Perusahaan AI keuangan Rogo menyelesaikan putaran pendanaan D senilai $1,6 miliar, dengan valuasi melonjak dari $7,5 miliar menjadi $2 miliar dalam hanya tiga bulan, hampir meningkat dua kali lipat. Rogo berposisi sebagai analis AI untuk lembaga investasi, modal ventura, dan manajemen aset, mampu menyelesaikan tugas-tugas seperti mencari informasi perusahaan, mengumpulkan data, membangun model valuasi, dan membuat materi klien. Perusahaan mengintegrasikan model dasar seperti OpenAI dan Anthropic dengan data keuangan seperti Capital IQ dan PitchBook, serta terhubung dengan perangkat lunak kantor seperti Excel dan PPT, untuk menghubungkan tugas-tugas yang tersebar di berbagai sistem menjadi alur otomatis. Hingga Agustus 2026, Rogo telah diadopsi oleh lebih dari 300 lembaga keuangan dan memiliki 40.000 pengguna. Keunggulan kompetitif intinya terletak pada pembangunan kepatuhan, netralitas model, dan integrasi ekosistem, sehingga sedang menjadi pintu masuk kerja bagi lembaga keuangan.

Penulis artikel, sumber: Wall Street Journal

AI akhirnya masuk ke Wall Street.

Pada April tahun ini, perusahaan AI keuangan Rogo menyelesaikan putaran pendanaan D senilai $1,6 miliar, dengan valuasi langsung melonjak menjadi $2 miliar. Tiga bulan sebelumnya, valuasi perusahaan ini baru mencapai $750 juta.

Tiga bulan, hampir dua kali lipat.

Apa sebenarnya yang dilakukan Rogo?

Secara sederhana, berikan seorang "analis AI" untuk lembaga investasi, modal ventura, dan manajemen aset.

Meng查公司, mencari data, membangun model valuasi, mengubah Excel, membuat bahan klien—semua pekerjaan administratif berat yang dulu harus diselesaikan oleh analis junior hingga larut malam, semuanya bisa diambil alih olehnya.

Namun, yang menarik sebenarnya adalah Rogo tampaknya tidak memiliki sesuatu yang benar-benar "eksklusif".

Model dasar menggunakan OpenAI dan Anthropic, data keuangan berasal dari Capital IQ dan PitchBook, dan akhirnya pekerjaan di Excel dan PPT juga milik Microsoft.

Dengan kata lain, yang paling inti—dari model, data hingga perangkat lunak kantor—bukanlah miliknya sendiri. Yang dilakukan Rogo lebih seperti berdiri di tengah, menghubungkan semua hal ini.

Secara logis, perusahaan semacam ini paling mudah dilewati oleh pihak hulu dan hilir.

Namun kenyataannya justru sebaliknya.

Hingga Agustus 2026, Rogo telah diadopsi oleh lebih dari 300 lembaga keuangan, digunakan oleh lebih dari 40.000 profesional keuangan, dan valuasi nya naik hingga 2 miliar dolar AS.

Ini menarik. Mengapa lapisan tengah yang tampaknya hanya "mengumpulkan orang" justru menjadi salah satu perusahaan AI paling diminati di Wall Street?

Hari ini, Silicon Guy akan membahas Rogo, dan bagaimana AI mulai mengambil alih pekerjaan analis Wall Street.

Menyelesaikan tugas untuk analis Wall Street

Analis bank investasi, mungkin merupakan kelompok dengan gaji tertinggi di dunia sekaligus melakukan pekerjaan fisik berulang paling banyak.

Jangan terkecoh oleh penampilan mereka yang selalu berpakaian rapi dan sering keluar masuk Wall Street; sebenarnya waktu yang mereka habiskan untuk bertemu klien dan membahas bisnis sangat sedikit. Menurut perkiraan lembaga pelatihan profesi investasi Wall Street Mastermind, karyawan bank investasi menghabiskan sekitar 90% waktu mereka untuk mencari data, menulis laporan riset, memperbarui model Excel, dan membuat presentasi PowerPoint.

Dalam wawancara sebelumnya dengan pendiri Rogo, Forbes menyebut bahwa beberapa karyawan pemula di bank investasi bekerja hingga 90 jam per minggu. Bahkan jika bekerja tanpa libur selama tujuh hari seminggu, rata-rata setiap hari hampir 13 jam.

Alasannya sederhana. Bank investasi tradisional sebagian besar adalah bisnis yang "bergantung pada tenaga manusia". Jika proyek bertambah, maka merekrut lebih banyak analis; jika beban kerja meningkat, maka diselesaikan dengan lembur.

Rogo ingin menggunakan AI untuk mengubah pola ini.

Langkah pertama adalah mengotomatisasi "mencari data".

Lembaga investasi melakukan proyek, harus mencari data keuangan di Capital IQ dan FactSet, memeriksa pendanaan di PitchBook, dan menelusuri transaksi M&A di LSEG. Database-database ini sudah dibeli oleh lembaga investasi, tetapi sebelumnya analis tetap harus mencari, menyaring, dan menyalin sendiri.

Rogo melakukan hal yang langsung, bekerja sama dengan pedagang data untuk memberikan akses data yang sudah dimiliki pelanggan kepada Agent.

Setelah terintegrasi dengan Capital IQ pada akhir 2024, Agent di Rogo sudah dapat secara langsung mengakses data fundamental, ekspektasi pasar, dan lainnya, serta melanjutkan analisis lebih lanjut.

Dengan kata lain, Rogo mengubah data yang sebelumnya "diperiksa oleh orang" menjadi "bahan produksi yang dapat dipanggil oleh Agent".

Langkah kedua adalah menyerahkan file yang langsung dapat digunakan.

Felix Agent dari Rogo dapat langsung mengakses model Excel yang secara nyata digunakan oleh bank investasi, memperbarui data, menggulirkan tahun prediksi, menyegarkan grafik, dan menyesuaikan perusahaan sebanding.

Hal ini terlihat sederhana, tetapi sebenarnya sulit. Model bank investasi yang sebenarnya mungkin memiliki puluhan lembar kerja, penuh dengan referensi lintas lembar, data historis, dan asumsi prediksi. Di masa lalu, setiap kali analis memperbarui, mereka harus mengambil data sendiri, mengubah tahun, dan memeriksa rumus.

Felix sekarang dapat langsung mengambil alih.

Misalnya, arus kas bebas tahun 2027 dalam model tiba-tiba menjadi negatif, sistem dapat melacak mundur melalui rumus untuk menemukan asumsi mana yang berubah, lalu memberikan saran perbaikan.

Saat menghadapi model yang sangat kompleks, ia bahkan akan mengonversi sebagian logika komputasi menjadi Python dan menjalankannya kembali untuk memeriksa hasilnya.

Artinya, Felix mulai bisa langsung memberikan hasil pekerjaan bank investasi.

Langkah ketiga adalah menghubungkan tugas-tugas individu menjadi satu transaksi utuh.

Proyek bank investasi tampak rumit, tetapi setelah diuraikan, pada dasarnya hanyalah tindakan berulang seperti perbandingan perusahaan, transaksi historis, DCF, CIM, Teaser, dan penyaringan pembeli.

Rogo mengemas setiap tindakan ini menjadi Agent. Ia melibatkan lebih dari 75 orang yang benar-benar berpengalaman di bidang bank investasi, PE, kredit, dan riset untuk membangunnya, dan hingga kini, Agent yang dibagikan telah berjalan lebih dari 430.000 kali.

Namun, Agent standar belum cukup, karena setiap bank investasi memiliki template, sudut pandang, dan proses yang berbeda.

Jadi, Rogo masih akan mengirim tim ke dalam klien untuk terus mengubah Agent menjadi versi khusus. Hanya dalam satu minggu awal Juli 2026, Rogo bersama klien telah membangun lebih dari 2.450 Agent khusus.

Yang lebih penting lagi, agen-agen ini dapat dirangkaikan.

Seorang agen awalnya menyusun CIM dan Teaser, sementara yang lain melanjutkan dengan perusahaan sebanding dan DCF, lalu menyaring pembeli potensial. Pekerjaan yang dulu tersebar di tangan berbagai analis mulai disatukan menjadi satu alur transaksi otomatis. Ini juga merupakan bagian paling imajinatif dari Rogo.

Tentu, kemampuan perangkat lunak untuk melakukan hal tersebut tidak berarti bank investasi benar-benar akan menggunakannya. Oleh karena itu, model bisnis Rogo juga sangat khusus.

Ini dibebankan berdasarkan kursi, pada dasarnya adalah SaaS. Hingga Februari 2026, telah memiliki lebih dari 25.000 pengguna dan 150 klien institusi.

Namun cara pelaksanaannya sangat intensif. Rogo akan mengirimkan mantan bankir dan insinyur langsung ke dalam klien, membantu klien membangun alur kerja, memberikan pelatihan, dan memodifikasi Agent.

Misalnya di Baird, Rogo meluncurkan sekitar 600 kursi. Melalui pelatihan langsung dan tindak lanjut berkelanjutan, tingkat partisipasi mencapai 95% beberapa bulan kemudian, dengan sekitar 10.000 tugas otomatis diselesaikan setiap minggu, mencapai lebih dari 250.000 secara kumulatif.

Artinya, meskipun Rogo menjual perangkat lunak, penerapannya lebih mirip konsultasi.

Jika model Rogo ini berjalan lancar, di masa depan, jumlah orang yang sama dapat mencakup lebih banyak proyek. Bagi industri yang selama puluhan tahun bergantung pada "kekuatan manusia", inilah nilai terbesar dari AI.

Secara logika, perusahaan seperti Rogo sebenarnya sangat berisiko.

Di atas adalah produsen model seperti OpenAI dan Anthropic, di bawahnya adalah penyedia data seperti Capital IQ dan PitchBook, dengan klien berupa lembaga keuangan besar seperti Goldman Sachs dan Lazard.

Ia terjepit di tengah, dan langkah kecil saja ke salah satu sisi bisa membuatnya terlewati.

Namun kenyataannya justru sebaliknya.

Hingga Agustus tahun ini, Rogo telah memiliki 40.000 pengguna dan lebih dari 300 klien institusi, termasuk lembaga keuangan ternama seperti Rothschild dan Lazard.

Mengapa lapisan tengah yang tampaknya paling mudah digantikan justru semakin mendalam?

Intinya, Rogo menginjak tiga posisi terpenting dalam keuangan berbasis AI.

Pertama, adalah kepatuhan.

Rogo didirikan sekitar tahun 2022, tetapi komersialisasi skala besar baru terjadi dua tahun kemudian.

Dua tahun ini, ia terutama melakukan pekerjaan berat: membuat lembaga keuangan berani menyerahkan data ke AI.

Lembaga investasi setiap hari menangani informasi merger dan akuisisi, data pelanggan, dan penelitian internal. Jika AI membocorkan MNPI atau model menghitung angka kunci dengan salah, konsekuensinya bisa langsung berubah menjadi insiden kepatuhan dan reputasi.

Jadi, Rogo telah lama menerapkan isolasi data, isolasi logis MNPI, izin berbasis granularitas halus, dan audit menyeluruh, serta secara bertahap memperoleh sertifikasi SOC 2 Type I/II, ISO 27001, dan sertifikasi tata kelola AI ISO 42001 pada tahun 2025.

Hal-hal ini tidak ada yang menarik, tetapi sangat memakan waktu. Akibatnya, begitu komersialisasi dimulai, pertumbuhannya sangat cepat: dari 0 menjadi ARR tujuh angka dalam kurang dari lima bulan, pendapatan pada tahun 2025 telah melebihi $15 juta.

Kedua, ia tidak mempertaruhkan model.

Risiko terbesar bagi banyak perusahaan aplikasi AI adalah salah memilih model dasar.

Rogo sama sekali tidak memaksakan taruhan. Ia membuat satu set Model Broker yang terhubung dengan model-model seperti OpenAI, Anthropic, Google, dan secara otomatis memilih berdasarkan tugas keuangan yang berbeda.

Mengapa harus dilakukan ini? Karena tidak ada model serba bisa untuk tugas keuangan.

Rogo membuat Big Finance Bench dengan 928 tugas keuangan nyata. Hasilnya menunjukkan bahwa GPT-5.5 lebih unggul dalam struktur modal dan M&A, Claude Sonnet 4.6 lebih cocok untuk analisis laporan keuangan, dan Claude Opus 4.7 berkinerja lebih baik dalam modal swasta dan prediksi.

Dengan hanya melakukan routing sederhana berdasarkan jenis tugas dan sumber data, kinerja keseluruhan dapat lebih tinggi 4,5 poin persentase dibandingkan model tunggal terbaik.

Selisih biaya lebih besar. Untuk tugas yang sama, menggunakan model teratas mungkin memakan biaya $1,26, sedangkan model ringan yang lebih sesuai bisa hanya Rp0,02.

Arsitektur ini berarti satu hal penting: model dasar dapat terus diganti, tetapi data pelanggan, Agent, dan alur kerja tetap berada di Rogo.

Namun, yang benar-benar menentukan batas atas Rogo adalah lapisan ketiga.

Ia mulai mendorong masuk ke tengah-tengah perangkat lunak semua lembaga keuangan.

Alur kerja bank investasi sangat terfragmentasi. Data berada di Capital IQ, PitchBook, dokumen internal di SharePoint, hubungan pelanggan di Salesforce, email di Outlook, model di Excel, dan naskah transaksi disimpan di Data Room.

Dulu, sebagian besar waktu analis dihabiskan untuk memindahkan data di antara perangkat lunak ini.

Rogo mulai menyambungkannya satu per satu.

Pada September 2025, mengakuisisi Subset, langsung memasukkan Agent ke dalam Excel, sehingga dapat mengubah model kompleks yang terdiri dari puluhan lembar kerja. Pada Maret tahun ini, mengakuisisi Offset, menambahkan "memori" ke Agent, sehingga dapat mengetahui bagaimana model tersebut dibangun dan diubah di masa lalu.

Sementara itu, ia juga terintegrasi dengan SharePoint, Outlook, Salesforce, Box, dan Intralinks.

Pada Agustus tahun ini, Rogo lebih lanjut mengakuisisi Rivanna, memperluas kemampuannya ke due diligence M&A. Agen dapat memproses ribuan dokumen transaksi sekaligus, memberikan kutipan asli, mengidentifikasi risiko, dan melacak seluruh proses due diligence.

Secara terpisah, semuanya hanyalah fitur. Tetapi ketika digabungkan, semuanya menjadi berbeda.

Rogo sedang mengumpulkan alur kerja transaksi keuangan yang sebelumnya tersebar di selusinan perangkat lunak, satu per satu ke dalam lapisannya sendiri.

Jika teka-teki ini akhirnya terpecahkan secara utuh, Rogo tidak lagi hanya menguasai sebuah alat AI.

Ini akan menjadi pintu masuk yang digunakan setiap hari oleh lembaga keuangan. Inilah alasan sebenarnya mengapa modal bersedia memberinya valuasi 2 miliar dolar AS.