42AI, 행동 세계 모델 개발 위해 시드 투자 6,250만 달러 유치

TechCrunch는 2026년 11월 2일, 이스라엘 스타트업 42AI가 6,250만 달러의 시드 투자를 유치하고 금융 중개사에서 작동하는 행동 세계 모델을 공개하며 스텔스 모드에서 벗어났다고 보도했다. 창업자들은 시스템이 상황 변화에 따라 개별 고객이 어떻게 행동할지 확률을 추정한다고 TechCrunch에 밝혔다.

공동 창업자이자 최고경영자인 Amit Gal-Or는 TechCrunch에 이번 자금이 3년에 걸쳐 창업자들과 Infinity Group에서 조달됐으며, 전액을 외부 투자자로부터 유치한 것은 아니라고 말했다. Infinity는 그의 아버지인 Amir Gal-Or가 설립했으며, Amir Gal-Or는 42AI의 회장이자 공동 창업자이기도 하다. Ehud Ezra는 최고기술책임자이자 공동 창업자다.

Gal-Or는 42AI가 대형 증권사 10곳과 협력하고 있고, 더 많은 고객을 확보하는 절차를 진행 중이며, 매출이 7자리 수를 넘는다고 말했다. 다만 정확한 수치는 밝히지 않았다. 고객은 정액 요금이나 플랫폼이 창출하도록 돕는 가치의 일정 비율을 지불한다. 그는 한 증권사가 동적 헤징을 통해 약 3,000만 달러의 추가 가치를 창출했다고 말했다.

행동 모델의 작동 방식

Gal-Or와 Ezra는 TechCrunch에 행동은 결정론적이 아니라 확률적이라고 말했다. 이들은 42AI가 과거 행동을 단순히 외삽하는 대신 근본적인 동기를 파악하려 한다며, 모델은 다양한 상황에서 가능한 결정에 확률을 부여한다고 설명했다.

Ezra에 따르면 증권사 고객의 경우 입력 데이터에는 고객 확인 및 가입 절차, 고객 지원 및 영업 상호작용, 자금 이체와 거래 내역이 포함될 수 있다. 분석하는 신호에는 감정, 목소리, 통화 빈도, 매수와 매도 시점, 동시점의 시장 상황이 포함된다.

TechCrunch는 이러한 관찰 내용을 특성의 수학적 표현으로 변환해 트랜스포머 기반 세계 모델에 입력한다고 보도했다. 별도의 언어 모델이 예측에 대한 설명을 생성한다. Ezra는 시뮬레이션 중에도 근본적인 성향이 유지되도록 학습 보상을 설계했다고 말했다. 평소 위험 회피 성향이 있는 사람이 갑자기 위험을 감수하는 사람으로 모델링되어서는 안 된다는 것이다.

학습 데이터와 공개된 성과

Gal-Or는 42AI가 심리학 연구와 신경과학 및 유전학을 결합하고 심리학·외상후스트레스장애(PTSD) 전문가와 화학자 Dan Shechtman의 자문을 받아 이 접근법을 개발하는 데 3년을 들였다고 말했다. 팀은 처음에 심리 평가와 행동 시나리오를 통해 수천 명을 연구한 뒤, 200만 명이 넘는 사람을 다룬 정부 및 바이오뱅크 데이터 세트를 추가했다. Gal-Or에 따르면 이후 고객 데이터 세트는 거의 3,000만 명을 포괄하도록 확대됐다.

TechCrunch는 42AI가 시장 거래 예측의 정확도를 98%라고 밝혔다고 보도했다. Gal-Or는 이 수치가 개별 거래를 정확히 예측했는지가 아니라 거래 흐름이 예측 범위 안에 드는지를 측정한다고 설명했다. 그는 거래 방향과 거래량의 F1 점수도 0.8~0.85라고 밝혔다. F1 점수는 분류 모델이 정확한 예측과 오경보 및 놓친 사례 사이에서 얼마나 균형을 이루는지를 측정한다.

창업자들은 시스템이 한 사람이 겪는 모든 일에 접근할 수 없기 때문에 정확도에 한계가 있다고 인정했다. Ezra는 거래 결정을 바꾸는 친구나 동료의 조언처럼 중요한 상황적 맥락이 빠지면 정확도도 떨어진다고 말했다.

Ben Yellin, Ezra, Mark Foreman, Shula Grinapol이 2026년 2월 19일 arXiv에 제출한 사전 공개 논문은 구조화된 고차원 심리측정 특성 프로필을 바탕으로 개인의 전략적 선택을 예측하도록 미세 조정한 대규모 행동 모델을 소개했다. 저자들은 안정적인 성향, 동기 상태, 상황적 제약을 관찰된 선택과 연결한 독점 데이터 세트로 모델을 학습했다고 설명했다.

별도 보류 시나리오 평가에서 저자들은 행동 예측 성능이 미세 조정하지 않은 Llama-3.1-8B-Instruct 기반 모델보다 향상됐으며, Big Five 특성을 조건으로 제공했을 때는 최첨단 기준 모델과 비슷한 성능을 보였다고 보고했다. 또한 이 모델은 특성 프로필이 더 조밀해질수록 계속 성능 향상을 보인 반면, 프롬프트 기반 기준 모델은 복잡성의 한계에 부딪혔다고 밝혔다.

증권사 활용 사례와 명시된 한계

42AI 웹사이트에서 회사는 원시 데이터를 행동 동인으로 변환하고, 특정 사건에 대한 반응과 시간에 따른 행동을 예측하며, 변수가 바뀌는 상황을 시뮬레이션하고 설명을 제공하는 행동 기술 스택을 소개한다. 세계 모델의 응답 시간은 1~10밀리초, 대규모 행동 모델의 응답 시간은 2~12밀리초라고 명시한다.

웹사이트에 따르면 증권사 고객은 이 서비스를 통해 종목, 방향, 거래량별로 최대 24시간 전에 각 고객의 거래를 예측할 수 있다. 증권사 활용 사례로는 익스포저 사전 파악, 동적 헤징, 극단적 위험 관리, 슬리피지 및 위험가치의 감소도 제시한다. Gal-Or는 고객들이 이 시스템으로 유동성, 증거금 요건, 헤징 익스포저를 관리한다고 TechCrunch에 말했다.

Gal-Or는 실제 운영 중인 시스템에는 개인 식별 정보가 필요하지 않으며 모델은 해당 인물이 누구인지 전혀 알지 못한다고 말했다. TechCrunch는 그럼에도 42AI가 서로 연결된 고객 활동 정보를 바탕으로 개인별 행동 프로필을 만든다고 보도했다.

TechCrunch가 고객이 자신의 고객에 관한 예측을 악용할 가능성을 제기하자, Ezra는 타당한 우려라고 말했다. 창업자들은 규제와 모니터링, 사내 윤리위원회를 언급했고, Gal-Or는 이 기술이 그런 위험에 대응하는 데 도움이 될 수 있다고 말했다. TechCrunch는 이들이 고객이 예측을 이용해 프로파일링 대상자보다 유리한 위치를 차지하지 못하도록 막을 구체적인 장치는 설명하지 않았다고 보도했다.

창업자들은 TechCrunch에 42AI가 게임, 사기 방지, 사이버 보안 분야를 살펴보고 있으며, 장기적으로는 로봇과 AI 에이전트가 이 모델을 사용해 사람을 이해하도록 하는 것이 목표라고 말했다. Ezra는 새로운 분야마다 해당 분야의 규칙과 맥락을 모델에 학습시켜야 한다고 말했다. Gal-Or는 회사가 추가 자금을 조달할 계획이라고도 밝혔다.

문서화된 증권 중개 분야의 도입 사례를 넘어 확장하려면 Ezra가 설명한 분야별 학습이 필요하며, 42AI가 밝힌 자금 조달 계획은 추가 자금을 조달하는 것이다.