บริษัท AI ด้านการเงิน Rogo ประสบความสำเร็จในการระดมทุนรอบ D มูลค่า 1.6 พันล้านดอลลาร์สหรัฐ โดยมูลค่าบริษัทเพิ่มขึ้นจาก 7.5 พันล้านดอลลาร์สหรัฐเป็น 20 พันล้านดอลลาร์สหรัฐภายในสามเดือน ใกล้เคียงกับการเติบโตสองเท่า โรโก้กำหนดตำแหน่งตัวเองเป็นนักวิเคราะห์ AI สำหรับธนาคารการลงทุน บริษัทเอกชน และองค์กรจัดการสินทรัพย์ สามารถดำเนินงานต่างๆ เช่น ค้นหาข้อมูลบริษัท ค้นหาข้อมูล สร้างแบบจำลองการประเมินมูลค่า และจัดทำเอกสารสำหรับลูกค้า บริษัทผสานรวมแบบจำลองพื้นฐานจาก OpenAI, Anthropic และข้อมูลการเงินจาก Capital IQ, PitchBook และเชื่อมต่อกับซอฟต์แวร์สำนักงานเช่น Excel, PPT เพื่อเชื่อมกระบวนการงานที่กระจัดกระจายในระบบต่างๆ เข้าเป็นกระบวนการอัตโนมัติ จนถึงเดือนสิงหาคม 2026 โรโก้ได้เข้าสู่องค์กรการเงินมากกว่า 300 แห่ง และมีผู้ใช้งานกว่า 40,000 คน จุดแข็งหลักของบริษัทอยู่ที่การสร้างระบบปฏิบัติตามกฎหมาย ความเป็นกลางของแบบจำลอง และการผสานรวมระบบนิเวศ ซึ่งกำลังกลายเป็นจุดเข้าใช้งานหลักสำหรับองค์กรการเงิน

ผู้เขียนบทความ แหล่งที่มา: Wall Street Journal

AI ได้บุกเข้าสู่วอลล์สตรีทแล้ว

ในเดือนเมษายนปีนี้ บริษัทปัญญาประดิษฐ์ทางการเงิน Rogo ระดมทุนรอบ D จำนวน 1.6 พันล้านดอลลาร์สหรัฐ โดยมีมูลค่าบริษัทพุ่งขึ้นทันทีเป็น 2.0 พันล้านดอลลาร์สหรัฐ ในขณะที่สามเดือนก่อนหน้านี้ มูลค่าบริษัทของมันยังอยู่ที่เพียง 7.5 พันล้านดอลลาร์สหรัฐ

สามเดือน ใกล้จะเพิ่มขึ้นเกือบสองเท่า

Rogo คืออะไรกันแน่?

พูดง่ายๆ ก็คือการจัดให้ธนาคารการลงทุน บริษัทการลงทุนเอกชน และองค์กรจัดการสินทรัพย์ มี “นักวิเคราะห์ AI” ประจำ

มันสามารถรับงานจำนวนมากที่ก่อนหน้านี้ต้องใช้นักวิเคราะห์ระดับเริ่มต้นทำงานล่วงเวลา เช่น ค้นหาข้อมูลบริษัท ค้นหาข้อมูล สร้างแบบจำลองการประเมินมูลค่า แก้ไข Excel และจัดทำเอกสารสำหรับลูกค้า

แต่สิ่งที่น่าสนใจจริงๆ คือ Rogo ดูเหมือนจะไม่มีอะไรที่เป็น “เอกสิทธิ์” เลย

โมเดลพื้นฐานใช้ OpenAI และ Anthropic ข้อมูลทางการเงินมาจาก Capital IQ และ PitchBook สุดท้ายงานใน Excel และ PPT ก็เป็นของ Microsoft

พูดอีกแบบคือ สิ่งที่สำคัญที่สุดตั้งแต่โมเดล ข้อมูล ไปจนถึงซอฟต์แวร์สำนักงาน ล้วนไม่ใช่สิ่งที่เป็นของตัวเอง Rogo ทำหน้าที่เหมือนยืนอยู่ตรงกลาง เพื่อเชื่อมโยงทุกอย่างเข้าด้วยกัน

ตามหลักความเป็นจริง บริษัทเช่นนี้มักถูกข้ามไปโดยผู้เล่นในห่วงโซ่อุปทาน

แต่ความเป็นจริงกลับตรงกันข้าม

จนถึงเดือนสิงหาคม 2026 Rogo ได้เข้าสู่สถาบันการเงินมากกว่า 300 แห่ง และถูกใช้งานโดยผู้เชี่ยวชาญด้านการเงินมากกว่า 40,000 คน พร้อมมูลค่าบริษัทที่พุ่งขึ้นถึง 2 พันล้านดอลลาร์สหรัฐ

นี่ก็น่าสนใจนะ ทำไมบริษัท AI ที่ดูเหมือนแค่เป็นชั้นกลางที่ “จัดองค์กร” ถึงกลายเป็นหนึ่งในบริษัท AI ที่ได้รับความนิยมมากที่สุดในวอลล์สตรีทล่ะ?

วันนี้ ซิลิคอน จุน จะมาพูดถึง Rogo และ AI ได้เริ่มเข้ามาแทนที่งานของนักวิเคราะห์จากวอลล์สตรีทได้อย่างไร

ทำภารกิจให้กับนักวิเคราะห์จากวอลล์สตรีท

นักวิเคราะห์จากธนาคารการลงทุน อาจเป็นกลุ่มคนที่มีรายได้สูงที่สุดในโลก แต่ก็ต้องทำงานที่ซ้ำซากและใช้แรงงานมากที่สุด

อย่ามองเพียงว่าพวกเขาแต่งตัวสูททุกวันและเดินทางไปยังวอลล์สตรีท ความจริงแล้วเวลาที่พวกเขาได้นั่งคุยกับลูกค้าตรงหน้ามีไม่มากนัก สถาบันฝึกอบรมอาชีพการธนาคารเพื่อการลงทุน Wall Street Mastermind ประมาณการว่า พนักงานธนาคารเพื่อการลงทุนใช้เวลาประมาณ 90% ไปกับการค้นหาข้อมูล เขียนรายงานการวิจัย อัปเดตแบบจำลอง Excel และทำสไลด์นำเสนอ

ก่อนหน้านี้ ฟอร์บส์ ได้สัมภาษณ์ผู้ก่อตั้ง Rogo และระบุว่า พนักงานระดับเริ่มต้นในธนาคารการลงทุนบางรายทำงานสัปดาห์ละสูงถึง 90 ชั่วโมง แม้จะทำงานทุกวันในหนึ่งสัปดาห์ ค่าเฉลี่ยต่อวันก็ใกล้เคียงกับ 13 ชั่วโมง

เหตุผลก็เรียบง่าย ธนาคารการลงทุนแบบดั้งเดิมส่วนใหญ่เป็นธุรกิจที่ “พึ่งแรงงานเป็นหลัก” เมื่อมีโครงการมากขึ้น ก็จ้างนักวิเคราะห์เพิ่ม; เมื่อปริมาณงานเพิ่มขึ้น ก็ใช้การทำงานล่วงเวลาเพื่อจัดการ

Rogo ต้องการใช้ AI เปลี่ยนรูปแบบนี้

ขั้นตอนแรกคือการอัตโนมัติกระบวนการ “ค้นหาข้อมูล”

ธนาคารการลงทุนทำโครงการต้องค้นหาข้อมูลทางการเงินใน Capital IQ และ FactSet ดูการระดมทุนใน PitchBook และค้นหาธุรกรรมการควบกิจการใน LSEG ฐานข้อมูลเหล่านี้ธนาคารการลงทุนได้ซื้อไว้แล้ว แต่ในอดีตยังต้องให้นักวิเคราะห์ค้นหา คัดกรอง และคัดลอกด้วยตนเอง

โรโก้ดำเนินการอย่างตรงไปตรงมา โดยร่วมมือกับผู้ค้าข้อมูลเหล่านี้เพื่อเชื่อมต่อสิทธิ์ข้อมูลที่ลูกค้ามีอยู่กับเอเจนต์

หลังจากเชื่อมต่อกับ Capital IQ ปลายปี 2024 ตัวแทนใน Rogo สามารถเรียกใช้ข้อมูลพื้นฐานและคาดการณ์ตลาดได้โดยตรง และดำเนินการวิเคราะห์ต่อไป

พูดอีกแบบคือ Rogo เปลี่ยนข้อมูลที่เคยถูกใช้สำหรับการตรวจสอบของมนุษย์ ให้กลายเป็นทรัพยากรการผลิตที่ Agent สามารถเรียกใช้งานได้

ขั้นที่สองคือการส่งไฟล์ที่ใช้งานได้ทันที

Felix Agent ของ Rogo สามารถเข้าถึงแบบจำลอง Excel ที่ธนาคารการลงทุนใช้งานจริง เพื่ออัปเดตข้อมูล หมุนปีการพยากรณ์ รีเฟรชกราฟ และปรับบริษัทเปรียบเทียบ

เรื่องนี้ดูเหมือนง่าย แต่จริงๆ แล้วยากมาก แบบจำลองของธนาคารการลงทุนที่แท้จริงอาจมีแผ่นงานหลายสิบแผ่น ซึ่งเต็มไปด้วยการอ้างอิงข้ามแผ่นงาน ข้อมูลย้อนหลัง และสมมติฐานการพยากรณ์ ในอดีต นักวิเคราะห์ต้องดึงข้อมูล เปลี่ยนปี และตรวจสอบสูตรด้วยตนเองทุกครั้งที่อัปเดต

ตอนนี้ Felix สามารถรับผิดชอบได้ทันที

ตัวอย่างเช่น หากกระแสเงินสดเสรีในปี 2027 ในแบบจำลองกลายเป็นลบ ระบบสามารถติดตามย้อนกลับตามสูตรเพื่อหาว่าสมมติฐานใดบ้างที่เปลี่ยนแปลงไป แล้วจึงเสนอคำแนะนำในการปรับปรุง

เมื่อเจอกับโมเดลที่ซับซ้อนเป็นพิเศษ มันยังสามารถแปลงส่วนตรรกะการคำนวณบางส่วนเป็น Python เพื่อรันใหม่และตรวจสอบผลลัพธ์

กล่าวคือ เฟลิกซ์เริ่มสามารถส่งมอบผลลัพธ์ของงานด้านธนาคารการลงทุนได้โดยตรง

ขั้นที่สาม คือการเชื่อมงานแต่ละรายการให้เป็นการซื้อขายทั้งหมด

โครงการธนาคารการลงทุนดูเหมือนซับซ้อน แต่เมื่อแยกออกแล้ว ก็ไม่ได้เป็นอะไรนอกจากการดำเนินการซ้ำๆ เช่น การเปรียบเทียบบริษัทที่คล้ายกัน การวิเคราะห์ธุรกรรมในอดีต DCF CIM Teaser และการคัดเลือกลูกค้า

Rogo ได้ห่อการกระทำแต่ละอย่างเป็น Agent พร้อมทั้งเชิญผู้เชี่ยวชาญมากกว่า 75 คนที่เคยทำงานในวงการธนาคารเพื่อการลงทุน PE สินเชื่อ และการวิจัย มาร่วมพัฒนา ปัจจุบัน Agent ที่แชร์ร่วมกันได้ถูกเรียกใช้งานไปแล้วมากกว่า 430,000 ครั้ง

แต่เอเจนต์มาตรฐานยังไม่เพียงพอ เพราะเทมเพลต แนวทาง และกระบวนการของธนาคารการเงินแต่ละแห่งต่างกัน

ดังนั้น Rogo จะส่งทีมเข้าไปทำงานภายในองค์กรลูกค้าเพื่อปรับแต่ง Agent ให้เป็นเวอร์ชันเฉพาะตัว ภายในหนึ่งสัปดาห์ตั้งแต่ต้นเดือนกรกฎาคม 2026 เพียงอย่างเดียว Rogo ได้ร่วมกับลูกค้าสร้าง Agent แบบกำหนดเองมากกว่า 2,450 ตัว

ที่สำคัญกว่านั้น แอจีนต์เหล่านี้สามารถเชื่อมต่อกันได้

เอเจนต์หนึ่งจัดทำ CIM และ Teaser ส่วนอีกตัวจะดำเนินการวิเคราะห์บริษัทเปรียบเทียบและ DCF ก่อนจะกรองผู้ซื้อที่เป็นไปได้ งานที่เคยกระจายอยู่กับนักวิเคราะห์แต่ละคนเริ่มถูกเชื่อมต่อเป็นกระบวนการซื้อขายอัตโนมัติ นี่คือจุดที่ Rogo มีจินตนาการอย่างแท้จริง

แน่นอน แม้ซอฟต์แวร์จะทำได้ แต่ก็ไม่ได้หมายความว่าธนาคารการลงทุนจะใช้มันจริงๆ ดังนั้น โมเดลธุรกิจของ Rogo จึงพิเศษมาก

มีการคิดค่าบริการตามจำนวนที่นั่ง ซึ่งโดยพื้นฐานแล้วเป็นแบบ SaaS จนถึงเดือนกุมภาพันธ์ 2026 มีผู้ใช้งานมากกว่า 25,000 คนและลูกค้าองค์กร 150 ราย

แต่วิธีการดำเนินการกลับค่อนข้างหนักหน่วง Rogo จะส่งอดีตธนาคารกรและวิศวกรไปทำงานภายในองค์กรลูกค้าโดยตรง เพื่อช่วยลูกค้าสร้างกระบวนการทำงาน จัดการฝึกอบรม และปรับปรุง Agent

ตัวอย่างเช่นที่ Baird ได้เปิดตัว Rogo ประมาณ 600 ตำแหน่ง ผ่านการฝึกอบรมแบบตัวต่อตัวและการติดตามผลอย่างต่อเนื่อง หลังจากหลายเดือน อัตราการมีส่วนร่วมเพิ่มขึ้นถึง 95% ดำเนินการงานอัตโนมัติประมาณ 10,000 ครั้งต่อสัปดาห์ และสะสมมากกว่า 250,000 ครั้ง

กล่าวคือ แม้ว่า Rogo จะขายซอฟต์แวร์ แต่การดำเนินการกลับดูเหมือนการให้คำปรึกษา

หากโมเดลของ Rogo ใช้งานได้จริง ในอนาคต จำนวนคนเท่าเดิมก็สามารถครอบคลุมโครงการได้มากขึ้น สำหรับอุตสาหกรรมที่ดำเนินมาหลายสิบปีด้วยการใช้แรงงานมนุษย์เป็นหลัก นี่คือคุณค่าที่ใหญ่ที่สุดของ AI

ตามหลักความเป็นธรรม บริษัทอย่าง Rogo นั้นอันตรายมาก

ด้านบนคือผู้ผลิตโมเดลเช่น OpenAI และ Anthropic ด้านล่างคือผู้ให้ข้อมูลเช่น Capital IQ และ PitchBook ส่วนลูกค้าคือสถาบันการเงินขนาดใหญ่เช่น Goldman Sachs และ Lazard

มันถูกขังอยู่ระหว่างกลาง ทุกขั้นตอนที่เคลื่อนไปข้างหน้าอาจทำให้เลี่ยงมันไปได้

แต่ความเป็นจริงกลับตรงกันข้าม

จนถึงเดือนสิงหาคมปีนี้ Rogo มีผู้ใช้ 40,000 คนและลูกค้าองค์กรมากกว่า 300 แห่ง รวมถึงธนาคารการเงินชั้นนำอย่าง Rothschild และ Lazard ที่ใช้งานอยู่

ทำไมชั้นกลางที่ดูเหมือนจะถูกแทนที่ได้ง่ายที่สุดกลับยิ่งพัฒนาลึกขึ้น?

จุดสำคัญคือ Rogo ได้ยึดครองสามตำแหน่งที่สำคัญที่สุดในด้าน AI ทางการเงิน

อันแรกคือการปฏิบัติตามกฎหมาย

Rogo ก่อตั้งขึ้นประมาณปี 2022 แต่การพาณิชย์ในระดับใหญ่เกิดขึ้นอีกสองปีต่อมา

ในสองปีที่ผ่านมา มันทำหน้าที่หนักอย่างหนึ่ง: ทำให้สถาบันการเงินกล้าส่งข้อมูลให้กับปัญญาประดิษฐ์

ธนาคารการลงทุนจัดการข้อมูลการควบกิจการและเข้าซื้อกิจการ ข้อมูลลูกค้า และการวิจัยภายในทุกวัน หาก AI รั่วไหลของข้อมูลที่มีผลต่อการตัดสินใจภายใน (MNPI) หรือแบบจำลองคำนวณตัวเลขสำคัญผิดพลาด ผลลัพธ์อาจกลายเป็นปัญหาด้านการปฏิบัติตามกฎระเบียบและชื่อเสียงทันที

ดังนั้น Rogo จึงได้ดำเนินการแยกข้อมูล ตรรกะการแยกข้อมูลที่ไม่เปิดเผยอย่างสำคัญ สิทธิ์แบบละเอียด และการตรวจสอบแบบครบวงจรตั้งแต่เนิ่นนาน และได้รับการรับรอง SOC 2 Type I/II, ISO 27001 และการรับรอง ISO 42001 ด้านการกำกับดูแล AI ในปี 2025 อย่างต่อเนื่อง

สิ่งเหล่านี้ไม่มีอะไรน่าตื่นเต้น แต่ใช้เวลานานมาก ผลลัพธ์คือเมื่อเริ่มการพาณิชย์ การเติบโตจึงเร็วมาก: จากศูนย์ไปสู่รายได้ประจำปี (ARR) หกหลักในเวลาไม่ถึงห้าเดือน และรายได้ในปี 2025 ได้เกิน 15 ล้านดอลลาร์สหรัฐ

ข้อที่สองคือมันไม่ได้เดิมพันกับโมเดล

ความเสี่ยงที่ใหญ่ที่สุดของบริษัทแอปพลิเคชัน AI คือการเดิมพันผิดโมเดลพื้นฐาน

Rogo ไม่ได้ใช้โมเดลเดียว แต่ได้พัฒนา Model Broker ที่เชื่อมต่อกับโมเดลต่างๆ เช่น OpenAI, Anthropic, Google และเลือกโมเดลที่เหมาะสมตามภารกิจทางการเงินที่แตกต่างกัน

ทำไมต้องทำแบบนี้? เพราะไม่มีโมเดลที่ครอบคลุมทุกด้านสำหรับงานทางการเงิน

Rogo ได้สร้าง Big Finance Bench ด้วยงานทางการเงินจริง 928 งาน ผลการทดสอบพบว่า GPT-5.5 เชี่ยวชาญในโครงสร้างทุนและการควบกิจการ Claude Sonnet 4.6 เหมาะสมกับการวิเคราะห์งบการเงิน และ Claude Opus 4.7 แสดงประสิทธิภาพดีกว่าในด้านทุนเอกชนและการพยากรณ์

โดยการจัดเส้นทางอย่างง่ายตามประเภทงานและแหล่งข้อมูล ผลลัพธ์โดยรวมสามารถสูงกว่าโมเดลเดี่ยวที่ดีที่สุดถึง 4.5 เปอร์เซ็นต์

ความแตกต่างของต้นทุนใหญ่ขึ้น สำหรับงานเดียวกัน การใช้โมเดลระดับสูงสุดอาจใช้เงิน 1.26 ดอลลาร์ แต่ถ้าใช้โมเดลเบาที่เหมาะสมกว่า ต้นทุนต่ำสุดอยู่ที่ 0.02 ดอลลาร์

โครงสร้างนี้หมายความว่าสิ่งสำคัญอย่างหนึ่ง: โมเดลพื้นฐานสามารถเปลี่ยนได้เรื่อยๆ แต่ข้อมูลลูกค้า แอจีนต์ และเวิร์กโฟลว์จะยังคงอยู่ที่ Rogo

อย่างไรก็ตาม สิ่งที่กำหนดขีดจำกัดของ Rogo จริงๆ คือชั้นที่สาม

มันเริ่มคืบเข้ามาตรงกลางของซอฟต์แวร์ทั้งหมดของสถาบันการเงิน

กระบวนการทำงานของธนาคารการลงทุนมีความกระจัดกระจายอย่างมาก ข้อมูลอยู่บน Capital IQ และ PitchBook ไฟล์ภายในอยู่บน SharePoint ความสัมพันธ์กับลูกค้าอยู่บน Salesforce อีเมลอยู่บน Outlook แบบจำลองอยู่บน Excel และเอกสารการซื้อขายอยู่บน Data Room

ในอดีต นักวิเคราะห์ใช้เวลาส่วนใหญ่ในการย้ายข้อมูลระหว่างซอฟต์แวร์ต่างๆ

Rogo ค่อยๆ ต่อชิ้นส่วนเหล่านั้นเข้าด้วยกัน

ในปี 2025 ได้ซื้อ Subset แล้วฝัง Agent เข้าไปใน Excel เพื่อให้มันสามารถแก้ไขแบบจำลองที่ซับซ้อนซึ่งประกอบด้วยตารางงานหลายสิบตาราง ในเดือนมีนาคมปีนี้ได้ซื้อ Offset เพื่อเพิ่มความสามารถ “ความจำ” ให้กับ Agent ทำให้มันรู้ว่าแบบจำลองนั้นเคยถูกสร้างและแก้ไขอย่างไรในอดีต

ในขณะเดียวกัน มันยังเชื่อมต่อกับ SharePoint, Outlook, Salesforce, Box และ Intralinks

จนถึงเดือนสิงหาคมปีนี้ Rogo ได้ซื้อ Rivanna เพิ่มเติม เพื่อขยายความสามารถไปสู่การตรวจสอบความรอบคอบในการซื้อกิจการและควบรวมกิจการ ตัวแทนสามารถจัดการเอกสารการซื้อขายหลายหมื่นรายการในครั้งเดียว ให้คำอ้างจากต้นฉบับ ระบุความเสี่ยง และติดตามกระบวนการตรวจสอบความรอบคอบทั้งหมด

เมื่อมองแต่ละอย่างแยกกัน これらทั้งหมดเป็นเพียงฟีเจอร์ แต่เมื่อนำมารวมกัน สิ่งต่างๆ จะเปลี่ยนไป

Rogo กำลังรวบรวมกระบวนการที่เคยกระจายอยู่ในซอฟต์แวร์กว่าสิบโปรแกรม ให้เข้ามารวมอยู่ที่ชั้นของตัวเองทีละขั้นตอน

หากปริศนานี้ปิดวงจรลงอย่างสมบูรณ์ Rogo จะไม่ได้ครอบครองเพียงเครื่องมือ AI เท่านั้น

มันจะกลายเป็นจุดเข้าใช้งานที่สถาบันการเงินใช้ทุกวัน นี่คือเหตุผลที่แท้จริงที่ทุนยินดีให้ค่าประเมินมันถึง 2 พันล้านดอลลาร์สหรัฐ