42AI, la startup israelí que predice a los traders

Qué es 42AI y qué acaba de anunciar

42AI, una startup israelí con sede en Tel Aviv y registro en Delaware, salió del modo sigilo con US$62,5 millones en financiamiento y un modelo de IA que dice poder anticipar decisiones humanas en situaciones que la persona nunca enfrentó antes. Sus primeros clientes son corredurías financieras que quieren saber cómo reaccionarán sus traders cuando el mercado se vuelva volátil.

El dato que llama la atención no es solo el monto, sino el tiempo: según SiliconANGLE, el equipo pasó tres años desarrollando el enfoque antes de anunciarlo. El capital, que la compañía describe como ronda semilla, provino de los propios fundadores y de Infinity Group, el fondo que fundó Amir Gal-Or, cofundador y chairman de la startup. Antes de esta ronda, CryptoBriefing reporta que 42AI había completado una semilla de US$5 millones.

El equipo sigue siendo chico: entre 11 y 50 empleados, según los registros que cita CryptoBriefing. El CEO y cofundador es Amit Gal-Or y el CTO es Ehud Ezra.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Cómo funciona un modelo que predice comportamiento, no texto

La diferencia técnica respecto a los modelos predictivos convencionales es el punto central del pitch. En lugar de extrapolar patrones desde operaciones financieras pasadas, 42AI analiza señales que en principio no tienen nada que ver con el trading: procesos de verificación de identidad (KYC), llamadas a soporte, transferencias de fondos y otras interacciones del cliente con la correduría.

Según declaraciones de Ezra recogidas por TechCrunch, el sistema pondera el tono y la voz durante las conversaciones con soporte, la frecuencia de las llamadas y el momento y la naturaleza de las compras y ventas de activos. Esas observaciones se convierten en representaciones matemáticas de rasgos de personalidad que alimentan un modelo basado en arquitectura de transformadores. Un modelo de lenguaje separado se encarga de explicar en lenguaje natural qué rasgos y qué contexto impulsaron cada predicción.

El principio de diseño que la compañía repite es la consistencia conductual: si una persona muestra históricamente aversión al riesgo, el sistema debe reflejar esa tendencia incluso al simular escenarios nuevos. Como resume Gal-Or, "el comportamiento no es determinista, es constantemente probabilístico". No promete una bola de cristal, promete probabilidades.

En privacidad, Gal-Or sostiene que el sistema no necesita información personal identificable y que "el modelo nunca sabe quién es la persona". Aun así, construye perfiles individuales a partir de la actividad de cuenta vinculada, un matiz relevante en marcos regulatorios como el GDPR en Europa o la Ley Federal de Protección de Datos en México.

Las cifras: 98% de precisión y un F1 de 0.8 a 0.85

42AI reporta una precisión del 98% para determinar si los flujos de trading caen dentro de rangos esperados, y un puntaje F1 de entre 0.8 y 0.85 para predecir dirección y volumen de operaciones. Es importante leer ese 98% con la aclaración del propio CEO: la métrica mide si los flujos se mantienen dentro del rango predicho, no si cada operación individual fue acertada.

En el frente comercial, diez corredurías grandes trabajan con la compañía, que cobra una tarifa fija o un porcentaje del valor que ayuda a generar. Los ingresos ya alcanzaron los siete dígitos, según Gal-Or, sin dar una cifra exacta. La empresa afirma que una correduría obtuvo cerca de US$30 millones en valor adicional mediante cobertura dinámica.

La base de datos también es parte del argumento. El entrenamiento empezó con miles de personas en evaluaciones psicológicas, pasó a más de 2 millones al incorporar conjuntos de datos gubernamentales y biobancos, y hoy los datos de clientes abarcan cerca de 30 millones de personas, según SiliconANGLE. Entre los asesores del equipo de investigación figura Dan Shechtman, Premio Nobel de Química 2011.

El componente científico tiene respaldo publicado: Ezra y tres coautores describieron parte del trabajo en un paper de febrero, donde adaptan una versión de 8.000 millones de parámetros de Llama 3.1 de Meta para predecir elecciones estratégicas a partir de un perfil psicométrico detallado.

Los límites que la propia empresa reconoce

No todo es precisión. Los fundadores admiten que el modelo pierde exactitud cuando le falta contexto situacional clave, como el consejo de un amigo o un colega. "Hay un techo natural porque realmente no tienes acceso a todo lo que una persona experimenta", dijo Gal-Or.

También queda abierta la pregunta incómoda: ¿podría una correduría usar estas predicciones en su propio beneficio y en contra de sus clientes? Consultado al respecto, Ezra lo calificó como "una preocupación válida", y los fundadores apuntaron a la regulación, el monitoreo y un comité de ética interno, sin detallar qué mecanismos concretos impedirían ese uso.

CryptoBriefing señala además que la compañía no ha publicado información sobre lanzamientos de producto ni alianzas de clientes, lo que deja sin benchmark externo el desempeño real de estos modelos.

Por qué esto importa en gestión de riesgo financiero

El contexto de mercado acompaña la apuesta. Según Markntel Advisors, el mercado global de gestión de riesgo de modelos de IA estaba valorado en unos US$6.410 millones en 2025 y proyecta llegar a US$14.550 millones en 2032, con un crecimiento anual compuesto de 12,42% entre 2026 y 2032. En paralelo, ResearchAndMarkets estima el mercado de RegTech en US$24.340 millones en 2025, camino a US$112.100 millones en 2033 con un CAGR de 21,1%, impulsado por analítica de comportamiento, AML y KYC.

El contrapeso lo pone Fitch Ratings, que en un informe de octubre de 2026 asignó una puntuación de 40 sobre 100 a bancos minoristas y gestores de patrimonio en su prueba de estrés de IA, lo que señala riesgo de disrupción moderado y la posibilidad de una rebaja de calificación en un escenario adverso. La agencia ve la presión sobre comisiones y la commoditización del asesoramiento como las amenazas centrales.

Para mercados como México y América Latina, donde la volatilidad cambiaria y la heterogeneidad del comportamiento del consumidor son difíciles de modelar con enfoques actuariales tradicionales, la pregunta estratégica no es si la IA puede predecir comportamiento, sino qué tan rápido las instituciones de la región podrán evaluar, adoptar y auditar estos sistemas de forma responsable.

Qué significa esto para tu startup

Si construyes en fintech, riesgo o compliance, este anuncio marca una categoría que conviene mirar con atención. Tres lecturas accionables:

Revisa qué señales ya tienes y no estás usando. 42AI no inventó datos nuevos: usó KYC, llamadas de soporte y patrones de transacción que cualquier fintech ya genera. Antes de comprar un modelo externo, audita qué información de comportamiento ya vive en tus sistemas y si tu equipo de datos puede convertirla en variables predictivas.
Distingue precisión de utilidad. El 98% que reporta la compañía mide si los flujos caen en un rango, no si cada operación se acierta. Cuando evalúes cualquier proveedor de modelos predictivos, exige la definición exacta de la métrica y pide una validación independiente: sin eso, el número es marketing.
Prepara la capa de gobernanza antes que el modelo. El mercado de gestión de riesgo de modelos de IA crece a doble dígito justamente porque la regulación aprieta. Si tu producto toca decisiones de crédito, seguros o inversión, documenta linaje de datos, monitoreo de sesgo y explicabilidad desde el día uno: es lo que después te permite pasar una auditoría sin frenar el roadmap.

La tecnología de 42AI abre una línea de análisis que va más allá de los modelos actuariales convencionales. Para un founder, la señal más clara es que el comportamiento humano se está convirtiendo en una categoría de datos con su propio mercado, y quien sepa gobernarla con transparencia tendrá ventaja.