42AI si assicura 62,5 milioni di dollari in un finanziamento seed per il suo modello del mondo comportamentale

TechCrunch ha riferito il 2 novembre 2026 che la startup israeliana 42AI era uscita dalla fase di stealth con un finanziamento seed di 62,5 milioni di dollari e un modello del mondo comportamentale operativo presso società di intermediazione finanziaria. I fondatori hanno dichiarato a TechCrunch che il sistema stima le probabilità delle azioni che i singoli clienti potrebbero compiere al mutare delle circostanze.

L’amministratore delegato e cofondatore Amit Gal-Or ha dichiarato a TechCrunch che i fondi sono stati messi a disposizione dai fondatori e da Infinity Group nell’arco di tre anni e non sono stati raccolti interamente da investitori esterni. Infinity è stata fondata da suo padre, Amir Gal-Or, che è anche presidente del consiglio di amministrazione di 42AI e cofondatore. Ehud Ezra è direttore tecnico e cofondatore.

Gal-Or ha dichiarato che 42AI collabora con 10 grandi società di intermediazione, sta acquisendo nuovi clienti e genera ricavi superiori a sette cifre, senza però fornire una cifra precisa. I clienti pagano una tariffa fissa oppure una percentuale del valore che la piattaforma li aiuta a ottenere. Ha affermato che una società di intermediazione ha generato circa 30 milioni di dollari di valore aggiuntivo tramite la copertura dinamica.

Come funziona il modello comportamentale

Gal-Or ed Ezra hanno dichiarato a TechCrunch che il comportamento è probabilistico, non deterministico. Hanno spiegato che 42AI cerca di individuare le motivazioni sottostanti anziché limitarsi a estrapolare le azioni precedenti, assegnando con il modello probabilità alle possibili decisioni in circostanze diverse.

Per i clienti del settore dell’intermediazione, gli input possono comprendere le procedure di adeguata verifica della clientela e di onboarding, le interazioni con l’assistenza e il reparto vendite, i trasferimenti di denaro e le operazioni di trading, ha spiegato Ezra. Tra i segnali analizzati figurano il sentiment, la voce, la frequenza delle chiamate, il momento in cui vengono effettuati acquisti e vendite e le condizioni di mercato concomitanti.

TechCrunch ha riferito che queste osservazioni vengono convertite in rappresentazioni matematiche dei tratti e immesse in un modello del mondo basato su transformer. Un modello linguistico separato genera spiegazioni delle previsioni. Ezra ha dichiarato che i criteri di ricompensa dell’addestramento sono progettati per preservare le tendenze sottostanti durante le simulazioni: una persona normalmente avversa al rischio non dovrebbe essere improvvisamente rappresentata come incline al rischio.

Dati di addestramento e risultati dichiarati

Gal-Or ha dichiarato che 42AI ha impiegato tre anni per sviluppare questo approccio, combinando la ricerca psicologica con le neuroscienze e la genetica e avvalendosi della consulenza di esperti di psicologia e disturbo da stress post-traumatico (PTSD), nonché del chimico Dan Shechtman. Inizialmente il team ha studiato migliaia di persone tramite valutazioni psicologiche e scenari comportamentali, per poi aggiungere set di dati governativi e di biobanche relativi a oltre 2 milioni di persone. Ha affermato che in seguito i set di dati dei clienti sono stati ampliati fino a comprendere quasi 30 milioni di persone.

TechCrunch ha riportato la cifra dichiarata da 42AI di un’accuratezza del 98% nella previsione delle operazioni di mercato. Gal-Or ha chiarito che questa misura indica se i flussi di trading rientrano in un intervallo previsto, non se ogni singola operazione viene prevista correttamente. Ha inoltre riferito punteggi F1 compresi tra 0,8 e 0,85 per la direzione e il volume delle operazioni. Il punteggio F1 misura l’equilibrio tra previsioni corrette, falsi allarmi ed eventi non rilevati da un modello di classificazione.

I fondatori hanno riconosciuto che esiste un limite massimo all’accuratezza, poiché il sistema non ha accesso a tutto ciò che una persona vive. Ezra ha spiegato che l’accuratezza diminuisce anche quando manca un contesto situazionale importante, per esempio il consiglio di un amico o di un collega che modifica una decisione di trading.

Un preprint presentato ad arXiv il 19 febbraio 2026 da Ben Yellin, Ezra, Mark Foreman e Shula Grinapol ha introdotto un modello comportamentale di grandi dimensioni, perfezionato per prevedere le scelte strategiche individuali a partire da profili strutturati e ad alta dimensionalità di tratti psicometrici. Gli autori hanno descritto un addestramento condotto su un set di dati proprietario che collega disposizioni stabili, stati motivazionali e vincoli situazionali alle scelte osservate.

In una valutazione basata su scenari esclusi dall’addestramento, gli autori hanno riferito che il modello migliorava la previsione del comportamento rispetto al modello di base Llama-3.1-8B-Instruct non adattato e otteneva prestazioni comparabili a quelle dei modelli di riferimento più avanzati quando veniva condizionato sui tratti Big Five. Hanno inoltre riferito che il loro modello continuava a trarre vantaggio da profili di tratti più densi, mentre i modelli di riferimento basati su prompt mostravano un limite di complessità.

Applicazioni per le società di intermediazione e limiti dichiarati

Sul sito web di 42AI, l’azienda descrive uno stack comportamentale che trasforma i dati grezzi in fattori comportamentali, prevede le reazioni a eventi specifici e il comportamento nel tempo, simula variabili mutevoli e fornisce spiegazioni. Indica tempi di risposta compresi tra 1 e 10 millisecondi per il modello del mondo e tra 2 e 12 millisecondi per il modello comportamentale di grandi dimensioni.

Per le società di intermediazione, il sito afferma che il servizio può prevedere le operazioni di ciascun cliente con un anticipo massimo di 24 ore, specificandone lo strumento, la direzione e il volume. Tra le applicazioni per il settore elenca anche la visibilità anticipata dell’esposizione, la copertura dinamica, la gestione dei rischi di coda e la riduzione dello slippage e del valore a rischio. Gal-Or ha dichiarato a TechCrunch che i clienti utilizzano il sistema per gestire la liquidità, i requisiti di margine e l’esposizione alle coperture.

Gal-Or ha affermato che il sistema in uso non necessita di informazioni personali identificabili e che il modello non sa mai chi sia la persona. TechCrunch ha riferito che 42AI crea comunque profili comportamentali individuali a partire dalle attività dei clienti collegate tra loro.

Quando TechCrunch ha sollevato la possibilità che i clienti sfruttassero le previsioni sui propri clienti, Ezra l’ha definita una preoccupazione legittima. I fondatori hanno fatto riferimento alle normative, al monitoraggio e a un comitato etico interno, mentre Gal-Or ha affermato che la tecnologia potrebbe contribuire ad affrontare rischi di questo tipo. TechCrunch ha riferito che non hanno illustrato un meccanismo specifico per impedire ai clienti di usare le previsioni per ottenere un vantaggio sulle persone profilate.

I fondatori hanno dichiarato a TechCrunch che 42AI sta esplorando i settori dei videogiochi, della prevenzione delle frodi e della sicurezza informatica e che, in futuro, vorrebbe che robot e agenti di IA usassero il modello per comprendere le persone. Ezra ha affermato che il modello deve essere addestrato sulle regole e sul contesto di ogni nuovo settore. Gal-Or ha inoltre dichiarato che l’azienda prevede di raccogliere ulteriori fondi.

Per espandersi oltre le implementazioni documentate presso società di intermediazione, è necessario l’addestramento specifico per settore descritto da Ezra, mentre il piano di finanziamento dichiarato da 42AI prevede la raccolta di ulteriori fondi.