O que a plataforma da Kumo AI faz

A plataforma da Kumo permite que empresas gerem previsões diretamente de seus bancos de dados relacionais — como Snowflake, Databricks e SAP — sem a necessidade de engenharia manual de features (variáveis) ou esquemas fixos . Seu principal produto é o KumoRFM, e a versão mais recente, KumoRFM-2, foi lançada em abril de 2026. Esses modelos fundamentais relacionais pré-treinados podem responder a perguntas preditivas quase instantaneamente: desde o valor do tempo de vida do cliente (LTV), probabilidade de cancelamento (churn), próxima melhor ação, até detecção de fraudes e pontuação de risco de crédito .

O funcionamento é simples: o modelo da Kumo é apontado para os dados de uma empresa, o usuário define o alvo da previsão e o sistema gera os resultados sem necessidade de treinamento adicional . A plataforma atende mais de 15 setores, incluindo serviços financeiros, varejo, mídia e saúde .

Como a tecnologia de Redes Neurais de Grafos funciona

No coração da plataforma está uma arquitetura proprietária chamada Rede Neural de Grafo Híbrida (Hybrid GNN, na sigla em inglês) . Ela trata entidades como clientes, produtos e transações como nós (pontos), e suas conexões — as chaves primárias e estrangeiras dos bancos de dados — como arestas (linhas) em um grafo .

Mecânica principal:

• Passagem de mensagens: Cada nó agrega informações de seus vizinhos por todo o grafo. Por meio de múltiplas camadas, os nós aprendem com toda a estrutura conectada, não apenas com seus próprios atributos .
• Sem achatar os dados: O aprendizado de máquina tradicional “achata” dados relacionais em linhas, destruindo o contexto dos relacionamentos. As GNNs operam diretamente na estrutura nativa do grafo, preservando conexões e padrões temporais .
• Aceleração por GPU: Os modelos são projetados para ter o melhor desempenho em GPUs Nvidia, o que libera a performance necessária para previsões em escala empresarial .

A Kumo também combina GNNs com grandes modelos de linguagem (LLMs) para criar modelos preditivos ainda mais ricos .

Valor do negócio

Embora a Nvidia não tenha confirmado o preço, o site The Information foi o primeiro a noticiar o valor de “pelo menos US$ 400 milhões” . Outros veículos como GuruFocus, Fortune e fontes regionais de notícias financeiras repetiram o número . Como a Nvidia não divulgou os termos, o valor deve ser tratado como uma estimativa bem fundamentada, não uma confirmação oficial .

Clientes de destaque

Entre os clientes e parceiros de ecossistema da Kumo, divulgados publicamente, estão nomes como DoorDash, Reddit, Databricks, Snowflake e SAP . Seus modelos atendem a mais de um bilhão de usuários globalmente por meio de aplicações de clientes . A Kumo publicou resultados de desempenho como um aumento de 5,4 vezes na conversão com a Databricks e um salto de 5,5 vezes na precisão de anúncios no Reddit .

Cofundadores

• Vanja Josifovski — Cofundador e CEO. Anteriormente, foi CTO do Pinterest durante seu IPO e CTO do Airbnb Homes .
• Jure Leskovec — Cofundador e Cientista-Chefe. Professor da Universidade de Stanford, liderou o desenvolvimento de aprendizado profundo relacional e tecnologia GNN em Stanford e depois atuou como Cientista-Chefe no Pinterest .
• Dra. Hema Raghavan — Cofundadora e Chefe de Engenharia. Ex-diretora sênior de engenharia e líder de IA no LinkedIn, foi nomeada para a lista Female Founders 500 da Inc. em 2026 .

Todos os três cofundadores possuem PhD e se juntaram à Nvidia como parte da aquisição .

Capital de risco captado

A Kumo captou aproximadamente US$ 37 milhões em duas rodadas de investimento (alguns bancos de dados citam US$ 36,5 milhões) :

• Série A (abril de 2022): US$ 18,5 milhões liderada pela Sequoia Capital, com participação de A Capital, SV Angel e Ron Conway .
• Série B (setembro de 2022): US$ 18 milhões liderada pela Sequoia, com participação de A Capital, SV Angel e vários investidores-anjo, incluindo Frank Slootman e Kevin Hartz .

Segundo dados do PitchBook, o valuation pós-money da Kumo após a Série B era de aproximadamente US$ 250 milhões. O preço de aquisição de mais de US$ 400 milhões representa um crescimento de cerca de 60% a partir daquela rodada .

Encaixe estratégico: além da venda de hardware

A aquisição da Kumo se encaixa em um padrão que Jensen Huang, CEO da Nvidia, vem construindo há anos: transformar a Nvidia de uma fornecedora de chips em uma empresa de plataforma de IA completa (full-stack) .

Diversas linhas estratégicas convergem nesse negócio:

• Vender software, não apenas silício: A Kumo oferece à Nvidia um produto SaaS empresarial pronto, otimizado para GPU, que pode gerar receita recorrente para além dos ciclos de hardware .
• Fidelizar o cliente no ecossistema de hardware: Os modelos GNN da Kumo rodam melhor em GPUs Nvidia. Quando empresas adotam a Kumo para análise preditiva, elas se tornam mais integradas ao ecossistema Nvidia .
• Expandir para IA preditiva: A Nvidia já é dominante no treinamento de grandes modelos de linguagem. A análise preditiva voltada para usuários de negócios — com foco em churn, fraudes, recomendações — representa um enorme mercado adjacente .
• Adquirir talento e propriedade intelectual de elite: Jure Leskovec é um dos pioneiros das redes neurais de grafos. Trazer sua equipe e a arquitetura Hybrid GNN da Kumo para dentro da Nvidia fortalece o pipeline de pesquisa da empresa e sua capacidade de otimizar futuros chips para cargas de trabalho de IA relacional .
• Continuar um padrão de fusões e aquisições: A Nvidia tem adquirido consistentemente startups de software de IA — como Run:ai, Deci, Illumex e o acordo de “acqui-hire” de US$ 20 bilhões com a Groq no final de 2025 — para montar uma plataforma que abrange infraestrutura, modelos e aplicações .

O negócio ilustra uma cartilha familiar das big techs: comprar uma empresa menor com profundo conhecimento técnico e relacionamentos empresariais existentes, e então escalar seu produto na própria infraestrutura. Para a Nvidia, a Kumo não se trata apenas de IA preditiva — trata-se de garantir que a próxima geração de cargas de trabalho de IA empresarial rode na Nvidia, de ponta a ponta.

O que a plataforma da Kumo AI faz

A plataforma da Kumo permite que empresas gerem previsões diretamente de seus bancos de dados relacionais — como Snowflake, Databricks e SAP — sem a necessidade de engenharia manual de features (variáveis) ou esquemas fixos . Seu principal produto é o KumoRFM, e a versão mais recente, KumoRFM-2, foi lançada em abril de 2026. Esses modelos fundamentais relacionais pré-treinados podem responder a perguntas preditivas quase instantaneamente: desde o valor do tempo de vida do cliente (LTV), probabilidade de cancelamento (churn), próxima melhor ação, até detecção de fraudes e pontuação de risco de crédito .

O funcionamento é simples: o modelo da Kumo é apontado para os dados de uma empresa, o usuário define o alvo da previsão e o sistema gera os resultados sem necessidade de treinamento adicional . A plataforma atende mais de 15 setores, incluindo serviços financeiros, varejo, mídia e saúde .

Como a tecnologia de Redes Neurais de Grafos funciona

No coração da plataforma está uma arquitetura proprietária chamada Rede Neural de Grafo Híbrida (Hybrid GNN, na sigla em inglês) . Ela trata entidades como clientes, produtos e transações como nós (pontos), e suas conexões — as chaves primárias e estrangeiras dos bancos de dados — como arestas (linhas) em um grafo .

Mecânica principal:

• Passagem de mensagens: Cada nó agrega informações de seus vizinhos por todo o grafo. Por meio de múltiplas camadas, os nós aprendem com toda a estrutura conectada, não apenas com seus próprios atributos .
• Sem achatar os dados: O aprendizado de máquina tradicional “achata” dados relacionais em linhas, destruindo o contexto dos relacionamentos. As GNNs operam diretamente na estrutura nativa do grafo, preservando conexões e padrões temporais .
• Aceleração por GPU: Os modelos são projetados para ter o melhor desempenho em GPUs Nvidia, o que libera a performance necessária para previsões em escala empresarial .

A Kumo também combina GNNs com grandes modelos de linguagem (LLMs) para criar modelos preditivos ainda mais ricos .

Valor do negócio

Embora a Nvidia não tenha confirmado o preço, o site The Information foi o primeiro a noticiar o valor de “pelo menos US$ 400 milhões” . Outros veículos como GuruFocus, Fortune e fontes regionais de notícias financeiras repetiram o número . Como a Nvidia não divulgou os termos, o valor deve ser tratado como uma estimativa bem fundamentada, não uma confirmação oficial .

Clientes de destaque

Entre os clientes e parceiros de ecossistema da Kumo, divulgados publicamente, estão nomes como DoorDash, Reddit, Databricks, Snowflake e SAP . Seus modelos atendem a mais de um bilhão de usuários globalmente por meio de aplicações de clientes . A Kumo publicou resultados de desempenho como um aumento de 5,4 vezes na conversão com a Databricks e um salto de 5,5 vezes na precisão de anúncios no Reddit .

Cofundadores

• Vanja Josifovski — Cofundador e CEO. Anteriormente, foi CTO do Pinterest durante seu IPO e CTO do Airbnb Homes .
• Jure Leskovec — Cofundador e Cientista-Chefe. Professor da Universidade de Stanford, liderou o desenvolvimento de aprendizado profundo relacional e tecnologia GNN em Stanford e depois atuou como Cientista-Chefe no Pinterest .
• Dra. Hema Raghavan — Cofundadora e Chefe de Engenharia. Ex-diretora sênior de engenharia e líder de IA no LinkedIn, foi nomeada para a lista Female Founders 500 da Inc. em 2026 .

Todos os três cofundadores possuem PhD e se juntaram à Nvidia como parte da aquisição .

Capital de risco captado

A Kumo captou aproximadamente US$ 37 milhões em duas rodadas de investimento (alguns bancos de dados citam US$ 36,5 milhões) :

• Série A (abril de 2022): US$ 18,5 milhões liderada pela Sequoia Capital, com participação de A Capital, SV Angel e Ron Conway .
• Série B (setembro de 2022): US$ 18 milhões liderada pela Sequoia, com participação de A Capital, SV Angel e vários investidores-anjo, incluindo Frank Slootman e Kevin Hartz .

Segundo dados do PitchBook, o valuation pós-money da Kumo após a Série B era de aproximadamente US$ 250 milhões. O preço de aquisição de mais de US$ 400 milhões representa um crescimento de cerca de 60% a partir daquela rodada .

Encaixe estratégico: além da venda de hardware

A aquisição da Kumo se encaixa em um padrão que Jensen Huang, CEO da Nvidia, vem construindo há anos: transformar a Nvidia de uma fornecedora de chips em uma empresa de plataforma de IA completa (full-stack) .

Diversas linhas estratégicas convergem nesse negócio:

• Vender software, não apenas silício: A Kumo oferece à Nvidia um produto SaaS empresarial pronto, otimizado para GPU, que pode gerar receita recorrente para além dos ciclos de hardware .
• Fidelizar o cliente no ecossistema de hardware: Os modelos GNN da Kumo rodam melhor em GPUs Nvidia. Quando empresas adotam a Kumo para análise preditiva, elas se tornam mais integradas ao ecossistema Nvidia .
• Expandir para IA preditiva: A Nvidia já é dominante no treinamento de grandes modelos de linguagem. A análise preditiva voltada para usuários de negócios — com foco em churn, fraudes, recomendações — representa um enorme mercado adjacente .
• Adquirir talento e propriedade intelectual de elite: Jure Leskovec é um dos pioneiros das redes neurais de grafos. Trazer sua equipe e a arquitetura Hybrid GNN da Kumo para dentro da Nvidia fortalece o pipeline de pesquisa da empresa e sua capacidade de otimizar futuros chips para cargas de trabalho de IA relacional .
• Continuar um padrão de fusões e aquisições: A Nvidia tem adquirido consistentemente startups de software de IA — como Run:ai, Deci, Illumex e o acordo de “acqui-hire” de US$ 20 bilhões com a Groq no final de 2025 — para montar uma plataforma que abrange infraestrutura, modelos e aplicações .

O negócio ilustra uma cartilha familiar das big techs: comprar uma empresa menor com profundo conhecimento técnico e relacionamentos empresariais existentes, e então escalar seu produto na própria infraestrutura. Para a Nvidia, a Kumo não se trata apenas de IA preditiva — trata-se de garantir que a próxima geração de cargas de trabalho de IA empresarial rode na Nvidia, de ponta a ponta.