42AI привлекла $62,5 млн посевного финансирования для создания поведенческой модели мира

Как сообщило TechCrunch 2 ноября 2026 года, израильский стартап 42AI вышел из режима скрытой разработки, получив $62,5 млн посевного финансирования, и представил поведенческую модель мира, работающую в финансовых брокерских компаниях. Основатели рассказали TechCrunch, что система оценивает вероятность того, как отдельные клиенты могут повести себя в меняющихся обстоятельствах.

Генеральный директор и сооснователь Amit Gal-Or рассказал TechCrunch, что финансирование поступало от основателей и Infinity Group на протяжении трёх лет и не было целиком привлечено от внешних инвесторов. Infinity основал его отец Amir Gal-Or, который также является председателем совета директоров 42AI и сооснователем компании. Ehud Ezra занимает должность технического директора и является сооснователем.

По словам Gal-Or, 42AI работает с 10 крупными брокерскими компаниями, подключает новых клиентов и получает выручку в размере более семи цифр, однако точную сумму он не назвал. Клиенты платят либо фиксированную сумму, либо процент от выгоды, которую платформа помогает им получить. Он сообщил, что одна брокерская компания получила около $30 млн дополнительной выгоды благодаря динамическому хеджированию.

Как работает поведенческая модель

Gal-Or и Ezra рассказали TechCrunch, что поведение вероятностно, а не детерминировано. По их словам, 42AI пытается выявлять глубинные мотивы, а не просто экстраполировать прошлые действия: модель оценивает вероятность возможных решений в разных обстоятельствах.

По словам Ezra, для клиентов брокерских компаний в число входных данных могут входить сведения, собранные в рамках процедур «знай своего клиента» и подключения к сервису, взаимодействия со службой поддержки и отделом продаж, денежные переводы и сделки. Анализируются такие сигналы, как тональность, голос, частота звонков, время покупок и продаж, а также текущая ситуация на рынке.

Как сообщило TechCrunch, эти наблюдения преобразуются в математические представления характеристик и передаются в основанную на архитектуре трансформера модель мира. Отдельная языковая модель формирует объяснения прогнозов. Ezra рассказал, что при обучении система поощряет сохранение глубинных склонностей в ходе симуляций: человека, обычно избегающего риска, не следует внезапно моделировать как склонного к риску.

Данные для обучения и заявленные результаты

По словам Gal-Or, 42AI потратила три года на разработку этого подхода, объединив психологические исследования с нейронаукой и генетикой и получая консультации экспертов в области психологии и ПТСР, а также химика Dan Shechtman. Сначала команда изучила тысячи людей с помощью психологических оценок и поведенческих сценариев, а затем добавила наборы данных государственных учреждений и биобанков, охватывающие более 2 млн человек. По его словам, впоследствии клиентские наборы данных расширились и стали охватывать почти 30 млн человек.

TechCrunch сообщил, что 42AI заявляет о точности в 98% при прогнозировании рыночных сделок. Gal-Or пояснил, что этот показатель отражает, попадают ли потоки сделок в прогнозируемый диапазон, а не то, правильно ли предсказывается каждая отдельная сделка. Он также сообщил, что показатели F1 для направления и объёма сделок составляют от 0,8 до 0,85. F1 показывает, насколько хорошо модель классификации балансирует между верными прогнозами, ложными срабатываниями и пропущенными событиями.

Основатели признали, что точность системы ограничена, поскольку ей недоступно всё, что переживает человек. Ezra отметил, что точность также снижается, когда отсутствует важный контекст ситуации, например совет друга или коллеги, который меняет решение о сделке.

Препринт, поданный в arXiv 19 февраля 2026 года Ben Yellin, Ezra, Mark Foreman и Shula Grinapol представили большую поведенческую модель, дообученную для прогнозирования индивидуальных стратегических решений на основе структурированных психометрических профилей признаков высокой размерности. Авторы описали обучение на закрытом наборе данных, связывающем устойчивые склонности, мотивационные состояния и ситуативные ограничения с наблюдаемыми решениями.

В оценке на отложенном наборе сценариев авторы сообщили о более высокой точности поведенческих прогнозов по сравнению с исходной, не адаптированной базовой моделью Llama-3.1-8B-Instruct, а также о результатах, сопоставимых с передовыми базовыми моделями при использовании признаков «Большой пятёрки». Они также отметили, что их модель продолжала выигрывать от более подробных профилей признаков, тогда как базовые модели, использующие подсказки, достигали предела сложности.

Применение в брокерских компаниях и заявленные ограничения

На сайте 42AI компания описывает поведенческий стек, который преобразует исходные данные в поведенческие факторы, прогнозирует реакции на конкретные события и поведение с течением времени, моделирует изменения переменных и предоставляет объяснения. Для модели мира указано время отклика от 1 до 10 миллисекунд, а для большой поведенческой модели — от 2 до 12 миллисекунд.

На сайте говорится, что для брокерских компаний продукт может прогнозировать сделки каждого клиента на срок до 24 часов вперёд, указывая инструмент, направление и объём. Среди других возможностей для брокерских компаний перечислены заблаговременная оценка риска, динамическое хеджирование, управление хвостовыми рисками, а также снижение проскальзывания и стоимости под риском. Gal-Or рассказал TechCrunch, что клиенты используют систему для управления ликвидностью, требованиями к марже и риском, связанным с хеджированием.

По словам Gal-Or, развернутой системе не нужны персональные данные, позволяющие идентифицировать человека, и модель никогда не знает, кто этот человек. Однако, как сообщило TechCrunch, 42AI всё же создаёт индивидуальные поведенческие профили на основе связанных данных о действиях клиентов.

Когда TechCrunch поднял вопрос о том, что клиенты могут использовать прогнозы о собственных клиентах в своих интересах, Ezra назвал это обоснованным опасением. Основатели указали на регулирование, мониторинг и внутренний комитет по этике, а Gal-Or отметил, что технология может помочь снизить такие риски. По сообщению TechCrunch, они не объяснили, какой конкретный механизм помешает клиентам использовать прогнозы, чтобы получить преимущество перед людьми, чьи профили анализируются.

Основатели рассказали TechCrunch, что 42AI изучает возможности применения модели в игровой сфере, для предотвращения мошенничества и в кибербезопасности, а в перспективе хочет, чтобы роботы и ИИ-агенты использовали её для понимания людей. Ezra сказал, что для каждой новой области модель необходимо обучать с учётом её правил и контекста. Gal-Or также сообщил, что компания планирует привлечь дополнительное финансирование.

Для расширения применения за пределы задокументированных внедрений в брокерских компаниях потребуется обучение модели с учётом специфики конкретной области, о котором говорил Ezra; согласно заявлению 42AI, компания планирует привлечь дополнительное финансирование.