42AI Mendapatkan Pendanaan Tahap Awal sebesar $62,5 Juta untuk Model Dunia Perilaku

Pada 2 November 2026, TechCrunch melaporkan bahwa startup asal Israel, 42AI, telah keluar dari fase operasi tertutup dengan pendanaan tahap awal sebesar $62,5 juta dan sebuah model dunia perilaku yang beroperasi di perusahaan pialang keuangan. Para pendiri mengatakan kepada TechCrunch bahwa sistem tersebut memperkirakan probabilitas tindakan yang mungkin diambil tiap klien dalam keadaan yang berubah-ubah.

CEO sekaligus salah satu pendiri, Amit Gal-Or, mengatakan kepada TechCrunch bahwa pendanaan tersebut berasal dari para pendiri dan Infinity Group selama tiga tahun, dan tidak seluruhnya dihimpun dari investor eksternal. Infinity didirikan oleh ayahnya, Amir Gal-Or, yang juga menjabat sebagai ketua 42AI dan merupakan salah satu pendirinya. Ehud Ezra adalah kepala teknologi sekaligus salah satu pendiri.

Gal-Or mengatakan bahwa 42AI bekerja sama dengan 10 perusahaan pialang besar, sedang menerima lebih banyak pelanggan, dan menghasilkan pendapatan bernilai lebih dari tujuh digit, meski ia tidak menyebutkan angka pastinya. Pelanggan membayar biaya tetap atau persentase dari nilai yang membantu mereka peroleh melalui platform tersebut. Ia mengatakan bahwa sebuah perusahaan pialang menghasilkan nilai tambahan sekitar $30 juta melalui lindung nilai dinamis.

Cara Kerja Model Perilaku

Gal-Or dan Ezra mengatakan kepada TechCrunch bahwa perilaku bersifat probabilistik, bukan deterministik. Menurut mereka, 42AI berupaya mengidentifikasi motivasi yang mendasari perilaku, alih-alih sekadar mengekstrapolasi tindakan sebelumnya, dengan model tersebut menetapkan probabilitas untuk berbagai kemungkinan keputusan dalam keadaan yang berbeda.

Untuk pelanggan perusahaan pialang, Ezra mengatakan bahwa masukan dapat mencakup proses kenali pelanggan dan orientasi pelanggan, interaksi dukungan dan penjualan, transfer uang, serta transaksi. Sinyal yang diperiksa meliputi sentimen, suara, frekuensi panggilan, waktu pembelian dan penjualan, serta kondisi pasar yang berlangsung bersamaan.

TechCrunch melaporkan bahwa pengamatan tersebut diubah menjadi representasi matematis dari berbagai karakteristik, lalu dimasukkan ke model dunia berbasis transformer. Model bahasa terpisah menghasilkan penjelasan atas prediksi. Ezra mengatakan bahwa fungsi penghargaan dalam pelatihan dirancang untuk mempertahankan kecenderungan mendasar selama simulasi: seseorang yang biasanya menghindari risiko tidak seharusnya tiba-tiba dimodelkan sebagai pengambil risiko.

Data Pelatihan dan Hasil yang Dilaporkan

Gal-Or mengatakan bahwa 42AI menghabiskan waktu tiga tahun untuk mengembangkan pendekatan ini, dengan memadukan riset psikologi, neurosains, dan genetika serta menerima masukan dari para ahli psikologi dan PTSD, serta ahli kimia Dan Shechtman. Awalnya, tim tersebut meneliti ribuan orang melalui asesmen psikologis dan skenario perilaku, kemudian menambahkan kumpulan data pemerintah dan biobank yang mencakup lebih dari 2 juta orang. Ia mengatakan bahwa kumpulan data pelanggan kemudian diperluas hingga mencakup hampir 30 juta orang.

TechCrunch melaporkan angka akurasi 98% yang diklaim 42AI untuk prediksi transaksi pasar. Gal-Or menjelaskan bahwa angka tersebut mengukur apakah arus transaksi berada dalam rentang yang diprediksi, bukan apakah setiap transaksi individual diprediksi dengan benar. Ia juga melaporkan skor F1 sebesar 0,8 hingga 0,85 untuk arah dan volume transaksi. F1 mengukur keseimbangan model klasifikasi antara prediksi yang benar, alarm palsu, dan kejadian yang terlewat.

Para pendiri mengakui adanya batas maksimum akurasi karena sistem tersebut tidak memiliki akses ke semua hal yang dialami seseorang. Ezra mengatakan bahwa akurasi juga menurun ketika konteks situasional yang penting tidak tersedia, misalnya saran dari teman atau kolega yang mengubah keputusan transaksi.

Sebuah naskah pracetak yang diajukan ke arXiv pada 19 Februari 2026 oleh Ben Yellin, Ezra, Mark Foreman, dan Shula Grinapol memperkenalkan Large Behavioral Model yang disetel lebih lanjut untuk memprediksi pilihan strategis individu berdasarkan profil sifat psikometrik terstruktur berdimensi tinggi. Para penulis menjelaskan bahwa model tersebut dilatih menggunakan kumpulan data eksklusif yang menghubungkan disposisi stabil, keadaan motivasi, dan kendala situasional dengan pilihan yang diamati.

Dalam evaluasi skenario dengan data yang disisihkan, para penulis melaporkan peningkatan prediksi perilaku dibandingkan model dasar Llama-3.1-8B-Instruct yang tidak diadaptasi, serta kinerja yang sebanding dengan model pembanding terdepan ketika menggunakan ciri-ciri Big Five sebagai kondisi. Mereka juga melaporkan bahwa model mereka terus memperoleh manfaat dari profil sifat yang lebih padat, sementara model pembanding berbasis perintah menunjukkan batas kompleksitas.

Penggunaan di Perusahaan Pialang dan Batasan yang Dinyatakan

Di situs web 42AI, perusahaan tersebut menjelaskan rangkaian teknologi perilaku yang mengubah data mentah menjadi pendorong perilaku, memprediksi respons terhadap peristiwa tertentu dan perilaku dari waktu ke waktu, menyimulasikan variabel yang berubah, serta memberikan penjelasan. Perusahaan itu mencantumkan waktu respons 1–10 milidetik untuk model dunia dan 2–12 milidetik untuk model perilaku besar.

Untuk perusahaan pialang, situs tersebut menyebutkan bahwa layanan ini dapat memprediksi transaksi setiap klien hingga 24 jam ke depan berdasarkan instrumen, arah, dan volume. Situs itu juga mencantumkan visibilitas awal atas eksposur, lindung nilai dinamis, pengelolaan risiko ekstrem, serta pengurangan slippage dan nilai berisiko sebagai kegunaan layanan tersebut bagi perusahaan pialang. Gal-Or mengatakan kepada TechCrunch bahwa pelanggan menggunakan sistem ini untuk mengelola likuiditas, persyaratan margin, dan eksposur lindung nilai.

Gal-Or mengatakan bahwa sistem yang diterapkan tidak memerlukan informasi pengenal pribadi dan model tersebut tidak pernah mengetahui identitas orang yang bersangkutan. TechCrunch melaporkan bahwa meski demikian, 42AI membuat profil perilaku individu dari aktivitas pelanggan yang saling tertaut.

Ketika TechCrunch mengangkat kemungkinan bahwa pelanggan dapat memanfaatkan prediksi tentang klien mereka sendiri, Ezra menyebutnya sebagai kekhawatiran yang beralasan. Para pendiri menunjuk peraturan, pemantauan, dan komite etik internal, sementara Gal-Or mengatakan teknologi tersebut dapat membantu mengatasi risiko semacam itu. TechCrunch melaporkan bahwa mereka tidak menjelaskan mekanisme spesifik untuk mencegah pelanggan menggunakan prediksi guna memperoleh keuntungan atas orang-orang yang diprofilkan.

Para pendiri memberi tahu TechCrunch bahwa 42AI sedang menjajaki bidang gim, pencegahan penipuan, dan keamanan siber, serta pada akhirnya ingin agar robot dan agen AI menggunakan model tersebut untuk memahami manusia. Ezra mengatakan model itu harus dilatih menggunakan aturan dan konteks setiap ranah baru. Gal-Or juga mengatakan perusahaan berencana menghimpun dana tambahan.

Ekspansi di luar penerapan terdokumentasi di perusahaan pialang memerlukan pelatihan khusus untuk setiap ranah, seperti yang dijelaskan Ezra, sementara rencana pendanaan yang dinyatakan 42AI adalah menghimpun dana tambahan.