Isso coloca a QuantumLight em uma posição diferente da de uma gestora tradicional que apenas usa IA como ferramenta de pesquisa. A ambição declarada é tornar a própria decisão de investimento sistemática. Nesse arranjo, as pessoas ficam responsáveis por tarefas como verificação, interação com as empresas e análise de riscos excepcionais, em vez de escolher negócios principalmente com base no instinto.

O que o segundo fundo de US$ 500 milhões sinaliza

O principal destaque é a velocidade e a escala da expansão. O Fundo II tem o dobro do tamanho do Fundo I, que chegou a US$ 250 milhões em maio de 2025.

O primeiro fundo atraiu um grupo não divulgado de investidores institucionais, conhecidos no mercado como limited partners — os investidores que aportam capital nos fundos —, incluindo fundadores de empresas de tecnologia, escritórios de gestão patrimonial familiar e instituições financeiras tradicionais. Segundo a Bloomberg, Storonsky e Kondrashov forneceram aproximadamente um quarto do capital do fundo.

As informações divulgadas sobre o Fundo II indicam que a captação foi superior à meta, embora a QuantumLight não tenha detalhado publicamente a lista completa de investidores externos nem os termos de alocação. A conclusão mais segura é que pelo menos parte dos investidores está disposta a comprometer mais capital com uma estratégia de venture capital orientada por aprendizado de máquina — especialmente quando ela está associada a um conhecido fundador de fintech e a um modelo operacional incomum.

O que o fundo não demonstra é igualmente importante. Um fundo maior não é prova de retornos superiores ajustados ao risco. Ele mostra força na captação e disposição dos investidores para apoiar a tese; não comprova que o Aleph escolhe empresas melhores que investidores humanos experientes, nem que a estratégia produzirá retornos líquidos mais altos depois de perdas, taxas de administração e participação nos lucros (carry).

Como o modelo se diferencia do venture capital tradicional

O venture capital convencional costuma combinar pesquisa de mercado com julgamento dos sócios, referências sobre fundadores, relacionamentos e reconhecimento de padrões. A QuantumLight tenta deslocar o centro dessa decisão para os dados estruturados.

Os possíveis benefícios são claros:

• Análise mais ampla: um software pode processar muito mais informações sobre empresas e fundadores do que um sócio conseguiria avaliar manualmente.
• Menor dependência de redes pessoais: um processo sistemático pode encontrar empresas que estejam fora dos círculos sociais e profissionais dos investidores.
• Decisões mais consistentes: uma estrutura quantitativa facilita a aplicação dos mesmos critérios a diferentes oportunidades.
• Triagem inicial mais rápida: ferramentas de IA podem reduzir o tempo necessário para filtrar um grande fluxo de propostas antes da diligência humana.

Os riscos, porém, também são significativos. Dados históricos podem reproduzir os vieses dos mercados de financiamento anteriores. Um modelo pode atribuir peso excessivo a sinais fáceis de medir e não captar qualidades como uma visão original do fundador, o momento certo de entrada em um mercado ou uma inovação sem precedentes próximos.

Além disso, se muitos investidores passarem a usar conjuntos de dados semelhantes, a vantagem aparente da prospecção sistemática pode diminuir.

A QuantumLight faz parte de um movimento mais amplo em direção ao venture capital apoiado por software, com ferramentas de IA para encontrar negócios, avaliar riscos e analisar portfólios. O surgimento de empresas especializadas em prospecção de investimentos com IA indica que as gestoras de venture capital estão tratando cada vez mais a infraestrutura de dados como uma capacidade estratégica.

A questão dos retornos continua em aberto

A estratégia da QuantumLight ainda é recente demais para permitir uma avaliação definitiva de desempenho. O histórico divulgado de investimentos recomendados pelo algoritmo descreve um processo, mas não constitui um histórico público de saídas realizadas e retornos líquidos dos fundos.

Uma análise rigorosa precisaria comparar os investimentos da gestora com referências adequadas do venture capital tradicional e levar em conta as avaliações de entrada, as decisões de novos aportes, as perdas, a liquidez e o momento das saídas. Esses resultados levam anos para amadurecer, especialmente no caso de investimentos em empresas de tecnologia em fase de crescimento.

Essa é a diferença central entre um experimento de investimento interessante e uma estratégia comprovada de gestão de ativos. A QuantumLight pode, no futuro, mostrar que um modelo consegue encontrar oportunidades que os investidores humanos deixam passar sistematicamente. Também pode demonstrar que a seleção baseada em dados funciona melhor como complemento ao julgamento humano do que como substituta dele. As evidências disponíveis ainda não respondem a essa questão.

Por que a dupla função de Storonsky chama atenção

A participação de Storonsky dá à QuantumLight credibilidade incomum entre fundadores e pode oferecer uma fonte relevante de experiência operacional. Ao mesmo tempo, cria uma questão de governança: como devem ser administrados responsabilidade, conflitos de interesse e dedicação executiva quando o mesmo empreendedor lidera a Revolut e, paralelamente, cofundou e apoia uma gestora de venture capital em rápida expansão?

A questão ganha peso à medida que a Revolut amplia suas operações bancárias reguladas. Em agosto de 2026, a empresa obteve uma licença bancária na França após uma aprovação que envolveu a autoridade reguladora francesa ACPR e o Banco Central Europeu. A Reuters descreveu a licença como um passo importante na expansão europeia da fintech e informou que Storonsky já relacionou esse avanço à possibilidade de buscar uma licença bancária nos Estados Unidos.

As informações públicas disponíveis aqui não comprovam que uma listagem nos EUA tenha sido formalmente decidida ou protocolada. Também não demonstram a existência de um conflito entre a Revolut e a QuantumLight. Mas a combinação entre expansão regulada, atividade de investimento externa e uma possível futura abertura de capital torna especialmente importante manter uma separação clara de funções, procedimentos transparentes para conflitos e liderança sujeita a prestação de contas.

O veredito

O Fundo II de US$ 500 milhões é um sinal relevante do mercado: investidores demonstraram interesse suficiente na abordagem quantitativa da QuantumLight para apoiar um veículo duas vezes maior que o fundo de estreia. O uso do Aleph também representa uma das tentativas mais claras do venture capital de tornar a escolha de negócios orientada por software, e não principalmente por relacionamentos.

Mas captação não é desempenho. O modelo da QuantumLight continua sendo um experimento, e as evidências decisivas virão dos investimentos realizados ao longo de um período muito mais longo. Por enquanto, a gestora deve ser vista não como prova de que a IA substituiu os investidores de venture capital, mas como um teste de grande visibilidade para saber se o aprendizado de máquina pode tornar o investimento em startups mais amplo, rápido e consistentemente bem-sucedido.

Isso coloca a QuantumLight em uma posição diferente da de uma gestora tradicional que apenas usa IA como ferramenta de pesquisa. A ambição declarada é tornar a própria decisão de investimento sistemática. Nesse arranjo, as pessoas ficam responsáveis por tarefas como verificação, interação com as empresas e análise de riscos excepcionais, em vez de escolher negócios principalmente com base no instinto.

O que o segundo fundo de US$ 500 milhões sinaliza

O principal destaque é a velocidade e a escala da expansão. O Fundo II tem o dobro do tamanho do Fundo I, que chegou a US$ 250 milhões em maio de 2025.

O primeiro fundo atraiu um grupo não divulgado de investidores institucionais, conhecidos no mercado como limited partners — os investidores que aportam capital nos fundos —, incluindo fundadores de empresas de tecnologia, escritórios de gestão patrimonial familiar e instituições financeiras tradicionais. Segundo a Bloomberg, Storonsky e Kondrashov forneceram aproximadamente um quarto do capital do fundo.

As informações divulgadas sobre o Fundo II indicam que a captação foi superior à meta, embora a QuantumLight não tenha detalhado publicamente a lista completa de investidores externos nem os termos de alocação. A conclusão mais segura é que pelo menos parte dos investidores está disposta a comprometer mais capital com uma estratégia de venture capital orientada por aprendizado de máquina — especialmente quando ela está associada a um conhecido fundador de fintech e a um modelo operacional incomum.

O que o fundo não demonstra é igualmente importante. Um fundo maior não é prova de retornos superiores ajustados ao risco. Ele mostra força na captação e disposição dos investidores para apoiar a tese; não comprova que o Aleph escolhe empresas melhores que investidores humanos experientes, nem que a estratégia produzirá retornos líquidos mais altos depois de perdas, taxas de administração e participação nos lucros (carry).

Como o modelo se diferencia do venture capital tradicional

O venture capital convencional costuma combinar pesquisa de mercado com julgamento dos sócios, referências sobre fundadores, relacionamentos e reconhecimento de padrões. A QuantumLight tenta deslocar o centro dessa decisão para os dados estruturados.

Os possíveis benefícios são claros:

• Análise mais ampla: um software pode processar muito mais informações sobre empresas e fundadores do que um sócio conseguiria avaliar manualmente.
• Menor dependência de redes pessoais: um processo sistemático pode encontrar empresas que estejam fora dos círculos sociais e profissionais dos investidores.
• Decisões mais consistentes: uma estrutura quantitativa facilita a aplicação dos mesmos critérios a diferentes oportunidades.
• Triagem inicial mais rápida: ferramentas de IA podem reduzir o tempo necessário para filtrar um grande fluxo de propostas antes da diligência humana.

Os riscos, porém, também são significativos. Dados históricos podem reproduzir os vieses dos mercados de financiamento anteriores. Um modelo pode atribuir peso excessivo a sinais fáceis de medir e não captar qualidades como uma visão original do fundador, o momento certo de entrada em um mercado ou uma inovação sem precedentes próximos.

Além disso, se muitos investidores passarem a usar conjuntos de dados semelhantes, a vantagem aparente da prospecção sistemática pode diminuir.

A QuantumLight faz parte de um movimento mais amplo em direção ao venture capital apoiado por software, com ferramentas de IA para encontrar negócios, avaliar riscos e analisar portfólios. O surgimento de empresas especializadas em prospecção de investimentos com IA indica que as gestoras de venture capital estão tratando cada vez mais a infraestrutura de dados como uma capacidade estratégica.

A questão dos retornos continua em aberto

A estratégia da QuantumLight ainda é recente demais para permitir uma avaliação definitiva de desempenho. O histórico divulgado de investimentos recomendados pelo algoritmo descreve um processo, mas não constitui um histórico público de saídas realizadas e retornos líquidos dos fundos.

Uma análise rigorosa precisaria comparar os investimentos da gestora com referências adequadas do venture capital tradicional e levar em conta as avaliações de entrada, as decisões de novos aportes, as perdas, a liquidez e o momento das saídas. Esses resultados levam anos para amadurecer, especialmente no caso de investimentos em empresas de tecnologia em fase de crescimento.

Essa é a diferença central entre um experimento de investimento interessante e uma estratégia comprovada de gestão de ativos. A QuantumLight pode, no futuro, mostrar que um modelo consegue encontrar oportunidades que os investidores humanos deixam passar sistematicamente. Também pode demonstrar que a seleção baseada em dados funciona melhor como complemento ao julgamento humano do que como substituta dele. As evidências disponíveis ainda não respondem a essa questão.

Por que a dupla função de Storonsky chama atenção

A participação de Storonsky dá à QuantumLight credibilidade incomum entre fundadores e pode oferecer uma fonte relevante de experiência operacional. Ao mesmo tempo, cria uma questão de governança: como devem ser administrados responsabilidade, conflitos de interesse e dedicação executiva quando o mesmo empreendedor lidera a Revolut e, paralelamente, cofundou e apoia uma gestora de venture capital em rápida expansão?

A questão ganha peso à medida que a Revolut amplia suas operações bancárias reguladas. Em agosto de 2026, a empresa obteve uma licença bancária na França após uma aprovação que envolveu a autoridade reguladora francesa ACPR e o Banco Central Europeu. A Reuters descreveu a licença como um passo importante na expansão europeia da fintech e informou que Storonsky já relacionou esse avanço à possibilidade de buscar uma licença bancária nos Estados Unidos.

As informações públicas disponíveis aqui não comprovam que uma listagem nos EUA tenha sido formalmente decidida ou protocolada. Também não demonstram a existência de um conflito entre a Revolut e a QuantumLight. Mas a combinação entre expansão regulada, atividade de investimento externa e uma possível futura abertura de capital torna especialmente importante manter uma separação clara de funções, procedimentos transparentes para conflitos e liderança sujeita a prestação de contas.

O veredito

O Fundo II de US$ 500 milhões é um sinal relevante do mercado: investidores demonstraram interesse suficiente na abordagem quantitativa da QuantumLight para apoiar um veículo duas vezes maior que o fundo de estreia. O uso do Aleph também representa uma das tentativas mais claras do venture capital de tornar a escolha de negócios orientada por software, e não principalmente por relacionamentos.

Mas captação não é desempenho. O modelo da QuantumLight continua sendo um experimento, e as evidências decisivas virão dos investimentos realizados ao longo de um período muito mais longo. Por enquanto, a gestora deve ser vista não como prova de que a IA substituiu os investidores de venture capital, mas como um teste de grande visibilidade para saber se o aprendizado de máquina pode tornar o investimento em startups mais amplo, rápido e consistentemente bem-sucedido.