Delfos saiu do Brasil, foi pra Europa com IA em renováveis e captou R$18,8M

A energia solar e eólica ganharam um problema que dinheiro não resolve: a intermitência. O sol não brilha 24h, o vento não sopra sempre, e o operador de um parque renovável precisa saber — com precisão — quanto cada megawatt vai gerar nas próximas horas. Quem errar essa conta paga caro em multas, curtailment e contratos não cumpridos.

Foi exatamente nesse gap que a Delfos, startup brasileira nascida em Florianópolis, decidiu apostar antes de virar página na história. Em janeiro de 2026, a empresa anunciou a extensão da Série A de R$18,8 milhões, com a Copel (Companhia Paranaense de Energia) liderando o round — a Bloomberg Línea chamou o movimento de "um voto de confiança de uma utility em um software que decide quando a rede compra e vende energia". A tese é simples e escalável: transformar previsão de geração renovável em produto de software.

O que a Delfos faz, na prática

A Delfos usa machine learning para prever, hora a hora, quanta energia cada usina solar e eólica vai gerar nas próximas 24–72h. Os modelos combinam:

• Dados meteorológicos de alta resolução (radar, satélite, estações locais)
• Histórico de geração da própria usina (anos de produção real)
• Topografia, sombreamento, perfil de vento e características do ativo
• Sinais em tempo real dos inversores e medidores (via IoT)

A saída é uma curva de previsão por hora que alimenta três decisões críticas:

1. Trading de energia no mercado livre — vender no horário certo (quando o preço dispara) ou evitar vender quando a previsão cai e a multa é maior que o preço.
2. Despacho de baterias — carregar quando há excedente previsto, descarregar quando a previsão aponta queda.
3. Gestão de rede para distribuidoras — antecipar picos de injeção para evitar curtailment (quando a rede "joga fora" a energia renovável por falta de demanda).

O resultado: operadores com Delfos reportam redução de 15–30% no erro de previsão em relação aos métodos estatísticos clássicos (persistence + climatologia), o que se traduz em economia de 5–12% na receita líquida por MWh vendido no mercado livre.

Por que isso importa agora

Três forças empurram esse mercado na mesma direção.

1. A matriz brasileira é 85%+ renovável — e o mundo está copiando

O Brasil tem a matriz elétrica mais limpa entre os países grandes do mundo: hidrelétrica, solar, eólica e biomassa respondem por mais de 85% da geração. Com a expansão das fontes eólica (Nordeste) e solar (GD e GC), a intermitência virou problema operacional do dia a dia. O mesmo vale para Europa e EUA — a meta global triplicar a capacidade renovável até 2030 cria uma demanda massiva por software de previsão.

2. O mercado livre de energia no Brasil explodiu

Com a abertura do mercado livre (ACL), comercializadoras e geradores agora negociam energia como commodity — e quem prevê melhor, ganha mais. A Evolua Energia, por exemplo, anunciou em fevereiro de 2026 que vai dobrar a base de clientes apostando em IA para otimizar precificação e oferta. Para essas empresas, Delfos vira peça crítica.

3. O custo de errar é desproporcional ao custo de contratar IA

Uma usina solar de 100 MW no Nordeste que erra a previsão em 20% por algumas horas pode perder centenas de milhares de reais por mês em multas e energia não comercializada. Contratar uma plataforma SaaS de previsão por R$3–15 mil/mês (faixa de pricing típica do segmento) é um ROI de algumas semanas.

A tese: previsão renovável é o novo "GTM do SaaS vertical"

A Delfos não está sozinha — ela está abrindo uma categoria. O que startups como Spotex, Energyworx, Reuniware e a própria Delfos mostram é que o setor de energia renovável está descobrindo o SaaS vertical: software profundo de domínio, que entende física, mercado e operação, e entrega valor mensurável em megawatts e reais, não em promessas.

Isso muda o jogo em três níveis:

• Para o founder brasileiro: o setor é gigantesco (milhares de usinas solares, centenas de comercializadoras, dezenas de operadores de rede), o cliente é recorrente e o ROI é mensurável. Não é "mais uma ferramenta de IA" — é IA aplicada a um problema físico específico com payout claro.
• Para o investidor: previsibilidade de receita (contratos de 24–36 meses com utilities, comercializadoras e geradores), escalabilidade (um modelo treinado roda em milhares de ativos) e barreira de entrada (anos de dados meteorológicos e de operação).
• Para o ecossistema: a Delfos saiu do Brasil, fincou bandeira na Europa e captou com a Copel — é o template de "deep tech BR que vira global".

Aplicação BR: como um founder brasileiro entra nesse jogo

Você não precisa ser físico de partículas para atacar esse mercado. Três portas de entrada com barreiras diferentes:

1. SaaS para fazendas solares e eólicas (porte médio)

Problema: fazendas solares de 1–50 MW não têm equipe de data science para montar previsão própria. Solução: plataforma que integra dados do inversor + meteorologia + ML para entregar curva horária + alertas + recomendação de despacho. Pricing: R$2–10 mil/mês por usina ou R$8–25/MW monitorado/mês. Mercado: mais de 30 mil usinas solares de GD e GC no Brasil, crescendo 20–30% ao ano.

2. Agente de cotação para comercializadoras

Problema: comercializadoras perdem margem porque seus analistas não conseguem precificar 500 contratos simultaneamente. Solução: copiloto que consome curva de previsão + preços do PLD + perfil de risco e sugere preço/volume por cliente. Pricing: R$10–50 mil/mês ou % sobre margem otimizada. Mercado: centenas de comercializadoras ativas no ACL, todas precisando de margem.

3. Detecção de anomalias em ativos renováveis

Problema: 30–40% das usinas têm degradação de performance que ninguém percebe por meses. Solução: ML que compara geração real vs. prevista e alerta quando o desvio fica fora do padrão (sujeira no painel, módulo com defeito, falha de inversor). Pricing: R$500–3 mil/mês por ativo. Mercado: centenas de integradores e O&M que gerenciam portfólios de terceiros.

O que copiar (e o que não copiar) do playbook Delfos

A Delfos fez três coisas muito bem:

1. Começou com um problema físico claro (previsão de geração) em vez de "vamos aplicar IA em energia".
2. Trouxe o cliente âncora antes de escalar (Copel como investidora e cliente).
3. Construiu global desde cedo (atuação na Europa dá credibility técnica e tira o teto de TAM).

O que não copiar:

• O modelo de captação via utility (a maioria dos founders não tem esses relacionamentos; comece com integradores e comercializadoras).
• A tese de "atuar em todo o setor renovável" — a Delfos precisava dessa narrativa para a Série A; um founder solo vai mais fundo atacando UM nicho (eólica no Nordeste, solar de GD em MG, etc.).

Conclusão

A Delfos mostrou que IA em energia não é hype — é um produto com ROI de semanas e contratos de anos. O fundador brasileiro que entrar nesse espaço agora encontra um mercado limpo (poucos competidores globais com presença local), cliente sofisticado (operator de usina entende valor de software) e macro favorável (cada MWh novo instalado é um novo cliente em potencial).

A intermitência da renovável não vai sumir. O software que transforma intermitência em previsibilidade é o que vai escalar junto com o setor.

---

Referências

• Delfos capta R$18,8M com Copel — PEGN
• Delfos recebe €3M em rodada com Copel — Bloomberg Línea
• Evolua Energia dobra base com IA no mercado livre — Diário do Comércio
• Startups BR de IA em energia solar para MPEs — Contadores.cnt.br