„Comportamentul nu este determinist; este constant probabilistic”, explică Gal-Or într-o discuție exclusivă pentru TechCrunch, încercând să justifice ambiția de proporții a companiei. El argumentează că oamenii au tendințe psihologice profunde care le influențează deciziile chiar și când circumstanțele se schimbă radical, iar 42AI încearcă să măsoare aceste tendințe și să le transforme în date pe care modelul le poate înțelege. „Peste o săptămână, s-ar putea să fii o persoană diferită, dar tendințele tale vor juca totdeauna în anumite zone conform unei distribuții de probabilitate”, adaugă Ezra, subliniind că esența modelului nu este certitudinea, ci distribuția probabilităților pentru o anumită decizie.
Abordarea 42AI se deosebește fundamental de modelele tradiționale de predictive analytics. În loc să extragă pattern-uri din acțiunile trecute – metoda clasică a „big data” –, sistemul încearcă să descifreze motivațiile interne ale oamenilor. Pentru a realiza acest lucru, startup-ul analizează reacțiile oamenilor la evenimente aparent nesemnificative sau nesociate direct cu tranzacționarea: finalizarea proceselor KYC (Know Your Customer), onboarding-ul, apelurile la suport, transferurile de bani sau tranzacțiile propriu-zise.
„Când persoana vorbește cu suportul sau cu vânzările în procesul inițial… ne uităm la sentiment, ne uităm la voce, analizăm o mulțime de interacțiuni pe care le au, de câte ori sună, și totul asta”, detaliază Ezra. „Toate aceste puncte de date intră în model. Mai târziu, ai interacțiunile: cum cumperi și vinzi, și când, și ne uităm la piață în acel moment.” Concluzia lui este filozofică și tehnică odată: „Încercăm să vedem cum se uită ei la lume. Într-un model mondial, fiecare individ este o lume.”
Observațiile brute sunt convertite apoi în reprezentări matematice ale trăsăturilor psihologice, care sunt introduse într-un model mondial bazat pe arhitectura transformer. Acesta generează probabilități pentru decizii posibile sub diferite scenarii. Pentru a face output-ul acționabil, compania folosește un model de limbaj separat (LLM) care generează explicații în limbaj natural pentru predicțiile modelului principal.
Un aspect crucial al antrenamentului este preservarea tendințelor de bază ale unei persoane în timpul simulărilor. Dacă cineva este, de natură, avers la risc, dar modelul începe brusc să-l trateze ca pe un risk-taker, „ținta este ratată”, spune Ezra, referindu-se la structura funcției de recompensă (reward function) care penalizează deviațiile de la profilul psihologic stabil al individului.
Dezvoltarea a durat trei ani și a combinat cercetare psihologică cu neuroștiință, genetică, precum și consultanță de la experți în psihologie și PTSD, dar și de la Dan Shechtman, laureat al Premiului Nobel pentru Chimie în 2011. Echipa a studiat inițial mii de persoane prin evaluări psihologice și scenarii comportamentale, apoi a integrat seturi de date guvernamentale și biobancare care acoperă peste 2 milioane de indivizi. Seturile de date ale clienților s-au extins ulterior la aproape 30 de milioane de persoane, conform declarațiilor lui Gal-Or.
În implementările live, modelul analizează înregistrările existente ale clienților, inclusiv tranzacții și apeluri de suport. Gal-Or subliniază că sistemul nu are nevoie de informații de identificare personală (PII), susținând că „modelul nu știe niciodată cine este persoana”. Totuși, din punct de vedere tehnic, compania creează profiluri comportamentale individualizate legate de activitatea clientului, ceea ce ridică întrebări legitime despre pseudonimizare versus anonimizare reală, mai ales sub reglementări stricte precum GDPR.
În ceea ce privește performanța în predicția tranzacțiilor, 42AI revendică o acuratețe de 98%, dar Gal-Or clarifică că aceasta măsoară dacă fluxurile de tranzacționare cad în intervalul prezis, nu dacă fiecare tranzacție individuală a fost ghicită corect. De asemenea, modelul obține constant un scor F1 între 0,8 și 0,85 pentru predicția direcției și a volumului tranzacționării. (Scorul F1 este o metrică în învățarea automată care armonizează precizia și exhaustivitatea – recall-ul – fiind esențial pentru seturi de date dezechilibrate, cum sunt cele financiare).
Investiția de 62,5 de milioane de dolari într-o rundă seed este, fără îndoială, una dintre cele mai mari din istoria tech-ului israelian recent, semnificând o încredere enormă a investitorilor în viziunea fondatorilor. Deși lista investitorilor nu a fost făcută publică în detaliu la momentul lansării, dimensiunea rundei sugerează participarea unor fonduri de top-tier globale, probabil atrase de promisiunea de a rezolva „Sfântul Graal” al fintech-ului: înțelegerea factorului uman.
Implicațiile depășesc de mult brokerajele. Un model capabil să modeleze „lumea interioară” a unui agent economic ar putea revoluționa managementul riscului, asigurările (underwriting), marketingul personalizat sau chiar politicile publice. Dar riscurile sunt proporționale: manipularea comportamentală, discriminarea algoritmică bazată pe trăsături psihologice invizibile și eroziunea autonomiei decizionale sunt doar câteva dintre demonii care stau la ușă.
42AI pariază pe transparența explicabilității (prin LLM-ul secundar) și pe o etică a datelor declarată pentru a naviga aceste ape turbulent. Rămâne de văzut dacă „modelul mondial al fiecărui individ” va deveni un instrument de empowernment financiar sau un cristal de vedere pentru cei care controlează capitalul. Batalia pentru viitorul predicției umane a început oficial.
De ce este important:
Apariția 42AI marchează o schimbare de paradigmată în AI: trecerea de la predicția bazată pe acțiuni (ce ai făcut) la predicția bazată pe dispoziție (cine ești). Finanțarea masivă seed validează credibilitatea științifică a abordării (psihologie + neuroștiință + genetica + transformers). Aplicarea inițială în trading-ul de înaltă frecvență/volatilitate este un „laborator” ideal: feedback loop rapid, date masive, incentiv financiar clar. Succesul sau eșecul aici va dicta adopția în asigurări, credit scoring, sănătate și securitate națională. Debatul etic nu este opțional – este existențial: cum protejăm agenția umană când algoritmii cunosc probabilitățile noastre înainte de noi?
