42AI lanserer en atferdsbasert verdensmodell for å forutsi menneskelige beslutninger

De fleste AI-systemer er utviklet for å tolke informasjon eller generere et svar. 42AI undersøker et annet spørsmål: Hvordan vil en bestemt person reagere når omstendighetene endrer seg? Selskapet har nå kommet ut av stealth-fasen med det de kaller en atferdsbasert verdensmodell, og løfter fram menneskelig atferd som et eget prediksjonsproblem for bedriftsrettet AI.

Selskapet fra Tel Aviv opplyser at det til nå har hentet inn 62,5 millioner dollar, og at det starter i finansmarkedene. Lanseringen presenterer bedrifter for en ambisiøs påstand: Det kan være like viktig å forstå menneskene bak en strøm av transaksjoner som å analysere selve transaksjonene.

En verdensmodell med mennesker i sentrum

Innen robotikk beskriver en verdensmodell vanligvis hvordan et miljø endrer seg når objekter beveger seg og handlinger utspiller seg. 42AI anvender ideen om en verdensmodell på mennesker ved å kombinere informasjon om individuelle egenskaper, skiftende omstendigheter og tidligere atferd for å forutsi framtidige handlinger.

Selskapet beskriver en proprietær tilnærming som omfatter psykologiske, atferdsmessige og genomiske data. Kunngjøringen forklarer ikke hvor disse datasettene kommer fra, hvilke samtykkeordninger som gjelder, eller om genomiske data er nødvendige i kommersielle utrullinger. Dette skillet er viktig: At forskningsgrunnlaget beskrives, betyr ikke at kundene må oppgi genetisk informasjon.

På nettstedet sitt presenterer 42AI plattformen som en løsning for risikointelligens basert på atferd. Den foreslåtte arbeidsflyten går fra rådata til forståelse av atferdsdrivere, og deretter til prediksjoner av reaksjoner på hendelser og atferd over tid. Blant bruksområdene selskapet oppgir, er eksponeringshåndtering, svindeldeteksjon, cybersikkerhet, investeringsanalyse og persontilpasset AI.

Det praktiske fortrinnet ligger i konteksten. To personer som blir stilt overfor den samme informasjonen, kan ta ulike beslutninger, mens én og samme person kan reagere forskjellig når insentiver, begrensninger eller erfaring endrer seg. En nyttig atferdsmodell må kunne gjenspeile disse forskjellene, i stedet for å behandle alle brukere som utskiftbare medlemmer av en demografisk gruppe.

Forskningen bak prediksjon av atferd

Et forskningsfortrykk fra februar 2026, lenket til av 42AI, Decoding the Human Factor: High Fidelity Behavioral Prediction for Strategic Foresight, gir et mer konkret innblikk i selskapets forskningsretning. Det beskriver en stor atferdsmodell som er utviklet ved å finjustere Llama 3.1-8B-Instruct med strukturerte profiler basert på psykometriske vurderinger.

Forskerne knytter personlige disposisjoner, motivasjonstilstander og situasjonsbestemte begrensninger til observerte valg. De rapporterer at den tilpassede modellen presterer bedre enn grunnmodellen i scenarioer den ikke er trent på, og at mer detaljerte egenskapsprofiler kan gi fordeler sammenlignet med å bruke brede personlighetstyper i ledetekster.

Dette illustrerer den tekniske forskjellen mellom å be en generell chatbot forestille seg hvordan noen vil oppføre seg, og å trene en modell spesifikt til å bruke strukturerte atferdsdata. Fortrykket dokumenterer imidlertid ikke uavhengig ytelsen til hvert kommersielle produkt 42AI har kunngjort, og evalueringene av scenarioer bør ikke forveksles med selskapets handelsprognoser.

Finansmarkedene blir den første kommersielle prøvesteinen

42AI sier at den første bruken er å forutsi individuelle traderes handlinger, blant annet hvilket instrument de handler med, retningen, tidspunktet og handelsvolumet, med tidshorisonter på én, fire og 24 timer. Selskapet oppgir en treffsikkerhet på over 98 prosent på tvers av millioner av tradere.

Dette tallet er en påstand fra selskapet. Kunngjøringen gir ikke nok informasjon om hvordan treffsikkerheten er beregnet, hvilke sammenligningsgrunnlag som er brukt, eller hvilke valideringsdata som ligger til grunn, til at den kan vurderes uavhengig. Å forutsi en traders atferd er dessuten noe annet enn å forutsi markedspriser eller dokumentere en lønnsom investeringsstrategi.

For en megler er den umiddelbare bruken å forutse eksponering: hvordan kundenes samlede handlinger kan endre meglerens risikoposisjon. Det gir atferdsprediksjon et operativt formål, også når den ikke brukes til å anbefale en investering.

Fra atferdsprognoser til beslutninger i bedrifter

Ifølge selskapets side om ledelsen ledes 42AI av administrerende direktør Amit Gal-Or og teknologidirektør Ehud Ezra, med Amir Gal-Or som medgrunnlegger og styreleder. Forskningsledelsen omfatter professor Roi Reichart, spesialist på kognitiv AI, og professor Eyal Fruchter, leder for atferdsforskningen. Nobelprisvinner professor Dan Shechtman er seniorrådgiver.

Mulighetene strekker seg lenger enn finans. En AI-assistent som forutser hvordan noen vil tolke en anbefaling, kan tilpasse samhandlingen slik at den blir mer nyttig. Den samme funksjonen kan også påvirke viktige beslutninger om kunder eller ansatte, noe som gjør samtykke, forsvarlig bruk og muligheten til å bestride en prediksjon avgjørende for utrullingen.

Lanseringen fra 42AI presenterer en tilnærming til et krevende AI-problem: å modellere menneskelig variasjon i stedet for bare å produsere velformulerte svar. Den neste prøven blir å vise at prediksjonene fortsatt er nyttige og pålitelige utenfor kontrollerte evalueringer – og at bedrifter kan handle på grunnlag av dem uten å behandle en sannsynlighetsbasert prognose som en fast beskrivelse av en person.