42AI sai 62,5 miljoonaa dollaria siemenrahoitusta käyttäytymisen maailmanmallin kehittämiseen

TechCrunch uutisoi 2. marraskuuta 2026, että israelilainen startup-yritys 42AI oli tullut julkisuuteen 62,5 miljoonan dollarin siemenrahoituksen ja rahoitusalan välitysliikkeissä toimivan käyttäytymisen maailmanmallin kanssa. Perustajat kertoivat TechCrunchille, että järjestelmä arvioi todennäköisyyksiä sille, miten yksittäiset asiakkaat saattavat toimia olosuhteiden muuttuessa.

Toimitusjohtaja ja perustajajäsen Amit Gal-Or kertoi TechCrunchille, että rahoitus oli peräisin perustajilta ja Infinity Groupilta kolmen vuoden ajalta eikä sitä ollut kerätty kokonaan ulkopuolisilta sijoittajilta. Hänen isänsä Amir Gal-Or perusti Infinityn, ja hän toimii myös 42AI:n hallituksen puheenjohtajana ja yhtenä perustajista. Ehud Ezra on teknologiajohtaja ja yksi perustajista.

Gal-Orin mukaan 42AI tekee yhteistyötä 10 suuren välitysliikkeen kanssa, ottaa mukaan uusia asiakkaita ja sen liikevaihto on yli seitsennumeroinen, mutta hän ei kertonut tarkkaa lukua. Asiakkaat maksavat joko kiinteän maksun tai osuuden arvosta, jonka alusta auttaa niitä saavuttamaan. Gal-Orin mukaan yksi välitysliike sai dynaamisen suojauksen avulla aikaan noin 30 miljoonan dollarin lisäarvon.

Näin käyttäytymismalli toimii

Gal-Or ja Ezra kertoivat TechCrunchille, että käyttäytyminen on todennäköisyyksiin perustuvaa eikä determinististä. Heidän mukaansa 42AI pyrkii tunnistamaan taustalla vaikuttavia motiiveja sen sijaan, että se vain ekstrapoloisi aiempaa toimintaa. Malli määrittää eri olosuhteissa mahdollisille päätöksille todennäköisyydet.

Ezran mukaan välitysliikkeiden asiakkaista kerättävät syötetiedot voivat sisältää asiakkaan tuntemiseen ja asiakkuuden avaamiseen liittyviä prosesseja sekä asiakastuki- ja myyntitilanteita, rahansiirtoja ja kauppoja. Tarkasteltavia signaaleja ovat mieliala, ääni, puhelujen tiheys, ostojen ja myyntien ajoitus sekä samanaikaiset markkinaolosuhteet.

TechCrunchin mukaan havainnot muunnetaan piirteiden matemaattisiksi esityksiksi ja syötetään transformer-arkkitehtuuriin perustuvalle maailmanmallille. Erillinen kielimalli tuottaa ennusteille selityksiä. Ezran mukaan koulutuksessa käytettävät palkkiot on suunniteltu säilyttämään taustalla vaikuttavat taipumukset simuloinneissa: tavallisesti riskejä välttelevää ihmistä ei pitäisi yhtäkkiä mallintaa riskinottajana.

Koulutusdata ja raportoidut tulokset

Gal-Orin mukaan 42AI kehitti lähestymistapaa kolmen vuoden ajan yhdistämällä psykologista tutkimusta neurotieteeseen ja genetiikkaan. Yhtiö sai neuvoja psykologian ja traumaperäisen stressihäiriön asiantuntijoilta sekä kemisti Dan Shechtmanilta. Tiimi tutki aluksi tuhansia ihmisiä psykologisten arviointien ja käyttäytymisskenaarioiden avulla ja lisäsi sitten aineistoon viranomais- ja biopankkiaineistoja, jotka kattoivat yli 2 miljoonaa ihmistä. Gal-Orin mukaan asiakasdata laajeni myöhemmin kattamaan lähes 30 miljoonaa ihmistä.

TechCrunch raportoi 42AI:n ilmoittaneen markkinakauppojen ennustamisen tarkkuudeksi 98 %. Gal-Or täsmensi, että luku kertoo, osuvatko kaupankäyntivirrat ennustetulle vaihteluvälille, ei sitä, ennustetaanko jokainen yksittäinen kauppa oikein. Hän ilmoitti kaupankäynnin suunnan ja volyymin F1-arvoiksi myös 0,8–0,85. F1-arvo mittaa, miten luokittelumalli tasapainottaa oikeat ennusteet väärien hälytysten ja havaitsematta jääneiden tapahtumien kanssa.

Perustajat myönsivät, että järjestelmän tarkkuudella on yläraja, koska sillä ei ole pääsyä kaikkeen, mitä ihminen kokee. Ezran mukaan tarkkuus heikkenee myös silloin, kun tärkeitä tilannekohtaisia tietoja puuttuu, esimerkiksi jos ystävän tai kollegan antama neuvo muuttaa kaupankäyntipäätöstä.

Ben Yellinin, Ezran, Mark Foremanin ja Shula Grinapolin 19. helmikuuta 2026 arXiviin toimittamassa esijulkaisussa esiteltiin suuri käyttäytymismalli, joka oli hienosäädetty ennustamaan yksittäisten ihmisten strategisia valintoja rakenteisten, moniulotteisten psykometristen piirrekartoitusten perusteella. Kirjoittajat kuvailivat mallin koulutusta omalla aineistolla, jossa yhdistettiin pysyviä taipumuksia, motivaatiotiloja ja tilannekohtaisia rajoitteita havaittuihin valintoihin.

Erillisellä testiskenaarioiden arviointiaineistolla kirjoittajat raportoivat käyttäytymisen ennustamisen parantuneen verrattuna mukauttamattomaan Llama-3.1-8B-Instruct-perusmalliin. Kun malli sai syötteeksi Big Five -piirteet, sen suorituskyky oli heidän mukaansa vertailukelpoinen alan johtavien vertailumallien kanssa. He raportoivat myös, että tiheämmät piirrekartoitukset paransivat mallin tuloksia edelleen, kun taas kehotteisiin perustuvien vertailumallien suorituskyky törmäsi monimutkaisuuden asettamaan ylärajaan.

Käyttö välitysliikkeissä ja ilmoitetut rajoitukset

42AI:n verkkosivustolla yhtiö kuvaa käyttäytymismallipinoa, joka muuntaa raakadataa käyttäytymisen taustatekijöiksi, ennustaa reaktioita tiettyihin tapahtumiin sekä käyttäytymistä ajan mittaan, simuloi muuttuvia tekijöitä ja tuottaa selityksiä. Yhtiö ilmoittaa maailmanmallin vasteajaksi 1–10 millisekuntia ja suuren käyttäytymismallin vasteajaksi 2–12 millisekuntia.

Verkkosivuston mukaan välitysliikkeille tarjottava järjestelmä voi ennustaa kunkin asiakkaan kaupat enintään 24 tuntia etukäteen instrumentin, suunnan ja volyymin mukaan. Välitysliikekäyttöön listattuihin ominaisuuksiin kuuluvat myös ennakkotiedot riskialtistuksesta, dynaaminen suojaus, äärimmäisten riskien hallinta sekä lipsuman ja riskinarvon pienentäminen. Gal-Or kertoi TechCrunchille, että asiakkaat käyttävät järjestelmää likviditeetin, vakuusvaatimusten ja suojausriskien hallintaan.

Gal-Orin mukaan käytössä oleva järjestelmä ei tarvitse henkilötietoja, joista henkilön voisi tunnistaa, eikä malli koskaan tiedä, kuka henkilö on. TechCrunchin mukaan 42AI kuitenkin luo yksilöllisiä käyttäytymisprofiileja toisiinsa yhdistetyn asiakastoiminnan perusteella.

Kun TechCrunch nosti esiin mahdollisuuden, että asiakkaat voisivat käyttää hyväkseen ennusteita omista asiakkaistaan, Ezra piti huolta aiheellisena. Perustajat viittasivat sääntelyyn, valvontaan ja yrityksen sisäiseen eettiseen toimikuntaan, ja Gal-Or sanoi teknologian voivan auttaa tällaisten riskien torjumisessa. TechCrunchin mukaan he eivät kuitenkaan selittäneet, millä konkreettisella mekanismilla estettäisiin asiakkaita käyttämästä ennusteita saavuttaakseen etulyöntiaseman niiden ihmisten suhteen, joista profiileja luodaan.

Perustajat kertoivat TechCrunchille, että 42AI tutkii mahdollisuuksia pelialalla, petostentorjunnassa ja kyberturvallisuudessa ja haluaa lopulta, että robotit ja tekoälyagentit käyttäisivät mallia ihmisten ymmärtämiseen. Ezra sanoi, että malli on koulutettava kunkin uuden alan sääntöjen ja toimintaympäristön pohjalta. Gal-Or kertoi myös, että yritys aikoo hankkia lisää rahoitusta.

Laajentuminen dokumentoitujen välitysalalla toteutettujen käyttöönottojen ulkopuolelle edellyttää Ezran kuvaamaa alakohtaista koulutusta, ja 42AI:n ilmoittamana rahoitussuunnitelmana on hankkia lisää rahoitusta.