The Pulse
42AI raccoglie 62,5 milioni di dollari per prevedere il comportamento dei trader
42AI afferma che il suo modello comportamentale utilizza informazioni come le chiamate all’assistenza e l’attività di trading per stimare come i singoli trader potrebbero reagire a condizioni di mercato mai incontrate prima. La startup dich
AI.info Team · Scritto con l’IA · verificato ·
«Il comportamento non è deterministico; è costantemente probabilistico»,
ha dichiarato a TechCrunch Amit Gal-Or, CEO e cofondatore di 42AI
La formulazione di Gal-Or è la premessa su cui si basa 42AI, startup israeliana che afferma di stare sviluppando un modello per stimare come le persone agiranno in situazioni mai incontrate prima. TechCrunch ha riferito che 42AI era appena uscita dalla modalità stealth con 62,5 milioni di dollari in finanziamenti seed e che inizialmente stava utilizzando il suo sistema predittivo presso società di intermediazione finanziaria. Il sistema punta a prevedere come i singoli trader potrebbero reagire a mercati volatili, anziché limitarsi a proiettare nel futuro lo storico delle loro operazioni.
Questa distinzione è anche al centro della tesi dell’azienda: le decisioni delle persone cambiano a seconda delle circostanze, ma le tendenze psicologiche possono comunque influenzare la probabilità delle loro azioni. 42AI afferma di trasformare queste tendenze in rappresentazioni matematiche, che vengono poi fornite a un modello basato su transformer capace di stimare le possibili decisioni in condizioni diverse. Un modello linguistico separato genera spiegazioni per le previsioni.
Dalle chiamate all’assistenza alle decisioni di trading
Tra i dati in ingresso del modello possono figurare l’onboarding e le verifiche dell’identità di un cliente, le chiamate all’assistenza, i trasferimenti di denaro e la successiva attività di trading. Ehud Ezra, CTO e cofondatore di 42AI, ha dichiarato a TechCrunch che il sistema esamina segnali come il sentiment, la voce e la frequenza con cui un cliente chiama, insieme alle scelte successive su cosa e quando acquistare o vendere. L’azienda afferma di utilizzare queste diverse interazioni per dedurre tratti comportamentali, anziché basarsi soltanto sulle azioni precedenti di una persona.
42AI afferma di aver dedicato tre anni allo sviluppo dell’approccio, attingendo a ricerche di psicologia, neuroscienze e genetica e consultando esperti di psicologia e PTSD, oltre al premio Nobel Dan Shechtman. Gal-Or ha detto che il team ha inizialmente studiato migliaia di persone attraverso valutazioni psicologiche e scenari comportamentali, per poi aggiungere dataset governativi e di biobanche relativi a oltre 2 milioni di persone. Ha indicato in quasi 30 milioni il numero di persone presenti nei dataset dei clienti dell’azienda.
Nell’utilizzo operativo, il sistema analizza i dati già disponibili sui clienti, comprese le transazioni e le chiamate all’assistenza. Gal-Or ha detto che non sono necessarie informazioni che consentano di identificare le persone e che «il modello non sa mai chi sia la persona». TechCrunch ha osservato però che l’azienda sembra comunque creare profili comportamentali individuali a partire da attività collegate tra loro nei dati dei clienti: una distinzione che lascia aperti interrogativi su come questi profili vengano creati e gestiti.
Che cosa misurano i dati sull’accuratezza di 42AI
42AI dichiara un’accuratezza del 98% nella previsione delle operazioni di mercato, ma Gal-Or ha spiegato a TechCrunch che il dato non significa che il modello preveda correttamente ogni singola operazione. Misura se i flussi di trading rientrano in un intervallo previsto. Ha anche detto che il modello registra un punteggio F1 compreso tra 0,8 e 0,85 nella previsione della direzione e del volume degli scambi.
Queste precisazioni sono importanti perché i numeri descrivono test diversi: uno verifica se l’attività complessiva rientra in un intervallo, mentre il punteggio F1 misura le prestazioni nelle previsioni di direzione e volume. Ezra ha anche riconosciuto che le previsioni possono risentire della mancanza di informazioni contestuali importanti, come nel caso di un trader che cambia strategia dopo un consiglio di un amico o di un collega.
Gal-Or ha detto che 42AI collabora con 10 grandi società di intermediazione su liquidità, requisiti di margine ed esposizione alle coperture. L’azienda sta acquisendo altri clienti e genera ricavi superiori a sette cifre, anche se Gal-Or non ha specificato l’importo. I clienti pagano una tariffa fissa oppure una quota del valore che la piattaforma contribuisce a creare; Gal-Or ha detto che una società di intermediazione ha guadagnato circa 30 milioni di dollari attraverso la copertura dinamica.
Finanziamenti e questione del vantaggio
I 62,5 milioni di dollari raccolti nell’arco di tre anni provenivano dai fondatori e da Infinity Group, ha detto Gal-Or: non si trattava quindi interamente di investimenti esterni. Infinity è stata fondata da suo padre, Amir Gal-Or, che è anche presidente e cofondatore di 42AI. L’azienda prevede di raccogliere ulteriori fondi.
42AI sta esplorando applicazioni nel gaming, nella prevenzione delle frodi e nella sicurezza informatica e afferma di voler arrivare ad aiutare robot e agenti di IA a comprendere le persone attraverso il sistema. Ezra ha avvertito che ogni nuovo ambito richiede un addestramento sulle proprie regole e sul proprio contesto. Le ambizioni più ampie vanno dunque oltre il lavoro con le società di intermediazione descritto oggi dalla startup.
Quel lavoro solleva un conflitto diretto: una società di intermediazione capace di anticipare le decisioni dei clienti potrebbe usare queste informazioni per gestire il proprio rischio, oppure per ottenere un vantaggio sulle persone profilate. Ezra ha definito valida la preoccupazione e i fondatori hanno richiamato la regolamentazione, il monitoraggio e un comitato etico interno, ma TechCrunch ha riferito che non hanno spiegato cosa impedirebbe ai clienti di usare le previsioni contro le persone il cui comportamento viene modellato dal sistema. Il primo mercato dell’azienda è già un ambito in cui prevedere la prossima mossa di un cliente può influire sul modo in cui l’istituzione gestisce la propria esposizione.