisiones estratégicas individuales a partir de perfiles de rasgos psicométricos estructurados y de alta dimensionalidad. Los autores describieron un entrenamiento con un conjunto de datos patentado que relaciona disposiciones estables, estados motivacionales y restricciones situacionales con decisiones observadas.

En una evaluación de escenarios con datos reservados, los autores informaron de una mejora en la predicción del comportamiento frente al modelo base Llama-3.1-8B-Instruct sin adaptar y de un rendimiento comparable al de los modelos de referencia de vanguardia cuando se condicionaba a los rasgos de los Cinco Grandes. También señalaron que su modelo seguía beneficiándose de perfiles de rasgos más densos, mientras que los modelos de referencia basados en instrucciones mostraban un límite de complejidad.

Usos en casas de bolsa y límites declarados

En el sitio web de 42AI, la empresa describe una arquitectura conductual que transforma datos sin procesar en factores conductuales, predice respuestas a eventos específicos y el comportamiento a lo largo del tiempo, simula variables cambiantes y ofrece explicaciones. Indica tiempos de respuesta de entre 1 y 10 milisegundos para el modelo del mundo y de entre 2 y 12 milisegundos para el modelo de comportamiento grande.

Para las casas de bolsa, el sitio afirma que la solución puede predecir las operaciones de cada cliente con hasta 24 horas de antelación, desglosadas por instrumento, dirección y volumen. Entre los usos para casas de bolsa, también enumera la visibilidad anticipada de la exposición, las coberturas dinámicas, la gestión del riesgo de cola y la reducción del deslizamiento y del valor en riesgo. Gal-Or dijo a TechCrunch que los clientes utilizan el sistema para gestionar la liquidez, los requisitos de margen y la exposición a coberturas.

Gal-Or dijo que el sistema implementado no necesita información de identificación personal y que el modelo nunca sabe quién es la persona. TechCrunch informó que, aun así, 42AI crea perfiles conductuales individuales a partir de la actividad vinculada de los clientes.

Cuando TechCrunch planteó la posibilidad de que los clientes aprovecharan las predicciones sobre sus propios clientes, Ezra reconoció que era una preocupación válida. Los fundadores señalaron las regulaciones, la supervisión y un comité interno de ética, mientras que Gal-Or afirmó que la tecnología podría ayudar a abordar esos riesgos. TechCrunch informó que no explicaron ningún mecanismo específico que impidiera a los clientes usar las predicciones para obtener ventaja sobre las personas cuyos perfiles se elaboraban.

Los fundadores dijeron a TechCrunch que 42AI está explorando los videojuegos, la prevención del fraude y la ciberseguridad, y que, con el tiempo, quiere que los robots y los agentes de IA utilicen el modelo para comprender a las personas. Ezra dijo que el modelo debe entrenarse con las reglas y el contexto de cada nuevo ámbito. Gal-Or también afirmó que la empresa planea recaudar más fondos.

La expansión más allá de las implementaciones documentadas en empresas de corretaje requiere el entrenamiento específico para cada ámbito que describió Ezra, mientras que el plan de financiación declarado por 42AI consiste en recaudar más fondos.