Rowspace capta US$ 50 milhões para levar inteligência artificial ao mercado de private equity
A indústria de private equity, conhecida por sua dependência de julgamento humano e décadas de experiência acumulada, finalmente encontra uma ferramenta que promete democratizar esse conhecimento.
A startup Rowspace, fundada em San Francisco, saiu do modo stealth com uma rodada de US$ 50 milhões para resolver um problema que assola gestores de ativos há anos: como transformar décadas de dados históricos, decisões de investimento e conhecimento institucional em uma vantagem escalável.
O investimento foi dividido em uma rodada seed, liderada pela Sequoia Capital, e uma Série A, co-liderada pela Sequoia e pela Emergence Capital. Também participaram investidores como Stripe, Conviction, Basis Set, Twine e um grupo de anjos especializados em finanças.
A empresa já atende clientes não identificados, descritos como firmas de private equity e crédito de renome que gerenciam entre centenas de bilhões e quase um trilhão de dólares em ativos.
A proposta da Rowspace vai além de simplesmente organizar dados. A plataforma conecta informações estruturadas e não estruturadas de toda a história de uma firma, incluindo repositórios de documentos, sistemas de contabilidade, modelos de avaliação, memorandos de investimento e apresentações antigas.
Em seguida, aplica o que os fundadores chamam de uma “lente nativa financeira”, que reflete a forma como cada firma reconcilia informações, interpreta discrepâncias e toma decisões.
O problema que a Rowspace busca resolver é mais comum do que se imagina. Private equity é uma indústria que funciona essencialmente com base em julgamento — e esse julgamento é extremamente difícil de escalar.
Décadas de memorandos de operações, modelos de subscrição, notas de parceiros e dados de portfólio estão espalhados por sistemas que nunca foram projetados para se comunicar entre si. Cada vez que uma nova operação chega à mesa de uma firma, analistas frequentemente começam do zero — mesmo quando as respostas para suas perguntas mais urgentes estão enterradas em algum lugar no histórico da própria empresa.
Michael Manapat, cofundador e CEO da Rowspace, trouxe para o projeto uma experiência rara no universo de tecnologia financeira. Antes de fundar a empresa, ele construiu sistemas de machine learning na Stripe que processam bilhões de transações e depois ajudou a expandir a Notion para o campo da inteligência artificial como diretor de tecnologia.
A perspectiva técnica dele é complementada pela experiência de Yibo Ling, cofundador e COO, que seguiu uma carreira mais tradicional em finanças. Ling foi duas vezes diretor financeiro, liderando equipes financeiras na Uber e na Binance, e passou anos tomando decisões de investimento sintetizando manualmente dados espalhados em sistemas fragmentados.
Foi justamente essa frustração que motivou a parceria.
Quando o ChatGPT foi lançado no final de 2022, Ling testou imediatamente a ferramenta em tarefas de due diligence e encontrou o mesmo problema que muitos outros gestores de ativos enfrentaram. Havia claramente muito potencial, mas simplesmente não funcionava bem com os dados institucionais.
A lacuna entre o potencial da inteligência artificial e a realidade dos dados proprietários e específicos de cada firma tornou-se a tese fundadora da empresa.
A abordagem da Rowspace se diferencia de ferramentas genéricas de IA porque foi construída especificamente para o contexto financeiro. Como explicou Ling, a maioria das ferramentas tecnológicas não é abrangente ou madura o suficiente para finanças, enquanto a maioria das ferramentas financeiras precisa elevar seu nível técnico.
A Rowspace pretende fazer ambos.
A plataforma processa todas as informações dentro do próprio ambiente de nuvem do cliente, garantindo que os dados da firma nunca saiam de seu controle.
O resultado pode ser acessado pela interface da própria Rowspace, dentro de ferramentas como Excel e Microsoft Teams, ou diretamente na infraestrutura de dados existente da empresa.
Para um analista de primeiro ano revisando uma nova operação, a plataforma permite navegar por décadas de decisões anteriores, transações comparáveis e padrões internos de avaliação sem precisar ligar para colegas ou procurar arquivos em pastas compartilhadas.
Essa capacidade de democratizar o conhecimento institucional é exatamente o tipo de vantagem que investidores de risco buscam em startups de IA vertical.
Alfred Lin, parceiro da Sequoia que liderou o investimento, posicionou a Rowspace como uma resposta direta à pergunta sobre quais aplicações de inteligência artificial sobreviverão ao aumento da capacidade dos modelos de base.
Na visão dele, sistemas de IA vertical construídos sobre camadas profundas de dados proprietários são exatamente onde surgirão vantagens competitivas duráveis.
Jake Saper, parceiro geral da Emergence Capital, foi além ao afirmar que a Rowspace está fazendo o trabalho anteriormente impossível de conectar dados proprietários e reconciliá-los com rigor real — algo fundamental para qualquer estratégia de IA no setor financeiro.
O argumento representa uma inversão interessante do medo que ronda grande parte da indústria de software atualmente: a ideia de que os modelos de base vão eventualmente comoditizar aplicações.
Para o mercado de private equity, onde o alfa é por definição específico de cada firma e dificilmente replicável, essa lógica é particularmente difícil de contestar.
O back office da gestão de investimentos tem sido silenciosamente uma das últimas fronteiras que a IA genérica conseguiu penetrar.
A Rowspace levantou esses US$ 50 milhões com a premissa de que entende exatamente por que isso acontece — e o que fazer a respeito.
Os recursos serão usados para expandir equipes de engenharia e pesquisa, ampliar operações em San Francisco e Nova York e acelerar o desenvolvimento de sistemas de inteligência artificial financeira em nível de produção.
Resumo
A Rowspace, startup de IA voltada para private equity, levantou US$ 50 milhões em financiamento seed e Série A liderado por Sequoia Capital e Emergence Capital. A plataforma conecta dados históricos de gestoras para democratizar conhecimento institucional e escalar o julgamento humano nas decisões de investimento.
