42AI: US$62,5M para predecir comportamiento humano

¿Qué es 42AI y qué acaba de anunciar?

La startup israelí 42AI salió del modo stealth con US$62,5 millones en financiación seed y una promesa que suena a ciencia ficción: un modelo de comportamiento —behavioral world model— capaz de predecir lo que una persona va a hacer antes de que lo decida, incluso ante una situación completamente nueva.

Para un founder, lo relevante no es la promesa sino dónde ya está operando: en un puñado de brokers financieros, donde el sistema anticipa cómo reaccionarán traders individuales a condiciones de mercado volátiles. La compañía afirma que trabaja con 10 brokers grandes, que lo usan para gestionar liquidez, requisitos de margen y exposición de cobertura.

El CEO y cofundador Amit Gal-Or y el CTO y cofundador Ehud Ezra sostienen que el comportamiento humano no es determinista sino probabilístico. 'El comportamiento no es determinista; es constantemente probabilístico', dijo Gal-Or. Ezra lo complementa: 'Dentro de una semana puedes ser otra persona, pero tus tendencias siempre se van a manifestar en ciertas áreas con una probabilidad o una distribución'.

¿Cómo funciona el modelo de comportamiento que predice decisiones humanas?

La diferencia central con los sistemas predictivos tradicionales está en el punto de partida. 42AI dice que no extrapola patrones a partir de acciones previas: intenta inferir las motivaciones internas de la persona. Para eso analiza cómo reacciona ante eventos que en apariencia no tienen relación entre sí.

• En un trader, esos eventos incluyen completar procesos de KYC, el onboarding, llamadas a soporte, transferencias de dinero o la compra y venta de acciones.
• El modelo examina el sentimiento en esas interacciones, la voz, cuántas veces llama la persona y con qué frecuencia.
• Después incorpora la conducta transaccional —cómo, cuándo y qué compra y vende— junto con el estado del mercado en ese momento.

Todas esas observaciones se convierten en representaciones matemáticas de rasgos, que alimentan un world model basado en transformers y que arroja probabilidades para distintas decisiones bajo distintas circunstancias. Un modelo de lenguaje aparte se encarga de generar las explicaciones de cada predicción. 'En un world model, cada individuo es el mundo', resume Ezra.

Durante el entrenamiento, el sistema premia que se preserven las tendencias de fondo de la persona en las simulaciones. Si alguien es habitualmente adverso al riesgo y el modelo empieza a tratarlo como tomador de riesgo, 'el objetivo está mal', explicó el CTO.

¿Qué hay detrás del 98% de precisión que declara 42AI?

Es el número más vistoso del anuncio y también el que exige más contexto. La compañía afirma que su modelo alcanza 98% de precisión al predecir operaciones de mercado, pero Gal-Or aclaró que se trata de una medida de si los flujos de trading caen dentro de un rango predicho, y no de si cada operación fue anticipada correctamente.

La métrica que describe mejor el desempeño, según el CEO, es un F1 score de 0,8 a 0,85 para predecir dirección y volumen de trading. El F1 es una medida de machine learning que pondera los aciertos contra las falsas alarmas y los eventos que el modelo no detectó.

Los fundadores también reconocen el techo del sistema: 'Hay un techo natural, porque realmente no tienes acceso a todo lo que experimenta una persona', dijo Gal-Or. Ezra agregó que la precisión cae cuando el modelo pierde contexto situacional, por ejemplo si alguien cambia sus decisiones de trading por el consejo de un amigo o un colega.

¿De dónde sale el dinero y quién está detrás?

Los US$62,5 millones del seed no vinieron íntegramente de inversores externos: según Gal-Or, se acumularon a lo largo de tres años con aportes de los fundadores y de Infinity Group. Esa estructura tiene un detalle poco común: Infinity fue fundada por Amir Gal-Or, padre del CEO, que además es chairman y cofundador de 42AI. La compañía ya adelantó que planea levantar más capital.

El respaldo técnico que exhibe el equipo es inusual para una ronda seed. La empresa dice haber dedicado tres años a desarrollar el enfoque, combinando investigación en psicología con neurociencia y genética, y asesoría de especialistas en psicología y en estrés postraumático, además de Dan Shechtman, premio Nobel de Química en 2011.

Sobre los datos: el equipo estudió primero a miles de personas mediante evaluaciones psicológicas y escenarios de comportamiento, y luego sumó datasets gubernamentales y de biobancos que cubren a más de 2 millones de personas. Los datasets de sus clientes ya llegan a casi 30 millones de personas, según Gal-Or.

En producción, el modelo analiza registros que el cliente ya tiene —transacciones y llamadas de soporte, entre otros—. Gal-Or sostiene que el sistema no necesita información personal identificable: 'el modelo nunca sabe quién es la persona'. Aun así, la compañía construye perfiles de comportamiento individuales a partir de actividad vinculada.

En cuanto al modelo de negocio, los clientes pagan una tarifa fija o un porcentaje del valor que la plataforma les ayuda a generar. Gal-Or afirmó que un broker generó aproximadamente US$30 millones de valor adicional mediante cobertura dinámica. La compañía factura más de 'siete cifras', aunque no precisó el número.

¿Qué significa esto para tu startup?

Más allá del caso financiero, 42AI está explorando aplicaciones en gaming, prevención de fraude y ciberseguridad, y a largo plazo quiere que su modelo ayude a robots y agentes de IA a entender a las personas. Ezra reconoció que el sistema necesita ser entrenado con reglas y contexto para cada nuevo dominio: no es un producto que se enchufe y funcione igual en cualquier industria.

Ahí está la primera lección: un world model aplicado al comportamiento no es un modelo general listo para usar, sino un pipeline que se rearma por vertical. La ventaja competitiva no está en el algoritmo, sino en la densidad y la calidad de las señales de comportamiento que tu producto ya captura.

• Inventaría tus señales de comportamiento. Haz la lista de todo lo que tu producto ya registra y no explota: tickets de soporte, tiempos de respuesta, pasos abandonados en el onboarding, secuencias de uso, historial de transacciones. 42AI construyó su diferencial con datos que sus clientes ya tenían, no con datos nuevos.
• Separa la predicción de la explicación. La compañía usa un modelo de lenguaje aparte para justificar cada predicción. Si vas a mostrar inferencias sobre usuarios a un cliente empresarial, esa capa de explicación es lo que convierte un score opaco en una decisión defendible ante compliance.
• Define qué NO vas a permitir con tu modelo. El caso financiero muestra que la pregunta regulatoria llega antes que la técnica. Documentar los límites de uso y tener un comité de ética no es un anexo de comunicación: es parte del producto que un cliente enterprise va a auditar.

¿Dónde está el límite ético de perfilar el comportamiento de tus clientes?

Es la pregunta incómoda. Si un broker puede anticipar lo que harán sus clientes, ¿qué impide usar ese conocimiento en beneficio propio y en contra de las mismas personas que está perfilando? Ezra admitió que es 'una preocupación válida'. Los fundadores mencionaron regulaciones, monitoreo y un comité de ética interno, pero no explicaron qué impediría concretamente que un cliente use la tecnología para sacar ventaja sobre los usuarios perfilados. Gal-Or se mostró confiado: 'Estamos muy orgullosos de que en realidad somos parte de la solución; somos la solución a este problema'.

Para cualquier startup que construya sobre datos de comportamiento, el episodio deja un mensaje claro: la gobernanza del modelo define la viabilidad comercial tanto como su precisión. Vender predicciones sobre personas sin un marco explícito de uso es abrir una conversación regulatoria que después cuesta más cerrar.

Conclusión

42AI apuesta a algo distinto de la mayoría de las startups de IA aplicada: en lugar de predecir el mercado, intenta modelar a la persona que opera en él. La combinación de un seed de US$62,5 millones con una estructura de financiación sostenida por los fundadores y Infinity Group, más un despliegue real en 10 brokers, es lo que le da credibilidad frente al escepticismo que genera cualquier claim de predicción de conducta.

El punto débil es doble y conviene leerlo con atención: el 98% de precisión que aparece en el titular es, por definición del propio CEO, una medida de rangos y no de aciertos individuales, y el sistema no puede modelar lo que no ve. Para un founder, el aprendizaje no es copiar el modelo sino el orden: primero identificar qué señales de comportamiento ya tienes, después definir explícitamente qué no harás con ellas.

No se encontraron datos adicionales verificables sobre la compañía ni sobre comparables del sector en las búsquedas realizadas para esta nota; los datos citados provienen íntegramente de la fuente original.

Fuentes

• 42AI comes out of stealth with $62.5M and a world model that can 'predict human behavior' (fuente original)