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

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

42AI가 6,250만 달러의 시드 자금과 함께 개인의 행동을 확률로 예측하는 모델을 공개했으며, 금융권 활용을 주장하는 가운데 성능 지표의 해석, 맥락 누락, 고객 프로파일링의 윤리 문제가 남아 있다.

📌 핵심 요약

• 이스라엘 스타트업 42AI는 개인의 심리적 성향을 바탕으로 새로운 상황에서의 선택 확률을 예측한다는 ‘행동 세계 모델’을 공개했다. 회사는 과거 행동 패턴을 단순히 연장하기보다 내적 동기를 파악하는 접근이라고 설명한다.
• 42AI는 고객확인(KYC), 가입, 지원 통화, 송금, 매매 등에서 관찰한 반응을 특성의 수학적 표현으로 바꿔 트랜스포머 기반 모델에 입력한다. 고객 데이터가 거의 3,000만 명을 포괄한다고 주장하며, 개인 식별 정보가 필요 없다는 설명에도 연결된 활동을 통한 개별 행동 프로필은 생성되는 것으로 보인다.
• 회사가 제시한 98% 정확도는 개별 거래의 적중률이 아니라 거래 흐름이 예측 범위 안에 드는지를 뜻한다. 거래 방향과 거래량 예측의 F1 점수는 0.8~0.85라고 주장하며, 친구나 동료의 조언처럼 관측하지 못한 맥락은 정확도를 떨어뜨릴 수 있다고 인정했다.
• 42AI는 대형 중개업체 10곳이 유동성, 증거금 요건, 헤지 노출 관리에 모델을 사용한다고 밝혔다. 매출이 ‘7자리 수’를 넘는다고 주장했지만 정확한 금액은 공개하지 않았으며, 한 중개업체가 동적 헤지로 약 3,000만 달러의 추가 가치를 얻었다고 설명했다.
• 6,250만 달러는 창업자들과 Infinity Group이 3년에 걸쳐 제공한 자금으로, 전액 외부 투자금은 아니다. 42AI는 추가 조달과 게임·사기 방지·사이버보안 확장을 추진하지만 새 도메인마다 규칙과 맥락을 학습해야 한다. 고객에게 불리하게 예측을 활용할 위험에 대해서는 규제·모니터링·내부 윤리위원회를 언급했으나 구체적인 방지 장치는 설명하지 않았다.

🧩 주요 포인트

1. 심리적 성향을 유지하는 확률 예측 → 미래 행동을 확정하는 기술로 해석하기 어렵고, 관측 가능한 맥락이 성능의 한계를 결정한다.
2. 거래 범위 적중률과 방향·거래량 F1은 서로 다른 지표 → 98%라는 수치만으로 개별 거래 예측 능력이나 중개업체의 경제적 효과를 판단하기 어렵다.
3. 금융권 활용과 다른 도메인 진출은 별도 과제 → 도메인별 학습 필요성과 개별 행동 프로필의 고객 이익 침해 가능성이 확장성을 평가하는 핵심 쟁점이다.

🧠 상세 정리

1. 행동을 확정하지 않고 선택의 확률을 예측한다는 주장

42AI는 6,250만 달러의 시드 자금과 함께 비공개 개발 단계에서 나와, 완전히 새로운 상황에서도 개인의 행동을 예측할 수 있다는 ‘행동 세계 모델’을 소개했다. 최고경영자이자 공동창업자인 Amit Gal-Or는 행동이 결정론적이지 않고 지속적으로 확률적이라며, 상황이 바뀌어도 의사결정에 영향을 주는 심리적 성향을 측정하는 것이 목표라고 설명했다. 최고기술책임자이자 공동창업자인 Ehud Ezra 역시 사람이 변하더라도 특정 영역에서 성향이 확률이나 분포로 드러난다고 주장했다. 따라서 회사가 제시하는 결과는 어떤 결정을 반드시 내린다는 단정이 아니라, 주어진 상황에서 특정 선택을 할 가능성이다. 회사는 이를 과거 행동의 패턴을 연장하는 방식과 구별하며, 개인이 세상을 바라보는 방식과 내적 동기를 파악하려는 접근이라고 설명한다.

2. 여러 상호작용을 개인의 성향으로 변환하는 구조

모델은 투자자나 트레이더가 고객확인(KYC), 가입, 고객 지원 통화, 송금, 주식 거래처럼 서로 관련 없어 보이는 사건에 어떻게 반응하는지 살핀다. Ezra에 따르면 초기 지원·영업 대화에서는 감정, 목소리, 연락 횟수 등을 관찰하고, 이후에는 매수·매도 시점과 당시 시장 상황까지 함께 분석한다. 회사는 이런 관찰을 특성의 수학적 표현으로 바꾼 뒤 트랜스포머 기반 세계 모델에 입력해 상황별 의사결정 확률을 산출하며, 예측에 대한 설명은 별도의 언어 모델로 생성한다. 훈련에서는 시뮬레이션 중에도 개인의 기저 성향을 보존하도록 보상을 설계했다고 밝혔다. 예를 들어 평소 위험을 회피하는 사람을 갑자기 위험을 선호하는 사람처럼 취급하면 목표에서 벗어난 것으로 간주한다는 설명이다.

3. 3년간의 개발과 데이터 확대, 남아 있는 프로파일링 문제

42AI는 심리학 연구에 신경과학과 유전학을 결합하고, 심리학·외상후스트레스장애 전문가 및 2011년 노벨화학상 수상자 Dan Shechtman의 조언을 받아 3년간 접근법을 개발했다고 밝혔다. Gal-Or에 따르면 처음에는 수천 명을 대상으로 심리 평가와 행동 시나리오를 연구했고, 이후 200만 명 이상을 포괄하는 정부·바이오뱅크 데이터를 추가했다. 그는 고객 데이터가 이후 거의 3,000만 명을 포괄하는 규모로 확대됐다고 설명했다. 실제 운영에서는 거래와 지원 통화 등 고객사가 이미 보유한 기록을 분석하며, Gal-Or는 개인 식별 정보가 필요하지 않아 모델이 대상자의 신원을 알지 못한다고 주장했다. 다만 기사는 신원을 모른다는 설명과 별개로, 연결된 고객 활동을 바탕으로 개인별 행동 프로필을 만드는 것으로 보인다고 지적했다.

4. 98% 정확도의 의미와 관측하지 못한 맥락의 한계

42AI는 시장 거래 예측에서 98% 정확도를 달성한다고 주장했지만, Gal-Or는 이 수치가 개별 거래를 하나씩 맞혔다는 의미는 아니라고 설명했다. 이는 거래 흐름이 예측한 범위 안에 들어오는지를 측정하는 데 더 가까우며, 거래 방향과 거래량에 대해서는 F1 점수 0.8~0.85를 일관되게 달성한다고 별도로 주장했다. F1은 분류 모델이 올바른 예측과 오탐·누락 사이에서 얼마나 균형을 이루는지 평가하는 지표이므로, 두 수치를 같은 의미로 읽어서는 안 된다. Gal-Or는 개인이 경험하는 모든 것에 접근할 수 없어 예측에는 자연스러운 상한이 있다고 인정했다. Ezra도 친구나 동료의 조언을 듣고 거래 결정을 바꾸는 경우처럼 중요한 상황 맥락을 놓치면 정확도가 떨어진다고 설명했다.

5. 중개업체 활용과 자금 조달, 다른 분야로의 확장

Gal-Or는 대형 중개업체 10곳이 모델을 유동성, 증거금 요건, 헤지 노출 관리에 사용하고 있으며 추가 고객도 도입 중이라고 밝혔다. 회사는 매출이 ‘7자리 수’를 넘는다고 주장했지만 정확한 금액은 공개하지 않았고, 고객에게 정액 요금이나 플랫폼이 창출한 가치의 일정 비율을 청구한다고 설명했다. 한 중개업체가 동적 헤지를 통해 약 3,000만 달러의 추가 가치를 얻었다는 사례도 제시했다. 시드 자금 6,250만 달러는 창업자들과 Infinity Group이 3년에 걸쳐 제공한 것으로 전액 외부 투자금은 아니며, Infinity를 설립한 Gal-Or의 아버지 Amir Gal-Or는 42AI의 회장이자 공동창업자다. 42AI는 추가 자금 조달과 게임·사기 방지·사이버보안 분야를 탐색하고 장기적으로 로봇과 AI 에이전트의 인간 이해를 돕고자 하지만, Ezra는 새 도메인마다 규칙과 맥락을 학습해야 한다고 인정했다.

6. 고객 행동 예측이 고객에게 불리하게 쓰일 가능성

기사는 중개업체가 고객의 행동을 미리 예상할 수 있다면, 그 지식을 고객 대신 자신의 이익을 위해 활용하는 일을 무엇이 막을 수 있는지 문제를 제기했다. Ezra는 이를 타당한 우려라고 인정했고, 창업자들은 대응 수단으로 규제, 모니터링, 내부 윤리위원회를 언급했다. 그러나 고객사가 프로파일링 대상자보다 유리한 위치를 얻기 위해 기술을 사용하는 것을 실제로 무엇이 차단하는지는 설명하지 않았다. Gal-Or는 회사의 기술이 이러한 위험을 해결하는 수단의 일부이며 해결책 자체라고 자신했지만, 기사에 제시된 답변만으로 구체적인 억제 장치를 확인하기는 어렵다. 이는 예측 성능이나 중개업체의 수익 효과와 별도로, 개인의 행동을 분석해 얻은 이익이 누구에게 돌아가는지에 관한 미해결 쟁점으로 남는다.

🧾 핵심 주장 / 시사점

• 42AI의 ‘행동 예측’은 개인의 선택 가능성을 추정한다는 의미이며, 확률적 결과와 관측 정보의 한계를 함께 읽어야 한다.
• 98% 정확도라는 표현은 측정 대상에 따라 의미가 크게 달라진다. 거래 범위 예측, 방향·거래량 분류, 실제 경제적 효과는 구분해 평가할 필요가 있다.
• 개인 식별 정보가 필요 없다는 설명만으로 개별 행동 프로필의 활용 문제가 해소되지는 않는다. 고객사가 예측을 누구의 이익을 위해 사용하는지가 별도의 쟁점이다.

✅ 액션 아이템

• 42AI의 98% 정확도와 F1 0.8~0.85를 구분해 예측 성능을 해석.
• 게임·사기 방지·사이버보안 확장 가능성을 도메인별 규칙과 맥락의 학습 필요성과 함께 평가.
• 개별 행동 프로필이 고객에게 불리하게 활용되는 것을 규제·모니터링·내부 윤리위원회가 어떻게 막는지 확인.

❓ 열린 질문

• 42AI의 98% 정확도와 F1 0.8~0.85는 각각 어떤 조건에서 측정됐으며, 맥락이 누락되면 얼마나 달라지는가?
• 게임·사기 방지·사이버보안에 필요한 도메인별 규칙과 맥락의 학습은 어느 정도 진행됐는가?
• 규제·모니터링·내부 윤리위원회는 고객사가 개별 행동 프로필을 고객에게 불리하게 활용하는 일을 구체적으로 어떻게 막는가?