Syarikat AI kewangan Rogo menyelesaikan pembiayaan Siri D sebanyak US$1.6 bilion, dengan nilai penilaian meningkat dari US$7.5 bilion kepada US$20 bilion dalam tempoh tiga bulan sahaja, hampir dua kali ganda. Rogo menetapkan dirinya sebagai analis AI untuk syarikat bank pelaburan, modal persendirian, dan agensi pengurusan aset, mampu menyelesaikan tugas-tugas seperti menyelidiki syarikat, mencari data, membina model penilaian, dan menyediakan bahan pelanggan. Syarikat ini mengintegrasikan model asas seperti OpenAI dan Anthropic dengan data kewangan seperti Capital IQ dan PitchBook, serta menghubungkan perisian pejabat seperti Excel dan PPT untuk menggabungkan tugas-tugas yang tersebar dalam sistem yang berbeza menjadi aliran automatik. Sehingga Ogos 2026, Rogo telah memasuki lebih daripada 300 institusi kewangan dan memiliki 40,000 pengguna. Kelebihan utamanya terletak pada pembinaan pematuhan, kesetaraan model, dan integrasi ekosistem, dan sedang menjadi pintu masuk kerja bagi institusi kewangan.

Penulis artikel, sumber: Wall Street Journal

AI akhirnya masuk ke Wall Street.

Pada bulan April tahun ini, syarikat AI kewangan Rogo menyelesaikan pembiayaan Siri D sebanyak US$1.6 bilion, dengan nilai penilaian terus meningkat kepada US$20 bilion. Tiga bulan sebelum itu, nilai penilaian syarikat tersebut hanyalah US$7.5 bilion.

Tiga bulan, hampir dua kali ganda.

Rogo sebenarnya melakukan apa?

Secara ringkas, ia adalah memberikan seorang "analis AI" kepada bank investasi, PE, dan institusi pengurusan aset.

Ia boleh mengambil alih semua kerja meja yang dahulu memerlukan analis peringkat permulaan bekerja larut malam—mengenal pasti syarikat, mencari data, membina model penilaian, mengubah Excel, dan menyediakan bahan pelanggan.

Namun, tempat yang benar-benar menarik ialah Rogo kelihatan tidak mempunyai apa-apa yang benar-benar "eksklusif".

Model asas menggunakan OpenAI, Anthropic, data kewangan datang dari Capital IQ, PitchBook, dan akhirnya Excel, PPT yang digunakan adalah milik Microsoft.

Dengan kata lain, perkara paling penting—dari model, data hingga perisian pejabat—bukanlah miliknya sendiri. Apa yang dilakukan Rogo lebih seperti berdiri di tengah-tengah, menyambungkan semua perkara ini bersama-sama.

Secara logik, syarikat seperti ini paling mudah dilalui oleh pihak hulu dan hilir.

Tetapi kenyataannya sebaliknya.

Pada Ogos 2026, Rogo telah masuk ke lebih daripada 300 institusi kewangan, digunakan oleh lebih daripada 40,000 profesional kewangan, dan nilai pasarnya telah meningkat hingga US$2 bilion.

Ini menarik. Mengapa lapisan tengah yang kelihatan hanya sebagai “pembentuk persatuan” justru menjadi salah satu syarikat AI paling diminati di Wall Street?

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

Menyelesaikan tugasan buat analis Wall Street

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

Jangan terkejut melihat mereka berpakaian jas setiap hari dan masuk keluar Wall Street, sebenarnya masa yang mereka habiskan untuk duduk bersama klien dan membincangkan perniagaan tidak banyak. Institut latihan kerjaya bank pelaburan, Wall Street Mastermind, menganggarkan bahawa pekerja bank pelaburan menghabiskan sekitar 90% masa mereka untuk mencari data, menulis laporan penyelidikan, memperbaharui model Excel, dan membuat PPT—semua tugas meja.

Dalam wawancara sebelumnya dengan Forbes terhadap pendiri Rogo, disebutkan bahawa beberapa pekerja awal di bank pelaburan bekerja sehingga 90 jam seminggu. Walaupun bekerja tanpa rehat selama tujuh hari seminggu, purata harian mendekati 13 jam.

Sebabnya mudah. Bank pelaburan tradisional sebahagian besarnya adalah perniagaan yang "bergantung pada tenaga manusia". Semakin banyak projek, semakin ramai analis yang dipekerjakan; semakin banyak kerja, ia diselesaikan melalui lembur.

Rogo ingin menggunakan AI untuk mengubah model ini.

Langkah pertama ialah mengautomatiskan “mencari data”.

Bank investasi membuat projek dengan mencari data kewangan di Capital IQ dan FactSet, memeriksa pembiayaan di PitchBook, dan mengkaji transaksi penggabungan dan akuisisi di LSEG. Pangkalan data ini sudah dibeli oleh bank investasi, tetapi pada masa lalu, analis masih perlu mencari, menyaring, dan menyalin sendiri.

Rogo melakukan perkara yang sangat terus terang, bekerjasama dengan pedagang data untuk memberikan akses data yang sudah ada kepada Agen.

Selepas disambungkan kepada Capital IQ pada akhir 2024, Agent dalam Rogo sudah boleh memanggil data asas, jangkaan pasaran, dan seterusnya menganalisis.

Dengan kata lain, Rogo mengubah data yang dahulu "disediakan untuk pemeriksaan" menjadi "sumber produksi yang boleh dipanggil oleh Agen".

Langkah kedua ialah menyerahkan fail yang boleh digunakan secara langsung.

Felix Agent Rogo boleh terus masuk ke model Excel yang sebenar digunakan oleh bank pelaburan, mengemas kini data, menggulung tahun ramalan, menyegarkan grafik, dan menyesuaikan syarikat yang dibandingkan.

Perkara ini kelihatan mudah, tetapi sebenarnya sukar. Model bank pelaburan yang sebenar mungkin mempunyai puluhan lembaran kerja, penuh dengan rujukan antaralembaran, data sejarah, dan andaian ramalan. Dahulu, setiap kali analis membuat kemas kini, mereka perlu mengambil data sendiri, mengubah tahun, dan memeriksa formula.

Felix boleh terus mengambil alih sekarang.

Sebagai contoh, apabila arus kas bebas pada tahun 2027 dalam model tiba-tiba menjadi negatif, ia boleh mengikuti formula semula untuk mengenal pasti andaian mana yang berubah, kemudian memberikan cadangan pembaikan.

Apabila menghadapi model yang sangat kompleks, ia akan mengubah sebahagian logik pengiraan menjadi Python dan menjalankannya semula untuk memeriksa hasilnya.

Dengan kata lain, Felix mula mampu memberikan hasil kerja bank pelaburan secara langsung.

Langkah ketiga ialah menyatukan tugas-tugas individu menjadi satu transaksi penuh.

Projek bank investasi kelihatan kompleks, tetapi apabila dipecahkan, ia hanya melibatkan tindakan berulang seperti perbandingan syarikat, transaksi sejarah, DCF, CIM, Teaser, dan penyaringan pembeli.

Rogo membungkus setiap tindakan ini sebagai Agent. Ia mengajak lebih daripada 75 orang yang benar-benar berpengalaman di bidang bank investasi, PE, kredit, dan penyelidikan untuk terlibat dalam pembinaannya, dan kini Agent yang dibahagikan telah berjalan lebih daripada 430,000 kali.

Namun, Agent piawai belum mencukupi, kerana setiap bank pelaburan mempunyai templat, nada, dan prosedur yang berbeza.

Oleh itu, Rogo masih akan menghantar pasukan ke dalam kalangan pelanggan untuk terus mengubah Agent menjadi versi eksklusif. Hanya dalam satu minggu awal Julai 2026, Rogo telah bekerjasama dengan pelanggan untuk membina lebih daripada 2450 Agent tersuai.

Lebih penting lagi, agen-agen ini boleh disambungkan bersama.

Seorang agen pertama kali menyusun CIM dan Teaser, sementara yang lain meneruskan dengan analisis perusahaan sebanding dan DCF, kemudian menyaring pembeli potensial. Pekerjaan yang dahulu tersebar di antara berbagai analis kini mulai disusun menjadi satu proses perdagangan otomatis. Ini jugalah tempat di mana Rogo benar-benar menunjukkan imajinasi.

Tentu, walaupun perisian mampu melakukannya, bukan bermakna bank投行 benar-benar akan menggunakannya. Oleh itu, model perniagaan Rogo juga sangat istimewa.

Ia dikenakan caj berdasarkan tempat, pada dasarnya adalah SaaS. Sehingga Februari 2026, ia telah memiliki lebih daripada 25,000 pengguna dan 150 pelanggan institusi.

Tetapi cara pelaksanaannya sangat mendalam. Rogo akan menghantar bekas ahli perbankan dan jurutera secara langsung ke dalam organisasi pelanggan, membantu pelanggan membina alur kerja, memberi latihan, dan mengubah Agent.

Sebagai contoh, di Baird, Rogo melancarkan sekitar 600 tempat. Melalui latihan langsung dan tindak lanjut berterusan, kecekapan penggunaan mencapai 95% beberapa bulan kemudian, dengan sekitar 10,000 tugas automatik diselesaikan setiap minggu, jumlah keseluruhan melebihi 250,000.

Dengan kata lain, walaupun Rogo menjual perisian, pelaksanaannya lebih menyerupai perundingan.

Jika model Rogo ini berjalan dengan lancar, pada masa depan, jumlah orang yang sama boleh menutupi lebih banyak projek. Bagi satu industri yang telah beroperasi selama beberapa dekad dengan mengandalkan "tenaga manusia untuk menghasilkan kuasa pengiraan", inilah nilai terbesar AI.

Secara logik, syarikat seperti Rogo sebenarnya sangat berbahaya.

Di atas ialah pengeluar model seperti OpenAI dan Anthropic, di bawah ialah penyedia data seperti Capital IQ dan PitchBook, sedangkan pelanggan ialah institusi kewangan besar seperti Goldman Sachs dan Lazard.

Ia terjepit di tengah, dan langkah kecil ke mana-mana pihak mungkin akan mengelilinginya.

Tetapi kenyataannya sebaliknya.

Sehingga Ogos tahun ini, Rogo telah memiliki 40,000 pengguna dan lebih daripada 300 pelanggan institusi, termasuk bank investasi berpengalaman seperti Rothschild dan Lazard.

Mengapa lapisan tengah yang kelihatan paling mudah digantikan justru menjadi semakin mendalam?

Kuncinya ialah Rogo telah menguasai tiga posisi penting dalam AI kewangan.

Pertama, adalah kepatuhan.

Rogo ditubuhkan pada sekitar tahun 2022, tetapi komersialisasi berskala besar baru berlaku dua tahun kemudian.

Dalam dua tahun ini, ia terutama melakukan satu tugas yang sukar: membuat institusi kewangan berani memberikan data kepada AI.

Bank investasi mengendalikan maklumat penggabungan dan pengambilalihan, data pelanggan, dan penyelidikan dalaman setiap hari. Sekiranya AI bocorkan MNPI, atau model mengira nombor kunci dengan salah, akibatnya boleh terus menjadi insiden pematuhan dan reputasi.

Oleh itu, Rogo telah lama melaksanakan pemisahan data, logik pemisahan MNPI, keizinan halus, dan audit penuh proses, serta secara berperingkat memperoleh sijil SOC 2 Type I/II, ISO 27001, dan sijil tata kelola AI ISO 42001 pada tahun 2025.

Perkara-perkara ini tidak ada yang menarik, tetapi sangat memakan masa. Akibatnya, apabila komersialisasi bermula, pertumbuhan sangat pantas: dari 0 kepada ARR tujuh angka dalam kurang daripada 5 bulan, pendapatan pada tahun 2025 telah melebihi $15 juta.

Kedua, ia tidak mempertaruhkan model.

Risiko terbesar bagi banyak syarikat aplikasi AI ialah meletakkan tumpuan pada model asas yang salah.

Rogo tidak membuat taruhan sama sekali. Ia menciptakan satu Model Broker yang menghubungkan model seperti OpenAI, Anthropic, Google, dan sebagainya, serta secara automatik memilih berdasarkan tugas kewangan yang berbeza.

Mengapa perlu melakukan ini? Kerana tiada model serba boleh untuk tugas kewangan.

Rogo menciptakan Big Finance Bench menggunakan 928 tugas kewangan sebenar. Hasilnya menunjukkan bahawa GPT-5.5 lebih unggul dalam struktur modal dan M&A, Claude Sonnet 4.6 lebih sesuai untuk analisis laporan kewangan, dan Claude Opus 4.7 berprestasi lebih baik dalam modal persendirian dan ramalan.

Dengan hanya melakukan routing ringkas berdasarkan jenis tugas dan sumber data, prestasi keseluruhan boleh melebihi model tunggal terkuat sebanyak 4.5 peratus.

Perbezaan kos lebih besar. Untuk tugas yang sama, model teratas mungkin menghabiskan $1.26, manakala model ringan yang lebih sesuai hanya memerlukan $0.02 paling rendah.

Arkitektur ini bermaksud satu perkara yang sangat penting: model asas boleh ditukar sewaktu-waktu, tetapi data pelanggan, Agent, dan alur kerja tetap berada di Rogo.

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

Ia bermula memenuhi tengah-tengah perisian semua institusi kewangan.

Alur kerja bank investasi sangat terpecah-pecah. Data berada di Capital IQ, PitchBook, fail dalaman di SharePoint, hubungan pelanggan di Salesforce, e-mel di Outlook, model di Excel, dan dokumen transaksi disimpan di Data Room.

Tempat di mana analis sebelum ini memperuntukkan banyak masa ialah dengan berpindah-pindah antara perisian-perisian ini.

Rogo mulai menyambungkannya satu per satu.

Pada September 2025, akuisisi Subset, dan masukkan Agent langsung ke Excel, membolehkannya mengubah model kompleks yang terdiri daripada puluhan lembar kerja. Pada Mac tahun ini, akuisisi Offset, memberikan Agent "ingatan" untuk mengetahui bagaimana model tersebut dibina dan diubah di masa lalu.

Sementara itu, ia juga disambungkan ke SharePoint, Outlook, Salesforce, Box, dan Intralinks.

Pada bulan Ogos tahun ini, Rogo mengakuisisi Rivanna secara tambahan, meneruskan kemampuannya ke dalam due diligence M&A. Agen boleh memproses beribu-ribu dokumen transaksi sekaligus, memberikan petikan asal, mengenal pasti risiko, dan memantau keseluruhan proses due diligence.

Secara berasingan, semuanya hanyalah fungsi. Tetapi apabila digabungkan, segalanya menjadi berbeza.

Rogo sedang mengumpulkan alur kerja transaksi kewangan yang tersebar di selusuran perisian ke dalam lapisannya sendiri.

Jika teka-teki ini akhirnya lengkap, Rogo tidak lagi hanya menguasai satu alat AI.

Ia akan menjadi pintu masuk yang digunakan setiap hari oleh institusi kewangan. Inilah sebenarnya alasan mengapa modal bersedia memberikan penilaian sebanyak $2 bilion kepadanya.