Co by było, gdyby sztuczna inteligencja potrafiła przewidzieć twoją decyzję, zanim ją podejmiesz – nawet w sytuacji, której nigdy wcześniej nie doświadczyłeś? Izraelski startup 42AI twierdzi, że buduje właśnie taki „behawioralny model świata”, a przy okazji wychodzi z ukrycia z 62,5 mln dolarów finansowania seed.

Pierwszym polem testowym jest dla spółki świat finansów. Model pracuje już u kilku brokerów, gdzie ma pomagać w przewidywaniu reakcji pojedynczych inwestorów na gwałtownie zmieniające się warunki rynkowe. To zastosowanie o tyle praktyczne, że w tradingu liczy się nie tylko kierunek ruchu, ale i to, kto pierwszy spanikuje, kto zwiększy pozycję, a kto wstrzyma się od działania.

Założenie leżące u podstaw technologii brzmi filozoficznie, ale ma konkretne przełożenie inżynieryjne. Zdaniem współzałożyciela i szefa 42AI, Amita Gal-Ora, ludzkie zachowanie nie jest deterministyczne, lecz probabilistyczne – nawet gdy zmieniają się okoliczności, pozostają pewne utrwalone skłonności. Współzałożyciel i CTO Ehud Ezra ujmuje to krótko: za tydzień możesz być inną osobą, ale twoje tendencje nadal będą się ujawniać w określonych obszarach z określonym prawdopodobieństwem. Zadaniem modelu nie jest więc przepowiedzenie jednego zdarzenia, lecz rozkład możliwych decyzji.

Kluczowa różnica względem typowych systemów predykcyjnych polega na tym, że 42AI nie ekstrapoluje wzorców z wcześniejszych zachowań, ale próbuje wnioskować o wewnętrznych motywacjach człowieka. W praktyce oznacza to analizę reakcji na zdarzenia pozornie niezwiązane z inwestowaniem: proces KYC i onboarding, kontakt z działem obsługi, przelewy, a dopiero później sam sposób i moment kupowania oraz sprzedawania akcji. Firma przygląda się sentymentowi, tonowi głosu, liczbie kontaktów i kontekstowi rynkowemu, a z tych obserwacji buduje matematyczne reprezentacje cech, które trafiają do modelu opartego na architekturze transformerowej. Osobny model językowy odpowiada za generowanie wyjaśnień predykcji.

Nad treningiem czuwa specyficzny mechanizm kontrolny: symulacje mają zachowywać spójność z bazowymi skłonnościami danej osoby. Jeśli ktoś na co dzień unika ryzyka, a model nagle zaczyna traktować go jak spekulanta, wynik uznawany jest za błędny – i to właśnie na tak skonstruowanych nagrodach opiera się uczenie. Firma przez trzy lata łączyła badania psychologiczne z neuronauką i genetyką, korzystając także z konsultacji ekspertów od psychologii i PTSD oraz noblisty z chemii Dana Shechtmana. Najpierw przebadano tysiące osób testami psychologicznymi i scenariuszami behawioralnymi, potem dołączono zbiory rządowe i biobankowe obejmujące ponad 2 mln ludzi, a dane klientów sięgają dziś blisko 30 mln osób.

Liczby brzmią imponująco, ale wymagają ostrożności. Deklarowana 98-procentowa skuteczność w przewidywaniu transakcji rynkowych oznacza w praktyce, że przepływy mieszczą się w przewidywanym przedziale, a nie że model trafnie wskazał każdą transakcję. Dla kierunku i wolumenu obrotu firma podaje F1 na poziomie 0,8–0,85, co jest solidnym, lecz nie magicznym wynikiem. Sam Gal-Or przyznaje zresztą istnienie naturalnego pułapu: model nie ma dostępu do wszystkiego, czego doświadcza człowiek, a trafność spada, gdy umyka mu kontekst sytuacyjny – na przykład gdy inwestor zmienia decyzję pod wpływem rady znajomego.

Biznesowo 42AI współpracuje z dziesięcioma dużymi brokerami, którzy wykorzystują model do zarządzania płynnością, wymogami depozytu i ekspozycją hedgingową. Spółka pobiera stałą opłatę lub procent od wartości, jaką platforma pomaga klientowi wypracować; jeden z brokerów miał dzięki dynamicznemu hedgingowi zyskać około 30 mln dolarów dodatkowej wartości. Finansowanie seed pochodzi od założycieli i grupy Infinity Group, a więc nie w całości od zewnętrznych inwestorów – Infinity założył Amir Gal-Or, ojciec obecnego CEO i przewodniczący rady 42AI. Firma zapowiada kolejną rundę i rozgląda się poza finanse: ku grom, przeciwdziałaniu oszustwom i cyberbezpieczeństwu.

Podsumowanie: 42AI sprzedaje obietnicę z pogranicza science fiction – probabilistyczny model ludzkich skłonności, który ma działać także w nowych sytuacjach. Finanse okazały się najlepszym pierwszym klientem, bo tam przewaga informacyjna przekłada się wprost na pieniądze. Pytanie na przyszłość brzmi jednak nie tylko o skuteczność modelu, ale i o granice profilowania ludzi na podstawie ich codziennych, często niezwiązanych z decyzją interakcji.