Como um Venture Studio Escolhe em Quais Verticais Construir

Um venture studio que lança 3 a 4 ventures por ano gasta um quarto do portfólio anual cada vez que escolhe uma vertical. Errar a vertical não é um erro pequeno. São três meses de capacidade de build e $500K-1.5M apontados para um mercado onde o studio não consegue vencer. Por isso a construção de portfólio se resume a uma decisão tomada três ou quatro vezes por ano. Qual vertical merece um slot de build, e qual mercado grande fica de fora mesmo quando parece tentador. Esta é a seleção no nível do studio, uma pergunta diferente de defender o moat de uma única empresa.

A Avante Ventures é um venture studio que constrói empresas AI-native no Brasil e na América Latina, e a pergunta de como os studios escolhem verticais é uma que respondemos antes de cada build. A versão curta é um teste de quatro partes. Uma vertical merece um slot apenas quando combina um grande mercado de serviços pouco digitalizado, um operador de domínio disponível com profunda bagagem de cicatrizes, um workflow onde a IA muda a economia unitária, e um caminho para dados proprietários que compõem com o tempo. Falhe em um e o slot rende mais em outro lugar.

O pano de fundo é a tese de IA vertical. A IA vertical que domina um workflow de um setor está se provando mais defensável e melhor avaliada do que os copilots horizontais, e o Brasil por acaso oferece um número incomum de verticais qualificadas. A tese completa está em /why-avante. O que vem a seguir é o teste em si, e a disciplina de usá-lo para dizer não.

Por que a seleção é o jogo inteiro

Um venture studio é restrito em oferta de propósito, e essa restrição é a razão pela qual a seleção decide tudo. Com três ou quatro slots por ano, o studio não pode deixar a matemática de portfólio absorver seus erros do jeito que um fundo que assina 30 cheques pode. Cada slot é uma aposta real que precisa passar no teste antes de ser gasto.

O modelo conquista seu prêmio de retorno justamente porque concentra. Segundo a Global Startup Studio Network, ventures de studio registraram uma taxa interna de retorno média que arredonda para perto de 50% contra cerca de 19% para startups financiadas por venture capital tradicional, o que a Avante cita como IRR de studio de ~50% versus ~19% padrão da indústria para VC tradicional, cerca de 2,5x em horizontes de tempo realistas. Esse é o benchmark do modelo de studio, nunca o retorno realizado de um studio específico. A ressalva honesta é que esse número roda sobre uma amostra autodeclarada de studios sobreviventes, e é por isso que medir o desempenho de um studio com honestidade importa, então leia como o teto que o modelo alcança, não como um valor devido a um studio qualquer. O número de VC tradicional vem de benchmarks institucionais como o índice de Venture Capital dos EUA da Cambridge Associates, construído a partir de demonstrações financeiras trimestrais ao longo de quatro décadas.

Esse prêmio só se sustenta quando o operating partner consegue ir fundo. Uma venture de studio chega à Série A em 25,2 meses contra 56 de uma startup tradicional, e 72% das ventures de studio alcançam a Série A versus 42% das tradicionais, segundo dados da GSSN via Bundl. Profundidade não escala para dezenas de apostas ao mesmo tempo. Então o studio compra sua vantagem dizendo não com muito mais frequência do que diz sim. A seleção não é a etapa antes do trabalho. Ela é o trabalho.

O teste de quatro partes para uma vertical

Uma vertical merece um slot de build quando quatro condições valem ao mesmo tempo. Isto é um portão, não um placar. Uma vertical forte em três dimensões e fechada na quarta ainda falha, porque a condição que falta costuma ser a que decide o resultado.

• Um grande mercado de serviços pouco digitalizado. A vertical precisa ser grande o bastante para importar e atrasada o bastante em software para que o trabalho ainda rode em ligações, planilhas e PDFs. Um mercado enorme já bem servido por software é uma briga de faca, não uma abertura.
• Um operador de domínio disponível com profunda bagagem de cicatrizes. O studio precisa de um co-founder com mais de 10 anos dentro do setor, carregando o conhecimento regulatório, de relacionamento e de processo que nenhum deck ensina. Se esse operador não puder ser encontrado e recrutado, a vertical falha por melhor que o mercado pareça.
• Um workflow onde a IA muda a economia unitária. A IA tem que converter uma tarefa intensiva em mão de obra em software, não acrescentar um recurso. Segundo a a16z, essa virada pode expandir a receita por cliente em 2-10x, além dos 2-5x que a integração de fintech já entregou.
• Um caminho para dados proprietários que compõem. O workflow tem que gerar dados que o studio possa acumular e que melhorem o produto com o uso. Sem um ciclo que se compõe, um incumbente bem financiado ou um modelo horizontal acaba alcançando.

Por que a IA vertical passa no teste

O teste aponta para a IA vertical e não para os copilots horizontais porque a IA vertical está se provando mais defensável e melhor avaliada. A evidência já não é teórica. Segundo a Bessemer Venture Partners em setembro de 2024, empresas verticais LLM-native estavam alcançando 80% do valor médio de contrato do SaaS tradicional, crescendo cerca de 400% ano a ano, e mantendo margens brutas de cerca de 65%, com a capitalização de mercado da IA vertical prevista para ser ao menos 10x o tamanho do SaaS vertical legado.

O que separa uma empresa durável de um wrapper raso é a posse do workflow somada a um ciclo de dados. A Bessemer liga os moats de IA vertical a dados proprietários, profundidade de integração do produto e valor econômico entregue, não ao acesso ao modelo, que todos compartilham. A a16z enquadra o mesmo ponto pelo sistema de registro. A empresa que domina o workflow captura o orçamento de mão de obra, não só o de software, e os $313B gastos em software nos EUA são apenas cerca de 3% dos $10,5T gastos em mão de obra. A Toast chegou a $1,5B de ARR com mais de 80% da receita vindo de serviços financeiros embarcados, que é o que dominar um workflow vertical parece em escala.

O ciclo de dados é a parte que os fundadores mais exageram, então o teste é rigoroso nisso, e traçamos a linha com precisão em como os efeitos de rede de dados de fato funcionam na IA vertical. Segundo o Network Effects Manual da NfX, os efeitos de rede respondem por cerca de 70% do valor criado por empresas de tecnologia desde 1994, mas as vantagens de dados são mais fracas do que se imagina. Dado só é moat de verdade quando o uso atualiza continuamente um conjunto de dados central para o produto, do jeito que o Waze melhora a cada viagem, e não marginal como um feed de recomendação. Para o studio, essa distinção é a quarta condição tornada concreta. Uma vertical passa apenas quando seu workflow gera dados ao mesmo tempo proprietários e estruturais.

Por que o Brasil oferece tantos candidatos

O Brasil produz um número incomum de verticais que passam na primeira condição, porque os serviços representam cerca de 70% do PIB brasileiro com baixa penetração de software nesses setores. Esse dado vem de números do IBGE divulgados em julho de 2024, com a fatia de serviços 12,7% acima do nível pré-pandemia. Uma base grande e crescente de atividade econômica ainda rodando em workflows manuais é um banco profundo de exatamente o que o teste procura primeiro.

O pano de fundo de capital diz ao studio que esses mercados estão abertos, não lotados. Startups da América Latina captaram $4,2B em 2024, alta de 27% sobre o ano anterior, com o Brasil ficando com quase metade de todo o funding da região, segundo o Crunchbase. O funding está se recuperando de um 2023 fraco e segue bem abaixo do pico de 2021, o que significa que a maioria das verticais ainda não tem um incumbente bem capitalizado dominando o ciclo de dados. Essa é a janela. Ela não fica aberta para sempre.

A vantagem estrutural que permite o studio agir é a profundidade do operador, e ela é o núcleo de por que os venture studios vencem na América Latina. Operadores de domínio com mais de 10 anos de cicatrizes do mercado brasileiro, somados a um playbook do Vale do Silício e capital de primeiro cheque montados no dia um, é o que um fundo generalista não consegue replicar de uma cadeira de conselho. A infraestrutura de IA hoje é barata o bastante para implantar sem uma Série A, e é por isso que um studio consegue rodar 3-4 apostas verticais por ano no Brasil em vez de uma única aposta pesada em capital. O padrão se repete. Construa um copilot de IA para gerar dados proprietários, depois use esses dados para captar e aplicar capital.

Quando recusar um mercado grande

A disciplina do teste aparece nas recusas, não nos builds. Um studio pode se viciar em padrão e entrar numa vertical lotada onde um incumbente bem financiado já domina o ciclo de dados. O mercado é grande, o workflow está claramente quebrado, há até um operador disponível, e três das quatro condições acendem verde. A quarta está fechada. Alguém chegou primeiro, o conjunto de dados proprietário dele já está se compondo, e um novo entrante estaria alimentando um ciclo que não tem como vencer.

Isso é uma recusa, e deveria ser fácil. Segundo o Network Effects Manual da NfX, a empresa cujo conjunto de dados é central e atualizado continuamente pelo uso tem uma vantagem que um entrante posterior não supera só gastando mais. Entrar numa vertical onde o caminho dos dados já está fechado gasta um slot escasso num segundo lugar.

O tamanho do mercado não salva a decisão. Um studio com apenas 3-4 slots por ano não pode bancar um que produz um resultado estruturalmente limitado. O modo de falha honesto da construção de portfólio de um studio é confundir um mercado grande com um mercado aberto. Seleção disciplinada significa abrir mão de um mercado grande, quebrado e tentador justamente porque a condição que se compõe é a que se foi.

Como a Avante conduz a seleção

A Avante Ventures é um venture studio que constrói empresas AI-native no Brasil e na América Latina, e o teste de quatro partes é como ela decide onde construir. A Avante lança 3-4 ventures por ano através de um sistema de seis estágios. Research, Partner, Build, Traction, Revenue, Compound. O estágio Research é onde o teste encontra as verticais candidatas. O estágio Partner responde a segunda condição, porque nenhum build começa sem um operador de domínio carregando cicatrizes reais. O capital aplicado é $500K-1.5M por venture no pré-seed, e a Avante retém economia de co-founder.

A disciplina operacional sustenta a seleção. Os operating partners ficam engajados até o primeiro marco de receita, depois passam à supervisão no nível do conselho. 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, e uma venture de studio é lançada 6-9 meses à frente de um time autônomo com financiamento comparável. Esse é o retorno de gastar bem o slot.

O portfólio se lê como o teste aplicado três vezes, por domínio. A Alphajuri constrói em ativos judiciais, o mercado de precatórios e claims, onde o workflow é intensivo em documentos e os dados se compõem a cada caso. A WIR, com a AXA, constrói em precificação de seguros e risk scoring, onde uma API assíncrona domina um workflow e os dados de sinistro são estruturais. A BR Auction Intel constrói em leilões imobiliários, fazendo scrape, enriquecimento e scoring de imóveis onde o conjunto de dados melhora com a cobertura. Cada uma passou pelas mesmas quatro condições antes de merecer um slot. O modelo operacional está em /principles. O trabalho de um studio não é construir. A maior parte do trabalho é escolher o que não construir.