42AI wychodzi z ukrycia z 62,5 mln dolarów. Twierdzi, że przewiduje zachowania ludzi, na razie testuje to na traderach

Izraelski startup 42AI ogłosił wyjście z trybu stealth i rundę seed na 62,5 mln dolarów. Firma twierdzi, że stworzyła „behawioralny model świata”, który potrafi oszacować, jak konkretna osoba zareaguje na sytuację, w jakiej jeszcze nie była. Na razie system działa w kilku domach maklerskich i ma przewidywać reakcje traderów na niestabilne warunki rynkowe. Opisał to TechCrunch.

Finansowanie ma jednak mniej standardowy charakter, niż sugeruje określenie „seed”. Według CEO Amita Gal-Ora pieniądze pochodziły od założycieli i funduszu Infinity Group, rozłożone na trzy lata, a nie w całości od zewnętrznych inwestorów. Infinity założył ojciec CEO, Amir Gal-Or, który jest też przewodniczącym rady i współzałożycielem 42AI. Firma zapowiada pozyskiwanie kolejnych środków.

Prawdopodobieństwa zamiast deterministycznych prognoz

Założenie jest takie: ludzie mają stałe skłonności psychologiczne, które wpływają na decyzje nawet wtedy, gdy zmieniają się okoliczności. „Zachowanie nie jest deterministyczne, jest stale probabilistyczne” – mówił Gal-Or. Model nie ekstrapoluje więc wprost wcześniejszych działań, tylko próbuje wnioskować o motywacjach i podaje rozkład prawdopodobieństwa możliwych decyzji.

Sygnały pochodzą z pozornie niezwiązanych zdarzeń: procesu KYC, onboardingu, rozmów z obsługą, przelewów czy transakcji. CTO Ehud Ezra opisuje, że analizowane są m.in. sentyment i głos podczas kontaktu z działem wsparcia lub sprzedaży oraz częstotliwość dzwonienia, a później także to, jak i kiedy ktoś kupuje i sprzedaje na tle rynku. Obserwacje są zamieniane na matematyczne reprezentacje cech, które trafiają do modelu świata opartego na transformerze. Osobny model językowy generuje uzasadnienia przewidywań. W trakcie treningu nagradzane jest zachowanie „tożsamości” użytkownika: jeśli ktoś jest zwykle ostrożny, a symulacja nagle robi z niego ryzykanta, „cel jest chybiony”, jak to ujął Ezra.

Podstawy metody firma budowała przez trzy lata, łącząc badania psychologiczne z neurobiologią i genetyką. Zespół badał najpierw tysiące osób testami psychologicznymi i scenariuszami behawioralnymi, potem dołożył rządowe zbiory danych i biobanki obejmujące ponad 2 mln ludzi. Dane klientów rozrosły się według Gal-Ora do niemal 30 mln osób. Startup konsultował się też z ekspertami od psychologii i PTSD oraz z noblistą Danem Shechtmanem.

Co jest w liczbach, a co nie

42AI chwali się 98-procentową trafnością w przewidywaniu transakcji rynkowych, ale sam Gal-Or doprecyzował, że nie chodzi o poprawność każdej pojedynczej transakcji. Miara pokazuje, czy przepływy handlowe mieszczą się w przewidzianym zakresie. Bardziej miarodajny jest wynik F1 na poziomie 0,8–0,85 dla przewidywania kierunku i wolumenu transakcji.

Twórcy przyznają też ograniczenia. „Istnieje naturalny sufit, bo nie masz dostępu do wszystkiego, czego doświadcza człowiek” – powiedział Gal-Or. Ezra dodał, że skuteczność spada, gdy brakuje kontekstu sytuacyjnego, np. gdy ktoś zmienia decyzje inwestycyjne po radzie znajomego. Model trzeba też osobno uczyć reguł i kontekstu dla każdej nowej dziedziny.

Firma pracuje z 10 dużymi brokerami, którzy wykorzystują system do zarządzania płynnością, wymogami depozytu zabezpieczającego i ekspozycją hedgingową. Przychody mają przekraczać „siedem cyfr”, bez podania kwoty. Klienci płacą opłatę ryczałtową albo procent od wartości, którą platforma im przynosi. Gal-Or twierdzi, że jeden z brokerów uzyskał dodatkową wartość szacowaną na około 30 mln dolarów dzięki dynamicznemu hedgingowi – to deklaracja firmy, niepotwierdzona niezależnie. W dalszych planach są gry, przeciwdziałanie nadużyciom i cyberbezpieczeństwo, a docelowo pomoc robotom i agentom AI w rozumieniu ludzi.

Dane bez nazwisk, ale z profilami

Gal-Or podkreśla, że system nie potrzebuje danych umożliwiających identyfikację, bo „model nigdy nie wie, kim jest dana osoba”. TechCrunch zwraca jednak uwagę, że firma prawdopodobnie tworzy indywidualne profile behawioralne na podstawie powiązanej aktywności klientów.

Największe pytanie dotyczy interesu stron: co powstrzyma brokera, który potrafi przewidzieć zachowanie klientów, przed wykorzystaniem tej wiedzy na własną korzyść. Ezra uznał obawę za „uzasadnioną”, a założyciele wskazali na regulacje, monitoring i wewnętrzny komitet etyki. Według TechCrunch nie wyjaśnili jednak, co miałoby uniemożliwić klientom wykorzystanie technologii przeciwko osobom, które profiluje. Gal-Or odpowiedział, że firma jest „częścią rozwiązania tego problemu”.

Ten temat nie jest nowy dla amerykańskiego nadzoru. W sierpniu 2023 r. SEC opublikowała projekt przepisów dotyczących konfliktów interesów przy użyciu predykcyjnej analityki danych przez brokerów i doradców inwestycyjnych.