QuantumLight zebrał 500 mln dolarów. To test, czy AI potrafi wybrać startupy lepiej niż venture capitaliści

Pierwszy fundusz przyciągnął nieujawnioną grupę inwestorów instytucjonalnych, czyli tzw. limited partners (LP). Wśród nich mieli znaleźć się założyciele firm technologicznych, biura rodzinne oraz tradycyjne instytucje finansowe. Bloomberg podał, że Storonsky i Kondrashov sami dostarczyli około jednej czwartej kapitału tego funduszu.

Według doniesień Fundusz II został nadsubskrybowany, choć QuantumLight nie ujawnił publicznie pełnej listy zewnętrznych inwestorów ani szczegółowych warunków alokacji kapitału. Najostrożniejszy wniosek brzmi więc: część inwestorów jest gotowa powierzyć więcej pieniędzy strategii venture capital opartej na uczeniu maszynowym — szczególnie gdy stoi za nią rozpoznawalny twórca firmy fintech i nietypowy model działania.

Równie ważne jest to, czego wielkość funduszu nie dowodzi. Większy fundusz nie oznacza automatycznie wyższych stóp zwrotu skorygowanych o ryzyko. Pokazuje tempo pozyskiwania kapitału i gotowość inwestorów do wsparcia określonej tezy, ale nie potwierdza, że Aleph wybiera lepsze spółki niż doświadczeni inwestorzy ani że strategia przyniesie wyższe zyski netto po uwzględnieniu strat, opłat i wynagrodzenia za sukces.

Czym ten model różni się od tradycyjnego VC?

Tradycyjny venture capital łączy analizę rynku z oceną partnerów funduszu, rekomendacjami dotyczącymi założycieli, relacjami i rozpoznawaniem wzorców na podstawie doświadczenia. QuantumLight próbuje przesunąć środek ciężkości w stronę uporządkowanych danych.

Potencjalne korzyści są wyraźne:

• Szersza selekcja: oprogramowanie może przetworzyć znacznie więcej informacji o spółkach i założycielach, niż pojedynczy partner byłby w stanie ręcznie przeanalizować.
• Mniejsza zależność od sieci kontaktów: systematyczny proces może pomóc znaleźć firmy spoza istniejącego kręgu społecznego i zawodowego inwestora.
• Bardziej powtarzalne decyzje: model ilościowy ułatwia stosowanie tych samych kryteriów wobec różnych szans inwestycyjnych.
• Szybsza wstępna selekcja: narzędzia AI mogą ograniczyć czas potrzebny na zawężenie dużej listy potencjalnych transakcji przed rozpoczęciem pogłębionej analizy.

Ryzyka są jednak równie poważne. Dane historyczne mogą odzwierciedlać uprzedzenia wcześniejszych rynków finansowania. Model może przeceniać sygnały łatwe do zmierzenia, a nie dostrzegać takich cech jak wyjątkowa intuicja założyciela, właściwy moment wejścia na rynek czy przełomowa technologia bez wyraźnego precedensu. Jeśli z podobnych zbiorów danych zacznie korzystać wielu inwestorów, przewaga systematycznego wyszukiwania może się zmniejszyć.

QuantumLight jest częścią szerszego ruchu w kierunku venture capital wspieranego przez oprogramowanie. Obejmuje on narzędzia AI do wyszukiwania transakcji, oceny ryzyka, analizy spółek portfelowych i wspierania założycieli. Pojawianie się firm wyspecjalizowanych w natywnym dla AI wyszukiwaniu transakcji sugeruje, że fundusze VC coraz częściej traktują infrastrukturę danych jako samodzielną kompetencję inwestycyjną.

Na odpowiedź o wynikach trzeba poczekać

Strategia QuantumLight jest wciąż zbyt młoda, by można było wydać o niej ostateczny werdykt. Informacja, że algorytm rekomendował inwestycje, opisuje proces działania, a nie publiczną historię zrealizowanych wyjść z inwestycji i wyników netto funduszu.

Rzetelna ocena wymagałaby porównania inwestycji firmy z odpowiednimi benchmarkami tradycyjnego venture capital, z uwzględnieniem wycen wejściowych, decyzji o kolejnych rundach finansowania, strat, płynności i momentu wyjścia z inwestycji. Takie rezultaty dojrzewają latami, szczególnie w przypadku inwestycji w rozwijające się spółki technologiczne.

To kluczowa różnica między interesującym eksperymentem inwestycyjnym a sprawdzoną strategią zarządzania aktywami. QuantumLight może z czasem pokazać, że model potrafi wskazać możliwości systematycznie pomijane przez ludzi. Może też okazać się, że selekcja oparta na danych działa najlepiej jako uzupełnienie ludzkiego osądu, a nie jego zamiennik. Dostępne dowody nie rozstrzygają jeszcze tej kwestii.

Dlaczego podwójna rola Storonsky’ego przyciąga uwagę?

Zaangażowanie Storonsky’ego daje QuantumLight wyjątkową wiarygodność założyciela i potencjalnie cenne doświadczenie operacyjne. Jednocześnie rodzi pytania o zarządzanie: jak powinny wyglądać zakres odpowiedzialności, procedury dotyczące konfliktów interesów i podział uwagi menedżerskiej, gdy ten sam przedsiębiorca kieruje Revolutem, a jednocześnie współtworzy i wspiera szybko rozwijający się fundusz venture capital?

Pytanie zyskuje na znaczeniu wraz z rozwojem regulowanej działalności bankowej Revoluta. W sierpniu 2026 roku Revolut uzyskał francuską licencję bankową po zatwierdzeniu procesu z udziałem francuskiego nadzoru ACPR i Europejskiego Banku Centralnego. Reuters opisał licencję jako ważny krok w europejskiej ekspansji firmy i odnotował, że Storonsky łączył ten rozwój z możliwością ubiegania się o licencję bankową w USA.

Dostępne tu publikacje nie potwierdzają, że debiut giełdowy w USA został formalnie przesądzony lub zgłoszony. Nie dowodzą też istnienia konfliktu między Revolutem a QuantumLight. Połączenie rozwoju działalności regulowanej, aktywności inwestycyjnej i możliwej przyszłej obecności na rynku publicznym pokazuje jednak, jak ważne stają się jasny podział obowiązków, przejrzyste procedury zarządzania konfliktami i rozliczalne przywództwo.

Wniosek

Fundusz II QuantumLight o wartości 500 mln dolarów jest istotnym sygnałem rynkowym. Inwestorzy wykazali wystarczające zainteresowanie jej ilościowym podejściem, by wesprzeć wehikuł dwa razy większy od debiutanckiego funduszu. Wykorzystanie Aleph jest też jedną z najbardziej wyrazistych prób odejścia w venture capital od selekcji opartej głównie na relacjach na rzecz procesu sterowanego przez oprogramowanie.

Pozyskanie kapitału nie jest jednak równoznaczne z wynikami. Model QuantumLight pozostaje eksperymentem, a rozstrzygające dowody pojawią się dopiero po zrealizowaniu inwestycji w znacznie dłuższym horyzoncie. Na dziś QuantumLight należy postrzegać nie jako dowód, że AI zastąpiło venture capitalistów, lecz jako głośny test tego, czy uczenie maszynowe może sprawić, że inwestowanie w startupy będzie szersze, szybsze i bardziej konsekwentnie skuteczne.