42AI lanserar en världsmodell för mänskligt beteende som ska förutsäga människors beslut

De flesta AI-system är byggda för att tolka information eller generera svar. 42AI undersöker en annan fråga: Hur kommer en viss person att reagera när omständigheterna förändras? Företaget har trätt fram ur stealthfasen med det som kallas en världsmodell för mänskligt beteende och framhåller mänskligt beteende som ett särskilt förutsägelseproblem för AI i företag.

Det Tel Aviv-baserade företaget uppger att det hittills har tagit in 62,5 miljoner dollar och nu inleder sin verksamhet på finansmarknaderna. Lanseringen presenterar ett ambitiöst förslag för företag: att förstå människorna bakom en ström av transaktioner kan vara lika viktigt som att analysera transaktionerna i sig.

En världsmodell med fokus på människor

Inom robotik beskriver en världsmodell vanligtvis hur en miljö förändras när föremål rör sig och handlingar utförs. 42AI tillämpar idén om världsmodeller på människor och kombinerar information om individuella egenskaper, föränderliga omständigheter och tidigare beteenden för att förutse framtida handlingar.

Företaget beskriver en egenutvecklad metod som omfattar psykologiska, beteendemässiga och genomiska data. I sitt tillkännagivande förklarar företaget inte varifrån dessa datamängder kommer eller vilka samtyckesarrangemang som gäller, och inte heller om genomiska indata behövs vid kommersiell användning. Den skillnaden är viktig: att beskriva forskningsunderlaget innebär inte att kunder måste lämna genetisk information.

På sin webbplats beskriver 42AI plattformen som underrättelser om beteenderisker. Det föreslagna arbetsflödet går från rådata till förståelse av beteendedrivkrafter och vidare till förutsägelser om reaktioner på händelser och beteenden över tid. Bland de angivna användningsområdena finns hantering av riskexponering, bedrägeribekämpning, cybersäkerhet, investeringsanalys och individanpassad AI.

Det praktiskt lockande är sammanhanget. Två personer som ställs inför samma information kan fatta olika beslut, medan samma person kan reagera olika när incitament, begränsningar eller erfarenheter förändras. En användbar beteendemodell måste kunna fånga dessa skillnader i stället för att behandla varje användare som en utbytbar medlem av en demografisk grupp.

Forskningen bakom förutsägelser av beteenden

Ett forskningsförtryck från februari 2026 som 42AI länkar till, Decoding the Human Factor: High Fidelity Behavioral Prediction for Strategic Foresight, ger en mer konkret bild av företagets forskningsinriktning. Där beskrivs en stor beteendemodell som skapats genom finjustering av Llama 3.1-8B-Instruct med strukturerade profiler från psykometriska bedömningar.

Forskarna kopplar samman läggningar, motivationstillstånd och situationsbundna begränsningar med observerade val. De uppger att den anpassade modellen presterar bättre än sin oförändrade grundmodell i scenarier som inte ingick i träningen, och att mer omfattande egenskapsprofiler kan ge fördelar jämfört med att använda breda personlighetskategorier i instruktionerna.

Detta visar på en teknisk skillnad mellan att be en chatbot för allmänna ändamål föreställa sig någons beteende och att träna en modell specifikt för att använda strukturerade beteendedata. Förtrycket fastställer dock inte oberoende prestandan hos alla kommersiella produkter som 42AI har presenterat, och resultaten från scenarioutvärderingarna bör inte blandas ihop med företagets prognoser för handel.

Finansmarknaderna blir det första kommersiella testet

42AI uppger att den första tillämpningen förutsäger enskilda handlares agerande, däribland vilket instrument de handlar med, riktningen, tidpunkten och handelsvolymen, med prognoshorisonter på en, fyra och 24 timmar. Företaget rapporterar en träffsäkerhet på över 98 procent för miljontals handlare.

Den siffran är ett påstående från företaget. Tillkännagivandet innehåller inte tillräckligt med information om hur träffsäkerheten har beräknats, vilka jämförelseunderlag som har använts eller vilka valideringsdata som ligger till grund för resultatet för att det ska gå att bedöma oberoende. Att förutsäga en handlares beteende är dessutom något annat än att förutsäga marknadspriser eller visa att en investeringsstrategi är lönsam.

För en mäklare är det omedelbara användningsområdet att förutse riskexponeringen: hur kundernas samlade agerande kan förändra mäklarens riskposition. Det ger beteendeförutsägelser ett operativt syfte även när de inte används för att rekommendera investeringar.

Från beteendeprognoser till beslut i företag

Enligt företagets ledningssida leds 42AI av vd:n Amit Gal-Or och tekniska chefen Ehud Ezra, medan Amir Gal-Or är medgrundare och styrelseordförande. I forskningsledningen ingår professor Roi Reichart, specialist på kognitiv AI, och professor Eyal Fruchter, chef för beteendeforskningen. Nobelpristagaren professor Dan Shechtman är senior rådgivare.

Möjligheterna sträcker sig längre än finanssektorn. En AI-assistent som kan förutse hur någon kommer att tolka en rekommendation skulle kunna anpassa sin kommunikation på ett mer användbart sätt. Samma förmåga skulle också kunna påverka beslut med stora konsekvenser för kunder eller anställda, vilket gör samtycke, lämplig användning och möjligheten att invända mot en förutsägelse centrala vid införandet.

Med sin lansering presenterar 42AI en metod för att hantera ett svårt AI-problem: att modellera mänsklig variation i stället för att bara producera välformulerade svar. Nästa utmaning är att visa att förutsägelserna förblir användbara och tillförlitliga utanför kontrollerade utvärderingar – och att företag kan agera utifrån dem utan att behandla en sannolikhetsprognos som en oföränderlig beskrivning av en person.