أكملت شركة الذكاء الاصطناعي المالية Rogo جولة تمويل من فئة D بقيمة 1.6 مليار دولار أمريكي، حيث ارتفعت تقييمها من 7.5 مليار دولار أمريكي إلى 20 مليار دولار أمريكي في غضون ثلاثة أشهر فقط، ما يقرب من مضاعفة التقييم مرتين. تُعرّف Rogo نفسها كمحلل ذكاء اصطناعي للبنوك الاستثمارية وصناديق الاستثمارات الخاصة وشركات إدارة الأصول، ويمكنها إنجاز مهام مثل البحث عن الشركات، وجمع البيانات، وبناء نماذج التقييم، وإعداد المواد الخاصة بالعملاء. تعتمد الشركة على دمج نماذج أساسية من OpenAI وAnthropic مع بيانات مالية من Capital IQ وPitchBook، بالإضافة إلى التكامل مع برامج المكتب مثل Excel وPPT، لربط المهام الموزعة عبر أنظمة متعددة في سير عمل آلي متكامل. حتى أغسطس 2026، دخلت Rogo أكثر من 300 مؤسسة مالية، ولديها 40 ألف مستخدم. تكمن قدرتها التنافسية الأساسية في بناء الامتثال، والحياد النموذجي، والتكامل البيئي، وهي تتحول تدريجيًا إلى نقطة دخول العمل للمؤسسات المالية.

كاتب المقال، المصدر: Wall Street Journal

الذكاء الاصطناعي دخل أخيرًا وول ستريت.

في أبريل من هذا العام، أكملت شركة الذكاء الاصطناعي المالية Rogo جولة تمويل من الفئة D بقيمة 1.6 مليار دولار أمريكي، وارتفع تقييمها مباشرة إلى 2 مليار دولار أمريكي. بينما قبل ثلاثة أشهر فقط، كان تقييمها 750 مليون دولار أمريكي.

Three months, almost doubled.

ما الذي يفعله Rogo بالضبط؟

ببساطة، قم بتعيين "محلل ذكي اصطناعي" للبنوك الاستثمارية وصناديق الاستثمارات الخاصة وشركات إدارة الأصول.

يمكنه تحمل جميع الأعمال المكتبية الكثيرة التي كان يتعين على محللين مبتدئين إنجازها طوال الليل، مثل التحقق من الشركات، والعثور على البيانات، وبناء نماذج التقييم، وتعديل ملفات Excel، وإعداد مواد العملاء.

لكن الجزء الحقيقي المثير للاهتمام هو أن Rogo لا يبدو أنه يمتلك أي شيء "حصري" على الإطلاق.

النموذج الأساسي يستخدم OpenAI وAnthropic، وبيانات المالية مأخوذة من Capital IQ وPitchBook، وأخيرًا تعمل Excel وPPT على Microsoft.

بعبارة أخرى، فإن الأشياء الأكثر جوهرية—من النموذج إلى البيانات وحتى برامج المكتب—ليست ملكًا له. ما يفعله Rogo يشبه الوقوف في المنتصف وربط كل هذه العناصر معًا.

من المنطقي أن تكون هذه الشركة الأكثر عرضة للتجاوز من قبل الأطراف العليا والسفلى.

لكن الواقع بالضبط عكس ذلك.

بحلول أغسطس 2026، دخل Rogo أكثر من 300 مؤسسة مالية، ويستخدمه أكثر من 40 ألف متخصص مالي، وارتفعت قيمته السوقية إلى 2 مليار دولار أمريكي.

هذا مثير للاهتمام. لماذا أصبحت هذه الطبقة الوسيطة التي تبدو مجرد "جمع طرفات" واحدة من أكثر شركات الذكاء الاصطناعي طلبًا في وول ستريت؟

اليوم، سيتحدث سيليكون جون عن Rogo، وكيف بدأت الذكاء الاصطناعي في أخذ وظائف محللي وول ستريت.

أداء واجب محللي وول ستريت

محللو البنوك الاستثمارية، ربما هم أعلى فئة في العالم من حيث الراتب، وفي نفس الوقت يقومون بأكثر المهام الجسدية تكرارًا.

على الرغم من أنهم يرتدون بدلات رسمية ويدخلون وول ستريت يوميًا، فإن الوقت الذي يقضونه فعليًا أمام طاولة العميل للتفاوض على الصفقات هو في الواقع قليل. وفقًا لمؤسسة تدريب مهنية مصارف الاستثمار Wall Street Mastermind، يقضي موظفو مصارف الاستثمار حوالي 90% من وقتهم في البحث عن البيانات، وكتابة التقارير البحثية، وتحديث نماذج Excel، وإعداد عروض PowerPoint.

في مقابلة سابقة مع مؤسس Rogo من قبل فوربس، ذُكر أن بعض موظفي البنوك الاستثمارية المبتدئين يعملون ما يصل إلى 90 ساعة في الأسبوع. حتى لو عملوا سبعة أيام في الأسبوع دون راحة، فهذا يعادل حوالي 13 ساعة يوميًا.

السبب بسيط. تعتمد البنوك الاستثمارية التقليدية إلى حد كبير على نموذج "الاعتماد على عدد الموظفين لزيادة الإنتاجية". مع زيادة عدد المشاريع، يتم توظيف محللين إضافيين؛ ومع ارتفاع حجم العمل، يتم التعامل معه من خلال العمل الإضافي.

يريد روجو استخدام الذكاء الاصطناعي لتغيير هذا النمط.

الخطوة الأولى هي أتمتة "البحث عن البيانات".

تقوم البنوك الاستثمارية بمشاريعها، وتتحقق من البيانات المالية في Capital IQ وFactSet، وتبحث عن التمويل في PitchBook، وتستعرض صفقات الاندماج والاستحواذ في LSEG. كانت هذه قواعد البيانات قد اشترتها البنوك الاستثمارية منذ فترة طويلة، لكن كان لا يزال يتعين على المحللين البحث والتصفية والنسخ يدويًا.

يقوم روجو بعمل مباشر، بالتعاون مع تجار البيانات لربط صلاحيات بيانات العملاء الحالية بالوكيل.

بعد الربط مع Capital IQ في نهاية عام 2024، يمكن لـ Agent في Rogo الآن استدعاء بيانات أساسية وتوقعات السوق مباشرة، والاستمرار في التحليل.

بعبارة أخرى، حوّل Rogo البيانات التي كانت تُستخدم سابقًا للتحقق منها إلى مواد إنتاجية يمكن للوكلاء استدعاؤها.

الخطوة الثانية هي تسليم الملفات القابلة للاستخدام مباشرة.

يمكن لـ Felix Agent من Rogo الدخول مباشرة إلى نماذج Excel المستخدمة فعليًا من قبل البنوك الاستثمارية، وتحديث البيانات، وتمديد سنوات التنبؤ، وتحديث المخططات، وتعديل الشركات المماثلة.

يبدو هذا الأمر بسيطًا، لكنه في الواقع صعب. قد يحتوي نموذج بنك استثماري حقيقي على عشرات الأوراق العمل، مليئة بالارتباطات العابرة للأوراق، والبيانات التاريخية، والافتراضات التنبؤية. في الماضي، كان على المحللين كلما قاموا بتحديث النموذج أن يجلبوا البيانات بأنفسهم، ويغيروا السنوات، ويتحققوا من الصيغ.

يمكن لفيليكس الآن تولي المهمة مباشرة.

على سبيل المثال، إذا أصبح التدفق النقدي الحر لعام 2027 في النموذج سالبًا فجأة، يمكنه تتبع الصيغة للخلف لاكتشاف أي افتراضات تغيرت، ثم تقديم اقتراحات للتعديل.

عند مواجهة نماذج معقدة للغاية، فإنه يحول جزءًا من منطق الحساب إلى Python ويعيد تشغيله للتحقق من النتائج.

بمعنى آخر، بدأ فيليكس في تقديم نتائج مباشرة لعمل مصارف الاستثمار.

الخطوة الثالثة هي ربط المهام الفردية لتكوين صفقة كاملة.

تبدو مشاريع البنوك الاستثمارية معقدة، لكن عند تفكيكها، لا تتجاوز كونها إجراءات متكررة مثل الشركات المماثلة، المعاملات السابقة، DCF، CIM، Teaser، وتصفية المشترين.

يقوم Rogo بحزم هذه الإجراءات واحدة تلو الأخرى كـ Agents. وقد شارك أكثر من 75 شخصًا لديهم خبرة فعلية في البنوك الاستثمارية، ورأس المال الخاص، والائتمان، والبحث في بنائها، ووصل إجمالي عدد مرات تشغيل Agents المشتركة حاليًا إلى أكثر من 430,000 مرة.

لكن الوكيل القياسي غير كافٍ، لأن قوالب وكلمات وعمليات كل بنك استثماري تختلف.

لذلك، سيستمر Rogo في إرسال فرقه إلى داخل العملاء لتحويل الوكلاء إلى إصدارات مخصصة. فقط خلال أسبوع واحد في بداية يوليو 2026، قام Rogo مع العملاء ببناء أكثر من 2450 وكيلًا مخصصًا.

الأهم من ذلك، يمكن ربط هذه الوكلاء معًا.

يقوم عامل واحد بصياغة CIM وTeaser أولًا، ثم يواصل عامل آخر إعداد الشركات المماثلة وDCF، ثم يصفّي المشترين المحتملين. بدأت المهام التي كانت موزعة سابقًا بين محللين مختلفين تُدمج في عملية تداول آلية واحدة. وهذا هو المكان الحقيقي الذي يظهر فيه إبداع Rogo.

بالطبع، قدرة البرنامج على القيام بذلك لا تعني أن البنوك الاستثمارية ستستخدمه بالفعل. لذا، فإن نموذج عمل Rogo أيضًا فريد من نوعه.

يتم تسعيره حسب المقعد، وهو في جوهره نموذج SaaS. حتى فبراير 2026، يمتلك أكثر من 25,000 مستخدم و150 عميلًا مؤسسيًا.

لكن طريقة التنفيذ تكون ثقيلة جدًا. سيُرسل روجو المصرفيين السابقين والمهندسين مباشرة داخل عميل، لمساعدتهم على بناء سير العمل، وتقديم التدريب، وتعديل العوامل.

على سبيل المثال، في Baird، تم إطلاق حوالي 600 مقعدًا من Rogo. بعد التدريب المباشر والمتابعة المستمرة، وصلت درجة المشاركة بعد عدة أشهر إلى 95٪، مع إكمال حوالي 10,000 مهمة تلقائية أسبوعيًا، وتخطي إجمالي 250,000 مهمة.

بمعنى آخر، على الرغم من أن روجو يبيع برنامجًا، إلا أن التنفيذ يشبه الاستشارة أكثر.

إذا نجحت نموذج Rogo، ففي المستقبل، يمكن لنفس العدد من الأشخاص تغطية مشاريع أكثر. بالنسبة لصناعة ظلت تعتمد على "القوة البشرية" لعقود عديدة، هذا هو أكبر قيمة للذكاء الاصطناعي.

من الناحية المنطقية، فإن شركة مثل Rogo خطيرة جدًا.

في الأعلى، شركات النماذج مثل OpenAI وAnthropic، وفي الأسفل، مزودو البيانات مثل Capital IQ وPitchBook، والعملاء هم مؤسسات مالية كبيرة مثل Goldman Sachs وLazard.

إنه محاصر بين الطرفين، وأي خطوة للأمام من أي جانب قد تتجاوزه.

لكن الواقع بالضبط عكس ذلك.

حتى أغسطس من هذا العام، يمتلك Rogo 40,000 مستخدم و300 عميل مؤسسي، وتشمل الشركات التقليدية مثل روثسشيلد ولازارد.

لماذا يصبح طبقة وسطية تبدو الأسهل للتبديل أكثر عمقًا مع مرور الوقت؟

المفتاح هو أن Rogo احتل المواقع الثلاثة الأهم في الذكاء الاصطناعي المالي.

أولًا، الامتثال.

تأسست Rogo حوالي عام 2022، لكن التسويق الواسع النطاق لم يحدث إلا بعد عامين.

على مدار هاتين السنتين، قامت بمهام صعبة واحدة فقط: جعل المؤسسات المالية تجرؤ على تسليم بياناتها للذكاء الاصطناعي.

تتعامل البنوك الاستثمارية يوميًا مع معلومات الاندماج والاستحواذ وبيانات العملاء والأبحاث الداخلية. إذا تسربت معلومات غير عامة مهمة من قبل الذكاء الاصطناعي، أو أخطأ النموذج في رقم أساسي واحد، فقد تتحول العواقب مباشرة إلى حوادث تتعلق بالامتثال والسمعة.

لذلك، كان Rogo يُطبّق عزل البيانات، ومنطق MNPI، وصلاحيات دقيقة، ومراجعة شاملة للعمليات منذ فترة طويلة، وحصل تدريجيًا على شهادات SOC 2 Type I/II وISO 27001، وشهادة ISO 42001 لإدارة الذكاء الاصطناعي لعام 2025.

لا توجد أي متعة في هذه الأمور، لكنها تستهلك وقتًا هائلًا. ونتيجة لذلك، عندما بدأ التجاري، نما بسرعة كبيرة: من الصفر إلى سبعة أرقام في إيرادات السنة المتجددة في أقل من خمسة أشهر، وتجاوزت الإيرادات عام 2025 15 مليون دولار أمريكي.

ثانيًا، إنه لا يخاطر بالنموذج.

أكبر خطر تواجهه العديد من شركات تطبيقات الذكاء الاصطناعي هو الاعتماد على نموذج أساسي خاطئ.

Rogo لا يعتمد على نموذج واحد. لقد طور نظام Model Broker يربط بين نماذج مثل OpenAI وAnthropic وGoogle، ويعمل على اختيار النموذج الأمثل تلقائيًا حسب مهمة التمويل المطلوبة.

لماذا نفعل هذا؟ لأن هناك نموذجًا شاملاً واحدًا للمهام المالية لا يوجد أصلًا.

استخدم Rogo مجموعة Big Finance Bench مكونة من 928 مهمة مالية حقيقية، ووجد أن GPT-5.5 أكثر كفاءة في هيكل رأس المال والدمج والاستحواذ، بينما يتفوق Claude Sonnet 4.6 في تحليل القوائم المالية، ويعمل Claude Opus 4.7 بشكل أفضل في رأس المال الخاص والتنبؤ.

ببساطة من خلال التوجيه حسب نوع المهمة ومصدر البيانات، يمكن تحقيق أداء أعلى بـ 4.5 نقطة مئوية مقارنة بأفضل نموذج فردي.

الفجوة في التكلفة أكبر. لنفس المهمة، قد تكلف النموذج الأعلى أداءً 1.26 دولارًا، بينما يمكن أن يكلف نموذج خفيف أكثر ملاءمةً فقط 0.02 دولارًا.

هذا الهيكل يعني شيئًا مهمًا جدًا: يمكن تغيير النموذج الأساسي دائمًا، لكن بيانات العميل والوكيل وسير العمل تبقى على Rogo.

لكن المستوى الثالث هو الذي يحدد السقف الحقيقي لـ Rogo.

إنه يبدأ في الدخول إلى وسط برامج المؤسسات المالية.

سير عمل البنوك الاستثمارية مجزأ للغاية. البيانات موجودة في Capital IQ وPitchBook، والمستندات الداخلية في SharePoint، وعلاقات العملاء في Salesforce، والبريد الإلكتروني في Outlook، والنماذج في Excel، ومستندات الصفقات في Data Room.

كان الجزء الكبير من الوقت الذي كان المحللون يقضونه في الماضي يُنفق على نقل الأشياء بين هذه البرامج.

Rogo begins piecing them together.

في سبتمبر 2025، استحوذنا على Subset وأدخلنا العامل مباشرة في Excel، مما سمح له بتعديل نماذج معقدة مكونة من عشرات الأوراق العمل. وفي مارس من هذا العام، استحوذنا على Offset وأضفنا للعامل "الذاكرة"، ليعرف كيف تم بناء النموذج وتعديله في الماضي.

في الوقت نفسه، فهو متكامل مع SharePoint وOutlook وSalesforce وBox وIntralinks.

بحلول أغسطس من هذا العام، استحوذ Rogo على Rivanna لتعزيز قدراته في التدقيق Due Diligence للدمج والاستحواذ. يمكن للوكيل معالجة عشرات الآلاف من ملفات الصفقات دفعة واحدة، وتقديم اقتباسات من النص الأصلي، وتحديد المخاطر، ومتابعة عملية التدقيق بالكامل.

منفردة، هذه مجرد ميزات. لكن عندما تُربط معًا، يصبح الأمر مختلفًا.

يقوم روجو بجمع تدفقات العمل الخاصة بمعاملة مالية كانت موزعة على أكثر من عشرة برامج، تدريجيًا إلى طبقته الخاصة.

إذا أُكملت هذه الأحجية في النهاية، فلن يمتلك روجو أداة ذكاء اصطناعي واحدة فقط.

سيصبح مدخلًا يعمل عليه المؤسسات المالية يوميًا. هذا هو السبب الحقيقي وراء تقييم رأس المال له بقيمة 2 مليار دولار أمريكي.