42AI is een start-up uit Tel Aviv die op 2 november 2026 uit stealth kwam met 62,5 miljoen dollar en een zogenaamd behavioral world model. Dat is een AI-model dat geen beelden of fysica voorspelt, zoals Genie 4 van Google, maar mensen. Het zet alles wat het over één persoon ziet om in een profiel van karaktertrekken en berekent daarmee de kans op elke keuze die die persoon kan maken, ook in een situatie die hij nooit eerder meemaakte. Tien brokers gebruiken het nu al om te voorspellen wat hun klanten de komende 24 uur gaan handelen. In dit artikel lees je wat 42AI precies is, hoe zo’n model werkt, waar de data vandaan komt, wat de cijfers echt zeggen en waarom de oprichters zelf toegeven dat de technologie ook tegen je gebruikt kan worden.
Wat is 42AI?
42AI is een Israëlisch AI-bedrijf met drie oprichters: CEO Amit Gal-Or, CTO Ehud Ezra en voorzitter Amir Gal-Or, de vader van Amit en de oprichter van investeringsgroep Infinity Group. Het bedrijf werkte drie jaar aan de aanpak en kwam op 2 november naar buiten via een interview met TechCrunch. De 62,5 miljoen dollar “seed” is geen klassieke durfkapitaalronde. Het geld kwam in die drie jaar van de oprichters zelf en van Infinity Group, zegt Gal-Or, en het bedrijf wil wel extern geld ophalen.
Op zijn website noemt 42AI zijn product “behavioral risk intelligence” en somt het toepassingen op zoals exposure management, fraudedetectie, cybersecurity en investeringsonderzoek. De eerste markt is concreet: financiële brokers. Het model voorspelt per klant welk instrument hij gaat verhandelen, in welke richting, wanneer en voor hoeveel, op horizonten van 1, 4 en 24 uur. Brokers gebruiken die voorspelling om hun liquiditeit, marginvereisten en hedging te sturen. Volgens Gal-Or haalde één broker zo ongeveer 30 miljoen dollar extra waarde uit dynamische hedging. 42AI zegt een omzet van “seven figures” te draaien en rekent een vaste vergoeding of een percentage van de waarde die het platform oplevert.
Wat is een behavioral world model?
Een wereldmodel is in AI-jargon een model dat voorspelt hoe een omgeving verandert als er iets gebeurt. In robotica en video betekent dat: hier is een scène, hier is een actie, dit is het volgende beeld. Zo werken Genie 4, de Chinese wereldmodellen en het ingenieursmodel SKY-001. 42AI leent het woord en past het toe op één mens. CTO Ehud Ezra vat het zo samen: “In a world model, every individual is the world.”
Het verschil met een gewone voorspelling zit in twee dingen. Ten eerste: het model zoekt niet naar herhaling van wat iemand vroeger deed, maar naar de onderliggende neigingen die zijn gedrag sturen, zoals risicomijding, impulsiviteit of stressbestendigheid. Die neigingen blijven volgens de oprichters stabiel, ook als de omstandigheden veranderen, en daarom kan het model iets zeggen over een situatie die nieuw is. Ten tweede: de uitkomst is nooit één antwoord. “Behavior is not deterministic; it’s constantly probabilistic,” zegt Gal-Or. Je krijgt een kansverdeling: zoveel procent dat deze klant verkoopt, zoveel dat hij vasthoudt, zoveel dat hij bijkoopt.
Dat is ook het verschil met de gangbare manier om gedrag te simuleren met AI: een taalmodel een persona geven en het vragen hoe “een 45-jarige belegger uit Gent” zou reageren. Onderzoek naar mental world modeling van juli 2026 toont waarom dat vaak misgaat: wie alleen de zichtbare situatie modelleert en niet wat iemand gelooft, wil of voelt, voorspelt de verkeerde actie bij een scène die er verder correct uitziet. 42AI probeert precies dat verborgen deel in cijfers te vatten.
Zo werkt het, van supportgesprek tot kansverdeling
Het systeem begint bij de bestaande data van een klant van de broker: de onboarding en de KYC-controle, supportgesprekken, geldtransfers en transacties. In de eerste contacten kijkt het naar sentiment, stemtoon en hoe vaak iemand belt. Later komen de handelsbeslissingen erbij: wat iemand koopt en verkoopt, op welk moment en bij welke marktomstandigheden. “All of those data points are going into the model,” zegt Ezra.
Die observaties worden omgezet in een wiskundige representatie van karaktertrekken. Dat profiel gaat, samen met de situatie van dat moment, een transformer-wereldmodel in dat de kansen per mogelijke beslissing berekent. Een apart taalmodel schrijft er daarna een uitleg bij: welke trekken en welke context de voorspelling bepaalden. Tijdens de training wordt het model beloond als het iemands stabiele neigingen bewaart in de simulatie. Zet het een doorgaans voorzichtige klant plots neer als risiconemer, dan is volgens Ezra “the target is off” en krijgt het model dat als fout aangerekend.
Over privacy zegt Gal-Or dat het systeem geen identificerende gegevens nodig heeft en dat “the model never knows who the person is”. Daar hoort een kanttekening bij die TechCrunch ook maakt: het model bouwt wel een gedragsprofiel per individu, opgebouwd uit activiteit die aan één klantaccount gekoppeld is. Geen naam kennen is iets anders dan iemand niet kunnen onderscheiden.
Waar de data vandaan komt, en waarom er genetica in zit
De drie jaar onderzoek combineerden volgens 42AI psychologie, neurowetenschap en genetica, met advies van experts in psychologie en PTSD. Het team bestudeerde eerst duizenden mensen met psychologische tests en gedragsscenario’s, voegde daarna overheids- en biobankdata toe over meer dan 2 miljoen mensen, en zit via klantdata intussen aan bijna 30 miljoen mensen.
Dat die genetica en biobanken erin zitten, is geen toeval, en het is een stuk voorgeschiedenis dat in de nieuwsgolf van deze week nergens staat. Alles wijst erop dat 42AI voortkomt uit OMGene.AI, een project dat Amir Gal-Or in januari 2025 aan Globes voorstelde: een beslissingsondersteunend systeem dat een DNA-staal koppelt aan een databank van gezondheids-, psychologische en sociale eigenschappen, met Amit Gal-Or aan het hoofd, Prof. Eyal Fruchter als onderzoeksleider, Nobelprijswinnaar Dan Shechtman als adviseur en een samenwerking met het Israëlische leger rond PTSD. Dezelfde namen duiken nu op bij 42AI. Het onderzoekspaper dat 42AI op zijn site linkt, “Decoding the Human Factor” van februari 2026, draagt als affiliatie “OMGene AI Lab” en heeft Ehud Ezra als co-auteur. Of klanten van 42AI genomische data moeten aanleveren, zegt het bedrijf niet. Voor de brokers lijkt het model te werken op transacties en gesprekken, niet op DNA.
Wat de cijfers echt zeggen
42AI claimt 98% nauwkeurigheid bij het voorspellen van markttransacties. Gevraagd naar wat dat betekent, nuanceerde Gal-Or tegenover TechCrunch: het is een maat voor of de handelsstromen binnen een voorspeld bereik vallen, niet of elke individuele transactie juist voorspeld werd. Voor richting en volume per klant noemt hij een F1-score van 0,8 tot 0,85. Hoe die cijfers berekend zijn, op welke data en tegenover welke basislijn, is niet gepubliceerd.
Wat wel gepubliceerd is, is het preprint van februari 2026. Daarin trainden Ben Yellin, Ehud Ezra en collega’s een “Large Behavioral Model” door Llama 3.1 8B bij te scholen op een eigen dataset: een beoogde steekproef van 2.500 vrijwilligers uit de VS en Israël, een batterij psychologische tests die 74 karaktertrekken oplevert, en 55 scenario’s met meerkeuzevragen zoals escaleren, terugtrekken of een compromis zoeken. Op scenario’s die het model nooit zag, haalt het met alleen de Big Five-trekken 48% juiste antwoorden, tegenover 42,5% voor het ongewijzigde Llama en 46,3% voor Claude 4.5 Sonnet met een prompt. Gokken geeft ongeveer 20%.
Het interessantste resultaat zit in de schaal. Geef het fijngetunede model 20 in plaats van 5 trekken en de score stijgt naar 62%; bij alle 74 trekken naar 63%. Claude en Llama blijven met dezelfde extra informatie vlak rond 46 en 43%. Een gewoon taalmodel kan een lange persoonsbeschrijving blijkbaar niet benutten; een model dat erop getraind is wel. Dat is de wetenschappelijke kern van wat 42AI verkoopt. Het is ook een bescheidener cijfer dan 98%: op een vraag met meestal vijf keuzes zit het model er bijna vier op tien keer naast. De auteurs noemen zelf de beperkingen: een gemakssteekproef van vooral Amerikaanse Engelstaligen, hypothetische scenario’s op papier en het gat tussen wat mensen zeggen dat ze zouden doen en wat ze echt doen.
Niet het enige bedrijf dat jou wil voorspellen
42AI stapt in een markt die het afgelopen jaar hard aantrok. TechCrunch telde in oktober de rondes: Simile, opgericht door Stanford-doctor Joon Sung Park, dat “synthetische gebruikers” bouwt voor marktonderzoek, haalde in juli 200 miljoen dollar op tegen een waardering van 2 miljard; Aaru 88 miljoen tegen 1 miljard; Humans&, opgericht door onderzoekers van onder meer Google, Anthropic en xAI, 480 miljoen in een seedronde van 4,48 miljard en lanceerde Persimmon als model van menselijk gedrag. Mirror Particle bouwt een eigen wereldmodel voor merken en productstrategie.
In de academische wereld bestaat de aanpak ook al. Centaur, in juli 2025 gepubliceerd in Nature, is een Llama 3.1 70B die bijgeschoold werd op Psych-101: meer dan 10 miljoen keuzes van 60.000 deelnemers in 160 psychologische experimenten. Het voorspelt in bijna elk experiment beter dan klassieke cognitieve modellen, ook in taken die het nooit zag. Het verschil met 42AI: Centaur is open en modelleert de gemiddelde mens in een experiment, 42AI is gesloten en modelleert één specifieke klant in een echte markt.
Wat het niet kan, en de vraag die 42AI zelf terecht noemt
De oprichters zijn eerlijk over de grenzen. Het model ziet nooit alles wat een mens meemaakt, dus er is een plafond, zegt Gal-Or. En het gaat de mist in als context ontbreekt: een trader die van strategie verandert na een tip van een vriend, is voor het model onzichtbaar tot de transacties dat verraden, zegt Ezra. Elk nieuw domein, van gaming tot cybersecurity, vraagt bovendien nieuwe training op de regels van dat domein. Op lange termijn wil 42AI robots en AI-agents leren begrijpen hoe mensen zich gedragen, wat aansluit bij wat wij eerder schreven over physical AI.
Dan de ongemakkelijke vraag. Een broker die weet dat jij bij een daling van 6% in paniek verkoopt, kan daar zijn hedging op afstemmen. Hij kan er ook zijn marges, zijn aanbod of zijn nudges op afstemmen. Ezra noemt die zorg tegenover TechCrunch “a valid concern” en verwijst naar regelgeving, monitoring en een intern ethisch comité. Wat concreet verhindert dat een klant de voorspellingen tegen zijn eigen gebruikers inzet, legt 42AI niet uit. Voor Europese financiële instellingen komt daar nog bij dat een gedragsprofiel per klant onder de AVG valt, ook zonder naam, en dat de AI Act de beoordeling van kredietwaardigheid van natuurlijke personen als hoogrisico aanmerkt (Annex III, 5b); of een marginvoorspelling per klant daaronder valt, is nog niet uitgemaakt. Dat werken we uit in de Engelstalige zusterpost op i-scoop.eu.
Veelgestelde vragen
Is een behavioral world model hetzelfde als een wereldmodel zoals Genie?
Nee. Genie, Sora of V-JEPA voorspellen hoe een fysieke scène verandert. Een behavioral world model voorspelt hoe één persoon beslist. Alleen het principe is gelijk: een interne representatie bouwen en daarmee vooruit simuleren.
Hoe nauwkeurig is 42AI echt?
De 98% slaat op of de totale handelsstromen binnen een voorspeld bereik vallen. Per klant noemt het bedrijf een F1-score van 0,8 tot 0,85 voor richting en volume. Het gepubliceerde preprint haalt 63% op vijfkeuzescenario’s, waar gokken 20% geeft. Onafhankelijke validatie is er nog niet.
Kent het model mijn naam?
Volgens 42AI niet. Het werkt zonder identificerende gegevens, maar bouwt wel een profiel per klantaccount. In Europa blijft zo’n profiel een persoonsgegeven zolang iemand eruit te onderscheiden is.
Kan ik het zelf gebruiken?
Nee. 42AI verkoopt aan organisaties, voorlopig vooral brokers, en noemt geen publieke API. Het model uit het preprint is voor zover bekend niet vrijgegeven.
Een percentage op jezelf
Het sterkste argument van 42AI is ook het ongemakkelijkste: mensen zijn voorspelbaarder dan ze denken, zeker onder stress, en wie dat in cijfers vat, heeft een voorsprong. Het preprint toont dat een goed getraind model echt beter wordt naarmate het iemand beter kent. De vraag voor de komende jaren is daarom niet of dit werkt, maar voor wie het werkt: voor de broker die zijn risico beheert, of voor de klant wiens volgende stap al een percentage was voor hij hem zette.
