Kan AI vælge bedre startup-investeringer end mennesker?

Fund I blev finansieret af en ikke-offentliggjort gruppe af såkaldte limited partners – investorer, der skyder kapital ind i fonden – herunder teknologigrundlæggere, family offices og traditionelle finansielle institutioner. Bloomberg rapporterede, at Storonsky og Kondrashov selv leverede omkring en fjerdedel af kapitalen.

Omtalen af Fund II siger, at fonden blev overtegnet, selv om QuantumLight ikke offentligt har fremlagt den fulde liste over eksterne investorer eller fondens fordelingsvilkår. Den mest forsigtige konklusion er derfor, at mindst nogle investorer er villige til at placere mere kapital i en venturestrategi, der ledes af maskinlæring – især når den forbindes med en kendt fintech-grundlægger og en anderledes måde at drive fond på.

Det er lige så vigtigt, hvad fonden ikke viser. En større fond er ikke et bevis på bedre risikojusteret afkast. Den viser fremdrift i kapitalrejsningen og investorernes villighed til at støtte idéen; den dokumenterer ikke, at Aleph finder bedre virksomheder end erfarne menneskelige investorer, eller at strategien vil give et højere nettoafkast efter tab, gebyrer og carried interest.

Forskellen på modellen og traditionel venturekapital

Traditionel venturekapital kombinerer ofte markedsanalyse med partnernes vurderinger, anbefalinger fra stifternes netværk, relationer og mønstergenkendelse. QuantumLights tilgang forsøger at flytte tyngdepunktet over mod strukturerede data.

De mulige fordele er tydelige:

• Bredere screening: Software kan gennemgå langt flere oplysninger om virksomheder og stiftere, end en enkelt partner kan vurdere manuelt.
• Mindre afhængighed af netværk: En systematisk proces kan finde virksomheder uden for investorernes eksisterende sociale og professionelle kredse.
• Mere ensartede beslutninger: En kvantitativ ramme kan gøre det lettere at anvende de samme kriterier på tværs af muligheder.
• Hurtigere første udvælgelse: AI-understøttet screening kan begrænse tiden, der bruges på at indsnævre en stor pulje af muligheder, før mennesker går i gang med den egentlige due diligence.

Risiciene er samtidig betydelige. Historiske data kan afspejle skævheder fra tidligere finansieringsmarkeder. En model kan overvurdere signaler, der er lette at måle, og overse egenskaber som usædvanlig indsigt hos en stifter, det rigtige markedstidspunkt eller et gennembrud uden et nærliggende historisk sidestykke. Hvis mange investorer bruger de samme datasæt, kan fordelen ved systematisk sourcing desuden blive mindre.

QuantumLight er en del af en bredere bevægelse mod softwareunderstøttet venturekapital, blandt andet AI-værktøjer til at finde investeringer, vurdere virksomheder og analysere porteføljer. Fremkomsten af virksomheder, der specifikt udvikler AI-baserede platforme til investeringssourcing, tyder på, at venturefonde i stigende grad ser data-infrastruktur som en selvstændig investeringskompetence.

Spørgsmålet om afkast er stadig ubesvaret

QuantumLights strategi er fortsat for ung til en endelig vurdering. Den rapporterede historik over algoritmisk anbefalede investeringer beskriver en proces – ikke en offentligt dokumenteret historik med realiserede exits og nettoafkast for fonden.

En seriøs evaluering skal sammenligne selskabets investeringer med relevante benchmarks for traditionel venturekapital og samtidig tage højde for indgangsværdiansættelser, opfølgende investeringer, tab, likviditet og tidspunktet for exits. Den slags resultater tager år at modne, især når det gælder teknologiinvesteringer på vækststadiet.

Det er den afgørende forskel på et interessant investeringseksperiment og en gennemprøvet kapitalforvaltningsstrategi. QuantumLight kan med tiden vise, at en model kan finde muligheder, som menneskelige investorer systematisk overser. Den kan også vise, at datadrevet udvælgelse fungerer bedst som supplement til menneskelig dømmekraft – ikke som erstatning for den. De tilgængelige oplysninger afgør endnu ikke spørgsmålet.

Derfor bliver Storonskys dobbeltrolle fulgt nøje

Storonskys involvering giver QuantumLight en usædvanlig stærk grundlæggerprofil og potentielt værdifuld operationel erfaring. Den skaber også et ledelsesmæssigt spørgsmål: Hvordan skal ansvar, interessekonflikter og ledelsens opmærksomhed håndteres, når den samme iværksætter står i spidsen for Revolut og samtidig er medstifter og økonomisk støtte for en hurtigt voksende venturefond?

Spørgsmålet bliver vigtigere, i takt med at Revolut udvider sine regulerede bankaktiviteter. I august 2026 fik Revolut en fransk banklicens efter en godkendelsesproces, der involverede den franske tilsynsmyndighed ACPR og Den Europæiske Centralbank. Reuters beskrev licensen som et vigtigt skridt i virksomhedens europæiske ekspansion og bemærkede, at Storonsky tidligere har kædet udviklingen sammen med muligheden for at søge en amerikansk banklicens.

Den offentligt tilgængelige rapportering, der indgår her, fastslår ikke, at en amerikansk børsnotering er besluttet eller formelt indsendt. Den dokumenterer heller ikke en konflikt mellem Revolut og QuantumLight. Men kombinationen af reguleret ekspansion, eksterne investeringsaktiviteter og en mulig fremtidig vej mod aktiemarkedet gør en klar adskillelse af roller, gennemsigtige procedurer for interessekonflikter og ansvarlig ledelse særligt vigtig.

Konklusionen

QuantumLights Fund II på 500 millioner dollar er et betydningsfuldt signal fra markedet: Investorer har vist tilstrækkelig interesse for den kvantitative tilgang til at støtte en fond, der er dobbelt så stor som debutfonden. Brugen af Aleph er samtidig et af venturekapitalens tydeligste forsøg på at gøre udvælgelsen af investeringer softwarebaseret frem for primært relationsdrevet.

Men kapitalrejsning er ikke det samme som afkast. QuantumLights model er stadig et eksperiment, og det afgørende bevis vil komme fra realiserede investeringer over en langt længere periode. Indtil videre bør QuantumLight derfor ikke ses som et bevis på, at AI har erstattet ventureinvestorer, men som en højprofileret test af, om maskinlæring kan gøre startup-investeringer bredere, hurtigere og mere konsekvent succesfulde.