42AI tuo markkinoille käyttäytymisen maailmamallin ihmisten päätösten ennustamiseen

Useimmat tekoälyjärjestelmät on rakennettu tulkitsemaan tietoa tai tuottamaan vastauksia. 42AI lähestyy asiaa toisen kysymyksen kautta: miten tietty ihminen reagoi olosuhteiden muuttuessa? Yritys on tullut esiin hiljaisuudesta niin kutsumansa käyttäytymisen maailmamallin kanssa ja asemoi ihmisten käyttäytymisen yritystekoälylle omaksi ennustamisen kohteekseen.

Tel Avivissa toimivan yrityksen mukaan se on kerännyt tähän mennessä 62,5 miljoonaa dollaria ja aloittaa toimintansa rahoitusmarkkinoilta. Markkinoilletulo nostaa yritysten pohdittavaksi kunnianhimoisen väitteen: tapahtumavirran taustalla olevien ihmisten ymmärtäminen voi olla yhtä tärkeää kuin tapahtumien itsensä analysointi.

Ihmisiin keskittyvä maailmamalli

Robotiikassa maailmamalli kuvaa yleensä sitä, miten ympäristö muuttuu esineiden liikkuessa ja toimintojen edetessä. 42AI soveltaa maailmamallin ideaa ihmisiin ja yhdistää tietoa yksilöllisistä ominaisuuksista, muuttuvista olosuhteista ja aiemmasta käyttäytymisestä ennakoidakseen tulevia toimia.

Yritys kuvailee omaa menetelmäänsä, jossa hyödynnetään psykologista, käyttäytymiseen liittyvää ja genomista dataa. Tiedotteessa ei kerrota, mistä aineistot ovat peräisin tai millaiset suostumuskäytännöt niiden käyttöön liittyvät, eikä sitä, tarvitaanko genomista dataa kaupallisissa käyttöönotossa. Ero on tärkeä: tutkimuksessa käytettyjen tietojen kuvaaminen ei osoita, että asiakkaiden olisi toimitettava geneettisiä tietoja.

Verkkosivustollaan 42AI esittelee alustan käyttäytymiseen liittyvänä riskitiedusteluna. Ehdotetussa työnkulussa edetään raakadatasta käyttäytymistä ohjaavien tekijöiden ymmärtämiseen ja siitä tapahtumiin reagoinnin sekä ajan mittaan ilmenevän käyttäytymisen ennustamiseen. Yrityksen mainitsemia käyttökohteita ovat riskialtistuksen hallinta, petosten havaitseminen, kyberturvallisuus, sijoitustutkimus ja personoitu tekoäly.

Käytännön hyöty perustuu kontekstiin. Sama tieto voi johtaa kahden ihmisen kohdalla erilaisiin päätöksiin, ja sama ihminen voi reagoida eri tavoin kannustimien, rajoitteiden tai kokemuksen muuttuessa. Hyödyllisen käyttäytymismallin pitäisi pystyä kuvaamaan nämä erot sen sijaan, että se käsittelisi jokaista käyttäjää keskenään samanlaisena demografisen ryhmän jäsenenä.

Käyttäytymisen ennustamisen taustalla oleva tutkimus

Helmikuussa 2026 julkaistu 42AI:n linkittämä tutkimuksen ennakkoversio, Ihmistekijän purkaminen: käyttäytymisen tarkka ennustaminen strategista ennakointia varten, antaa konkreettisemman kuvan yrityksen tutkimussuunnasta. Siinä kuvataan suuri käyttäytymismalli, joka on rakennettu hienosäätämällä Llama 3.1-8B-Instruct-mallia psykometrisistä arvioinneista koottujen jäsenneltyjen profiilien avulla.

Tutkijat yhdistävät taipumukset, motivaatiotilat ja tilanteeseen liittyvät rajoitteet havaittuihin valintoihin. Heidän mukaansa mukautettu malli suoriutuu alkuperäistä pohjamalliaan paremmin aineistoon kuulumattomissa skenaarioissa, ja yksityiskohtaisemmat ominaisuusprofiilit voivat tuoda hyötyä sen lisäksi, että mallia kehotetaan hyödyntämään yleisiä persoonallisuusluokkia.

Tämä havainnollistaa teknistä eroa sen välillä, että yleiskäyttöistä keskustelubottia pyydetään kuvittelemaan jonkun käyttäytymistä, ja sen välillä, että malli koulutetaan nimenomaan hyödyntämään jäsenneltyä käyttäytymistä koskevaa näyttöä. Ennakkoversio ei kuitenkaan itsenäisesti osoita kaikkien 42AI:n julkistamien kaupallisten tuotteiden suorituskykyä, eikä sen skenaarioarviointeja pidä sekoittaa yrityksen kaupankäyntiennusteisiin.

Rahoitusmarkkinat tarjoavat ensimmäisen kaupallisen testin

42AI kertoo ensimmäisen käyttökohteensa ennustavan yksittäisten sijoittajien toimia: kaupankäynnin kohdetta, suuntaa, ajoitusta ja volyymia yhden, neljän ja 24 tunnin aikajänteillä. Yrityksen mukaan ennustetarkkuus ylittää 98 prosenttia miljoonien sijoittajien joukossa.

Luku on yrityksen oma väite. Tiedotteessa ei esitetä riittävästi tietoa tarkkuuden laskentatavasta, vertailutasoista tai validointiaineistosta, jotta väitettä voitaisiin arvioida riippumattomasti. Sijoittajan käyttäytymisen ennustaminen on myös eri asia kuin markkinahintojen ennustaminen tai kannattavan sijoitusstrategian osoittaminen.

Välittäjälle välitön käyttökohde on riskialtistuksen ennakointi: miten asiakkaiden yhteiset toimet voivat muuttaa sen riskiasemaa. Näin käyttäytymisen ennustamisella on käytännön tarkoitus, vaikka sitä ei käytettäisi sijoitusten suosittelemiseen.

Käyttäytymisennusteista yritysten päätöksentekoon

42AI:n johtosivun mukaan yritystä johtavat toimitusjohtaja Amit Gal-Or ja teknologiajohtaja Ehud Ezra, ja perustajajäsenenä sekä hallituksen puheenjohtajana toimii Amir Gal-Or. Tutkimusjohtoon kuuluvat kognitiivisen tekoälyn asiantuntija, professori Roi Reichart, sekä käyttäytymistutkimuksen johtaja, professori Eyal Fruchter. Nobel-palkittu professori Dan Shechtman toimii vanhempana neuvonantajana.

Mahdollisuudet ulottuvat rahoitusalaa laajemmalle. Tekoälyavustaja, joka ennakoi, miten joku tulkitsee suosituksen, voisi mukauttaa vuorovaikutustaan hyödyllisemmällä tavalla. Sama kyvykkyys voisi vaikuttaa myös merkittäviin asiakkaita tai työntekijöitä koskeviin päätöksiin, jolloin suostumuksesta, asianmukaisesta käytöstä ja mahdollisuudesta kyseenalaistaa ennuste tulee käyttöönoton keskeisiä kysymyksiä.

42AI:n markkinoilletulo esittelee lähestymistavan vaikeaan tekoälyongelmaan: ihmisten vaihtelevuuden mallintamiseen sujuvien vastausten tuottamisen sijasta. Seuraavaksi yrityksen on osoitettava, että ennusteet pysyvät hyödyllisinä ja luotettavina myös kontrolloitujen arviointien ulkopuolella — ja että yritykset voivat hyödyntää niitä käsittelemättä todennäköisyyteen perustuvaa ennustetta ihmisen muuttumattomana kuvauksena.