फाइनेंशियल AI कंपनी Rogo ने 1.6 बिलियन डॉलर के D-राउंड की फंडिंग पूरी की, जिससे इसका आकलन 7.5 बिलियन डॉलर से बढ़कर 20 बिलियन डॉलर हो गया, जो केवल तीन महीनों में लगभग दोगुना हो गया। Rogo को इन्वेस्टमेंट बैंक, PE और एसेट मैनेजमेंट संस्थानों के लिए AI विश्लेषक के रूप में स्थित किया गया है, जो कंपनी की जांच, डेटा खोज, मूल्यांकन मॉडल बनाना और ग्राहक सामग्री तैयार करना जैसे कार्य कर सकता है। कंपनी OpenAI, Anthropic जैसे नीचले मॉडल्स और Capital IQ, PitchBook जैसे फाइनेंशियल डेटा को एकीकृत करती है और Excel, PPT जैसे ऑफिस सॉफ्टवेयर से जुड़कर, विभिन्न प्रणालियों में बिखरे हुए कार्यों को स्वचालित प्रक्रिया में जोड़ती है। 2026 अगस्त तक, Rogo 300 से अधिक फाइनेंशियल संस्थानों में पहुंच चुकी है और 40,000 उपयोगकर्ताओं के साथ है। इसकी मुख्य प्रतिस्पर्धात्मक क्षमता संगति, मॉडल-निष्पक्षता और पारिस्थितिकीय एकीकरण में है, जो फाइनेंशियल संस्थानों के लिए कार्य प्रवेश बिंदु बनने की ओर बढ़ रही है।लेखक, स्रोत: वॉल स्ट्रीट विजन
AI अंततः वॉल स्ट्रीट में प्रवेश कर गया है।
इस साल अप्रैल में, वित्तीय AI कंपनी Rogo ने 1.6 बिलियन डॉलर का D-चरण फंडिंग पूरा किया, जिससे इसका आकलन सीधे 20 बिलियन डॉलर पर पहुंच गया। और तीन महीने पहले, इसका आकलन केवल 7.5 बिलियन डॉलर था।
Three months, almost doubled.
Rogo क्या करता है?
बस इंवेस्टमेंट बैंक, PE और एसेट मैनेजमेंट कंपनियों के लिए एक “AI विश्लेषक” दें।
कंपनी की जांच करना, डेटा ढूंढना, वैल्यूएशन मॉडल बनाना, एक्सेल बदलना, ग्राहक सामग्री तैयार करना—पिछले समय में जिन बड़ी मात्रा में डेस्कवर्क को जूनियर एनालिस्ट को रात भर जागकर पूरा करना पड़ता था, इसके द्वारा वे सभी कार्य किए जा सकते हैं।
लेकिन वास्तविक रूप से दिलचस्प बात यह है कि, Rogo के पास कुछ भी विशेष रूप से "अनन्य" नहीं लगता।
बेस मॉडल OpenAI और Anthropic का उपयोग करता है, वित्तीय डेटा Capital IQ और PitchBook से आता है, और अंतिम रूप से Excel और PPT Microsoft के हैं।
दूसरे शब्दों में, मॉडल, डेटा और ऑफिस सॉफ्टवेयर जैसी सबसे महत्वपूर्ण चीजें अपनी खुद की नहीं हैं। रोगो करता है, वह इन सब चीजों को बीच में खड़े होकर जोड़ना है।
सामान्य तौर पर, ऐसी कंपनियाँ सबसे आसानी से ऊपर और नीचे की श्रृंखला से बाहर कर दी जाती हैं।
लेकिन वास्तविकता इसके विपरीत है।
2026 अगस्त तक, Rogo ने 300 से अधिक वित्तीय संस्थानों में प्रवेश किया है, जिसे 40,000 से अधिक वित्तीय पेशेवरों द्वारा उपयोग किया जाता है, और इसका मूल्यांकन 20 अरब डॉलर तक पहुंच गया है।
यह दिलचस्प है। एक ऐसा मध्यवर्ती, जो केवल "समूह बनाने" जैसा लगता है, क्यों वॉल स्ट्रीट की सबसे अधिक लोकप्रिय AI कंपनियों में से एक बन गया?
आज, सिलिकॉन जून रोगो के बारे में और बताएंगे कि AI ने वॉल स्ट्रीट विश्लेषकों के काम को कैसे शुरू किया।
Wall Street analyst के लिए "होमवर्क जमा करें"
इन्वेस्टमेंट बैंक विश्लेषक, संभवतः इस दुनिया के सबसे अधिक वेतन पाने वाले और सबसे अधिक दोहराए जाने वाले शारीरिक कार्य करने वाले लोग हैं।
उनकी दिनचर्या में रोज़ सूट-टाई पहनकर वॉल स्ट्रीट के आसपास घूमना शामिल है, लेकिन वास्तविक रूप से ग्राहक के मेज़ के सामने बैठकर व्यापार पर चर्चा करने का समय बहुत कम होता है। निवेश बैंकिंग प्रशिक्षण संस्थान Wall Street Mastermind के अनुसार, निवेश बैंकिंग कर्मचारी लगभग 90% समय डेटा ढूंढने, अनुसंधान रिपोर्ट लिखने, Excel मॉडल अपडेट करने और PPT बनाने जैसे कागजी कार्यों में बिताते हैं।
फॉर्ब्स ने पहले रोगो के संस्थापक के साथ एक साक्षात्कार में उल्लेख किया था कि कुछ प्रारंभिक निवेश बैंकिंग कर्मचारी सप्ताह में 90 घंटे तक काम करते हैं। भले ही सप्ताह में 7 दिन आराम न करें, औसतन प्रतिदिन लगभग 13 घंटे होते हैं।
कारण बहुत सरल है। पारंपरिक निवेश बैंकिंग मुख्य रूप से एक “मानव संसाधनों पर आधारित उत्पादकता” का व्यवसाय है। जब प्रोजेक्ट्स बढ़ जाते हैं, तो विश्लेषकों की संख्या बढ़ाई जाती है; जब कार्यभार बढ़ जाता है, तो ओवरटाइम के माध्यम से इसे संभाला जाता है।
Rogo इस मॉडल को AI के साथ बदलना चाहता है।
पहला कदम, "डेटा ढूंढना" को स्वचालित करना है।
इन्वेस्टमेंट बैंक अपने प्रोजेक्ट के लिए कैपिटल आईक्यू और फैक्टसेट में वित्तीय डेटा चेक करते हैं, पिचबुक में फंडिंग देखते हैं और एलएसईजी में एक्विजिशन और विलय के लेन-देन देखते हैं। इन डेटाबेस को इन्वेस्टमेंट बैंक पहले से ही खरीद चुके हैं, लेकिन पहले विश्लेषकों को खुद खोजना, फिल्टर करना और कॉपी करना पड़ता था।
रोगो का काम सीधा है, वह इन डेटा व्यापारियों के साथ साझेदारी करता है और ग्राहकों के द्वारा पहले से मौजूद डेटा अधिकारों को एजेंट को दे देता है।
2024 के अंत में Capital IQ के समाकलन के बाद, Rogo में एजेंट सीधे बुनियादी डेटा, बाजार की अपेक्षाओं आदि को कॉल कर सकते हैं और आगे विश्लेषण कर सकते हैं।
दूसरे शब्दों में, रोगो ने पिछले “लोगों के लिए जांचने के लिए दिए गए डेटा” को “एजेंट्स के लिए उपयोग के लिए उत्पादन सामग्री” में बदल दिया।
दूसरा कदम, उपयोग के लिए सीधे फ़ाइलें प्रदान करना है।
Rogo का Felix Agent सीधे निवेश बैंकों द्वारा वास्तविक रूप से उपयोग किए जाने वाले Excel मॉडल में प्रवेश कर सकता है, डेटा अपडेट कर सकता है, भविष्यवाणी वर्षों को रोल कर सकता है, चार्ट्स को अपडेट कर सकता है और तुलनात्मक कंपनियों को समायोजित कर सकता है।
यह बात सरल लगती है, लेकिन वास्तव में कठिन है। एक वास्तविक निवेश बैंक मॉडल में दर्जनों वर्कशीट हो सकती हैं, जिनमें पूरी तरह से वर्कशीट के बीच संदर्भ, ऐतिहासिक डेटा और भविष्यवाणी की मान्यताएँ होती हैं। पहले विश्लेषकों को हर अपडेट के लिए डेटा खुद लाना पड़ता था, वर्ष बदलना पड़ता था और सूत्रों की जाँच करनी पड़ती थी।
अब फेलिक्स सीधे ले सकता है।
जैसे कि मॉडल में 2027 की स्वतंत्र नकदी प्रवाह अचानक ऋणात्मक हो जाती है, तो यह सूत्र के अनुसार पीछे की ओर जाकर यह पता लगा सकती है कि कौन सी कल्पनाएँ बदल गई हैं, और फिर सुधार के सुझाव दे सकती है।
जब बहुत जटिल मॉडल का सामना होता है, तो यह कुछ कैलकुलेशन लॉजिक को पायथन में बदलकर परिणाम की जांच के लिए फिर से चलाता है।
इसका मतलब है कि फेलिक्स अब इन्वेस्टमेंट बैंकिंग के कार्यों के परिणाम सीधे प्रदान करने में सक्षम है।
तीसरा कदम, एकल कार्यों को एक पूर्ण लेनदेन में जोड़ना है।
इन्वेस्टमेंट बैंकिंग प्रोजेक्ट जटिल लगते हैं, लेकिन इन्हें अलग-अलग करने पर, ये सिर्फ कॉम्पेरेबल कंपनियाँ, हिस्टोरिकल ट्रांजैक्शन, DCF, CIM, Teaser, और खरीददारों की छानबीन जैसी दोहराई जाने वाली क्रियाएँ हैं।
Rogo ने इन कार्रवाइयों को अलग-अलग एजेंट के रूप में पैकेज किया है। इसके निर्माण में 75 से अधिक वास्तविक निवेश बैंकिंग, PE, क्रेडिट और अनुसंधान के क्षेत्र में काम कर चुके लोगों ने भाग लिया है, और अब तक साझा एजेंट्स ने 43 लाख से अधिक बार काम किया है।
लेकिन मानक Agent पर्याप्त नहीं है, क्योंकि प्रत्येक निवेश बैंक का टेम्पलेट, मापदंड और प्रक्रिया अलग-अलग होती है।
इसलिए, Rogo अपनी टीम को ग्राहक के अंदर भेजता रहेगा ताकि Agent को विशिष्ट संस्करण में बदला जा सके। केवल 2026 के जुलाई के प्रारंभ के एक सप्ताह में, Rogo ने ग्राहकों के साथ मिलकर 2450 से अधिक कस्टम Agent बनाए।
अधिक महत्वपूर्ण बात यह है कि इन एजेंट्स को जोड़ा जा सकता है।
एक एजेंट पहले CIM और Teaser तैयार करता है, दूसरा तुलनात्मक कंपनियों और DCF पर काम करता है, फिर संभावित खरीददारों को छानता है। पहले अलग-अलग विश्लेषकों के हाथों में बिखरी हुई ये कार्यप्रक्रिया अब एक स्वचालित ट्रेडिंग प्रक्रिया में जुड़ रही है। यही Rogo की वास्तविक कल्पनाशीलता है।
बेशक, सॉफ्टवेयर कर सकता है, लेकिन इन्वेस्टमेंट बैंक वास्तव में इसका उपयोग करेगी यह नहीं है। इसलिए, Rogo का व्यापार मॉडल भी विशेष है।
यह सीट के आधार पर शुल्क लेता है, जो मूल रूप से SaaS है। फरवरी 2026 तक, इसके 25,000 से अधिक उपयोगकर्ता और 150 संस्थागत ग्राहक हैं।
लेकिन इसका लागू होने का तरीका बहुत गहरा है। रोगो पहले के बैंकर और इंजीनियरों को सीधे ग्राहक के अंदर भेजता है, ताकि वे ग्राहक के लिए कार्यप्रवाह बनाएं, प्रशिक्षण दें और एजेंट को सुधारें।
उदाहरण के लिए, बेयर्ड में रोगो ने लगभग 600 सीटें लांच कीं। स्थानीय प्रशिक्षण और निरंतर अनुसरण के माध्यम से, कुछ महीनों बाद भागीदारी 95% तक पहुंच गई, हफ्ते में लगभग 10,000 स्वचालित कार्य पूरे हुए, जिससे कुल मिलाकर 2.5 लाख से अधिक हुए।
इसका मतलब है कि हालांकि रोगो सॉफ्टवेयर बेच रहा है, लेकिन इसका वास्तविक अनुप्रयोग अधिक परामर्श के समान है।
अगर रोगो का यह मॉडल काम कर जाता है, तो भविष्य में समान संख्या में लोग अधिक प्रोजेक्ट्स को कवर कर सकेंगे। एक ऐसे उद्योग के लिए, जिसने कई दशकों तक "मानव शक्ति से कैलकुलेशन जमा किया" है, यही AI का सबसे बड़ा मूल्य है।
AI टूल से लेकर वॉल स्ट्रीट का "ऑपरेटिंग सिस्टम"
सामान्य तौर पर, Rogo जैसी कंपनियाँ बहुत खतरनाक होती हैं।
ऊपर OpenAI, Anthropic जैसे मॉडल निर्माता हैं, नीचे Capital IQ, PitchBook जैसे डेटा प्रदाता हैं, और ग्राहक High Street, Lazard जैसे बड़े वित्तीय संस्थान हैं।
यह बीच में फंसा हुआ है, और किसी भी ओर की ओर एक कदम आगे बढ़ने से इसे पार किया जा सकता है।
लेकिन वास्तविकता इसके विपरीत है।
इस साल अगस्त तक, Rogo के 40,000 उपयोगकर्ता और 300 से अधिक संस्थागत ग्राहक हैं, जिनमें Rothschild, Lazard जैसे प्रतिष्ठित निवेश बैंक शामिल हैं।
क्यों एक ऐसा मध्यवर्ती परत, जो सबसे आसानी से बदली जा सकती है, उल्टा गहरी होती जा रही है?
मुख्य बात यह है कि रोगो ने फाइनेंशियल एआई के तीन सबसे महत्वपूर्ण स्थानों पर कदम रख दिया है।
पहला, अनुपालन है।
Rogo 2022 के आसपास स्थापित किया गया था, लेकिन वास्तविक व्यापारिक विस्तार दो साल बाद हुआ।
इन दो वर्षों में इसने मुख्य रूप से एक कठिन काम किया: वित्तीय संस्थानों को डेटा AI को सौंपने के लिए प्रेरित किया।
इन्वेस्टमेंट बैंक प्रतिदिन एमएए जानकारी, ग्राहक डेटा और आंतरिक अनुसंधान को संभालते हैं। यदि AI MNPI को लीक कर दे या मॉडल एक महत्वपूर्ण संख्या में गलती कर दे, तो परिणाम सीधे अनुपालन और प्रतिष्ठा के मामले में बदल सकते हैं।
इसलिए, रोगो ने शुरू से ही डेटा आइसोलेशन, MNPI लॉजिकल आइसोलेशन, सूक्ष्म अधिकार और पूरी प्रक्रिया की ऑडिट किया है और क्रमशः SOC 2 Type I/II, ISO 27001, और 2025 के लिए ISO 42001 AI गवर्नेंस प्रमाणन प्राप्त किया है।
इन चीजों में कोई सेक्सी बात नहीं है, लेकिन ये बहुत समय लेती हैं। परिणामस्वरूप, व्यावसायिकीकरण शुरू होते ही वृद्धि तेजी से हुई: 0 से सात अंकों की ARR तक पहुँचने में 5 महीने से कम का समय लगा, और 2025 में आय 15 मिलियन डॉलर से अधिक हो गई।
दूसरा, यह मॉडल पर निर्भर नहीं करता।
AI अनुप्रयोग कंपनियों का सबसे बड़ा जोखिम, नींव के मॉडल पर गलत बाजी लगाना है।
Rogo ने कोई ब्रोकर नहीं चुना। इसने एक मॉडल ब्रोकर बनाया है, जो OpenAI, Anthropic, Google आदि मॉडल्स से जुड़ा हुआ है और विभिन्न वित्तीय कार्यों के आधार पर स्वचालित रूप से चयन करता है।
ऐसा क्यों करें? क्योंकि वित्तीय कार्यों के लिए कोई समग्र मॉडल मौजूद नहीं है।
Rogo ने 928 वास्तविक वित्तीय कार्यों के साथ Big Finance Bench तैयार किया। परिणाम में पता चला कि GPT-5.5 रूप संरचना और M&A में अधिक कुशल है, Claude Sonnet 4.6 वित्तीय विवरण विश्लेषण के लिए अधिक उपयुक्त है, और Claude Opus 4.7 निजी पूंजी और भविष्यवाणी में बेहतर प्रदर्शन करता है।
केवल कार्य प्रकार और डेटा स्रोत के आधार पर सरल रूटिंग करने से, समग्र प्रदर्शन सबसे अच्छे एकल मॉडल से 4.5 प्रतिशत अधिक होता है।
लागत का अंतर अधिक है। एक ही कार्य के लिए, शीर्ष मॉडल का उपयोग करने से 1.26 डॉलर का खर्च हो सकता है, जबकि एक अधिक उपयुक्त हल्के मॉडल का उपयोग करने से न्यूनतम केवल 0.02 डॉलर का खर्च होता है।
यह आर्किटेक्चर एक महत्वपूर्ण बात को सूचित करता है: नींव का मॉडल बार-बार बदला जा सकता है, लेकिन ग्राहक का डेटा, एजेंट और वर्कफ्लो Rogo पर ही रहेंगे।
हालाँकि, रोगो की सीमा को वास्तव में तीसरे स्तर निर्धारित करता है।
यह फाइनेंशियल इंस्टीट्यूशन्स के सभी सॉफ्टवेयर के बीच में घुसने लगा है।
इन्वेस्टमेंट बैंकिंग की कार्यप्रणाली अत्यंत टुकड़ा-टुकड़ा है। डेटा Capital IQ और PitchBook में है, आंतरिक फाइलें SharePoint पर हैं, ग्राहक संबंध Salesforce में हैं, ईमेल Outlook में हैं, मॉडल Excel में हैं, और ट्रेडिंग ड्राफ्ट्स Data Room में स्थानांतरित किए जाते हैं।
पिछले समय में विश्लेषकों ने इन सॉफ्टवेयरों के बीच चीजों को ले जाने में बहुत समय बिताया।
Rogo is putting them together piece by piece.
2025 में सबसेट का अधिग्रहण करके, Agent को सीधे Excel में डाल दिया गया, ताकि यह दर्जों कार्यपत्रकों से बने जटिल मॉडल को संशोधित कर सके। इस वर्ष मार्च में, Offset का अधिग्रहण करके Agent को "स्मृति" प्रदान की गई, ताकि यह जान सके कि एक मॉडल पिछली बार कैसे बनाया गया और कैसे बदला गया।
इसके साथ ही, यह SharePoint, Outlook, Salesforce, Box और Intralinks से जुड़ता है।
इस साल अगस्त तक, रोगो ने रिवाना का अतिरिक्त अधिग्रहण किया, जिससे उसकी क्षमता M&A ड्यू डिलीजेंस तक पहुँच गई। एजेंट एक साथ हजारों लेनदेन दस्तावेज़ों को संभाल सकता है, मूल संदर्भ प्रदान कर सकता है, जोखिमों की पहचान कर सकता है, और पूरी ड्यू डिलीजेंस प्रक्रिया का अनुसरण कर सकता है।
अकेले देखे जाएं तो ये सभी केवल सुविधाएँ हैं। लेकिन इन्हें जोड़ दिया जाए तो बात अलग हो जाती है।
रोगो एक वित्तीय लेनदेन के कार्यप्रवाह को, जो मूल रूप से दर्जनों सॉफ्टवेयर में बिखरा हुआ था, धीरे-धीरे अपने स्तर पर एकत्रित कर रहा है।
अगर यह पहेली अंततः पूरी हो जाती है, तो रोगो के पास केवल एक AI उपकरण ही नहीं होगा।
यह फाइनेंशियल इंस्टीट्यूशन्स के दैनिक कार्य का प्रवेश द्वार बन जाएगा। यही वास्तविक कारण है कि पूंजि इसे 20 बिलियन डॉलर का मूल्यांकन कर रही है।