Una startup israeliana finora rimasta nell'ombra, 42AI, è uscita dalla fase di stealth annunciando una raccolta seed da 62,5 milioni di dollari e un sistema che promette di fare qualcosa che nessun modello linguistico generativo sa fare bene: prevedere come si comporterà una persona specifica, anche in situazioni che non ha mai affrontato prima. Il progetto, sviluppato in tre anni attingendo a psicologia, neuroscienze e genetica, è già in uso da dieci grandi broker finanziari per gestire liquidità, margini e coperture di rischio.
Cos'è il "modello del mondo comportamentale" di 42AI
42AI descrive il proprio prodotto come un "behavioral world model", un modello del mondo applicato non alla fisica o alla visione, come i world model più noti in robotica e guida autonoma, ma al comportamento umano. L'idea di partenza è che le decisioni delle persone non siano deterministiche ma probabilistiche: lo stesso individuo, messo nella stessa situazione, può scegliere in modi diversi a seconda di stato d'animo, contesto e pressioni del momento. Il sistema, quindi, non si limita a estrapolare dalle azioni passate di un utente, ma costruisce un profilo delle sue tendenze psicologiche di fondo e restituisce una distribuzione di probabilità sulle decisioni possibili, non un singolo risultato certo.
A capo dell'azienda ci sono il CEO Amit Gal-Or e il CTO Ehud Ezra; il padre di Amit, Amir Gal-Or, fondatore del fondo Infinity Group, è presidente e co-fondatore, e proprio Infinity Group ha messo la maggior parte dei 62,5 milioni di dollari raccolti nei tre anni di sviluppo del prodotto.
Come funziona: dai segnali comportamentali alla previsione
Il modello si allena su segnali raccolti nelle interazioni ordinarie di un cliente con una piattaforma: fasi di onboarding e verifica dell'identità (KYC), chiamate al servizio assistenza - di cui vengono analizzati tono, frequenza e sentiment della voce - movimenti di denaro e attività di trading, il tutto correlato alle condizioni di mercato del momento. Queste osservazioni vengono convertite in rappresentazioni matematiche dei tratti individuali, che alimentano un world model basato su architettura transformer; un modello linguistico separato si occupa poi di generare spiegazioni leggibili per ogni previsione. Il sistema di addestramento è costruito per mantenere coerenti i tratti di una persona anche nelle simulazioni, evitando che il modello "dimentichi" chi sta modellando da una previsione all'altra.
Secondo l'azienda, la tecnologia non richiede dati personali identificativi: le piattaforme clienti condividono segnali comportamentali già raccolti per altri scopi, non nomi o documenti. Resta però un punto delicato: il sistema costruisce comunque profili comportamentali individuali collegando l'attività di uno stesso utente nel tempo, il che equivale nella pratica a un profiling personale anche senza un nome associato.
I numeri: dati di addestramento e risultati dichiarati
Lo sviluppo del modello è partito da una base di ricerca psicologica su alcune migliaia di persone sottoposte a test e scenari comportamentali, estesa poi con set di dati governativi e di biobanche che coprono oltre 2 milioni di individui. I dati dei clienti attualmente in produzione, secondo l'azienda, riguardano circa 30 milioni di persone. Un preprint pubblicato su arXiv nel febbraio 2026 descrive una versione del sistema basata sul fine-tuning di Llama-3.1-8B-Instruct, con l'affermazione che gli approcci basati solo su prompting raggiungono un "tetto di complessità" che il modello di 42AI non incontrerebbe, quando i profili dei tratti diventano più densi.
Sul fronte dei risultati, 42AI dichiara un'accuratezza del 98% nelle previsioni di trading, cifra che però - come ha chiarito lo stesso CEO Gal-Or - misura quante volte i flussi di trading aggregati rientrano nell'intervallo previsto, non quante singole operazioni vengono indovinate correttamente; il punteggio F1 per la previsione di direzione e volume delle operazioni si colloca tra 0,80 e 0,85. Il sito dell'azienda indica inoltre tempi di risposta di 1-10 millisecondi per il world model e di 2-12 millisecondi per il modello di comportamento più ampio, con un orizzonte di previsione delle operazioni dei singoli clienti fino a 24 ore in anticipo. Va detto che si tratta di cifre comunicate dall'azienda e non ancora verificate da terze parti indipendenti.
Dal trading alla cybersecurity: le applicazioni
Le prime implementazioni commerciali riguardano dieci grandi broker finanziari, che utilizzano il modello per la gestione della liquidità, il calcolo dei margini e le strategie di copertura dell'esposizione: in un caso citato dall'azienda, un broker avrebbe ottenuto circa 30 milioni di dollari di valore aggiuntivo grazie a una copertura dinamica basata sulle previsioni del sistema. Il fatturato attuale, secondo i fondatori, supera "le sette cifre", senza che sia stata fornita una cifra precisa; il modello di pricing prevede una tariffa fissa oppure una percentuale del valore generato per il cliente.
Per il futuro, 42AI punta a estendere l'approccio al gaming, alla prevenzione delle frodi e alla cybersecurity, e in prospettiva più lontana a fornire a robot e agenti IA una comprensione più fine del comportamento delle persone con cui interagiscono - un'applicazione che si intreccia con il dibattito, sempre più acceso, sulla fiducia da riporre nell'autonomia degli agenti IA in azienda.
Limiti tecnici e questioni etiche
Gli stessi fondatori riconoscono limiti strutturali: Gal-Or parla di un "tetto naturale" di accuratezza, legato al fatto che il sistema non può accedere a tutto ciò che una persona vive fuori dalla piattaforma osservata; Ezra aggiunge che la precisione peggiora quando manca il contesto situazionale, per esempio quando un trader agisce sul consiglio di un amico o di un collega di cui il modello non ha visibilità. Ogni nuovo settore di applicazione, inoltre, richiede un nuovo addestramento su regole e contesto specifici, il che limita la portabilità immediata della tecnologia.
Più delicata la questione etica: un broker potrebbe usare le previsioni sui propri clienti a proprio vantaggio piuttosto che a beneficio di chi viene profilato, un rischio che lo stesso CTO Ezra ha definito "una preoccupazione legittima". L'azienda cita regolamentazione, monitoraggio e un comitato etico interno come presidi, ma non ha indicato meccanismi concreti che impediscano ai clienti di utilizzare le previsioni contro gli interessi delle persone profilate: un nodo che difficilmente potrà essere risolto solo con dichiarazioni di intenti, soprattutto se la tecnologia si estenderà, come annunciato, a settori sensibili come la cybersecurity.
Il commento di PINET
Per il mercato italiano, dove la finanza e le assicurazioni sono tra i settori più attenti alle soluzioni di risk management basate sui dati, un prodotto come quello di 42AI arriverebbe in un contesto normativo già piuttosto definito dal GDPR e, in prospettiva, dagli obblighi di trasparenza dell'AI Act europeo per i sistemi che profilano le persone. Anche senza dati identificativi espliciti, un modello che costruisce profili comportamentali individuali da segnali di onboarding, assistenza e transazioni rientra con buona probabilità nelle definizioni di trattamento di dati personali su cui il nostro Garante Privacy ha più volte avuto occasione di intervenire in casi di profilazione algoritmica. Prima di una possibile adozione da parte di banche o intermediari finanziari italiani servirà quindi una valutazione d'impatto sulla protezione dei dati non banale, e probabilmente un confronto preventivo con l'Autorità. Il caso merita comunque attenzione, perché mostra con chiarezza dove si sta spostando la frontiera dell'IA applicata alla finanza: non più solo previsione dei mercati, ma previsione di chi i mercati li muove.
Fonte: TechCrunch
