IA no Fintech Brasileiro: Onde um Studio de Fato Construiria

O mercado de IA em fintech no Brasil vale cerca de US$ 457 milhões hoje e deve chegar a US$ 2,17 bilhões até 2034, segundo a IMARC. É um número real, e é menor do que a maioria dos pitches sugere. O interessante não é o tamanho. É que o Brasil opera duas peças de infraestrutura financeira pública, Pix e Open Finance, que a maioria dos países não tem, e elas mudam toda a pergunta sobre onde uma fintech de IA consegue se defender.

A Avante Ventures é um venture studio que constrói empresas AI-native no Brasil e na América Latina. Somos céticos quanto à IA em fintech como categoria, porque a maior parte dela é uma camada fina sobre uma API bancária sem moat. Este texto é sobre as exceções. Onde os trilhos públicos, um workflow de verdade e um loop de dados proprietário se combinam em algo que um generalista não consegue copiar.

O mercado, com números datados

Comece pelo número honesto, não pelo mais otimista. A IMARC dimensiona o mercado de IA em fintech no Brasil em US$ 457,1 milhões em 2025, crescendo para US$ 2.165,7 milhões até 2034 a um CAGR de 18,30%, segundo a IMARC Group. Essa fatia específica de IA está dentro de um mercado de fintech maior, que a IMARC estima em US$ 5,5 bilhões em 2025, rumo a US$ 19,1 bilhões até 2034 a 14,92%, segundo a IMARC Group. Outras casas de pesquisa publicam uma base menor. Essa variação é normal numa categoria jovem, o tipo de padrão que o nosso panorama de IA no Brasil mapeia entre verticais, e fingir que é um número fechado é o primeiro sinal de uma leitura fraca de mercado.

Dois fatos sobrevivem à variação. A fatia de IA está abaixo de meio bilhão de dólares hoje, então quem vende um mercado endereçável gigante para IA em fintech no Brasil está arredondando para cima. E a camada de IA deve crescer mais rápido do que o mercado de fintech sobre o qual ela cavalga, 18,30% contra 14,92%. Essa diferença é o sinal. A IA está ganhando participação dentro do fintech, não apenas crescendo junto.

Então o enquadramento certo não é o tamanho do mercado. É onde, dentro de uma categoria pequena e de rápida composição, os negócios duráveis são construídos. O dimensionamento é o aquecimento. A estrutura é o conteúdo.

Por que Pix e Open Finance mudam o jogo

O Brasil é estruturalmente diferente da maioria dos mercados de fintech, e o motivo é a infraestrutura pública, não o tamanho do mercado. O Pix, o trilho de pagamento instantâneo que o Banco Central do Brasil lançou em novembro de 2020, passou de 175 milhões de usuários até maio de 2025 e é usado por 93% da população adulta brasileira, com 62% apontando-o como a forma mais frequente de pagar, segundo dados que resumem números do Banco Central). Em julho de 2024 já movimentava cerca de R$ 2,5 trilhões por mês. No fim de 2024 era 47% de todas as transações que não usam dinheiro em espécie e o meio de pagamento que mais cresceu no ano, alta de 52%, segundo reportagem sobre dados do Banco Central.

O preço conta a história estratégica. O Pix é gratuito para pessoas físicas e custa 0,33% para o lojista, contra 1,13% no débito e 2,34% no crédito. Um trilho tão barato e tão adotado não permanece um diferencial. Ele vira o piso sobre o qual todo mundo constrói.

O Open Finance é o trilho que mais importa para a IA. O Brasil chegou a 62 milhões de consentimentos ativos de Open Finance até janeiro de 2025, alta de 44% no ano, com cerca de 2,3 bilhões de chamadas de API bem-sucedidas toda semana, segundo o DPL News citando a FEBRABAN. Uma fintech nos Estados Unidos ou na Europa gasta anos e muito dinheiro montando o acesso a dados que uma fintech brasileira consegue solicitar por meio de um consentimento padronizado. Essa é a virada. Quando os trilhos são públicos e compartilhados, os trilhos não são a vantagem. A vantagem migra para o que a empresa faz com o dado. Qualidade de crédito e profundidade de workflow viram o moat. Encanamento de pagamento não.

As aberturas AI-native

As aberturas que valem a pena perseguir têm um formato em comum. Cada uma transforma a camada de dados padronizada do Brasil numa decisão que antes exigia um especialista humano ou uma base de dados proprietária densa. Quatro se destacam.

O fio condutor corre por baixo das quatro. O trilho é público, mas o loop de dados não é. Duas empresas podem solicitar o mesmo consentimento de Open Finance. Só uma delas transforma seis meses de resultados de pagamento num modelo mais afiado e num workflow que o cliente não vai abandonar. Essa assimetria é onde o negócio durável se esconde, então leia cada abertura abaixo como um lugar para construir um loop, não uma funcionalidade.

• Crédito e análise de risco em fichas magras. Dezenas de milhões de brasileiros e pequenas empresas quase não têm histórico formal de crédito. O consentimento de Open Finance somado aos dados de fluxo de caixa do Pix permite a um modelo dar crédito a um tomador que o score de bureau recusaria. O moat é o dado de pagamento que o credor acumula, não o modelo em si.
• Fraude e PLD. O Pix movimentando cerca de R$ 2,5 trilhões por mês criou uma superfície de fraude em tempo real. IA que pontua transações e sinaliza lavagem contra trilhos ao vivo é um workflow que tanto os incumbentes quanto os reguladores querem.
• Tesouraria e conciliação. As empresas brasileiras rodam num emaranhado de Pix, boletos, cartões e um regime tributário em camadas. IA que concilia fluxos e projeta caixa contra os trilhos reais substitui o trabalho de planilha que nunca escalou.
• Finanças embarcadas para PMEs. Serviços são cerca de 70% do PIB brasileiro, em sua maioria pequenos operadores. Embarcar crédito e pagamentos dentro do software que essas empresas já usam transforma uma ferramenta vertical num motor de dados financeiros.

Por que crédito encaixa no flywheel dado para capital

Crédito é o caso canônico do flywheel copilot, dado, capital, o padrão recorrente entre as empresas da Avante. A mecânica é limpa. Construa um copilot de IA que ajuda um credor ou um tomador a chegar a uma decisão de crédito. O copilot gera dados proprietários de performance, cada empréstimo aprovado e depois pago ou inadimplido. Esse dado de resultado é exatamente o que um veículo de capital precisa para dar crédito em escala. Então o copilot não vende apenas software. Ele fabrica a base de dados que justifica levantar e alocar um fundo.

É por isso que o crédito gira o flywheel com mais força do que fraude ou conciliação. Pontuação de fraude produz sinais. Conciliação produz eficiência. Crédito produz resultados de pagamento, e um resultado de pagamento é um ativo financeiro. Uma empresa que controla o workflow de crédito e o efeito de rede de dados que ele gera pode passar de vender uma ferramenta para alocar capital contra a própria vantagem.

A Avante roda esse padrão em todo o portfólio, e a única coisa que muda é o vertical. A Alphajuri roda no mercado brasileiro de dívida judicial, onde um copilot para precatórios e créditos gera o dado para precificar esses ativos. A WIR roda a mesma lógica em precificação de seguros e análise de risco. A BR Auction Intel roda em inteligência de leilões de imóveis. Mesmo flywheel, ativo diferente.

O problema de concorrência e regulação

A objeção honesta é que fintech é a categoria mais concorrida e mais regulada da América Latina, e uma camada fina de IA sobre uma API bancária não tem moat. Os dados de funding confirmam a concorrência. Fintech capturou 61% de todo o investimento de venture da América Latina em 2025 com apenas 29% dos deals, segundo o LatAm VC Report 2026 da Cuantico VP, de 18 de fevereiro de 2026. O total regional foi de US$ 4,126 bilhões em 681 rodadas, alta de 13,8% no ano, e o Brasil sozinho levou US$ 2,032 bilhões, 52,9% da região, em 363 deals. As três maiores rodadas do ano foram todas de fintechs mexicanas.

Isso é o problema e o filtro ao mesmo tempo. O Nubank e outros incumbentes já controlam loops de dados enormes, então um wrapper genérico de IA compete com eles no terreno mais forte deles e perde. Os mesmos dados mostram que o funding pre-seed caiu 40% em 2025, de US$ 110 milhões para US$ 66 milhões. O capital inicial ficou mais escasso justamente enquanto o fintech de estágio avançado disparava. Uma empresa que precisa de um mercado de seed aquecido para achar product-market fit foi construída para o ciclo errado.

O caminho não é uma camada mais fina. É um workflow e um loop de dados que um generalista não consegue copiar, num vertical que os incumbentes acham pequeno demais ou operacionalmente bagunçado demais para perseguir. A defensabilidade vem de controlar uma decisão de crédito específica de ponta a ponta. Não do acesso a uma API que todo concorrente também pode chamar.

Como a Avante abordaria

O primeiro movimento é recusar o óbvio. Não construiríamos uma fintech de IA horizontal para brigar com o Nubank em escala de dados, porque essa é uma briga que o incumbente já venceu. A Avante Ventures é um venture studio que constrói empresas AI-native no Brasil e na América Latina. Lança 3-4 ventures por ano por meio de um sistema de seis estágios: Research, Partner, Build, Traction, Revenue, Compound. Aloca $500K-1.5M por venture ao longo do pre-seed e retém economia de co-founder. Aplicado a fintech, o modelo aponta um caminho. Escolher uma única decisão de crédito num vertical mal atendido, juntar um operador de domínio que viveu aquele mercado de crédito com os trilhos públicos e construir o workflow que produz um loop de dados proprietário.

Os fatos estruturais tornam isso construível agora. Pix e Open Finance fornecem o acesso a dados que antes exigia uma Série A para montar. Resolver o encanamento da empresa uma vez direciona cerca de $300K-500K de capital efetivo por venture para produto e tração em vez de overhead. Um venture de studio é lançado 6-9 meses à frente de um time autônomo com financiamento comparável. O insumo escasso não é capital nem modelos, ambos baratos. São operadores com mais de 10 anos de cicatrizes num mercado de crédito brasileiro específico, juntos a um playbook do Vale do Silício e capital de primeiro cheque no dia um. Veja a tese do studio para entender como isso é montado.

O argumento de performance do modelo é o benchmark do studio, não um histórico da Avante. A Global Startup Studio Network reporta IRR de studio de ~50% contra um ~19% padrão da indústria para o VC tradicional, cerca de 2,5x o IRR do VC tradicional em horizontes de tempo realistas. Esse é o número da GSSN para o modelo de studio, nunca o retorno realizado de uma firma específica. Onde isso pesa em fintech é o mecanismo. Numa categoria tão concorrida, a vantagem é profundidade de operador e um loop de dados, exatamente os insumos que um studio concentra.

O fechamento é direto. A maioria das ideias de IA em fintech no Brasil vai fracassar, porque são wrappers sobre um trilho público que qualquer um pode chamar. As poucas que vencerem vão controlar um workflow e o dado de pagamento que ele gera. Explore a Library para o resto de como pensamos sobre construir no Brasil.