La empresa de inteligencia artificial financiera Rogo completó una ronda de financiación D de 160 millones de dólares, elevando su valoración de 750 millones a 2000 millones de dólares en solo tres meses, casi duplicándose dos veces. Rogo se posiciona como un analista de IA para bancos de inversión, fondos de capital privado y entidades de gestión patrimonial, capaz de realizar tareas como investigar empresas, buscar datos, construir modelos de valoración y preparar materiales para clientes. La empresa integra modelos subyacentes como OpenAI y Anthropic con datos financieros de Capital IQ y PitchBook, además de conectarse a herramientas de oficina como Excel y PowerPoint, para automatizar procesos dispersos en diversos sistemas. Hasta agosto de 2026, Rogo ya ha incorporado a más de 300 instituciones financieras y cuenta con 40 000 usuarios. Su ventaja competitiva clave radica en la construcción de cumplimiento, la neutralidad de modelos y la integración ecológica, convirtiéndose en la puerta de entrada para el trabajo en instituciones financieras.

Autor del artículo, fuente: Wall Street Journal

La IA finalmente ha entrado en Wall Street.

En abril de este año, la empresa de inteligencia artificial financiera Rogo completó una ronda de financiación D de 160 millones de dólares, elevando su valoración directamente a 2.000 millones de dólares. Hace solo tres meses, su valoración era de 750 millones de dólares.

Tres meses, casi se duplicó.

¿Qué es Rogo?

En pocas palabras, se trata de asignar un “analista de IA” a bancos de inversión, fondos de capital privado y entidades de gestión de activos.

Puede tomar sobre sí mismas las numerosas tareas de escritorio que antes requerían que analistas junior trabajaran hasta tarde: investigar empresas, buscar datos, construir modelos de valoración, modificar Excel y preparar materiales para clientes.

Pero lo realmente interesante es que Rogo no parece tener nada especialmente "exclusivo".

El modelo subyacente utiliza OpenAI y Anthropic, los datos financieros provienen de Capital IQ y PitchBook, y el trabajo final se realiza en Excel y PowerPoint, ambos de Microsoft.

En otras palabras, lo más esencial, desde el modelo hasta los datos y el software de oficina, no es propio de él. Lo que hace Rogo es más bien actuar como un intermediario que conecta todos estos elementos.

Por lógica, esta empresa es la más fácil de omitir por los eslabones de la cadena de suministro.

Pero la realidad es exactamente lo contrario.

As de agosto de 2026, Rogo ya está presente en más de 300 instituciones financieras, es utilizado por más de 40.000 profesionales financieros y su valoración ha aumentado hasta los 2.000 millones de dólares.

Esto es interesante. ¿Por qué una capa intermedia que parece ser solo un “reunidor” se ha convertido en una de las empresas de IA más buscadas de Wall Street?

Hoy, Silicon Guy hablará sobre Rogo y cómo comenzó la IA a reemplazar el trabajo de los analistas de Wall Street.

Hacer la tarea para los analistas de Wall Street

Analistas de bancos de inversión, posiblemente el grupo de personas con los salarios más altos del mundo que también realizan la mayor cantidad de trabajo físico repetitivo.

Aunque parezca que pasan todo el día con traje y corbata y van y vienen de Wall Street, en realidad pasan poco tiempo sentados frente a los clientes para negociar. La institución de capacitación profesional de banca de inversión Wall Street Mastermind estima que los empleados de banca de inversión dedican aproximadamente el 90% de su tiempo a tareas de escritorio, como buscar datos, redactar informes de investigación, actualizar modelos de Excel y crear presentaciones en PowerPoint.

Anteriormente, Forbes mencionó en una entrevista con el fundador de Rogo que algunos empleados junior de bancos de inversión trabajan hasta 90 horas por semana. Incluso sin descansar los siete días de la semana, eso equivale a casi 13 horas diarias.

La razón es sencilla. Los bancos de inversión tradicionales son en gran medida un negocio basado en "acumular personas para generar capacidad". Cuando hay más proyectos, se contratan más analistas; cuando aumenta la carga de trabajo, se compensa con horas extras.

Rogo quiere usar IA para cambiar este patrón.

El primer paso es automatizar la búsqueda de datos.

Los bancos de inversión realizan proyectos consultando datos financieros en Capital IQ y FactSet, revisando financiamientos en PitchBook y examinando transacciones de fusiones y adquisiciones en LSEG. Estas bases de datos ya están adquiridas por los bancos de inversión, pero anteriormente los analistas debían buscar, filtrar y copiar la información manualmente.

Rogo hace algo muy directo: colabora con estos comerciantes de datos para otorgar al agente los permisos de datos que ya tiene el cliente.

Después de la integración con Capital IQ a finales de 2024, los Agentes de Rogo ya pueden llamar directamente datos fundamentales, expectativas del mercado y otros, y continuar con el análisis.

En otras palabras, Rogo transformó los datos anteriormente "disponibles para consulta humana" en "recursos productivos para llamadas de Agentes".

El segundo paso es entregar directamente los archivos funcionales.

El agente Felix de Roga puede acceder directamente a los modelos de Excel utilizados realmente por los bancos de inversión, actualizar datos, desplazar años de pronóstico, actualizar gráficos y ajustar empresas comparables.

Parece sencillo, pero en realidad es muy difícil. Un modelo real de banca de inversión puede tener decenas de hojas de cálculo, llenas de referencias cruzadas, datos históricos y supuestos de pronóstico. Antes, cada vez que un analista actualizaba, tenía que obtener los datos manualmente, cambiar los años y verificar las fórmulas.

Felix puede tomar el relevo ahora.

Por ejemplo, si el flujo de efectivo libre para 2027 en el modelo se vuelve repentinamente negativo, puede rastrear hacia atrás a través de la fórmula para identificar qué supuestos específicos han cambiado y luego proporcionar recomendaciones de ajuste.

Cuando se encuentra con modelos especialmente complejos, también vuelve a ejecutar parte de la lógica de cálculo en Python para verificar los resultados.

Es decir, Felix comenzó a poder entregar directamente los resultados del trabajo de banca de inversión.

Paso tres: conectar las tareas individuales para formar una operación completa.

Los proyectos de banca de inversión parecen complejos, pero al desglosarlos, no son más que acciones repetitivas como analizar empresas comparables, transacciones históricas, DCF, CIM, teasers y filtrar compradores.

Rogo encapsuló cada una de estas acciones como Agentes. Reunió a más de 75 profesionales con experiencia real en banca de inversión, capital privado, crédito e investigación para su desarrollo, y hasta ahora los Agentes compartidos han ejecutado más de 430,000 veces.

Pero el agente estándar no es suficiente, ya que cada banco de inversión tiene sus propios plantillas, mensajes y procesos.

Por lo tanto, Rogo seguirá enviando equipos a los clientes para seguir modificando los Agentes en versiones exclusivas. Solo en una semana a principios de julio de 2026, Rogo colaboró con clientes para construir más de 2.450 Agentes personalizados.

Más importante aún, estos Agentes pueden conectarse entre sí.

Un agente redacta primero el CIM y el Teaser, otro continúa con las empresas comparables y el DCF, y luego filtra posibles compradores. El trabajo que antes estaba disperso entre diferentes analistas comienza a ensamblarse en un flujo de operaciones automatizado. Este es precisamente el verdadero alcance imaginativo de Rogo.

Claro, que el software pueda hacerlo no significa que los bancos de inversión realmente lo utilicen. Por eso, el modelo de negocio de Rogo también es muy especial.

Cobra por asiento, es esencialmente SaaS. Hasta febrero de 2026, cuenta con más de 25,000 usuarios y 150 clientes institucionales.

Pero la forma de implementación es muy intensa. Rogo envía directamente a exbanqueros e ingenieros dentro de las instalaciones del cliente para ayudarles a establecer flujos de trabajo, realizar capacitaciones y modificar Agentes.

Por ejemplo, en Baird, Rogo lanzó aproximadamente 600 asientos. Tras la capacitación en vivo y el seguimiento continuo, la participación alcanzó un 95% varios meses después, completando aproximadamente 10,000 tareas automatizadas por semana, con un total acumulado de más de 250,000.

Es decir, aunque Rogo vende software, su implementación se asemeja más a un servicio de consultoría.

Si este modelo de Rogo funciona, la misma cantidad de personas podrá cubrir más proyectos en el futuro. Para una industria que ha funcionado durante décadas mediante "acumulación humana de potencia de cálculo", este es el valor más grande de la IA.

Por lógica, una empresa como Rogo es realmente peligrosa.

Arriba están los proveedores de modelos como OpenAI y Anthropic, abajo están los proveedores de datos como Capital IQ y PitchBook, y los clientes son instituciones financieras grandes como Goldman Sachs y Lazard.

Está atrapado en el medio; cualquier paso adelante de un lado podría rodearlo.

Pero la realidad es exactamente lo contrario.

Hasta agosto de este año, Rogo cuenta con 40.000 usuarios y más de 300 clientes institucionales, incluyendo bancos de inversión establecidos como Rothschild y Lazard.

¿Por qué una capa intermedia que parece la más fácil de reemplazar se vuelve cada vez más profunda?

Lo clave es que Rogo ha ocupado los tres lugares más importantes en la inteligencia artificial financiera.

Primero, es el cumplimiento normativo.

Rogo se fundó alrededor de 2022, pero su comercialización a gran escala no ocurrió hasta dos años después.

En los últimos dos años, lo principal que hizo fue lograr que las instituciones financieras se atrevieran a entregar sus datos a la IA.

Los bancos de inversión manejan diariamente información sobre fusiones y adquisiciones, datos de clientes e investigaciones internas. Si una IA filtra MNPI o calcula incorrectamente un número clave, las consecuencias podrían convertirse directamente en incidentes de cumplimiento y reputación.

Por lo tanto, Rogo ha implementado desde hace mucho tiempo aislamiento de datos, lógica de aislamiento de MNPI, permisos de granularidad fina y auditoría de todo el proceso, y ha obtenido progresivamente las certificaciones SOC 2 Type I/II, ISO 27001 y la certificación ISO 42001 de gobernanza de IA para 2025.

Estas cosas no tienen nada de sexy, pero consumen una cantidad enorme de tiempo. Como resultado, tan pronto como se inició la comercialización, el crecimiento fue muy rápido: de 0 a siete dígitos en ARR en menos de cinco meses, con ingresos superiores a 15 millones de dólares en 2025.

El segundo es que no apuesta al modelo.

El mayor riesgo de muchas empresas de aplicaciones de IA es apostar por el modelo subyacente equivocado.

Rogo simplemente no apuesta. Desarrolló un Model Broker que se integra con modelos como OpenAI, Anthropic y Google, y selecciona automáticamente según la tarea financiera.

¿Por qué hacer esto? Porque no existe un modelo universal para tareas financieras.

Rogo creó un Big Finance Bench con 928 tareas financieras reales y descubrió que GPT-5.5 es más competente en estructura de capital y fusiones y adquisiciones, Claude Sonnet 4.6 es más adecuado para el análisis de estados financieros, y Claude Opus 4.7 se desempeña mejor en capital privado y predicción.

Al realizar un enrutamiento simple según el tipo de tarea y la fuente de datos, el rendimiento general puede superar en 4.5 puntos porcentuales al mejor modelo individual.

La diferencia de costo es mayor. Para la misma tarea, usar un modelo de primer nivel podría costar $1.26, mientras que un modelo ligero más adecuado cuesta tan solo $0.02 como mínimo.

Esta arquitectura implica algo muy importante: el modelo subyacente puede cambiarse continuamente, pero los datos del cliente, los Agentes y los flujos de trabajo permanecen en Rogo.

Sin embargo, el verdadero determinante del techo de Rogo es la tercera capa.

Comienza a presionarse hacia el centro de todos los software de las instituciones financieras.

El flujo de trabajo de los bancos de inversión es extremadamente fragmentado. Los datos están en Capital IQ y PitchBook, los archivos internos en SharePoint, las relaciones con clientes en Salesforce, los correos en Outlook, los modelos en Excel y las actas de transacción en Data Room.

Antes, una gran parte del tiempo que los analistas dedicaban realmente se gastaba en moverse entre estos programas.

Rogo begins piecing them together.

En septiembre de 2025, adquirimos Subset e integramos directamente al Agente en Excel, permitiéndole modificar modelos complejos compuestos por decenas de hojas. En marzo de este año, adquirimos Offset para dotar al Agente de "memoria", permitiéndole recordar cómo se construyó y modificó anteriormente un modelo.

Al mismo tiempo, se integra con SharePoint, Outlook, Salesforce, Box e Intralinks.

Para agosto de este año, Rogo adquirió adicionalmente Rivanna, ampliando sus capacidades a la debida diligencia en fusiones y adquisiciones. El agente puede procesar simultáneamente decenas de miles de documentos de transacción, proporcionar citas originales, identificar riesgos y rastrear todo el proceso de debida diligencia.

Vistos por separado, estos son solo funciones. Pero cuando se conectan, las cosas cambian.

Rogo está reuniendo poco a poco los flujos de trabajo de una transacción financiera, que antes estaban dispersos en una docena de software, en su propia capa.

Si este rompecabezas finalmente se cierra, Rogo no solo tendrá una herramienta de IA.

Se convertirá en la puerta de entrada para que las instituciones financieras trabajen todos los días. Esa es la verdadera razón por la que el capital le otorga una valoración de 2 mil millones de dólares.