Финансовая AI-компания Rogo завершила раунд финансирования серии D на сумму 1,6 млрд долларов США, при этом её оценка выросла с 7,5 млрд до 20 млрд долларов США за три месяца — почти в два раза. Rogo позиционирует себя как AI-аналитик для инвестиционных банков, частных фондов и управляющих компаний, способный выполнять задачи по исследованию компаний, поиску данных, построению моделей оценки и подготовке материалов для клиентов. Компания интегрирует базовые модели от OpenAI, Anthropic и другие, финансовые данные от Capital IQ, PitchBook и другие, а также подключается к офисным приложениям, таким как Excel и PowerPoint, чтобы объединить разрозненные задачи в автоматизированные рабочие процессы. По состоянию на август 2026 года Rogo уже работает с более чем 300 финансовыми учреждениями и имеет 40 000 пользователей. Её ключевое конкурентное преимущество заключается в соблюдении нормативных требований, нейтральности моделей и интеграции экосистемы — она становится входной точкой для финансовых учреждений.

Автор статьи, источник: Wall Street Journal

ИИ наконец проник на Уолл-стрит.

В апреле этого года финтех-компания Rogo привлекла 1,6 млрд долларов США в серии D, и её оценка сразу достигла 2 млрд долларов США. Три месяца назад её оценка составляла всего 750 млн долларов США.

Три месяца, почти удвоилось.

Что такое Rogo?

Проще говоря, это как предоставить инвестиционному банку, частному капиталу и управляющей компании «AI-аналитика».

Оно может взять на себя огромный объем рутинной работы, которую раньше приходилось выполнять аналитикам-стажерам допоздна: проверять компании, искать данные, строить модели оценки, править Excel-файлы и готовить материалы для клиентов.

Но самое интересное в том, что Rogo, похоже, не имеет ничего особенно «эксклюзивного».

Базовая модель использует OpenAI и Anthropic, финансовые данные поступают из Capital IQ и PitchBook, а итоговые файлы Excel и PPT созданы в Microsoft.

Другими словами, самое главное — от моделей и данных до офисного программного обеспечения — не принадлежит ему самому. То, что делает Rogo, больше похоже на то, чтобы стоять посередине и соединить все это вместе.

По логике, такие компании最容易被上下游绕过去。

Но на самом деле всё наоборот.

По состоянию на август 2026 года Rogo уже внедрен в более чем 300 финансовых учреждениях, используется более чем 40 000 финансовых специалистов, а его оценка выросла до 2 миллиардов долларов США.

Это интересно. Почему посредник, который выглядит просто как «собиратель», стал одной из самых востребованных AI-компаний на Уолл-стрит?

Сегодня Силиконовый Джун расскажет о Rogo и о том, как ИИ начал заменять работу аналитиков Уолл-стрит.

Сдать задание для аналитиков Уолл-стрит

Инвестиционные аналитики, возможно, являются самой высокооплачиваемой группой людей в мире, одновременно выполняющей наибольший объем однообразной физической работы.

Не смотря на то, что они каждый день в костюмах и галстуках, появляются на Уолл-стрит, реальное время, проведенное за переговорами с клиентами за столом, действительно невелико. Согласно оценкам учебного центра по подготовке специалистов финансового рынка Wall Street Mastermind, сотрудники инвестиционных банков примерно 90% своего времени тратят на поиск данных, написание аналитических отчетов, обновление моделей Excel и создание презентаций.

Ранее Forbes, интервьюируя основателя Rogo, упомянул, что некоторые младшие сотрудники инвестиционных банков работают до 90 часов в неделю. Даже если работать без выходных семь дней в неделю, в среднем это составляет почти 13 часов в день.

Причина проста. Традиционные инвестиционные банки в значительной степени являются бизнесом, основанным на «нагрузке персоналом». Если проектов становится больше, нанимают больше аналитиков; если объем работы возрастает, его справляют за счет сверхурочных.

Рого хочет с помощью ИИ изменить эту модель.

Первый шаг — автоматизировать процесс поиска данных.

Инвестиционные банки при работе над проектами проверяют финансовую информацию в Capital IQ и FactSet, анализируют финансирование в PitchBook и изучают сделки по слияниям и поглощениям в LSEG. Эти базы данных уже давно приобретены инвестиционными банками, но ранее аналитикам всё равно приходилось самостоятельно искать, фильтровать и копировать данные.

Рого действует прямо: сотрудничает с этими данными-провайдерами, предоставляя агентам доступ к существующим данным клиентов.

После подключения к Capital IQ в конце 2024 года агенты в Rogo могут напрямую получать данные о фундаментальных показателях и рыночных ожиданиях и продолжать дальнейший анализ.

Другими словами, Rogo превратил прошлые «данные для проверки людьми» в «производственные ресурсы для вызова агентами».

Второй шаг — это прямая доставка готовых файлов.

Felix Agent от Rogo может напрямую работать с реальными Excel-моделями, используемыми инвестиционными банками, обновляя данные, продвигая прогнозируемые годы, обновляя графики и настраивая аналогичные компании.

Это кажется простым, но на практике очень сложно. Реальная модель инвестиционного банка может содержать десятки листов, заполненных межлистовыми ссылками, историческими данными и прогнозными допущениями. Раньше аналитикам при каждом обновлении приходилось вручную извлекать данные, менять годы и проверять формулы.

Теперь Феликс может сразу взять на себя.

Например, если свободный денежный поток за 2027 год в модели внезапно становится отрицательным, он может проследить по формуле назад, чтобы определить, какие именно предположения изменились, и затем дать рекомендации по корректировке.

При столкновении с особенно сложными моделями он также перезапускает часть вычислительной логики на Python для проверки результатов.

То есть Феликс начал напрямую предоставлять результаты инвестиционно-банковской работы.

Третий шаг — соединить отдельные задачи в одну торговую операцию.

Инвестиционные проекты кажутся сложными, но после разбора они сводятся к повторяющимся действиям: анализу аналогичных компаний, исторических сделок, DCF, CIM, teaser и отбору покупателей.

Rogo инкапсулировал эти действия в отдельные агенты. Для их создания привлекли более 75 специалистов с реальным опытом работы в инвестиционных банках, частном капитале, кредитовании и исследовательской сфере. На данный момент совокупное количество запусков общих агентов превысило 430 000.

Но стандартного агента недостаточно, поскольку у каждого инвестиционного банка свои шаблоны, формулировки и процессы.

Таким образом, Rogo продолжает отправлять команды внутрь клиентских организаций для доработки агентов в специальные версии. Только за одну неделю в начале июля 2026 года Rogo совместно с клиентами создала более 2450 настраиваемых агентов.

Более важно, что эти агенты можно соединить вместе.

Один агент составляет CIM и тизер, другой занимается сравнительными компаниями и DCF, затем отбирает потенциальных покупателей. Раньше разрозненные задачи, распределённые между разными аналитиками, теперь начинают объединяться в автоматизированный торговый процесс. Именно здесь проявляется настоящая фантазия Rogo.

Конечно, то, что программное обеспечение может сделать, не означает, что инвестиционные банки действительно будут его использовать. Поэтому бизнес-модель Rogo также очень особенная.

Он взимает плату за место, по сути, это SaaS. На февраль 2026 года насчитывается более 25 000 пользователей и 150 корпоративных клиентов.

Но подход к внедрению очень серьезный. Rogo напрямую отправляет бывших банковских работников и инженеров внутрь клиентских команд, чтобы помочь им настроить рабочие процессы, провести обучение и доработать агентов.

Например, в Baird было запущено около 600 рабочих мест. Благодаря очным тренингам и постоянному сопровождению через несколько месяцев уровень вовлеченности достиг 95%, еженедельно выполнялось около 10 000 автоматизированных задач, в совокупности более 250 000.

То есть, хотя Rogo продает программное обеспечение, на практике это больше похоже на консалтинг.

Если модель Rogo окажется успешной, то в будущем то же количество людей сможет охватить больше проектов. Для отрасли, которая десятилетиями работала за счет «человеческих ресурсов», именно это и есть наибольшая ценность ИИ.

По логике, такие компании, как Rogo, действительно опасны.

Выше — производители моделей, такие как OpenAI и Anthropic, ниже — поставщики данных, такие как Capital IQ и PitchBook, клиенты — крупные финансовые институты, такие как Goldman Sachs и Lazard.

Он находится посередине, и любой шаг вперед с любой стороны может обойти его.

Но на самом деле всё наоборот.

По состоянию на август этого года Rogo насчитывает 40 000 пользователей и более 300 корпоративных клиентов, включая такие устоявшиеся инвестиционные банки, как Rothschild и Lazard.

Почему кажущийся самым легко заменимым промежуточный слой становится все более глубоким?

Суть в том, что Rogo занял три ключевые позиции в финансовой сфере ИИ.

Первое — это соответствие требованиям законодательства.

Rogo была основана примерно в 2022 году, но настоящая масштабная коммерциализация произошла только спустя два года.

За последние два года он в основном занимался трудной задачей: заставил финансовые учреждения доверять данные ИИ.

Инвестиционные банки ежедневно обрабатывают информацию о слияниях и поглощениях, данные клиентов и внутренние исследования. Если ИИ раскроет MNPI или ошибется в ключевом числе, последствия могут немедленно превратиться в нарушения соответствия и репутационный скандал.

Таким образом, Rogo давно внедрил изоляцию данных, логическую изоляцию MNPI, детализированные права доступа и аудит всех этапов процесса, а также последовательно получил сертификаты SOC 2 Type I/II, ISO 27001 и сертификацию ISO 42001 по управлению ИИ на 2025 год.

Эти вещи не имеют ничего сексуального, но крайне затратны по времени. В результате, как только началась коммерциализация, рост был очень быстрым: от нуля до семизначного ARR менее чем за пять месяцев, доход в 2025 году превысил 15 миллионов долларов США.

Второе — это то, что он не играет в модель.

Главная опасность для многих компаний, занимающихся приложениями ИИ, — это неверный выбор базовой модели.

Рого вообще не делает ставки. Он создал систему Model Broker, которая подключена к моделям OpenAI, Anthropic, Google и автоматически выбирает подходящую в зависимости от финансовой задачи.

Почему это нужно делать? Потому что в финансовых задачах не существует универсальной модели.

Rogo создал Big Finance Bench на основе 928 реальных финансовых задач. Результаты показали, что GPT-5.5 лучше справляется с капитальной структурой и M&A, Claude Sonnet 4.6 более подходит для анализа финансовой отчетности, а Claude Opus 4.7 демонстрирует лучшие результаты в частном капитале и прогнозировании.

Простая маршрутизация на основе типа задачи и источника данных позволяет достичь общего результата на 4,5 процентных пункта выше, чем у лучшей одиночной модели.

Разница в стоимости больше. За одну и ту же задачу использование топовой модели может стоить 1,26 доллара, а более подходящая легкая модель — всего от 0,02 доллара.

Эта архитектура означает одно важное дело: базовые модели можно менять бесконечно, но данные клиентов, агенты и рабочие процессы остаются в Rogo.

Однако настоящим определяющим фактором потолка Rogo является третий уровень.

Оно начинает проникать в середину всех программных решений финансовых учреждений.

Рабочие процессы в инвестиционных банках крайне фрагментированы. Данные находятся в Capital IQ и PitchBook, внутренние файлы — в SharePoint, отношения с клиентами — в Salesforce, письма — в Outlook, модели — в Excel, а рабочие документы по сделкам — в Data Room.

Раньше аналитики действительно тратили много времени на перенос данных между этими программами.

Rogo начинает собирать их по кусочкам.

В сентябре 2025 года приобрели Subset и встроили Agent прямо в Excel, чтобы он мог изменять сложные модели, состоящие из десятков листов. В марте этого года приобрели Offset и добавили Agent «память», чтобы он знал, как ранее строились и изменялись модели.

В то же время он интегрирован с SharePoint, Outlook, Salesforce, Box и Intralinks.

К августу этого года Rogo дополнительно приобрела Rivanna, расширив свои возможности до проведения Due Diligence в сфере M&A. Агент может одновременно обрабатывать десятки тысяч документов по сделкам, предоставляя цитаты из оригиналов, выявляя риски и отслеживая весь процесс Due Diligence.

В отдельности это просто функции. Но когда их объединить, всё меняется.

Рого постепенно собирает рабочие процессы финансовой транзакции, ранее распределённые между десятками программ, в свой собственный уровень.

Если эта головоломка в конечном итоге замкнётся, Rogo будет владеть не просто инструментом ИИ.

Он станет входной точкой для ежедневной работы финансовых институтов. Именно в этом заключается настоящая причина, по которой капитал оценивает его в 2 миллиарда долларов.