金融AI企業Rogoは、1.6億ドルのDラウンド資金調達を完了し、3か月で時価総額を7.5億ドルから20億ドルへと約2倍に引き上げた。Rogoは、投資銀行、プライベートエクイティ、資産運用機関向けのAIアナリストとして、企業調査、データ収集、評価モデル構築、クライアント向け資料作成などのタスクを実行する。同社はOpenAIやAnthropicなどの基礎モデルと、Capital IQやPitchBookなどの金融データを統合し、ExcelやPPTなどのオフィスソフトウェアと連携することで、各システムに分散した作業を自動化プロセスに統合している。2026年8月現在、Rogoは300社以上の金融機関に導入され、4万名のユーザーを有している。その核心的競争力は、コンプライアンス構築、モデル中立性、エコシステム統合にあり、金融機関における作業の入口として台頭している。

記事執筆者、出典：ウォールストリート・ビジョン

AIがついにウォールストリートに進出しました。

今年4月、金融AI企業のRogoは1億6千万ドルのDラウンド資金調達を完了し、評価額は直ちに20億ドルに達した。そして3か月前まで、その評価額は7億5千万ドルに過ぎなかった。

3か月で、ほぼ2倍になりました。

Rogoは一体何をするものですか？

簡単に言えば、投資銀行、プライベートエクイティ、資産運用機関に「AIアナリスト」を割り当てるということです。

会社を調査し、データを探し、評価モデルを構築し、Excelを修正し、クライアント向け資料を作成する——かつて初级アナリストが徹夜して行っていた大量の事務作業を、すべて代行できます。

しかし、本当に興味深いのは、Rogoに特に「独占的な」要素が見られないということです。

ベースモデルはOpenAI、Anthropicを使用し、金融データはCapital IQ、PitchBookから取得し、最終的な作業にはMicrosoftのExcelとPPTを使用しています。

言い換えれば、モデルからデータ、オフィスソフトまで、最も核心的な要素はすべて自社のものではない。Rogoが行っているのは、これらの要素を中间でつなぐことである。

通常、このような会社は上下流に迂回されやすい。

しかし現実はまさにその逆です。

2026年8月までに、Rogoは300社以上の金融機関に導入され、4万人以上の金融業界従事者に利用され、評価額は20億ドルまで上昇しました。

これは興味深い。単に「集めている」だけの中间層が、なぜウォールストリートで最も注目されるAI企業の1つとなったのか？

今日、シリコンベース君がRogoについて、そしてAIがどのようにしてウォールストリートのアナリストの仕事を引き継ぎ始めたのかをお話しします。

ウォールストリートのアナリストに代わって「宿題を提出」

投資銀行のアナリストは、おそらくこの世界で最も給与が高く、同時に最も多くの繰り返しの肉体労働をしている人々である。

彼らは毎日スーツを着てウォールストリートを行き来しているように見えるが、実際に顧客の前に座ってビジネスを話し合う時間はそれほど多くない。投資銀行職業訓練機関のWall Street Mastermindによると、投資銀行従業員の約90％の時間は、データを探し、研究レポートを書き、Excelモデルを更新し、PPTを作成するような事務作業に費やされている。

『フォーブス』は以前、Rogoの創設者を取材した際、一部の新入投資銀行従業員が週に最大90時間働くことを指摘した。週7日休まず働いた場合、平均して1日約13時間に相当する。

理由は簡単です。従来の投資銀行は很大程度、「人海戦術」で生産性を上げるビジネスです。プロジェクトが増えればアナリストを増員し、作業量が増加すれば残業で対応します。

RogoはAIを使ってこのモードを変更したいと考えている。

最初のステップは、「データの検索」を自動化することです。

投資銀行がプロジェクトを進める際、財務データはCapital IQやFactSetで検索し、調達情報はPitchBookで確認し、M&A取引はLSEGで閲覧する。これらのデータベースはすでに投資銀行が購入しているが、過去にはアナリスト自らが検索・フィルタリング・コピーを行う必要があった。

Rogoは直接的に、これらのデータプロバイダーと提携して、顧客の既存のデータ権限をAgentに提供します。

2024年末にCapital IQを接続した後、Rogo内のAgentはファンダメンタルズや市場予測などのデータを直接呼び出し、さらに分析を継続できます。

言い換えれば、Rogoはかつて「人が確認するためのデータ」を、「エージェントが呼び出す生産資料」に変えたのです。

第二ステップは、すぐに使えるファイルを直接提供することです。

RogoのFelix Agentは、投資銀行が実際に使用するExcelモデルに直接アクセスし、データを更新し、予測年をロールフォワードし、チャートを更新し、比較対象企業を調整できます。

これは単純に見えるが、実際には非常に難しい。実際の投資銀行モデルには、数十枚のワークシートが含まれており、それらはすべてシート間参照、過去データ、予測仮定で満たされている。かつてはアナリストが毎回更新するたびに、自らデータを取得し、年份を変更し、数式を確認しなければならなかった。

フェリックスが今すぐ引き継げます。

たとえば、モデル内で2027年のフリーキャッシュフローが急に負数になった場合、それは式に沿って遡って、どの仮定が変化したかを特定し、修正案を提示できます。

特に複雑なモデルに遭遇した場合、一部の計算ロジックをPythonに変換して再実行し、結果を確認します。

つまり、フェリックスは投資銀行の業務の成果を直接提供できるようになったということです。

第三ステップは、個々のタスクを1つの取引に連結することです。

投資銀行のプロジェクトは複雑に見えるが、分解すれば、比較企業の分析、過去の取引、DCF、CIM、Teaser、バイヤーの絞り込みといった繰り返しの作業にすぎない。

Rogoはこれらのアクションを一つずつAgentとしてパッケージ化しました。彼は、投資銀行、プライベートエクイティ、クレジット、研究の分野で実際に働いた75人以上を招いて構築に参加させ、現在までに共有Agentの累計実行回数は43万回を超えています。

しかし、標準的なAgentでは十分ではなく、各投資銀行のテンプレート、口径、プロセスが異なるためです。

そのため、Rogoは引き続きチームを顧客の現場に派遣し、Agentを専用バージョンにカスタマイズします。2026年7月初旬の1週間だけで、Rogoは顧客と協力して2,450以上のカスタムAgentを構築しました。

さらに重要なのは、これらのエージェントを連携させられることです。

あるエージェントがCIMとティーザーを起草し、別のエージェントが比較企業とDCFを継続して作成し、その後潜在的なバイヤーを絞り込む。かつて異なるアナリストの手に分散していた作業が、自動化された取引フローとしてつながり始めた。これがRogoの真に想像力豊かな点である。

もちろん、ソフトウェアが可能であることは、投機銀行が実際にそれを使用することを意味しない。そのため、Rogoのビジネスモデルも非常に特異である。

それは席単位で課金され、本質的にはSaaSです。2026年2月現在、2万5,000人以上のユーザーと150社の機関顧客を抱えています。

しかし、実装方法は非常に丁寧です。Rogoは元銀行家とエンジニアを直接顧客の内部に派遣し、顧客のワークフロー構築、トレーニング、Agentの改善を支援します。

例えばBairdでは、Rogoに約600の席位が導入されました。現場でのトレーニングと継続的なフォローアップを通じて、数ヶ月後に参加率が95％に達し、毎週約1万回の自動化タスクが完了し、累計で25万回以上となりました。

つまり、Rogoはソフトウェアを販売しているが、実際の実施はコンサルティングに近い。

もしRogoのこのモデルが成功すれば、同じ人数でより多くのプロジェクトをカバーできるようになる。数十年にわたり「人海戦術」で運営されてきたこの業界にとって、これがAIの最大の価値である。

通常、Rogo这样的公司其實很危險。

上段はOpenAIやAnthropicなどのモデルベンダー、下段はCapital IQやPitchBookなどのデータプロバイダーであり、顧客はゴールドマン・サックスやラザードなどの大手金融機関です。

それは中央に挟まれており、どちらか一方が一歩前に進むと、それを迂回してしまう可能性がある。

しかし現実はまさにその逆です。

今年8月現在、Rogoは4万名のユーザーと300社以上の機関顧客を抱えており、ロスチャイルドやラザードなどの老舗投資銀行も利用しています。

なぜ、最も代替されやすいように見える中間層が、逆にますます深くなっているのか？

重要なのは、Rogoが金融AIの最も重要な3つのポイントを押さえていることです。

まず第一に、コンプライアンスです。

Rogoは2022年前後に設立されたが、本格的な商業化はそれから2年後のことだった。

この2年間、彼は主に、金融機関がデータをAIに委ねられるようにするという大変な仕事をこなしてきた。

投資銀行は毎日、合併・買収情報、顧客データ、内部研究を処理している。AIがMNPIを漏洩したり、モデルが重要な数値を誤計算したりすると、直ちにコンプライアンスおよび評判の問題につながる可能性がある。

そのため、Rogoは早期からデータ分離、MNPIの論理的分離、細粒度の権限管理、およびフルプロセス監査を実施し、次第にSOC 2 Type I/II、ISO 27001、および2025年のISO 42001 AIガバナンス認証を取得してきました。

これらのことは魅力的ではないが、非常に時間のかかるものだ。その結果、商業化を開始してから急成長し、0から7桁のARRに到達するまで5か月もかからず、2025年の収益は1500万ドルを超えた。

二つ目は、それがモデルに賭けないことです。

多くのAIアプリケーション企業が直面する最大のリスクは、基盤モデルの選択を誤ることである。

Rogoはまったく押さない。彼女はModel Brokerを構築し、OpenAI、Anthropic、Googleなどのモデルを統合し、金融タスクに応じて自動的に選択する。

なぜそんなことをするのか？なぜなら、金融タスクには万能モデルが存在しないからである。

Rogoは928の実際の金融タスクを用いてBig Finance Benchを構築した。その結果、GPT-5.5は資本構造とM&Aに優れ、Claude Sonnet 4.6は財務諸表分析に適しており、Claude Opus 4.7はプライベートエクイティと予測においてより優れた性能を発揮した。

タスクの種類とデータソースに基づいて単純なルーティングを行うだけで、全体の成績が最強の単一モデルを4.5ポイント上回る。

コスト差がさらに大きくなります。同じタスクをトップモデルで実行すると1.26ドルかかりますが、より適した軽量モデルを使用すれば、最低0.02ドルで済みます。

このアーキテクチャは重要なことを意味します：ベースモデルはいつでも変更できますが、顧客のデータ、エージェント、ワークフローはすべてRogoに残ります。

しかし、Rogoの上限を真正に決定するのは、3層目である。

それは金融機関のすべてのソフトウェアの真ん中に押し込まれ始めている。

投資銀行のワークフローは極めて断片化されている。データはCapital IQやPitchBookに、内部ファイルはSharePointに、顧客関係はSalesforceに、メールはOutlookに、モデルはExcelに、取引の下書きはData Roomに保存されている。

かつてアナリストが本当に時間を費やしていたのは、これらのソフト間でデータを移動することだった。

Rogoはそれらを一つずつつなぎ始めました。

2025年9月にSubsetを買収し、AgentをExcelに直接組み込み、数十枚のワークシートからなる複雑なモデルを編集できるようにしました。今年3月にはOffsetを買収し、Agentに「記憶」機能を追加して、モデルの過去の構築方法や変更履歴を認識できるようにしました。

同時に、SharePoint、Outlook、Salesforce、Box、Intralinksと連携しています。

今年8月までに、RogoはRivannaをさらに買収し、M&Aデューデリジェンスの能力を強化しました。エージェントは数万件の取引文書を一度に処理し、原文の引用を提示し、リスクを特定して、デューデリジェンスの全体プロセスを追跡できます。

単独で見れば、これらはすべて機能にすぎません。しかし、それらをつなげると、状況は変わります。

Rogoは、金融取引のワークフローを元々十数のソフトウェアに分散させていたものを、段階的に自らのレイヤーに収めている。

もしこのパズルが最終的に完了すれば、Rogoが手にするのは単なるAIツールではなくなる。

それは金融機関が毎日利用する入口となる。これが資本がこれを20億ドルと評価する真の理由である。