42AI esce dallo stealth con un seed dichiarato da 62,5 milioni

42AI, startup israeliana di intelligenza artificiale, è uscita dalla modalità stealth presentando un finanziamento seed da 62,5 milioni di dollari e un modello che stima come i trader potrebbero reagire a condizioni di mercato diverse. La società dichiara di lavorare con dieci grandi intermediari finanziari, che userebbero il sistema per pianificare liquidità, requisiti di margine e coperture. La cifra del finanziamento e i risultati commerciali sono riportati da TechCrunch sulla base delle dichiarazioni dei fondatori.

Il modello, chiamato Behavioral World Model, mira a stimare le decisioni dei singoli clienti e ad aggregare le previsioni per anticipare i flussi di trading. Non significa, però, indovinare ogni operazione: il 98% di accuratezza citato dall’azienda riguarda la frequenza con cui i flussi ricadono in un intervallo previsto. La distinzione è centrale per valutare sia la promessa tecnologica sia i numeri presentati dalla startup.

Un modello che parte dai comportamenti, non solo dagli scambi passati

Secondo 42AI, il sistema cerca di ricavare tendenze comportamentali dalle reazioni delle persone a eventi diversi, anziché limitarsi a estrapolare le loro operazioni precedenti. Nel caso di un cliente di una società di intermediazione, le informazioni considerate possono includere transazioni, trasferimenti di denaro, passaggi di apertura del conto e interazioni con l’assistenza. I fondatori riferiscono che il sistema può analizzare anche elementi delle telefonate, come tono e frequenza dei contatti.

L’azienda afferma di convertire queste osservazioni in rappresentazioni matematiche di tratti e tendenze individuali, poi elaborate da un modello basato su architettura transformer per stimare possibili decisioni in circostanze differenti. Un modello linguistico separato genera le spiegazioni delle previsioni. L’obiettivo dichiarato è mantenere coerenti le simulazioni con le tendenze attribuite alla persona: per esempio, evitare che il sistema la tratti come incline al rischio se il profilo costruito la descrive come prudente.

Per presentare il prodotto, 42AI dichiara sul proprio sito che il sistema può prevedere fino a 24 ore in anticipo strumento, direzione e volume degli scambi di un cliente. È una caratteristica descritta dalla società, non una prestazione verificata in modo indipendente.

Come interpretare il 98% e il punteggio F1

Il dato di accuratezza non indica che 42AI preveda correttamente il 98% delle singole transazioni. L’amministratore delegato Amit Gal-Or ha spiegato a TechCrunch che la percentuale misura quanto spesso i flussi di trading rientrano in una fascia prevista. È quindi una metrica aggregata: non equivale a un tasso di successo per ciascuna decisione individuale.

Gal-Or ha anche riferito un punteggio F1 fra 0,8 e 0,85 per le previsioni sulla direzione e sul volume degli scambi. L’F1 combina precisione e richiamo, come illustra la documentazione di scikit-learn. Senza informazioni sul campione, sul periodo di prova, sulla definizione delle classi e sul confronto con altri metodi, quel valore non basta da solo a stabilire come il modello si comporti in condizioni reali.

I fondatori riconoscono inoltre che il sistema non dispone di tutte le informazioni che possono influenzare una persona. TechCrunch riporta l’esempio di un trader che cambia strategia dopo aver parlato con un amico o un collega: se il modello non conosce quel contesto, la previsione può risentirne. La società descrive quindi un sistema probabilistico, legato ai dati disponibili, non una lettura certa delle intenzioni.

Tre anni di sviluppo e dati su milioni di persone

Secondo Gal-Or, il lavoro sul modello è durato tre anni e ha combinato ricerca in psicologia, neuroscienze e genetica, con il contributo di esperti in psicologia e disturbo da stress post-traumatico e del chimico Dan Shechtman, premio Nobel nel 2011. Il CEO ha detto che il team ha inizialmente studiato migliaia di persone tramite valutazioni psicologiche e scenari comportamentali, per poi aggiungere dataset governativi e biobanche relativi a oltre due milioni di persone. I dataset dei clienti, sempre secondo lui, sono arrivati a coprire quasi 30 milioni di persone.

Questi numeri descrivono la scala dei dati dichiarata dall’azienda, ma non chiariscono da soli come siano stati raccolti, associati e utilizzati, né quanto ciascun tipo di dato contribuisca alle previsioni. La notizia non riporta una documentazione tecnica indipendente sul protocollo di addestramento o sulla validazione.

Il finanziamento e i risultati commerciali secondo i fondatori

I 62,5 milioni di dollari non sono descritti come capitale raccolto interamente da investitori esterni: Gal-Or ha detto a TechCrunch che sono stati accumulati nell’arco di tre anni grazie ai fondatori e a Infinity Group. Infinity è stata fondata da Amir Gal-Or, padre dell’amministratore delegato, che è anche presidente e cofondatore di 42AI. La startup intende raccogliere altro capitale.

Il CEO ha riferito che la società lavora con dieci grandi intermediari e genera ricavi superiori a un milione di dollari, senza precisare l’importo. Ha inoltre attribuito a un cliente circa 30 milioni di dollari di valore aggiuntivo ottenuto con coperture dinamiche. Secondo TechCrunch, i clienti pagano una tariffa fissa oppure una quota del valore che la piattaforma contribuisce a generare. Ricavi, numero di clienti e valore attribuito alle coperture sono dichiarazioni del fondatore, non risultati accompagnati nell’articolo da documentazione indipendente.

Profili comportamentali e vantaggio informativo

Gal-Or sostiene che il sistema non abbia bisogno di dati identificativi personali e che il modello non sappia chi sia il cliente. Resta però il fatto che, per collegare transazioni e interazioni nel tempo, il sistema deve costruire una rappresentazione comportamentale riferita a ciascuna persona o conto. La distinzione fra assenza di identificativi e creazione di profili individuali lascia aperte domande su quali dati vengano associati, chi possa consultarli e per quanto tempo siano conservati; il materiale consultato non fornisce dettagli sufficienti per rispondere.

In un rapporto fra broker e cliente, una previsione delle mosse dei trader può aiutare l’intermediario a preparare liquidità e coperture, ma può anche creare un vantaggio informativo rispetto alle persone profilate. I fondatori hanno indicato regolamenti, monitoraggio e un comitato etico come presidi. Nell’intervista, tuttavia, non hanno descritto misure concrete che chiariscano come questi strumenti limitino un uso delle previsioni a vantaggio del broker.

Le prossime applicazioni restano da sviluppare

Oltre ai mercati finanziari, 42AI sta esplorando possibili impieghi in videogiochi, prevenzione delle frodi e cybersicurezza; l’azienda guarda anche a robot e agenti di intelligenza artificiale. Il cofondatore e CTO Ehud Ezra ha precisato che ogni nuovo ambito richiede di adattare il modello alle proprie regole e al proprio contesto: queste applicazioni sono quindi prospettive, non risultati già dimostrati nell’articolo.

Per valutare la tecnologia serviranno ulteriori dettagli su campioni, periodi di test, benchmark e prestazioni fuori dai dati usati per costruirla, oltre a informazioni sulle regole di gestione dei profili. Per ora, il quadro disponibile combina una spiegazione del funzionamento fornita dall’azienda, metriche e risultati commerciali riferiti dai fondatori e una questione aperta sull’equilibrio fra gestione del rischio dei broker e interessi dei clienti.