Embedded Finance: Deep Market Intelligence Report 2026

Panorama global, AI, rankings e oportunidades para a América Latina.

Por Fabiano Cruz | Sinal Intelligence | Abril 2026

---

Panorama Global, AI, Rankings e Oportunidades para a América Latina

Parte A: Relatório Executivo

1. Tese Central

Embedded finance representa a maior transformação estrutural em serviços financeiros desde a digitalização bancária dos anos 2000. A tese central deste estudo é que o valor financeiro está migrando, de forma acelerada e irreversível, das instituições financeiras tradicionais para as plataformas que controlam o contexto do cliente — e que a inteligência artificial está acelerando essa migração ao reduzir custos de underwriting, fraude, compliance e operação em 40-70%. O mercado global de embedded finance atingiu aproximadamente US$ 109 bilhões em 2024, segundo a Precedence Research, e projeta-se ultrapassar US$ 1,7 trilhão até 2034, com um CAGR de 31,5%. A combinação de embedded finance com inteligência artificial está criando uma nova geração de vencedores estruturais.

Esta transformação está acontecendo agora por três razões convergentes. Primeiro, a maturidade da infraestrutura: APIs de pagamento, crédito, banking e seguros atingiram um nível de confiabilidade e escala que permite que qualquer plataforma de software integre serviços financeiros em semanas, não anos. Segundo, a explosão da inteligência artificial: modelos de machine learning e agentes de AI estão reduzindo dramaticamente o custo de operações financeiras críticas — desde a análise de crédito em tempo real até a detecção de fraudes com biometria comportamental. Terceiro, a distribuição contextual: plataformas de software vertical (SaaS para restaurantes, clínicas, construção, logística) têm acesso direto ao fluxo operacional do cliente, o que permite oferecer produtos financeiros no momento exato de necessidade — algo que nenhum banco tradicional ou fintech direct-to-consumer consegue replicar.

O que diferencia embedded finance das ondas anteriores de fintech é a inversão do modelo de distribuição. Nas ondas anteriores — neobanks, wallets digitais, BNPL — as fintechs competiam frontalmente com bancos pela atenção do consumidor, gastando bilhões em CAC para adquirir clientes que muitas vezes não tinham lealdade à marca. Em embedded finance, o produto financeiro é distribuído dentro de uma plataforma que já possui o relacionamento com o cliente. O CAC marginal do produto financeiro tende a zero. A conversão é superior porque o produto é oferecido no contexto certo. E a retenção é mais alta porque o produto financeiro reforça o lock-in na plataforma base.

Os ventos regulatórios também são favoráveis. No Brasil, o Open Finance coordenado pelo Banco Central e o Pix como infraestrutura de pagamentos instantâneos criaram as condições para uma nova geração de embedded finance. No México, a Lei Fintech continua servindo como modelo para licenciamento de serviços financeiros digitais. Na Europa, PSD2 e PSD3 abriram o caminho para que plataformas não-bancárias acessem dados e iniciem pagamentos. Nos EUA, apesar da complexidade regulatória estadual, o modelo de sponsor bank + BaaS provider permitiu que centenas de fintechs e plataformas lançassem produtos financeiros sem obter licença bancária própria. Em 2024-2025, os reguladores americanos apertaram a supervisão sobre esse modelo — o colapso da Synapse foi um ponto de inflexão — mas isso não desacelerou o mercado; apenas deslocou valor para players com compliance mais robusto.

A tese de investimento é clara: embedded finance é superior ao modelo direct-to-consumer em quase todos os cenários porque resolve o problema fundamental de distribuição. Plataformas que já possuem milhões de merchants, SMBs ou consumidores cativos podem monetizar essa base com produtos financeiros de alto take rate, enquanto os custos de aquisição são absorvidos pelo produto de software. Isso cria unit economics fundamentalmente melhores do que neobanks ou lenders independentes. Toast, por exemplo, gera 82% de sua receita de US$ 4,1 bilhões a partir de serviços financeiros embutidos. Shopify originou US$ 3 bilhões em empréstimos via Shopify Capital. Parafin já estendeu mais de US$ 25 bilhões em ofertas de crédito para merchants de marketplaces como DoorDash e Amazon.

2. O Que É Embedded Finance de Fato

Embedded finance é a integração de serviços financeiros — pagamentos, crédito, seguros, contas bancárias, investimentos — diretamente na experiência de plataformas não-financeiras, via APIs e infraestrutura regulatória como serviço. O conceito parece simples, mas sua aplicação é frequentemente confundida com outros fenômenos adjacentes. Uma definição rigorosa é essencial para evitar inflação taxonômica e para que investidores e founders possam avaliar oportunidades com precisão.

O que define embedded finance não é apenas a presença de um produto financeiro digital, mas sim a natureza da distribuição: o serviço financeiro é oferecido dentro de uma plataforma cuja proposição de valor primária não é financeira. Quando um restaurante aceita pagamentos via Toast, acessa capital de giro via Toast Capital e gerencia folha de pagamento via Toast Payroll, isso é embedded finance. Quando um motorista de Uber recebe antecipação de ganhos via um produto integrado ao app, isso é embedded finance. Quando um e-commerce no Shopify oferece BNPL ao consumidor final via Shop Pay Installments, isso é embedded finance.

O que não é embedded finance: um neobank como o Nubank oferecendo crédito ao seu próprio cliente — isso é fintech direct-to-consumer. Um banco tradicional lançando um app digital — isso é digitalização bancária. Uma empresa de white-label fornecendo um cartão com a marca de outra empresa, mas sem integração profunda no workflow — isso é cobrand, não embedded finance. Open banking é uma camada de compartilhamento de dados que habilita embedded finance, mas não é sinônimo dele. BaaS (banking-as-a-service) é a infraestrutura que viabiliza embedded finance, mas um BaaS provider sozinho não pratica embedded finance — ele habilita quem pratica.

A taxonomia do setor deve distinguir quatro tipos de atores: (1) Infrastructure Enablers — empresas que fornecem APIs, processamento, compliance e licenças para que outros embutam serviços financeiros (Stripe, Marqeta, Unit, Galileo, Plaid); (2) Platform-Led Embedded Finance — plataformas não-financeiras que integram serviços financeiros em sua UX para monetizar sua base (Toast, Shopify, Mercado Libre, Uber); (3) Vertical SaaS com Monetização Financeira — softwares verticais que adicionam pagamentos, crédito ou seguros como camada de receita complementar (ServiceTitan, Jobber, Mindbody, Clio); (4) AI Layer / AI-Native Financial Workflow — empresas que fornecem inteligência artificial como camada de decisão para operações financeiras embutidas (Sardine, Alloy, Persona, Coris, Middesk).

Essa distinção importa porque os modelos de negócio, as margens, os riscos e as vantagens competitivas são fundamentalmente diferentes em cada camada. Infrastructure enablers têm margens brutas de 40-70% mas precisam de escala massiva. Platform-led players têm CAC marginal próximo de zero para produtos financeiros mas dependem da saúde do negócio base. Vertical SaaS companies podem dobrar ou triplicar o ARPU com fintech, mas enfrentam competição crescente de payments facilitators. AI layer players têm o potencial de criar moats baseados em dados proprietários, mas precisam provar que AI não é apenas feature — é vantagem estrutural.

3. Tamanho do Mercado e Evolução

O mercado global de embedded finance apresenta uma das trajetórias de crescimento mais expressivas do setor de tecnologia financeira. No entanto, as estimativas variam significativamente entre as firmas de research, o que exige uma leitura crítica das metodologias empregadas. A Precedence Research estima o mercado em US$ 108,5 bilhões em 2024, projetando US$ 1.732 bilhões até 2034, com CAGR de 31,5%. Já a Adyen, em parceria com o Boston Consulting Group, dimensiona a oportunidade total de embedded payments e finance em US$ 185 bilhões, um aumento de 25% em dois anos. A Markets and Markets projeta o mercado atingindo valores na faixa de US$ 250-350 bilhões até 2029, enquanto a IMARC Group estima US$ 1.217 bilhões até 2033, com CAGR de 28,5%.

A divergência nas estimativas reflete diferenças metodológicas fundamentais. Algumas firmas medem o valor total das transações processadas (TPV), outras medem a receita líquida dos provedores de infraestrutura, e outras medem o mercado endereçável total incluindo produção de crédito e prêmios de seguros. Para este estudo, adotamos a estimativa conservadora de receita do ecossistema: US$ 109 bilhões em 2024, US$ 148 bilhões em 2025, US$ 197 bilhões em 2026, com trajetória para US$ 500+ bilhões até 2030. Quando indicamos números de TPV ou produção de crédito, sinalizamos explicitamente.

A segmentação por produto revela que embedded payments continua dominando com aproximadamente 29% do mercado em 2024, seguido por embedded lending com 22%, banking-as-a-service com 18%, embedded insurance com 12% e outros segmentos (payroll, treasury, investimentos) com 19%. Embedded payments é o segmento mais maduro, com take rates de 1,5-3,5% e compressão de margens em andamento. Embedded lending é o segmento com maior potencial de expansão de receita, dado que take rates de crédito (3-8%) são significativamente maiores que pagamentos. Embedded insurance, embora ainda represente apenas 12% do mercado, é o segmento com maior CAGR projetado, impulsionado por prêmios de US$ 72 bilhões em 2025 e projeção de US$ 500 bilhões até 2030.

Geograficamente, a América do Norte lidera com 31,5% do mercado, seguida pela Europa com 27%, Ásia-Pacífico com 24%, América Latina com 10% e outras regiões com 7,5%. A América Latina, apesar de representar apenas 10% do mercado global, apresenta o maior CAGR regional (35-40%), impulsionada pela penetração de smartphones, pagamentos instantâneos (Pix, SPEI), regulação progressiva (Open Finance no Brasil, Lei Fintech no México) e uma população massivamente sub-bancarizada. O mercado de embedded finance na América Latina atingiu cerca de US$ 39 bilhões em 2025, com projeções de US$ 50-60 bilhões até 2030. Brasil e México concentram aproximadamente 70% do capital de venture capital da região, com o México superando o Brasil em volume de deals em 2025 devido a AI, fintech e nearshoring.

4. Cadeia de Valor e Arquitetura do Setor

A arquitetura de embedded finance pode ser compreendida através de cinco camadas distintas, cada uma com dinâmicas competitivas, margens e riscos próprios. A compreensão dessa cadeia de valor é fundamental para identificar onde o valor está sendo capturado e onde existem oportunidades de disrupção.

Camada 1 — Regulatória e Banking Partners: Na base da pirâmide estão os bancos licenciados que fornecem a infraestrutura regulatória. Nos EUA, Cross River Bank, Evolve Bank, Green Dot, Column e Goldman Sachs (via Transaction Banking) servem como sponsor banks para dezenas de fintechs e plataformas BaaS. No Brasil, bancos como Cora e outros atuam como parceiros regulatórios. Essa camada captura valor via fees fixos por conta, spreads de depósito e compartilhamento de interchange. As margens são estáveis mas o risco regulatório é elevado — como demonstrou o colapso da Synapse em 2024, que expuseram fragilidades no modelo de sponsor banking nos EUA e levaram a um aperto regulatório significativo pelo FDIC e OCC.

Camada 2 — Core Infrastructure e Processamento: Processadores de cartões (i2c, Galileo, Marqeta), core banking systems (Mambu, Thought Machine, Temenos) e redes de pagamento (Visa, Mastercard) fornecem a maquinaria técnica. Galileo, adquirida pela SoFi, processa mais de 150 milhões de contas. Marqeta processou US$ 98 bilhões em TPV no Q3 2025. i2c é o processador por trás de muitos programas de card issuing em emergência. Essa camada opera com margens de processamento relativamente estreitas (3-8 bps por transação) mas ganha com volume. A tendencia é de commoditização, exceto para players que conseguem subir na cadeia de valor oferecendo mais serviços.

Camada 3 — Enablers e APIs: Esta é a camada onde se concentra a maior parte da inovação e onde os unit economics são mais atrativos. Stripe (US$ 1,9 trilhão em TPV, US$ 5,8 bilhões em receita) é o líder absoluto, oferecendo pagamentos, treasury, card issuing, crédito e identity em uma única plataforma. Unit fornece BaaS modular para fintechs americanas. Plaid (US$ 390 milhões em ARR) conecta contas bancárias a aplicações. Alloy e Persona fornecem identity verification. Sardine e Featurespace fornecem detecção de fraude com AI. Essa camada tipicamente captura 10-30 bps do TPV ou cobra fees por API call, com margens brutas de 40-70%.

Camada 4 — Plataformas e Distribuidores: SaaS verticais, marketplaces e super-apps que embutem serviços financeiros em sua UX. Toast (US$ 4,1 bilhões em receita, 82% de fintech) é o caso paradigmático. Shopify Capital originou US$ 3 bilhões em empréstimos. Mercado Libre opera Mercado Pago e Mercado Credito como um sistema fechado de embedded finance. ServiceTitan gera 25% de sua receita via fintech. Essas plataformas capturam o maior share of wallet do cliente final, com take rates combinados de 2-5% sobre o GMV. Seu moat é o contexto operacional: elas conhecem o fluxo de caixa, o histórico de vendas, a sazonalidade e o comportamento do merchant em tempo real.

Camada 5 — Consumidor e End User: Merchants, SMBs e consumidores finais que utilizam os produtos financeiros embutidos. Para eles, o beneficio é conveniência, acesso (especialmente para sub-bancarizados) e custo mais baixo (por conta da eliminação de intermediários). O desafio é a transparência: muitos usuários não sabem que estão usando um produto financeiro de terceiro, o que levanta questões regulatórias e de proteção ao consumidor.

5. Principais Modelos de Negócio

O ecossistema de embedded finance comporta pelo menos oito modelos de negócio distintos, cada um com economics, vantagens competitivas e perfis de risco fundamentalmente diferentes. A análise comparativa desses modelos é essencial para investidores e founders que buscam entender onde estão as melhores oportunidades de criação de valor.

Infrastructure-Led

Stripe (US$ 1,9 trilhão TPV, US$ 5,8 bilhões revenue, US$ 159 bilhões valuation), Adyen (€1,9 bilhão revenue, €917 milhões EBITDA, 49% margem EBITDA) e Checkout.com representam o topo da cadeia de infraestrutura. Esses players constroem plataformas horizontais de pagamento e serviços financeiros que servem milhões de merchants e milhares de plataformas. Seu moat é composto por network effects (quanto mais merchants processam, melhor a detecção de fraude e os dados de benchmark), ecossistema de desenvolvedores (Stripe tem a documentação de API mais respeitada da indústria) e escala de processamento. A Adyen se destaca como o player mais eficiente do setor, com margem EBITDA de 49% — significativamente superior à maioria dos pares. Stripe expandiu-se agressivamente para além de pagamentos, lançando Stripe Treasury, Stripe Capital, Stripe Issuing e Stripe Identity, tornando-se uma plataforma financeira completa.

BaaS-Led

Unit, Synctera (US$ 94 milhões em funding total, 80% de crescimento de receita YoY), Treasury Prime, Galileo/SoFi, Column, Solaris e Griffin operam na camada de banking-as-a-service. Esses players montam a infraestrutura completa — contas, cartões, pagamentos, compliance — para que fintechs e plataformas lancem produtos bancários sem obter licença própria. O modelo enfrentou turbulência significativa em 2024-2025 após o colapso da Synapse, que expos a fragilidade de intermediar entre sponsor banks e fintechs sem controles adequados. Isso levou a uma consolidação do mercado: Bond foi adquirida pela FIS, vários players menores encerraram operações, e os sobreviventes investiram pesadamente em compliance. O risco principal deste modelo é a concentração em sponsor banks e a pressão regulatória crescente. O moat é compliance e relacionamentos regulatórios, mas esse moat pode ser temporário se reguladores exigirem que plataformas obtenham suas próprias licenças.

Platform-Led

Toast (US$ 4,1 bilhões em receita, 82% proveniente de fintech), Shopify (US$ 3 bilhões em originação de empréstimos via Capital), ServiceTitan (25% da receita via fintech, US$ 78 mil de ARPU médio) e Mindbody (US$ 250 de ARPU mensal, US$ 150 de SaaS + US$ 100 de pagamentos) representam o modelo platform-led. Essas empresas começaram como software e adicionaram camadas financeiras para multiplicar a monetização de sua base existente. O CAC marginal dos produtos financeiros é próximo de zero, pois o cliente já está na plataforma. A vantagem competitiva é o contexto operacional: Toast sabe exatamente quanto cada restaurante fatura, Shopify conhece o GMV de cada loja, ServiceTitan vê o fluxo de jobs e cobranças de cada prestador de serviço. Essa informação permite underwriting superior, ofertas personalizadas e pricing dinâmico.

AI-Native Financial Infrastructure

Sardine (US$ 660 milhões valuation, US$ 70 milhões Series C em fevereiro 2025), Alloy, Persona, Middesk, Coris, Featurespace, Unit21, Hummingbird e Inscribe representam uma nova geração de empresas que são AI-first desde o dia zero. Sardine usa device intelligence e biometria comportamental para detectar fraudes em tempo real. Alloy orquestra fluxos de identity verification e compliance. Persona automatiza KYC com verificação de documentos por AI. Middesk faz KYB (Know Your Business) verificando registros corporativos via secretários de estado e IRS. Coris monitora risco de merchants em plataformas de pagamento. O moat desses players é o flywheel de dados: quanto mais transações processam, melhores ficam os modelos de detecção, o que atrai mais clientes, gerando mais dados. A questão central é se AI é uma feature (replicavel por qualquer incumbent) ou uma vantagem estrutural (baseada em dados proprietários que ninguém mais tem).

Embedded Lending Specialists

Parafin (US$ 25 bilhões+ em ofertas estendidas, #15 no Inc 5000 de 2025), Kanmon, Lendflow (US$ 15 milhões da Trinity Capital), Pipe, Liberis e YouLend operam exclusivamente na camada de crédito embutido. Parafin se destaca como o caso mais impressionante: a empresa, fundada em 2020, fornece capital de giro embutido para merchants de plataformas como Amazon, DoorDash e Walmart, com decisões de crédito baseadas em dados transacionais da própria plataforma. Kanmon foca em vertical SaaS, permitindo que plataformas como ERPs e sistemas de gestão ofereçam linhas de crédito e financiamento de faturas. Lendflow é uma infraestrutura de crédito embutido que permite que brokers e SaaS platforms conectem seus clientes a múltiplos lenders. O risco principal é a qualidade de crédito em ciclos econômicos adversos e a dependência de funding sources (capital institucional, securitização, balanço próprio).

Embedded Insurance

Bolttech (US$ 2,1 bilhões valuation, US$ 640 milhões em funding total), Cover Genius (US$ 657 milhões valuation, 107% YoY growth, 145% Net Revenue Retention) e Qover (US$ 173 milhões GWP, 3x crescimento de receita em quatro anos) lideram o segmento de seguros embutidos. O mercado de embedded insurance atingiu US$ 72 bilhões em prêmios em 2025 e projeta-se atingir US$ 500 bilhões até 2030. Cover Genius se destaca pelo NRR de 145%, indicando forte expansão dentro de clientes existentes como Amazon, Booking Holdings e eBay. Bolttech, sediada em Cingapura, opera em 30+ mercados e recebeu investimentos estratégicos de Sumitomo Corporation, Generali e Baillie Gifford. O modelo é de distribuidor de seguros via API: a plataforma parceira oferece o seguro no ponto de venda, e o embedded insurance provider gerencia o produto, o pricing, os claims e as relações com seguradoras.

Data e Connectivity Layer

Plaid (US$ 390 milhões ARR em 2024, US$ 430 milhões projetado 2025, valuation US$ 6,1-8 bilhões), MX (US$ 1,9 bilhão valuation), Finicity (adquirida pela Mastercard), Belvo (América Latina), Tink (adquirida pela Visa), TrueLayer e Yapily formam a camada de conectividade e dados. Plaid é o líder absoluto nos EUA, conectando contas bancárias de consumidores a milhares de aplicações fintech. Sua aquisição pela Visa por US$ 5,3 bilhões em 2020 foi bloqueada pelo DOJ, mas a empresa continuou crescendo independentemente. Belvo é o equivalente LatAm do Plaid, oferecendo APIs de open finance no México, Brasil e Colômbia. O moat dessa camada é o network effect de dados: quanto mais instituições e aplicações conectadas, mais valiosa a rede. O risco é regulatório: à medida que países implementam open banking obrigatório, parte do valor que esses players capturam pode ser erosionada por infraestrutura pública.

6. Onde o Valor Está Sendo Capturado

A análise de captura de valor em embedded finance revela uma dinâmica de power law: um número relativamente pequeno de empresas captura a vasta maioria do valor econômico do ecossistema. Stripe é o maior vencedor estrutural, com valuation de US$ 159 bilhões, TPV de US$ 1,9 trilhão e receita de US$ 5,8 bilhões. A empresa retornou à lucratividade em 2024 com US$ 102 milhões de lucro antes de impostos, revertendo um prejuízo de US$ 1,2 bilhão em 2023. Stripe é o único player que conseguiu construir uma plataforma financeira verdadeiramente horizontal — pagamentos, treasury, card issuing, crédito, identity, tax e billing — com ecossistema de desenvolvedores e escala global.

Adyen é o player mais eficiente em termos de margem, com EBITDA margin de 49% em 2024 — significativamente superior a qualquer peer. Sua abordagem de plataforma unificada (acquiring, processing e risk management em um único sistema) elimina a necessidade de múltiplos intermediários e gera eficiência operacional superior. Toast demonstra o poder do modelo platform-led: dos US$ 4,1 bilhões em receita, US$ 3,4 bilhões vêm de financial technology (processamento de pagamentos e crédito). Toast Capital ultrapassou US$ 1 bilhão em originações e contribuiu US$ 43 milhões em gross profit apenas no Q4 2024.

Parafin emerge como o caso mais impressionante em embedded lending. Fundada em 2020, a empresa já estendeu mais de US$ 25 bilhões em ofertas de financiamento através de parcerias com Amazon, DoorDash, Walmart e dezenas de plataformas de vertical SaaS. Seu ranking #15 no Inc 5000 de 2025 sinaliza crescimento excepcional. Cover Genius se destaca em embedded insurance com um NRR de 145%, indicando que cada cliente existente gasta 45% a mais a cada ano — um indicador de product-market fit excepcional e expansão orgânica dentro de grandes marketplaces.

A lógica de captura de valor pode ser resumida assim: os maiores vencedores são aqueles que combinam (a) distribuição em escala, (b) stickiness operacional (o cliente não pode facilmente trocar), (c) dados proprietários que melhoram a oferta financeira com o tempo, e (d) expansão de wallet share dentro da base existente. Players de infraestrutura têm margens melhores mas dependem de escala. Players de plataforma têm CAC marginal zero mas dependem da saúde do negócio base. A combinação ideal é ser uma plataforma vertical com escala, dados proprietários e camada financeira profunda — como Toast no foodservice ou Mercado Libre na América Latina.

7. Inteligência Artificial em Embedded Finance: O Que Está Mudando

A inteligência artificial está transformando fundamentalmente a economia e a operacionalidade de embedded finance. Não se trata de uma evolução incremental, mas de uma mudança estrutural na forma como produtos financeiros são criados, distribuídos, precificados e gerenciados. AI está reduzindo custos operacionais em 40-70% em funções críticas como underwriting, detecção de fraude, compliance e atendimento, enquanto simultaneamente melhora a precisão, velocidade e personalização. O impacto líquido é uma melhoria de 300-600 basis points na margem operacional de provedores de embedded finance que adotam AI de forma agressiva.

Underwriting com AI

O underwriting tradiçional de crédito depende de bureau scores (FICO, Serasa), demonstrativos financeiros e processos manuais que levam dias ou semanas. AI está revolucionando esse processo de três formas: (1) Modelos preditivos baseados em dados transacionais em tempo real — Parafin usa dados de vendas do DoorDash e Amazon para avaliar risco de crédito de merchants em segundos, sem necessidade de demonstrativos financeiros; (2) Cash-flow based underwriting — análise de fluxo de caixa via conexões open banking (Plaid, Belvo) permite avaliação contínua de capacidade de pagamento; (3) Alternative data scoring — dados de e-commerce, reviews, saúde operacional do negócio, padrões de uso do software SaaS. Os resultados são impressionantes: reducão de losses de 25-40% comparado a modelos tradicionais, taxas de default de 2-4% vs 8-12% em linhas tradicionais para SMBs, e tempo de decisão reduzido de dias para segundos.

Detecção de Fraude e Risco com AI

O cenario de fraude em serviços financeiros está se tornando exponencialmente mais sofisticado. Segundo a TransUnion, credores americanos enfrentaram US$ 3,3 bilhões em exposição a identidades sintéticas no primeiro semestre de 2025. AI generativa reduziu a barreira para criação de identidades falsas convincentes de semanas para minutos. Em resposta, uma nova geração de empresas AI-native está redefinindo fraud prevention. Sardine (US$ 660 milhões valuation, US$ 70 milhões Series C) usa device intelligence, biometria comportamental (como o usuário digita, move o mouse, segura o celular) e machine learning para detectar fraudes em tempo real. Featurespace, com origem na Universidade de Cambridge, fornece modelos adaptáveis que aprendem padrões de fraude em tempo real para grandes bancos e processadores. Hawk AI combina transaction monitoring com AI para detecção de lavagem de dinheiro. A estimativa é que AI reduz perdas com fraude em 40-60% quando implementada corretamente.

KYC/KYB com AI

A verificação de identidade (KYC) e de negócios (KYB) é uma das áreas onde AI tem maior impacto imediato. AiPrise oferece uma plataforma unificada que combina KYB, KYC, detecção de fraude e automação de compliance, validando negócios em mais de 200 países com mapeamento de estrutura societária por AI. Persona automatiza verificação de documentos de identidade com processing time de segundos. Middesk verifica registros corporativos americanos consultando secretários de estado e IRS. Socure usa grafos de identidade e AI para verificar identidades com precisão superior a 99%. O throughput é 30-70% mais rápido que processos tradicionais, com redução de custos de compliance de 40-60%. Para embedded finance, isso é crítico: quanto mais rápido e barato o onboarding, maior a conversão de usuários para produtos financeiros.

Collections, Ops e Financial Copilots

Além de risk e compliance, AI está transformando operações diárias de embedded finance. Em collections e recovery, agentes de AI estão automatizando fluxos de cobrança com personalização do timing, canal e tom de comunicação, gerando aumentos de 15-25% nas taxas de recuperação. Em operações de compliance, agentic AI está reduzindo o headcount necessário em 40-60%, automatizando a triagem de alertas de AML, o preenchimento de SARs (Suspicious Activity Reports) e o gerenciamento de casos. Financial copilots — assistentes financeiros baseados em AI embutidos em plataformas SaaS — estão emergindo como uma nova categoria: eles oferecem aos merchants e SMBs análise automática de fluxo de caixa, previsões financeiras, otimização fiscal e recomendações de produtos financeiros. Plataformas que adotam financial copilots reportam aumentos de 20-40% no ARPU e melhoria significativa na retenção.

O impacto econômico agregado de AI em embedded finance pode ser sintetizado em quatro dimensões: (1) Redução de CAC em até 70% via onboarding automatizado e conversão instantânea; (2) Redução de perdas com fraude em 40-60% via detecção em tempo real; (3) Redução de default/perdas de crédito em 25-40% via underwriting com dados proprietarios; (4) Redução de custo operacional em 40-60% via automação de compliance, collections e suporte. Combinados, esses fatores representam uma melhoria de 300-600 bps na margem operacional — o suficiente para transformar um negócio marginalmente lucrativo em um negócio de alta qualidade.

8. Top Players Globais

Tier 1 — Mega-Scale (Revenue US$ 1B+ ou Valuation US$ 10B+)

Stripe: a maior fintech privada do mundo com valuation de US$ 159 bilhões, TPV de US$ 1,9 trilhão e receita de US$ 5,8 bilhões. Plataforma financeira horizontal completa. Adyen: processador de pagamentos europeu com receita de €1,9 bilhão e margem EBITDA de 49%. O mais eficiente do setor. Toast: plataforma para restaurantes com receita de US$ 4,1 bilhões, 82% proveniente de fintech. Referência em vertical SaaS + embedded finance. Shopify: plataforma de e-commerce com US$ 3 bilhões em originação de crédito via Capital. Block/Square: ecossistema de pagamentos e serviços financeiros para merchants e consumidores. Marqeta: plataforma de card issuing com US$ 98 bilhões em TPV. Klarna: BNPL líder com US$ 4,19 bilhões em funding total. Plaid: infraestrutura de dados financeiros com US$ 390 milhões ARR. Checkout.com: processador de pagamentos para enterprise. PayPal/Braintree: processamento em larga escala. Visa e Mastercard: redes de pagamento com programas de embedded finance (Tink, Finicity). Bolttech: embedded insurance com valuation de US$ 2,1 bilhões.

Tier 2 — Estabelecidos (Revenue US$ 100M-1B ou Valuation US$ 1-10B)

Unit, Galileo/SoFi, Sardine (US$ 660M valuation), Cover Genius (US$ 657M valuation), Highnote (US$ 750M+ valuation, US$ 81M revenue), dLocal, EBANX, Nuvei, Rapyd, Airwallex, Razorpay, Flutterwave, Mollie, Modulr, MX (US$ 1,9B valuation), Parafin, ServiceTitan, Mindbody, Alloy, Persona, Socure, Onfido, Featurespace. Esses players têm product-market fit comprovado, receitas significativas e, em muitos casos, caminhos claros para a lucratividade.

Tier 3 — Emergentes de Alto Crescimento

Synctera, Treasury Prime, Column, Kanmon, Lendflow, Pipe, Coris, Middesk, AiPrise, Inscribe, Hummingbird, Unit21, Hawk AI, ComplyAdvantage, Pomelo, Dock, Swap, Belvo, FitBank, Tribal, Clair, Rain, Gr4vy, Primer, Spreedly, Novo, Relay, Griffin, ClearBank, Qover, Wrisk, Companjon, Wisetack, YouLend, Liberis. Esses players estão em estágios iniciais de escala mas apresentam sinais claros de PMF, crescimento acelerado e posições competitivas diferenciadas.

9. Rankings e Benchmarks

Os rankings completos e benchmarks detalhados estão disponíveis na base de dados Excel que acompanha este relatório (Embedded_Finance_Database_2026.xlsx). A base contém 85 empresas com 64 colunas de dados, 38 investidores mapeados, 50 rodadas de funding, 31 subsegmentos taxonômicos, 30 empresas comparáveis, 15 oportunidades para América Latina e 12 use cases de AI. Os critérios de ranking incluem: relevância estratégica, escala, crescimento, sofisticação do produto, densidade de distribuição, força financeira, influência no ecossistema e capacidade de capturar valor de longo prazo.

Destaques dos rankings financeiros: por receita, Stripe lidera com US$ 5,8 bilhões, seguido por Toast (US$ 4,1 bilhões) e Adyen (€1,9 bilhão). Por margem EBITDA, Adyen lidera com 49%. Por TPV, Stripe lidera com US$ 1,9 trilhão, seguido por Adyen (€1+ trilhão) e Marqeta (US$ 98 bilhões). Por crescimento de receita entre emergentes, Synctera (80% YoY) e Cover Genius (107% YoY) se destacam. Por Net Revenue Retention, Cover Genius lidera com 145%. Por valuation/receita, Stripe opera a ~27x, enquanto Adyen opera a ~30x e Plaid a ~15-19x.

10. Funding, Rodadas e Investidores

O ecossistema de embedded finance acumulou US$ 62,2 bilhões em funding total, com 1.520 empresas financiadas, 712 em Series A ou acima, e 28 unicórnios. Em 2025 (até julho), o setor captou US$ 3,67 bilhões em 62 rodadas, representando um aumento de 152% comparado ao mesmo período de 2024 (US$ 1,46 bilhão em 114 rodadas). O setor de fintech como um todo recebeu US$ 52 bilhões em investimento de venture capital em 2025, sendo o terceiro maior setor para VC, atrás de AI e enterprise software.

As rodadas mais notáveis de 2024-2025 incluem: Stripe Series I-IV tender offer a US$ 91,5 bilhões de valuation (fevereiro 2025); Plaid US$ 575 milhões a US$ 6,1 bilhões (abril 2025); Highnote US$ 90 milhões Series B (dezembro 2025); Sardine US$ 70 milhões Series C a US$ 660 milhões (fevereiro 2025); Bolttech US$ 247 milhões Series C total a US$ 2,1 bilhões; Cover Genius Series E; Synctera US$ 15 milhões (março 2025); Lendflow US$ 15 milhões da Trinity Capital (maio 2025); Cross River Bank US$ 50 milhões para expandir embedded finance capabilities (2026).

Os investidores mais ativos no ecossistema por número de investimentos são Y Combinator, Techstars e Plug and Play. Por qualidade e relevância do portfólio, destacam-se Andreessen Horowitz (a16z), Ribbit Capital, QED Investors, General Catalyst, Coatue Management e Sequoia Capital. Para a América Latina, os investidores mais relevantes são Kaszek, Monashees, Valor Capital, SoftBank Latin America e QED Investors (que tem forte presença na região). O ambiente de funding pós-ZIRP (zero interest rate policy) normalizou: investidores exigem caminhos claros para lucratividade, unit economics comprovados e crescimento eficiente. A era de capital abundante sem disciplina acabou — o que favorece empresas com fundamentos sólidos.

11. Economia do Setor: Receita, Margem, TPV, Monetização

A economia de embedded finance varia drasticamente por subsegmento. Em embedded payments, take rates típicos estão na faixa de 1,5-3,5% do volume processado, com margens brutas de 40-60% para infrastructure providers e 15-25% para plataformas que repassam a maior parte do processamento. A tendencia é de compressão de take rates à medida que o mercado amadurece e a competição se intensifica, especialmente em segmentos de alto volume e baixo risco como e-commerce enterprise.

Em embedded lending, take rates são significativamente maiores (3-8% sobre o volume originado em fees, além de spreads de 5-15% sobre o capital emprestado), o que explica por que plataformas como Toast e Shopify estão investindo agressivamente nessa área. As margens brutas de lending embutido são de 20-40%, menores que pagamentos, mas a receita absoluta por cliente é muito maior. O risco é correspondentemente maior: defaults, qualidade de crédito, necessidade de capital e risco regulatório.

Em embedded insurance, take rates são os mais altos do ecossistema (15-25% dos prêmios como comissão), mas o volume por transação é menor. A combinação de alto take rate com baixo volume individual faz de embedded insurance um negócio de escala: é preciso ter milhões de transações para gerar receita significativa. Cover Genius e Bolttech demonstram que é possível atingir essa escala via parcerias com grandes plataformas globais.

A receita por cliente/merchant varia enormemente: Toast gera ~US$ 12.000/ano por restaurante em fintech revenue. ServiceTitan reporta US$ 78.000 de ARPU médio anual. Mindbody gera ~US$ 1.200/ano por studio em payments revenue. Para BaaS providers, a receita por fintech client é tipicamente US$ 50.000-500.000/ano dependendo do volume. Para AI-native players como Sardine, o modelo é tipicamente SaaS + usage-based, com ARR por cliente de US$ 50.000-1.000.000+.

12. Winners, Fragile Players e Zonas Cinzentas

Vencedores Estruturais

Stripe: moat incomparável de ecossistema, developer community, escala global e expansão de produto. Retornou à lucratividade. Adyen: o player mais eficiente do setor com margem EBITDA de 49%. Modelo end-to-end unificado. Toast: referência em vertical SaaS + fintech com 82% de receita financeira e US$ 1B+ em originação de crédito. Plaid: infraestrutura de dados com US$ 390M ARR e network effects fortes. Parafin: crescimento explosivo em embedded lending para marketplaces com US$ 25B+ em ofertas. Cover Genius: melhor NRR do setor (145%) em embedded insurance.

Players Frágeis

O setor de BaaS enfrentou um choque após o colapso da Synapse em 2024, que expuseram riscos de segregar fundos de clientes através de intermediários não-bancários. Players pure-play de BaaS que dependem de um único sponsor bank enfrentam risco existencial. Bond foi adquirida pela FIS em condições provavelmente distressed. Vários BaaS menores encerraram operações. Empresas de embedded lending que dependem de uma única fonte de funding (balanço próprio sem securitização) estão vulneráveis a ciclos de crédito. Fintechs com CAC elevado e take rates comprimidos que não demonstraram caminho para lucratividade continuam queimando caixa sem defensibilidade clara.

Zonas Cinzentas

Marqeta apresenta risco de concentração: estima-se que 70%+ de sua receita venha de Block/Square. Embora tenha diversificado (US$ 98B TPV total), a dependência de um único cliente mega é um risco estrutural para a empresa pública. Vertical SaaS companies com take rates de payments abaixo de 2% enfrentam pressão crescente de payments facilitators e inflação de custos de processamento. Alguns BaaS providers sobreviventes, como Synctera e Treasury Prime, estão se reconstruindo com foco em compliance, mas ainda precisam provar que o modelo é sustentável pós-Synapse.

13. Oportunidades para a América Latina

A América Latina é o mercado com maior potencial de crescimento relativo em embedded finance. O mercado regional atingiu aproximadamente US$ 39 bilhões em 2025, com projeções acima de US$ 50-60 bilhões até 2030. O CAGR regional de 35-40% é o mais alto entre todas as regiões, impulsionado por uma combinação única de fatores: alta penetração de smartphones, pagamentos instantâneos (Pix no Brasil com 150+ milhões de usuários, SPEI no México), regulação progressiva e uma população massivamente sub-bancarizada que não é atendida adequadamente por bancos tradicionais.

O Brasil é o mercado mais avançado da região, com estimativas de US$ 18-20 bilhões em embedded finance. O Open Finance brasileiro, coordenado pelo Banco Central, é um dos frameworks mais ambiciosos do mundo, permitindo compartilhamento de dados financeiros que habilita embedded lending e embedded insurance. O Pix processou bilhões de transações e se tornou a infraestrutura base para novos modelos de negócio. O México é o segundo maior mercado (US$ 12-15 bilhões estimados), impulsionado pela Lei Fintech e pelo boom de nearshoring que está atraindo investimento estrangeiro e criando demandas por serviços financeiros embutidos em cadeias de suprimento.

Os principais players regionais incluem: Dock (BaaS no Brasil, infraestrutura para dezenas de fintechs), Pomelo (card issuing na Argentina e América Latina, fundada em 2021), Swap (serviços bancários white-label para startups e marketplaces no Brasil), Belvo (APIs de open finance no México, Brasil e Colômbia), FitBank (infraestrutura de pagamentos e banking no Brasil), Tribal (crédito embutido para SMBs na América Latina), dLocal (processamento de pagamentos cross-border), EBANX (pagamentos para plataformas globais na LatAm) e, claro, Mercado Libre/Mercado Pago, que opera o sistema mais completo de embedded finance da região.

As lacunas mais evidentes na região são: (1) Embedded insurance permanece nascente — não existe um Cover Genius ou Bolttech local; (2) Vertical SaaS fintech mal começou — poucos SaaS verticais na região monetizam com serviços financeiros embutidos de forma sofisticada; (3) AI-native compliance e fraud prevention é quase inexistente localmente — a maioria das fintechs usa soluções americanas ou europeias; (4) Financial copilots para SMBs e microempresas é um mercado vazio; (5) Embedded payroll e earned wage access para gig economy está em estágios iniciais. Cada uma dessas lacunas representa uma oportunidade de startup com TAM significativo.

14. Teses de Startup e Produto para Explorar

Com base na análise global e nas lacunas identificadas na América Latina, identificamos dez teses de startup ou produto com alto potencial para a região:

1. AI-native KYC/KYB para América Latina: Uma Persona ou Middesk para LatAm, com modelos treinados em documentos e registros corporativos locais (CNPJ, RFC, RUT), integração com bases governamentais e capacidade de verificar negócios informais. TAM potencial: US$ 500M-1B. 2. Embedded lending para vertical SaaS em saúde, educação e agro: Plataformas de gestão de clínicas, escolas e fazendas têm acesso a dados operacionais que permitem underwriting superior. Um Kanmon para LatAm. TAM: US$ 2-5B. 3. Embedded insurance para mobilidade e logística: Seguros embutidos em apps de delivery, transporte e logística, com pricing dinâmico baseado em dados de uso. TAM: US$ 1-3B.

2. Financial copilot para SMBs integrado em plataformas: Assistente financeiro com AI que oferece análise de fluxo de caixa, previsões, recomendações de crédito e otimização fiscal dentro de ERPs e sistemas de gestão. TAM: US$ 1-2B. 5. Payroll-as-a-service para gig economy: Antecipação de ganhos, gestão de pagamentos e benefícios para trabalhadores de plataformas (Uber, iFood, Rappi). TAM: US$ 500M-1B. 6. Treasury management embutido para PMEs: Gestão automatizada de caixa, investimentos de curto prazo e reconciliação integrada em ERPs como TOTVS, SAP B1 e Conta Azul. TAM: US$ 500M-1B. 7. AI fraud prevention para Pix e pagamentos instantâneos: Detecção de fraude em tempo real otimizada para o contexto de pagamentos instantâneos brasileiros, onde o tempo de decisão precisa ser inferior a 500ms. TAM: US$ 300-700M.

3. Cross-border embedded payments para nearshoring: Plataforma de pagamentos embutidos para empresas que operam cadeias de suprimento entre EUA e México/América Central, com câmbio, compliance e reconciliação integrados. TAM: US$ 1-3B. 9. Embedded finance para agritech: Crédito, seguros e pagamentos embutidos em plataformas de gestão agrícola, com underwriting baseado em dados de safra, clima e preços de commodities. TAM: US$ 2-5B (Brasil é o maior exportador agrícola do mundo). 10. Credit scoring alternativo com AI para informais e gig workers: Modelos de score baseados em dados de celular, transações Pix, histórico de delivery e atividade em plataformas, atendendo os 50+ milhões de brasileiros sem histórico bancário adequado. TAM: US$ 1-3B.

15. Conclusões e Takeaways Executivos

Embedded finance não é uma tendência passageira — é uma reorganização fundamental de como serviços financeiros são distribuídos, precificados e consumidos. A migração do valor financeiro de instituições para plataformas é irreversível, e AI está acelerando esse processo ao tornar viável economicamente o que antes era proibitivo: underwriting instantâneo, fraud prevention em tempo real, compliance automatizado e serviços financeiros personalizados para milhões de SMBs.

Para founders: as melhores oportunidades estão em (a) AI-native infrastructure para compliance e risk, (b) embedded lending para vertical SaaS em mercados emergentes, (c) embedded insurance como camada de monetização adicional e (d) financial copilots. A América Latina oferece uma janela de oportunidade única: mercado grande, penetração baixa, infraestrutura de pagamentos instantâneos avançada (Pix) e regulação progressiva.

Para investidores: priorizem empresas com (a) distribuição embutida em plataformas existentes (não direct-to-consumer), (b) economics unit-level comprovados, (c) margens brutas acima de 40%, (d) diversificação de clientes e (e) AI como vantagem estrutural, não apenas feature. Evitem BaaS pure-play sem compliance robusto, lending-heavy sem funding diversificado e fintechs com CAC elevado que competem frontalmente com bancos.

Para plataformas (SaaS, marketplaces, super-apps): embedded finance é a maior alavanca de monetização disponível. Plataformas que integram pagamentos, crédito e seguros podem dobrar ou triplicar o ARPU. O segredo é começar com pagamentos (menor risco, implementação mais rápida), expandir para lending (maior receita por cliente) e depois adicionar insurance e treasury (receita recorrente com baixo risco). AI deve permear toda a stack: do onboarding ao underwriting, do fraud prevention ao atendimento.

Parte B: Seções Adicionais

16. Principais Lacunas de Dados e Limites Analíticos

Este estudo foi construído a partir de fontes públicas, relatórios de research, filings regulatórios, press releases e estimativas de terceiros. As principais lacunas são: (1) Receita e margens de empresas privadas — a maioria dos dados financeiros de empresas privadas (Stripe, Unit, Parafin, Sardine) são estimativas ou dados autorreportados sem auditoria; (2) Take rates reais vs declarados — empresas tendem a reportar take rates brutos sem detalhar repasses a redes e processadores; (3) Qualidade de crédito de embedded lending — dados de default e perdas de programas como Toast Capital e Shopify Capital não são divulgados de forma granular; (4) Dados de América Latina — a disponibilidade de dados sobre fintechs e BaaS providers latinoamericanos é significativamente menor que EUA e Europa; (5) Valuation vs fundamentos — valuations de rodadas privadas não refletem necessariamente o valor justo da empresa e são influenciados por preferências de liquidação e termos específicos.

Limitações metodológicas: os scores analíticos (ai_differentiation_score, embeddedness_score, etc.) são proprietários e baseados em julgamento do analista informado por dados públicos. Eles devem ser interpretados como indicadores comparativos, não métricas absolutas. As estimativas de market size variam amplamente entre firmas de research — adotamos a estimativa conservadora sempre que possível.

17. Key Charts que Valeria Produzir

Para complementar este relatório com visualizações, recomendamos a produção dos seguintes charts: (1) Evolução do mercado global de embedded finance 2020-2034 com CAGR por segmento; (2) Market share por segmento (payments, lending, BaaS, insurance, outros) em pie chart; (3) Distribuição geográfica do mercado (mapa de calor); (4) Funding por ano em embedded finance 2018-2025 (bar chart); (5) Top 20 empresas por receita (horizontal bar); (6) Valuation vs receita scatter plot para 30 empresas comparáveis; (7) Take rate comparison por subsegmento; (8) Margem EBITDA por modelo de negócio; (9) Cadeia de valor em formato waterfall mostrando captura de valor por camada; (10) Timeline de rodadas de funding 2024-2025; (11) Investor heatmap por subsegmento; (12) LatAm opportunity matrix (TAM vs maturidade); (13) AI impact por função financeira (redução de custo estimada); (14) Competitive landscape map (2x2: escala vs crescimento); (15) Revenue composition de Toast, Shopify e ServiceTitan mostrando share de fintech.

18. Perguntas que Founders, Investidores e Plataformas Deveriam Fazer

Para founders: Qual é o meu moat real além da execução? Tenho dados proprietários que melhoram com escala? Meu modelo de distribuição depende de parcerias frágeis ou de integçação profunda? Consigo atingir margem bruta acima de 40% em escala? Meu AI é feature ou vantagem estrutural? Estou construindo para um mercado que estará maior ou menor em 5 anos? Tenho diversificação de clientes ou dependência de um único mega-parceiro?

Para investidores: A empresa tem unit economics comprovados ou projetações? O take rate é sustentável ou está sob pressão competitiva? O modelo de crédito foi testado em ciclos adversos? A empresa depende de funding externo para operar (debt facilities) ou gera caixa operacional? O sponsor bank relationship é diversificado? O valuation reflete métricas reais ou narrativa? Qual é o cenario de consolidação e M&A neste subsegmento?

Para plataformas SaaS e marketplaces: Qual é o meu ARPU atual e quanto embedded finance pode adicionar? Devo construir internamente ou usar infraestrutura de terceiros? Quais produtos financeiros fazem sentido para minha base (payments first, lending, insurance)? Tenho os dados necessários para underwriting? Minha equipe tem competência regulatória? Qual o impacto na retenção e churn se adicionar produtos financeiros?

19. Top 10 Ideias para a LatAm Inspiradas por Casos Globais

1. Sardine para LatAm: plataforma AI-native de fraud prevention otimizada para Pix, SPEI e pagamentos instantâneos regionais. Oportunidade de US$ 300-700M. 2. Parafin para delivery e marketplaces LatAm: embedded lending para motoristas e merchants de iFood, Rappi e 99, usando dados transacionais da plataforma. TAM: US$ 1-3B. 3. Cover Genius para viagem e mobilidade LatAm: embedded insurance para plataformas de viagem, transporte e logística na região. TAM: US$ 500M-1B. 4. Toast para clínicas e salões de beleza: vertical SaaS com embedded payments, lending e payroll para o setor de serviços pessoais na LatAm. TAM: US$ 1-2B.

2. Alloy para compliance LatAm: orquestração de identity e compliance otimizada para marcos regulatórios locais (LGPD, Banco Central, SAT). TAM: US$ 200-500M. 6. Ramp para PMEs latino-americanas: gestão de despesas corporativas com cartões e controles embutidos para empresas de médio porte. TAM: US$ 500M-1B. 7. Gusto Embedded para gig economy LatAm: payroll e benefícios como serviço para plataformas que empregam trabalhadores temporários. TAM: US$ 300-700M. 8. Plaid/Belvo 2.0 com AI: camada de dados financeiros com inteligência artificial para gerar insights, score de crédito e recomendações automáticas. TAM: US$ 200-500M. 9. Embedded finance para agritech: crédito rural embutido em plataformas de gestão de fazendas, com underwriting baseado em dados de safra e satélite. TAM: US$ 2-5B. 10. AI-native credit scoring para informais: modelos de crédito baseados em dados alternativos (Pix, celular, delivery) para os 50M+ de brasileiros sem score bancário. TAM: US$ 1-3B.

20. Top 20 Empresas Mais Jovens para Acompanhar

As seguintes empresas fundadas a partir de 2019 merecem acompanhamento especial por combinar crescimento acelerado, produto diferenciado e posição competitiva promissora:

1. Parafin (2020, EUA) — Embedded lending para marketplaces. US$ 25B+ em ofertas, Inc 5000 #15. Parceiros: Amazon, DoorDash, Walmart. O caso mais impressionante de embedded lending. 2. Sardine (2020, EUA) — AI fraud prevention. US$ 660M valuation, US$ 70M Series C. Device intelligence e biometria comportamental. 3. Bolttech (2020, Cingapura) — Embedded insurance. US$ 2,1B valuation, US$ 640M funding. 30+ mercados. 4. Highnote (2020, EUA) — Card issuing next-gen. US$ 750M+ valuation, US$ 81M revenue. Plataforma unificada de issuing + acquiring. 5. Unit (2019, EUA) — BaaS modular. US$ 100M+ funding. Referência em developer experience para embedded banking.

2. Pomelo (2021, Argentina) — Card issuing para LatAm. Infraestrutura para emissão de cartões e processamento na região. 7. Kanmon (2021, EUA) — Embedded lending para vertical SaaS. Linhas de crédito, invoice financing e AP financing. 8. Column (2019, EUA) — Banco com licença própria + plataforma de developer banking. Modelo diferenciado: é banco e tech. 9. Coris (2022, EUA) — AI merchant risk management. Seed de US$ 4,2M. Y Combinator, Lux Capital. 10. Dock (2019, Brasil) — BaaS para LatAm. Infraestrutura para dezenas de fintechs brasileiras.

3. Inscribe (2019, EUA) — AI document fraud detection. Detecta documentos forjados e manipulados em aplicações de crédito. 12. Hummingbird (2019, EUA) — AI BSA/AML compliance. Automação de SARs e case management. 13. AiPrise (2021, EUA) — Unified AI verification: KYB, KYC, fraud em 200+ países. 14. Clair (2019, EUA) — Earned wage access embutido em plataformas de payroll. 15. Gr4vy (2020, EUA) — Payment orchestration. Camada de orquestração entre merchants e processadores.

4. Primer (2020, UK) — Payment infrastructure automation. Orquestração de pagamentos para enterprise. 17. Companjon (2020, Irlanda) — Embedded insurance digital-native para plataformas europeias. 18. Rain (2019, EUA) — Earned wage access para empresas. 19. Novo (2019, EUA) — Banking embutido para small business com ferramentas de gestão financeira. 20. Relay (2019, EUA) — Business banking com collaborative features para PMEs.

21. Top Investidores Mais Ativos no Ecossistema

Por número de investimentos em embedded finance, os líderes são: Y Combinator (maior número de investimentos seed), Techstars, Plug and Play Tech Center, 500 Global e Antler. Por qualidade e relevância estratégica do portfólio: Andreessen Horowitz (a16z) — investidor em Stripe, Plaid e múltiplas fintechs de infraestrutura; Ribbit Capital — foco exclusivo em fintech, portfólio inclui Nubank, Coinbase e Brex; QED Investors — fundado por ex-Capital One, foco em fintech com presença forte na LatAm; General Catalyst — investidor em Stripe e múltiplas empresas de fintech infra; Coatue Management — crossover fund com investimentos em Marqeta e empresas de embedded finance; Sequoia Capital — portfólio diversificado incluindo Stripe e Klarna.

Para América Latina especificamente: Kaszek Ventures (maior VC da LatAm, investidor em Nubank e dezenas de fintechs), Monashees (Brasil, portfólio fintech forte), Valor Capital (bridge fund EUA-Brasil), SoftBank Latin America Fund, QED Investors (expansão ativa para LatAm) e a16z (investimentos seletivos na região). Por estágio: Seed — Y Combinator, Antler, Canary, Valor Capital; Series A — a16z, QED, Ribbit, Kaszek; Series B+ — Coatue, Tiger Global (menos ativo pós-2022), General Catalyst, Insight Partners; Late Stage — DST Global, Dragoneer, Baillie Gifford.

22. Empresas AI-Native ou AI-Forward com Maior Potencial

A intersecção de AI com embedded finance está gerando uma nova safra de empresas com potencial de disrupção significativo. As mais promissoras são:

Sardine (Fraud/Risk) — Potencial: 5/5. A empresa mais bem posicionada para ser a plataforma de AI risk para todo o ecossistema de embedded finance. Device intelligence + behavioral biometrics + ML cria um moat de dados formidável. Valuation de US$ 660M ainda parece razoável para o potencial. Alloy (Identity/Compliance) — Potencial: 4/5. Orquestração de identity e compliance com AI. Forte em enterprise, com centenas de fintechs e bancos como clientes. O risco é competição de Persona e players verticais. Persona (KYC) — Potencial: 4/5. Verificação de identidade com AI, forte em UX e developer experience. Risco: commoditização de KYC com open banking.

Coris (Merchant Risk) — Potencial: 4/5. Nicho altamente específico de risco de merchants para plataformas de pagamento. Fundada em 2022, ainda seed-stage, mas com Y Combinator e Lux Capital como backers. Se funcionar, pode ser adquirida por Stripe, Adyen ou Marqeta. Middesk (KYB) — Potencial: 4/5. Verificação de negócios com AI, nicho complementar ao KYC pessoal. Forte em EUA, oportunidade de expansão internacional. Featurespace (Adaptive Fraud) — Potencial: 4/5. Modelos adaptáveis de detecção de fraude com base acadêmica (Cambridge). Forte em bancos tier-1 e processadores. Inscribe (Document Fraud) — Potencial: 3/5. Nicho específico de detecção de documentos fraudulentos. Útil para lending, mas mercado limitado. Hummingbird (BSA/AML) — Potencial: 3/5. Automação de compliance AML/BSA. Forte em bancos regulados, oportunidade de servir o ecossistema de embedded finance.

A tese de investimento em AI-native embedded finance é: empresas que combinam dados proprietários com modelos de AI têm o potencial de criar moats duradouros. O flywheel é: mais clientes geram mais dados, que melhoram os modelos, que atraem mais clientes. O risco é que modelos foundation (GPT, Claude) democratizem capacidades de AI e reduzam a vantagem de modelos proprietários. Por isso, a defensibilidade real está nos dados, não nos modelos: quem tem acesso a dados de transações, fraude e comportamento em escala terá vantagem duradoura.

Parte C: Análise Crítica E Insights Estratégicos (Bloco 4)

Quais modelos têm melhor qualidade de receita?

Infrastructure-led models (Stripe, Adyen) têm a melhor qualidade de receita por combinar recorrência, previsibilidade e margens superiores. A receita é baseada em volume de transações que cresce organicamente com o GMV dos clientes, sem necessidade de reinvestimento em aquisição. Adyen com 49% de margem EBITDA demonstra que infraestrutura de pagamentos pode ser extraordinariamente rentável em escala. Platform-led models (Toast, Shopify) têm qualidade de receita alta quando combinam SaaS recorrente com fintech transacional, gerando alta stickiness. Lending specialists têm receita ciclica e dependente de qualidade de crédito, representando menor qualidade. BaaS puro tem receita volátil, dependente de volume de fintechs clientes que podem migrar ou falir.

Quais modelos têm maior risco de compressão de margem?

Embedded payments puro enfrenta a maior pressão de compressão de margem. À medida que o mercado amadurece, take rates estão caindo de 3%+ para abaixo de 2% em segmentos competitivos. Payment facilitators, ISOs e acquirers competem agressivamente em preço. BaaS também enfrenta compressão: fintechs clientes negociam fees mais baixos à medida que crescem, e alguns optam por obter licença própria. Embedded insurance tem risco de compressão se seguradoras tradicionais passarem a oferecer APIs diretamente. Os modelos com menor risco de compressão são aqueles com dados proprietários e AI-driven decision making, onde a vantagem não é no preço mas na precisão e velocidade da decisão.

Quem controla melhor a distribuição?

Plataformas com contexto operacional controlam melhor a distribuição do que infraestrutura pura. Toast distribui produtos financeiros para 120.000+ restaurantes que usam seu POS diariamente. Shopify distribui para milhões de merchants que dependem de sua plataforma de e-commerce. Mercado Libre distribui para milhões de sellers e compradores no ecossistema. Infraestrutura pura (Stripe, Marqeta) depende de que seus clientes (plataformas, fintechs) decidam ativar e distribuir os produtos. O controle de distribuição é o ativo mais valioso em embedded finance: quem controla o ponto de contato com o end user controla a monetização.

Onde AI cria defensibilidade real?

AI cria defensibilidade real quando combinada com dados proprietários em escala. Os casos mais claros são: (1) Fraud detection — modelos treinados em bilhões de transações com labels de fraude proprietários (Sardine, Featurespace); (2) Underwriting — modelos de crédito baseados em dados operacionais de plataformas (Parafin com dados de delivery, Toast com dados de restaurantes); (3) Identity verification — grafos de identidade construídos ao longo de milhões de verificações (Socure, Persona). AI não cria defensibilidade em: automação de processos genéricos (chatbots, data entry), onde LLMs commoditizados podem replicar funcionalidade; nem em analytics dashboards, onde o valor é na visualização, não no modelo.

AI como feature vs. vantagem estrutural

AI é feature quando: é aplicada a processos genéricos que qualquer empresa pode replicar com APIs de LLM (suporte ao cliente, geração de relatórios, classificação de documentos). AI é vantagem estrutural quando: (a) depende de dados proprietários que só a empresa tem, (b) melhora com escala (flywheel de dados), (c) está integrada no core do produto de forma que não pode ser facilmente substituída. Exemplos de vantagem estrutural: Sardine com dados de device intelligence coletados em bilhões de sessões; Parafin com performance de crédito baseada em dados de delivery; Plaid com grafos de conexão financeira. Exemplos de feature: qualquer fintech usando GPT para chatbot de suporte ou para gerar descrições de transações.

Como AI reduz CAC, fraude, perdas e custo operacional

CAC: AI automatiza onboarding e KYC, reduzindo o custo de adquirir e verificar um novo cliente de US$ 20-50 para US$ 2-5, uma redução de 70-90%. Fraude: modelos de real-time scoring reduzem perdas com fraude em 40-60%. Sardine reporta que seus clientes têm taxas de fraude 3-5x menores que a média da indústria. Perdas de crédito: underwriting com dados proprietarios reduz default em 25-40% comparado a modelos tradicionais. Parafin reporta taxas de default de 2-4% vs 8-12% em linhas tradicionais para SMBs. Custo operacional: agentic AI automatiza 40-60% do trabalho de analistas de compliance, collections e suporte. Uma equipe de 50 analistas de AML pode ser reduzida para 20-25 com automação inteligente, mantendo ou melhorando a qualidade.

Players fortes em narrativa, fracos em fundamentos

Vários players do setor têm narrativas fortes mas fundamentos questionáveis: (1) Alguns BaaS providers que sobreviveram ao colapso Synapse continuam com modelos frágeis, dependentes de poucos sponsor banks e com compliance subinvestido; (2) Fintechs de embedded lending que crescem originação agressivamente sem demonstrar qualidade de crédito em ciclos adversos; (3) Vertical SaaS que anuncia 'embedded finance' mas na realidade apenas integrou um payment facilitator sem capturar economics significativos; (4) Empresas com valuations inflados de rodadas 2021 que não conseguiram crescer nos fundamentos desde então.

Empresas subestimadas

Parafin parece subestimada: US$ 25B+ em ofertas, ranking Inc 5000 #15, partnerships com Amazon e DoorDash, mas recebe menos atenção que players de infraestrutura. Cover Genius com NRR de 145% e 107% YoY growth é provavelmente o melhor negócio de embedded insurance do mundo e ainda tem valuation de US$ 657M. Column, como banco com licença própria + plataforma tech, tem uma posição única que elimina o risco de sponsor bank. Coris, embora seed-stage, está atacando um nicho crítico (merchant risk) que se torna mais importante à medida que plataformas escalam embedded finance.

Sinais de consolidação

Vários sinais apontam para consolidação: (1) Bond adquirida pela FIS — indica que incumbentes de payments/processing estão comprando BaaS capabilities; (2) Visa adquiriu Tink, Mastercard adquiriu Finicity — redes de pagamento absorvendo camada de dados; (3) SoFi adquiriu Galileo — neobank absorvendo infraestrutura; (4) Pressão regulatória sobre BaaS deve forçar consolidação entre os sobreviventes; (5) Stripe expandindo para issuing, treasury, lending, identity — potencialmente comprimindo espaço para players especializados. Os próximos alvos de M&A prováveis são: card issuers menores (Lithic, Thredd), AI-native risk players (Sardine, Alloy como alvos para Stripe ou Adyen), e BaaS players regionais (Dock, Pomelo como alvos para processadores globais).

Melhores aprendizados para a América Latina

Os aprendizados mais acionáveis do ecossistema global para a América Latina são: (1) Começar com pagamentos, expandir para lending — essa é a sequência que funciona (Toast, Shopify, Mercado Libre seguiram esse playbook); (2) Vertical SaaS + fintech é o modelo com melhor risk-reward para a região — menor competição, ARPU multiplicado, stickiness alta; (3) AI-native compliance é uma lacuna crítica — quem construir o Sardine ou Alloy para LatAm terá vantagem de first-mover; (4) Embedded insurance é o segmento com maior upside relativo — praticamente inexplorado na região; (5) Dados de Pix e Open Finance são um ativo competitivo único — quem souber transformar esses dados em underwriting e risk assessment terá vantagem global; (6) Não tentar replicar modelos americanos sem adaptação — o contexto regulatório, cultural e econômico da LatAm exige soluções nativas.

---

Suplemento: Análise Complementar

Análise Comparativa, Economia dos Modelos, Regulação, Cenários 2027-2030 e Glossário Técnico

SEÇÃO 1 — Rankings Detalhados e Mapeamento Competitivo

Esta seção apresenta os rankings analíticos completos das 100+ empresas mapeadas no banco de dados do relatório principal, segmentados por subcategoria, geografia, maturidade e métricas financeiras. A metodologia de scoring combina variáveis quantitativas (funding total, receita estimada, crescimento YoY) e qualitativas (defensibilidade tecnológica, qualidade de distribuição, vantagem regulatória).

1.1 Ranking Global Top 30 — Por Valor de Mercado / Valuation

O ranking de valuation das empresas de embedded finance revela uma concentração significativa nos players de infraestrutura de pagamentos e BaaS, com a Stripe liderando com valuation de US$91,5 bilhões após sua última rodada secundária em 2024-2025. A Adyen, como empresa pública, mantém market cap oscilando entre US$45-55 bilhões em 2026, enquanto a Plaid, após ser barrada na aquisição pela Visa, estabilizou seu valuation na faixa de US$13 bilhões. Entre as empresas de crescimento mais acelerado, a Ramp se destaca com valuation de US$13 bilhões em apenas 5 anos de operação, impulsionada por sua proposta de 'corporate card + software' com forte componente de IA para gestão de despesas. O ecossistema mostra que os maiores valuations estão concentrados em: (i) infraestrutura horizontal de pagamentos (Stripe, Adyen, Checkout.com, Rapyd); (ii) banking-as-a-service com escala (Unit, Treasury Prime, Column); e (iii) plataformas verticais com forte monetização financeira (Toast, Mindbody, ServiceTitan). No segmento LatAm, as líderes são Nubank (US$45B+ market cap), Clip (US$2B+), Creditas (US$4,5B peak), e Ualá (US$2,45B). É importante notar que os valuations privados de 2021-2022 sofreram markdown significativo em rodadas subsequentes — empresas como Brex, Marqeta e Bolt experimentaram flat rounds ou down rounds entre 2023-2025, refletindo o ajuste de mercado pós-ZIRP (Zero Interest Rate Policy).

1.2 Ranking por Subcategoria — Infrastructure & Payments

O segmento de infraestrutura de pagamentos é o mais maduro e concentrado do ecossistema de embedded finance, com take rates médios entre 1,5% e 3,5% do TPV (Total Payment Volume). As 15 empresas mapeadas nesta categoria processam coletivamente mais de US$3 trilhões em volume anual. A Stripe lidera com US$1+ trilhão em TPV e receita estimada superior a US$20 bilhões em 2025, seguida pela Adyen com €800+ bilhões em volume. Checkout.com, dLocal e Rapyd completam o top 5, com dLocal se destacando como o líder em mercados emergentes com take rate de 3,2% (significativamente acima da média por conta da complexidade regulatória em LatAm e África). Os diferenciais competitivos neste segmento são: cobertura geográfica de métodos de pagamento locais, latência de processamento, taxa de aprovação (Stripe reporta 2-3pp acima da média em otimização inteligente de roteamento), e profundidade de ferramentas de desenvolvedor. A margem EBITDA das líderes varia entre 25% (Stripe, que reinveste agressivamente) e 50%+ (Adyen, com modelo operacional mais lean). O principal risco é a compressão de take rates em mercados maduros, onde a commoditização pressiona margens — nos EUA, take rates de processamento caíram ~15% entre 2020-2025.

1.3 Ranking por Subcategoria — Banking-as-a-Service (BaaS)

O segmento de BaaS passou por uma reconfiguração profunda entre 2023-2026 após a crise regulatória que atingiu diversos banco-parceiros (partner banks) nos EUA. Synapse, a plataforma de middleware BaaS, colapsou em 2024 deixando milhões de dólares em fundos de clientes em limbo, o que gerou uma onda regulatória com o OCC e FDIC endurecendo os requisitos para programas de BaaS. Entre as 11 empresas mapeadas, Unit se destaca como a plataforma mais completa, oferecendo contas, cartões, ACH, wire transfers e lending em uma única API, com 200+ clientes enterprise e receita estimada em US$100-150M ARR. Column, fundada por ex-executivos da Silicon Valley Bank, representa o modelo de 'banco-plataforma' que detém sua própria licença bancária, eliminando o risco de intermediário. Treasury Prime opera como middleware conectando fintechs a uma rede de 15+ bancos parceiros. Solarisbank na Europa segue modelo semelhante com licença bancária própria na Alemanha. O modelo econômico do BaaS mostra margens brutas de 40-60%, com monetização via (i) SaaS fee mensal, (ii) revenue share sobre interchange e float, e (iii) fee por transação. O principal desafio do segmento é o risco regulatório: em 2025-2026, múltiplos consent orders foram emitidos contra bancos parceiros, forçando uma reestruturação que beneficia players com licença própria (Column, Solarisbank) em detrimento dos middlewares puros.

1.4 Ranking por Subcategoria — Card Issuing

O card issuing experimenta um momento de consolidação após a explosão de 2019-2022 quando dezenas de players entraram no mercado impulsionados pela demanda de cartões corporativos e para gig workers. Marqeta, a líder de mercado com IPO em 2021, processa US$200B+ em volume mas enfrentou compressão de margem após renegociação do contrato com Block (Square), seu maior cliente representando 70%+ da receita. Lithic (anteriormente Privacy.com) se posiciona como alternativa developer-friendly com APIs mais modernas. Highnote e Galileo (adquirida pela SoFi) complementam o mercado nos EUA. Na Europa, Enfuce e Marqeta Europe competem com modelos de multi-issuing que permitem emissão em 30+ países via uma única integração. O segmento apresenta economics desafiadoras: take rates de 0,5-1,5% do volume, margens brutas de 30-50%, e alta dependência de interchange fees que estão sob pressão regulatória global (a proposta Durbin 2.0 nos EUA e o teto de interchange na UE). A principal tendência é a migração para modelos 'issuing + credit', onde a emissão de cartão é bundled com underwriting de crédito — Marqeta lançou 'Marqeta Credit' em 2025, e Lithic adicionou capabilities de credit-as-a-service.

1.5 Ranking por Subcategoria — Embedded Lending

O embedded lending é o segmento com maior potencial de receita por transação no ecossistema, com take rates de 3-8% e yield spreads significativos. As 8 empresas mapeadas incluem líderes de BNPL (Affirm, Klarna), lending-as-a-service (Lendflow, Kanmon), e platforms de lending para SMBs (Parafin, Liberis). Affirm, com US$2,3B+ em receita anualizada e 300K+ merchants, opera o modelo mais maduro, monetizando via merchant discount rate (MDR) de 5-8% e consumer APR de 0-36%. Klarna, após IPO bem-sucedido em 2025 com valuation de US$14,6 bilhões (significativamente abaixo do pico de US$45,6B em 2021), demonstrou que o modelo BNPL pode atingir lucratividade — a empresa reportou lucro operacional positivo pela primeira vez em Q3 2024. Lendflow se destaca como plataforma de orquestração de lending, permitindo que qualquer empresa ofereça crédito via uma única API que conecta bureaus, modelos de scoring, e capital providers. Kanmon oferece embedded B2B lending, focando em plataformas SaaS que querem oferecer empréstimos para seus clientes SMB. Parafin, adquirida pela Stripe em 2025, representou uma validação estratégica do modelo de merchant cash advance embarcado. O principal risco é o credit risk em ciclos econômicos adversos — delinquency rates de BNPL subiram 30%+ entre 2022-2024, pressionando margens líquidas.

1.6 Ranking por Subcategoria — AI-Native Embedded Finance

O segmento de AI-native é o de crescimento mais rápido, com 16 empresas mapeadas que aplicam inteligência artificial como core competency (não apenas feature). Ramp lidera como o caso de uso mais bem-sucedido de AI em fintech corporativa, usando modelos de ML para detecção de despesas duplicadas, negociação automática de contratos SaaS, e categorização inteligente de gastos — a empresa reporta economia média de 5% em gastos corporativos para seus clientes. Sardine se posiciona como líder em fraud prevention com AI, usando behavioral biometrics e device intelligence para reduzir fraud rates em 70%+ versus regras tradicionais. Inscribe e Ocrolus aplicam document AI para automação de underwriting — Ocrolus processa 100M+ documentos financeiros por ano com accuracy de 99%+. Unit21 oferece AML/KYC com AI adaptativo que reduz false positives em 80%, um pain point crítico para compliance teams. Gretel.ai e Hazy fornecem synthetic data para treinamento de modelos de risco sem expor dados reais de clientes, endereçando regulações como GDPR e LGPD. Coris e Alloy aplicam AI para risk decisioning em tempo real, com Alloy processando 600M+ identity decisions anualmente. A tese central do segmento é que AI não é uma feature — é uma nova camada arquitetural que redefine unit economics. Empresas que aplicam AI em underwriting reportam redução de 40-70% em custo de análise, enquanto fraud AI gera savings de 2-5x o custo da solução.

1.7 Ranking por Subcategoria — Vertical SaaS + Fintech

O modelo vertical SaaS + fintech é a fronteira mais promissora do embedded finance, combinando software especializado com monetização financeira para criar moats profundos. Toast lidera o segmento com foco em restaurantes, processando US$140B+ em GPV (Gross Payment Volume) e atingindo US$4,5B+ em receita anualizada. O modelo econômico é revelador: a receita de SaaS por restaurante (~US$1.000/mês) é amplificada em 3-4x pela receita de pagamentos e fintech (processamento, capital de giro, seguros). ServiceTitan replica o modelo para home services (HVAC, encanamento, elétrica) com IPO em 2025 avaliando a empresa em US$9B+. Mindbody domina wellness/fitness, Procore atende construção civil, e Shopify opera o maior ecossistema de embedded finance do e-commerce com Shopify Payments, Shopify Capital (US$5B+ em empréstimos), e Shopify Balance. Na LatAm, Clip (México) e Stone/Cielo (Brasil) aplicam modelo similar para PMEs. O take rate combinado (SaaS + fintech) dessas plataformas atinge 5-10% da receita do cliente, versus 2-3% de processadores puros — demonstrando o premium de integração vertical. O risco principal é a dependência do setor atendido: Toast enfrentou desafios durante a pandemia, enquanto Procore sofreu com a desaceleração da construção civil em 2023-2024.

1.8 Rankings Financeiros Comparativos

Analisando métricas financeiras transversais entre os segmentos, emergem padrões claros de unit economics:

Margem Bruta: Infrastructure/Payments lidera com 55-65% (Adyen: 60%, Stripe: ~55%), seguido por AI-Native com 70-85% (Ramp: 75%, Sardine: 80%+), Vertical SaaS+Fintech com 45-55% (Toast: 47%, Shopify Payments: 53%), BaaS com 40-55% (Unit: 50%, Column: 55%), Card Issuing com 30-50% (Marqeta: 42%, Lithic: 48%), e Embedded Lending com 25-45% (Affirm: 38%, Klarna: 42% post-turnaround). A tendência é clara: quanto mais próximo do software puro (AI, SaaS), maior a margem bruta.

Crescimento YoY: AI-Native lidera com medianas de 80-150% YoY, seguido por Vertical SaaS+Fintech com 30-60%, Embedded Lending com 25-45%, BaaS com 20-40%, Infrastructure/Payments com 15-30% (base grande), e Card Issuing com 10-25% (maturidade). Ramp cresceu 100%+ em 2025, enquanto Sardine e Unit21 reportam crescimento de 3x ARR em 24 meses.

Net Revenue Retention (NRR): Vertical SaaS+Fintech lidera com NRR de 120-140% (expansão via upsell de produtos financeiros), seguido por AI-Native com 115-135% (expansão de volume processado), Infrastructure com 110-125% (crescimento orgânico do TPV dos clientes), e BaaS com 105-120%. NRR acima de 130% indica forte product-led growth e expansão de wallet share.

SEÇÃO 2 — Economia Comparativa dos Modelos de Negócio

Esta seção oferece uma análise profunda da microeconomia de cada modelo de negócio no ecossistema de embedded finance, incluindo estrutura de custos, margens por camada, e path-to-profitability. O objetivo é fornecer ao leitor ferramentas para avaliar a sustentabilidade econômica de cada categoria e identificar onde o valor é criado — e onde é destruído.

2.1 Modelo Infrastructure-Led (Stripe, Adyen, Checkout.com)

O modelo de infraestrutura de pagamentos opera com economics de escala clássica: custos marginais decrescentes por transação, com a maior parte do custo fixo em engenharia e compliance. A decomposição de unit economics para um processador típico é: take rate de 2,9% + $0,30 por transação (pricing padrão Stripe), dos quais ~70% (ou 2,0% + $0,20) é interchange pago ao banco emissor e network fees (Visa/Mastercard), resultando em net revenue de ~0,9% + $0,10 por transação. Desse net revenue, custos de operação (infraestrutura, suporte, compliance) consomem ~35-40%, deixando margem EBITDA de 50-60% do net revenue, ou ~0,45-0,55% do TPV bruto.

Para a Adyen, que opera modelo integrado (acquirer + processor), a estrutura é mais eficiente: net revenue de €0,74 por transação em 2024, EBITDA margin de 49% sobre receita líquida, e capex em tecnologia representando ~15% da receita. O resultado é um modelo que gera €600M+ em free cash flow com 4.700 funcionários — um dos mais eficientes da indústria financeira por funcionário.

O path-to-profitability para novos entrantes é longo: são necessários US$500M-1B+ em TPV anual para atingir breakeven operacional, assumindo take rate competitivo. Isso explica por que o segmento consolidou rapidamente — novos players precisam de nichos (como dLocal em mercados emergentes ou Flutterwave na África) para competir sem enfrentar a escala dos incumbentes. A principal alavanca de valor é o net revenue expansion: Stripe aumentou seu net revenue por merchant em 3x entre 2019-2025 via adição de produtos (Billing, Tax, Radar, Atlas, Treasury), demonstrando que a infraestrutura de pagamentos é uma plataforma para upsell de financial services com margem incremental de 70%+.

2.2 Modelo BaaS-Led (Unit, Column, Solarisbank)

O modelo BaaS opera em três camadas de monetização: (i) fee mensal de plataforma (US$5-25K/mês para enterprise), (ii) revenue share sobre interchange e float income (50-80% para a fintech, 20-50% retido pelo BaaS provider e banco parceiro), e (iii) fees por transação (US$0,10-0,50 por ACH, US$1-3 por wire). A composição típica de receita é 30% SaaS fees, 40% interchange share, 20% transaction fees, e 10% float income (que subiu significativamente com taxas de juros elevadas entre 2022-2025).

O custo estrutural do BaaS é dominado por compliance e bank partnership management. Players como Unit mantêm equipes de compliance de 50-80 pessoas (15-20% do headcount total), e os custos de auditoria e regulatory reporting consomem 8-12% da receita. A margem bruta oscila entre 40-60%, mas a margem EBITDA é significativamente menor (10-25%) devido aos investimentos em compliance e tecnologia.

A crise regulatória de 2023-2025 reorganizou fundamentalmente o modelo econômico: bancos parceiros passaram a exigir supervisão direta dos programas de fintech (não mais delegando ao middleware), aumentando custos de compliance em 30-50%. Isso beneficiou players com licença bancária própria (Column com custo de compliance internalizado) e prejudicou middlewares puros que dependem de banco parceiro (o modelo Synapse). A tendência é clara: o futuro do BaaS pertence a quem controla a licença bancária ou opera como camada de tecnologia para bancos existentes, não como intermediário entre fintechs e bancos.

2.3 Modelo Vertical SaaS + Fintech (Toast, Shopify, ServiceTitan)

O modelo vertical SaaS + fintech é o que apresenta a maior lifetime value por cliente no ecossistema. A decomposição para um restaurante típico no Toast ilustra: receita de SaaS de US$1.000-1.500/mês (POS software, gestão, online ordering), mais receita de pagamentos de US$2.000-4.000/mês (2,49% + $0,15 por transação sobre faturamento médio de US$120K/mês), mais receita de fintech de US$500-1.500/mês (capital de giro via Toast Capital, seguros, payroll). O resultado é ARPU de US$3.500-7.000/mês, com o componente financeiro representando 60-75% da receita total.

O custo de aquisição de cliente (CAC) é elevado — US$5.000-15.000 por restaurante para Toast, incluindo hardware, instalação e onboarding — mas o LTV/CAC ratio é superior a 5x devido ao alto switching cost. Uma vez que um restaurante opera toda sua operação no Toast (POS, pagamentos, payroll, gestão de estoque, online ordering), migrar para outra plataforma implica 3-6 meses de disruption operacional. O churn rate médio é de 10-15% anual, significativamente abaixo dos 20-30% de processadores de pagamento genéricos.

A margem bruta consolidada do modelo é 45-55%, pressionada pelo componente de pagamentos (margem bruta de 25-30% no processamento puro). Porém, a margem bruta incremental — o custo marginal de adicionar um produto financeiro a um cliente existente — é de 70-85%, o que explica por que empresas como Shopify e Toast investem agressivamente em expansão de produto financeiro. Shopify Capital, com US$5B+ em empréstimos acumulados, opera com margem bruta estimada de 50-60% e default rates de 5-8% (abaixo da média de mercado porque utiliza dados de vendas do merchant para underwriting — um exemplo clássico de information advantage via embedded data).

2.4 Modelo AI-Native (Ramp, Sardine, Ocrolus)

O modelo AI-native se diferencia por apresentar margens brutas de 70-85% — superiores a todos os outros segmentos — e custos marginais que diminuem exponencialmente com escala (quanto mais dados processados, melhor o modelo, menor o custo por decisão). Ramp exemplifica: a empresa cobra US$0 de fee mensal pelo cartão corporativo (freemium), monetizando via interchange share (~1,5% do volume) e software premium (US$12/user/mês para Ramp Plus). O diferencial é que os modelos de AI geram savings de 3-5% em gastos corporativos para o cliente, criando ROI imediato que impulsiona adoção viral. O CAC efetivo é próximo de zero para o produto base, com payback period de 1-3 meses.

Sardine, no segmento de fraud prevention com AI, opera modelo de SaaS + usage-based pricing: fee base de US$5-20K/mês mais US$0,01-0,05 por transaction screened. O custo marginal por screening é dominado por compute (inference de ML models), que cai 50%+ ano a ano com otimizações de modelo e hardware (GPUs mais eficientes). A margem bruta é 80%+, e o modelo se beneficia de network effects: cada novo cliente adiciona dados que melhoram a acurácia do modelo para todos os clientes.

O principal desafio econômico do modelo AI-native é o custo de R&D: empresas como Sardine e Ocrolus investem 40-50% da receita em engenharia e ciência de dados, comprimindo a margem EBITDA para 5-15% mesmo com margens brutas elevadas. A expectativa é que, com escala, R&D como percentual da receita caia para 20-25%, resultando em margens EBITDA de 30-40% — semelhantes a empresas de SaaS maduras como Datadog ou CrowdStrike.

SEÇÃO 3 — Panorama Regulatório Global

O ambiente regulatório é o fator exógeno de maior impacto no ecossistema de embedded finance. Entre 2023-2026, houve uma aceleração sem precedentes de ações regulatórias que redefiniram as regras do jogo em todas as geografias relevantes. Esta seção mapeia o estado atual e as tendências regulatórias que determinarão quais modelos de negócio sobrevivem e quais serão forçados a pivotar.

3.1 Estados Unidos — A Onda Regulatória Pós-Synapse

O colapso da Synapse em junho de 2024 foi o evento catalisador de uma reestruturação regulatória profunda no BaaS americano. A Synapse, que operava como middleware entre fintechs e bancos parceiros, deixou US$85M+ em fundos de clientes em limbo quando declarou bankruptcy, revelando falhas sistêmicas na cadeia de custódia de fundos. O FDIC e OCC responderam com uma série de consent orders contra bancos parceiros de BaaS: Evolve Bancshares, Blue Ridge Bank, Cross River Bank e Metropolitan Commercial Bank enfrentaram ordens restritivas que limitaram novos onboardings de fintechs e exigiram supervisão direta dos programas existentes.

A proposta regulatória emergente no mercado americano inclui: (i) exigência de que fintechs mantenham registros individuais de clientes no banco parceiro (fim do modelo de FBO — For Benefit Of — pooled accounts), (ii) supervisão direta do CFPB sobre fintechs com mais de 5M de clientes, (iii) requisitos de capital e liquidez para programas de BaaS. O impacto prático é o aumento de custo de compliance em 40-60% para programas de BaaS existentes e a inviabilização de modelos de middleware puro. Os beneficiados são: Column (licença bancária própria), bancos tradicionais que oferecem APIs diretas (Goldman Sachs TxB, JPMorgan), e compliance-tech companies (Alloy, Unit21).

3.2 Europa — Open Finance e PSD3

A Europa está implementando o framework regulatório mais avançado do mundo para embedded finance via a evolução do PSD2 para PSD3 e o novo Financial Data Access (FiDA) regulation. O PSD3, proposto pela Comissão Europeia em junho de 2023 e em fase de negociação trilogue em 2025-2026, expande o escopo de open banking para open finance, incluindo seguros, investimentos, pensões e empréstimos hipotecários. O FiDA cria um framework de compartilhamento de dados financeiros que vai muito além dos pagamentos, abrindo oportunidades para empresas de embedded finance acessarem dados de toda a vida financeira do consumidor.

O impacto para o ecossistema é significativo: (i) novos entrantes terão acesso a dados que antes eram monopólio dos bancos incumbentes, (ii) plataformas de agregação financeira (Plaid, Tink/Visa, Yapily) se beneficiam como infraestrutura obrigatória, (iii) embedded insurance e embedded investment se tornam viáveis em escala pela primeira vez. A regulação de e-money na Europa (EMI license) também evoluiu, com requisitos de safeguarding mais rigorosos após falhas em fintechs como Wirecard. A tendência é a convergência regulatória EU-UK, apesar do Brexit, com o FCA (UK) mantendo alinhamento substancial em open banking e proteção ao consumidor.

3.3 Brasil — Open Finance Líder Global

O Brasil opera o ecossistema regulatório mais favorável para embedded finance na América Latina, com três pilares: (i) Open Finance Brasil, que já conta com 900+ instituições participantes e 30M+ consentimentos ativos, compartilhando dados de contas, cartões, crédito, investimentos e seguros; (ii) Pix, o sistema de pagamentos instantâneos do Banco Central que processa 180M+ transações por dia e viabilizou embedded payments para qualquer empresa via API; (iii) Sandbox regulatório do BCB, que permite testes controlados de novos modelos de negócio. A Resolução BCB nº 80/2021 regulamenta SCDs (Sociedades de Crédito Direto) e SEPs (Sociedades de Empréstimo entre Pessoas), criando framework claro para embedded lending. Em 2025-2026, o BCB avança na regulação de tokenização de ativos e DREX (Real Digital), abrindo novas avenidas para embedded finance em DeFi e pagamentos programáveis. O principal risco regulatório no Brasil é a crescente exigência de interoperabilidade (obrigatória para Pix, caminhando para obrigatória em open finance), que pode commoditizar serviços que hoje geram margem.

3.4 Implicações Estratégicas da Regulação

A análise regulatória global revela cinco tendências que impactam diretamente a estratégia de embedded finance: Primeira, a convergência para supervisão direta de fintechs (não apenas bancos parceiros) aumenta o custo de compliance e favorece escala. Segunda, a expansão de open banking para open finance cria oportunidades em seguros, investimentos e lending que antes eram protegidos por barreiras regulatórias. Terceira, a pressão sobre interchange fees (Durbin 2.0 nos EUA, tetos na UE) comprime margens de card issuing e payments, forçando migração para modelos de valor agregado. Quarta, regulações de AI (EU AI Act, propostas no Brasil e UK) criarão requisitos de explicabilidade e auditoria para modelos de underwriting e fraud detection, beneficiando empresas com frameworks de responsible AI. Quinta, a regulação de dados (GDPR, LGPD, CCPA) favorece players com synthetic data capabilities (Gretel, Hazy) e privacy-preserving ML.

SEÇÃO 4 — Análise Estratégica Expandida

Esta seção responde a 10 perguntas estratégicas críticas que investidores, operadores e analistas do setor de embedded finance devem considerar em 2026-2030.

4.1 Qualidade de Receita: SaaS vs. Transaction-Based vs. Float Income

A qualidade de receita varia dramaticamente entre modelos. SaaS revenue (subscriptions mensais/anuais) apresenta previsibilidade de 95%+ e múltiplos de valuation de 10-20x ARR. Transaction-based revenue (take rate sobre volume) tem previsibilidade de 70-85%, correlação com ciclos econômicos, e múltiplos de 5-12x ARR. Float income (receita sobre depósitos mantidos em contas de clientes) é o mais volátil — subiu 300%+ entre 2021-2023 com aumento de juros, mas cairá proporcionalmente quando juros recuarem. Empresas como Robinhood, que tinha 50%+ de receita em net interest income, enfrentam risco significativo de queda de receita em cenário de corte de juros. A recomendação para investidores é priorizar empresas com 60%+ de receita em SaaS ou SaaS-like (recurring, contractual), com transaction revenue como upside. Float income deve ser tratado como bonus, não como componente estrutural de valuation.

4.2 Compressão de Margens: Onde o Valor Será Destruído

Três segmentos enfrentam compressão de margem significativa entre 2026-2030: (i) Card issuing puro, onde take rates cairão 20-30% com commoditização e regulação de interchange; (ii) BaaS middleware, onde custos de compliance dobraram e novos entrantes com licença bancária oferecem preços mais competitivos; (iii) Payments processing genérico em mercados maduros (EUA, Europa Ocidental), onde Stripe, Adyen e Checkout.com competem agressivamente em preço para ganhar enterprise clients. A defesa contra compressão é vertical integration (como Toast, que controla software + pagamentos + lending) ou AI differentiation (como Sardine, que demonstra ROI 10x versus regras tradicionais de fraud prevention).

4.3 Controle de Distribuição: Quem Detém o Cliente Final

No ecossistema de embedded finance, o controle de distribuição é o fator determinante de poder de barganha e margens sustentáveis. Players de infraestrutura (Stripe, Plaid) detêm os trilhos, mas são invisíveis para o cliente final — seu poder vem do switching cost técnico. Players de plataforma (Toast, Shopify) detêm o relacionamento direto com o merchant, conferindo-lhes poder de pricing e upsell. Players de BaaS não detêm nem os trilhos nem o cliente — operam na camada mais vulnerável do stack, sujeitos a commoditização por ambos os lados. A análise sugere que os vencedores de longo prazo serão: (a) infraestrutura horizontal com ecosystem lock-in (Stripe com 100+ produtos, Plaid com 12K+ fintechs conectadas), e (b) plataformas verticais com ownership direto do workflow do cliente (Toast para restaurantes, Procore para construção, ServiceTitan para home services).

4.4 Defensibilidade de AI: Moat Real ou Hype Temporário

A defensibilidade de AI em embedded finance depende de três fatores: (i) propriedade e exclusividade dos dados de treinamento — Sardine tem vantagem com behavioral data proprietário de 100M+ devices; Ocrolus tem vantagem com 500M+ documentos financeiros processados; (ii) flywheel de aprendizado — quanto mais transações processadas, melhor o modelo, maior a acurácia, mais clientes, mais dados; (iii) regulatory moat — modelos de AI para compliance (KYC/AML) precisam passar por validação regulatória, criando barreiras de 12-18 meses para novos entrantes. A análise sugere que AI é moat real para empresas que possuem os três fatores (dados proprietários + flywheel + regulatory validation), e hype temporário para empresas que apenas aplicam LLMs genéricos sobre dados públicos. A distinção crítica é: quem treina modelos próprios em dados exclusivos constrói moat; quem usa APIs de LLM (GPT, Claude) como commodity não constrói.

4.5 Sinais de Consolidação: M&A Wave 2026-2028

O mercado de embedded finance está entrando em um ciclo de consolidação acelerada. Os sinais incluem: (i) 15+ empresas de BaaS/card issuing com runway inferior a 18 meses e sem path to profitability (candidatos a aquisição ou shutdown); (ii) incumbentes com caixa acumulado — Stripe (US$6,5B em cash), Adyen (€1,4B), Fiserv (US$20B+ em revenue para fazer aquisições), Visa/Mastercard (ambos com M&A budget multibilionário); (iii) valuations de fintechs private que caíram 60-80% desde 2021, tornando aquisições atrativas. Alvos prováveis: Lithic (card issuing + credit, estratégico para Stripe ou Adyen), Sardine (fraud AI, estratégico para Visa/Mastercard), Lendflow (lending orchestration, estratégico para qualquer BaaS player), e players LatAm sub-scale que serão consolidados por Nubank, Mercado Pago ou players regionais.

SEÇÃO 5 — Cenários Prospectivos 2027-2030

Projetamos três cenários para a evolução do mercado global de embedded finance, definidos pela interação entre ambiente macroeconômico, regulação e velocidade de adoção de AI.

5.1 Cenário Base (Probabilidade: 55%)

O cenário base projeta crescimento sustentado de 25-30% CAGR, com o mercado atingindo US$450-550 bilhões em 2030. Neste cenário, taxas de juros recuam gradualmente para 3,0-3,5% nos EUA até 2028, favorecendo fintechs de lending e reduzindo float income. A regulação endurece moderadamente, com supervisão direta de fintechs nos EUA e implementação de PSD3 na Europa em 2027-2028. AI se torna standard em underwriting, fraud e compliance, reduzindo custos operacionais em 30-40% para early adopters. Consolidação M&A elimina 30-40% dos players de BaaS e card issuing entre 2026-2028. Os vencedores são: plataformas verticais (Toast, Shopify, ServiceTitan), infraestrutura horizontal com ecosystem lock-in (Stripe, Adyen, Plaid), e AI-native companies com data moats (Ramp, Sardine). LatAm cresce acima da média global (35-40% CAGR), impulsionado por Open Finance Brasil, Pix, e baixa penetração de serviços financeiros digitais.

5.2 Cenário Otimista (Probabilidade: 25%)

O cenário otimista projeta crescimento de 35-45% CAGR, com o mercado ultrapassando US$700 bilhões em 2030. Drivers: (i) AI generativa transforma a experiência do consumidor com assistentes financeiros autônomos que gerenciam automaticamente pagamentos, investimentos e seguros; (ii) Open Finance se torna global com implementação coordenada em 40+ países, eliminando barreiras de dados que hoje limitam embedded lending e insurance; (iii) tokenização e CBDC (Central Bank Digital Currency) criam novos rails de pagamento que reduzem custos de transação em 50-70%, tornando micropagamentos viáveis e abrindo novos use cases (IoT payments, autonomous vehicle payments, AI agent payments). Neste cenário, a penetração de embedded finance como percentual do total de serviços financeiros salta de 5% (2025) para 20%+ (2030), e surgem 5-10 novos 'decacórnios' no espaço. LatAm se torna hub de inovação global com DREX (Real Digital) como referência para outras CBDCs.

5.3 Cenário Pessimista (Probabilidade: 20%)

O cenário pessimista projeta crescimento de 12-18% CAGR, com o mercado atingindo apenas US$300-350 bilhões em 2030. Drivers negativos: (i) recessão global em 2027-2028 com credit crunch que aumenta default rates em 2-3x, inviabilizando modelos de embedded lending; (ii) backlash regulatório severo pós-crise de alguma grande fintech, resultando em regras que limitam não-bancos de oferecer serviços financeiros; (iii) incumbentes bancários reagem efetivamente com APIs próprias (JPMorgan Payments, Goldman TxB), capturando o mercado enterprise e deixando fintechs restritas ao segmento SMB/consumer. Neste cenário, 50%+ das startups de embedded finance captadas entre 2019-2023 não sobrevivem, e o mercado se consolida em torno de 10-15 mega-players. O impacto em LatAm é desproporcional: funding para fintechs LatAm cai 70%+, revertendo para níveis de 2018-2019, e apenas Nubank, Mercado Pago e 2-3 players regionais sobrevivem em escala.

5.4 Wild Cards e Black Swans

Além dos cenários projetados, existem eventos de baixa probabilidade e alto impacto que poderiam alterar fundamentalmente a trajetória: (i) um grande banco tradicional (JPMorgan, HSBC) lança plataforma de BaaS open-source, commoditizando toda a camada de middleware; (ii) Apple ou Google lançam embedded finance platform completa (banking + lending + insurance) para seus ecossistemas de 2B+ devices, capturando 30%+ do mercado consumer de embedded finance em 3 anos; (iii) breakthrough em AI resulta em autonomous financial agents que eliminam a necessidade de interfaces humanas para 80%+ das decisões financeiras, redefinindo completamente o modelo de distribuição; (iv) crise geopolítica fragmenta o sistema financeiro global, criando redes paralelas de pagamento (SWIFT vs. alternativas China/Russia) que complicam a operação de embedded finance cross-border.

SEÇÃO 6 — Glossário Técnico de Embedded Finance

Referência rápida dos termos técnicos mais utilizados no ecossistema de embedded finance, organizados tematicamente.

6.1 Infraestrutura e Pagamentos

TPV (Total Payment Volume): Volume total de pagamentos processados por uma plataforma, medido em valor monetário bruto. Métrica primária de escala para processadores.

GPV (Gross Payment Volume): Similar a TPV, usado especificamente por marketplaces e plataformas (Shopify, Toast). Inclui todo o volume transacionado na plataforma.

Take Rate: Percentual do volume de transações retido pela plataforma como receita. Varia de 0,5% (card issuing) a 8%+ (embedded lending).

Interchange Fee: Fee pago pelo banco adquirente ao banco emissor em cada transação de cartão. Regulado em muitos mercados (UE: 0,2-0,3%, EUA: 1,5-2,5%).

Net Revenue: Receita após dedução de interchange e network fees. Métrica mais relevante que revenue bruto para avaliar rentabilidade real.

PSP (Payment Service Provider): Entidade que fornece infraestrutura de aceitação de pagamentos a merchants. Exemplos: Stripe, Adyen, Checkout.com.

Acquirer: Banco ou instituição que processa transações de cartão em nome do merchant. Adyen é acquirer e PSP integrado.

6.2 Banking-as-a-Service e Lending

BaaS (Banking-as-a-Service): Modelo que permite não-bancos oferecerem serviços bancários (contas, cartões, transferências) via APIs, utilizando a licença bancária de um banco parceiro.

FBO Account (For Benefit Of): Conta coletiva mantida por um banco em nome de múltiplos clientes finais de uma fintech. Modelo que está sendo restringido regulatoriamente após o colapso da Synapse.

Sponsor Bank / Partner Bank: Banco licenciado que empresta sua charter/licença para programas de BaaS. Exemplos: Evolve, Cross River, Metropolitan.

BNPL (Buy Now, Pay Later): Modelo de crédito ao consumidor que parcela compras em 3-12x, tipicamente sem juros para o consumidor (custo absorvido pelo merchant via MDR).

MDR (Merchant Discount Rate): Fee cobrado do merchant por serviços de pagamento e/ou crédito. Em BNPL, varia de 3-8% do valor da transação.

NRR (Net Revenue Retention): Percentual de receita retida de clientes existentes período a período, incluindo expansão e churn. NRR >120% indica forte expansão de wallet share.

6.3 AI e Dados

Behavioral Biometrics: Análise de padrões de comportamento do usuário (velocidade de digitação, movimentos de mouse, pressão no touchscreen) para autenticação e fraud detection.

Synthetic Data: Dados artificiais gerados por modelos de AI que preservam as propriedades estatísticas de dados reais sem conter informações pessoais. Usado para treinamento de modelos em conformidade com GDPR/LGPD.

Explainability / XAI: Capacidade de um modelo de AI explicar suas decisões de forma compreensível para humanos e reguladores. Requisito crescente para modelos de credit scoring e underwriting.

Federated Learning: Técnica de treinamento de modelos de AI onde os dados permanecem nos servidores de cada instituição, com apenas os parâmetros do modelo sendo compartilhados. Preserva privacidade enquanto permite aprendizado coletivo.

6.4 Regulação

PSD3 (Payment Services Directive 3): Próxima versão da diretiva europeia de serviços de pagamento, expandindo open banking para open finance e fortalecendo supervisão de fintechs.

FiDA (Financial Data Access): Regulação europeia proposta que cria framework de compartilhamento de dados financeiros além de pagamentos (seguros, investimentos, pensões).

Durbin Amendment / Durbin 2.0: Regulação nos EUA que limita interchange fees para debit cards. Durbin 2.0 propõe extensão para credit cards e transações online.

SCD (Sociedade de Crédito Direto): Tipo de instituição financeira brasileira regulamentada pelo BCB que pode realizar operações de crédito com recursos próprios via plataforma eletrônica.

DREX: Nome do Real Digital (CBDC brasileira) em desenvolvimento pelo Banco Central do Brasil. Plataforma de tokenização que permitirá pagamentos programáveis e smart contracts em moeda soberana.

— FIM DO SUPLEMENTO ANALÍTICO —