Фінансова AI-компанія Rogo завершила D-раунд фінансування на 1,6 млрд доларів США, при цьому її оцінка зросла з 7,5 млрд до 20 млрд доларів США за три місяці — майже вдвічі. Rogo позиціонує себе як AI-аналітик для інвестиційних банків, приватного капіталу та інституційних інвесторів, здатний виконувати завдання: дослідження компаній, пошук даних, побудова моделей оцінки та створення матеріалів для клієнтів. Компанія інтегрує базові моделі, такі як OpenAI та Anthropic, з фінансовими даними Capital IQ та PitchBook, а також підключається до офісних програм, таких як Excel та PowerPoint, щоб об’єднати розсіяні завдання в автоматизовані процеси. На серпень 2026 року Rogo вже працює з понад 300 фінансовими установами та має 40 000 користувачів. Її ключовими перевагами є відповідність вимогам, нейтральність моделей та інтеграція екосистеми — вона стає вхідною точкою для роботи фінансових установ.

Автор статті, джерело: Wall Street Journal

Штучний інтелект нарешті проник на Уолл-стріт.

У квітні цього року фінансова AI-компанія Rogo привлекла 1,6 млрд доларів США у серії D, що підвищило її оцінку до 20 млрд доларів США. А ще три місяці тому її оцінка становила лише 7,5 млрд доларів США.

Три місяці, майже подвоєно.

Що таке Rogo?

Просто кажучи, це надання інвестиційного банку, приватного капіталу та інституційних інвестиційних фондів «AI-аналітика».

Він може виконувати велику кількість рутинних робіт, які раніше доводилося виконувати молодшим аналітикам до пізньої ночі: перевіряти компанії, шукати дані, будувати моделі оцінки, редагувати Excel, готувати матеріали для клієнтів.

Але справжньо цікаво те, що Rogo не має нічого особливо «виключного».

Базова модель використовує OpenAI та Anthropic, фінансові дані походять з Capital IQ та PitchBook, а остаточна робота виконується в Excel та PPT від Microsoft.

Іншими словами, найважливіші речі — від моделей і даних до офісного програмного забезпечення — не є власністю самого Rogo. Діяльність Rogo схожа на те, щоб стояти посередині і поєднувати все це разом.

За логікою, такі компанії найлегше обійти з боку ланок ланцюга постачання.

Але реальність саме навпаки.

На середину 2026 року Rogo вже працює з більш ніж 300 фінансовими установами, його використовують понад 40 000 фінансових фахівців, а його оцінка зросла до 2 мільярдів доларів США.

Це цікаво. Чому середнє ланко, яке здається просто «збираєм» створенням, стало однією з найбільш шуканих AI-компаній на Уолл-стріт?

Сьогодні Сіджі розповість про Rogo та те, як штучний інтелект почав забирати роботу аналітиків з Уолл-стріт.

Здати домашнє завдання для аналітиків з Уолл-стріт

Інвестиційні аналітики, можливо, найкраще оплачувані фахівці у світі, які одночасно виконують найбільше повторюваних фізичних завдань.

Хоча вони щодня в костюмах і виходять у Волл-стріт, час, який вони справді проводять за розмовами з клієнтами за столом, дуже обмежений. За оцінками навчального центру інвестиційних банків Wall Street Mastermind, інвестиційні банкіри приблизно 90% свого часу витрачають на пошук даних, написання аналітичних звітів, оновлення моделей Excel та створення презентацій.

Раніше, у інтерв’ю з засновником Rogo, Forbes зазначила, що деякі молодші працівники інвестиційних банків працюють до 90 годин на тиждень. Навіть якщо працювати без вихідних усі 7 днів, середньодобова тривалість становить майже 13 годин.

Причина проста. Традиційні інвестиційні банки в значній мірі є бізнесом, заснованим на “розтягуванні персоналу”. Коли проектів більше — наймають більше аналітиків; коли навантаження зростає — вирішують його через перевантаження.

Рого хоче за допомогою ШІ змінити цю модель.

Перший крок — автоматизувати «пошук даних».

Інвестиційні банки при виконанні проектів перевіряють фінансові дані в Capital IQ та FactSet, аналізують фінансування в PitchBook та переглядають угоди злиттів та поглинань у LSEG. Ці бази даних інвестиційні банки вже купили, але раніше аналітикам доводилося шукати, фільтрувати та копіювати інформацію власноруч.

Рого діє прямо: співпрацює з цими торговцями даними, щоб надати агенту доступ до існуючих даних клієнта.

Після підключення до Capital IQ наприкінці 2024 року агенти у Rogo можуть безпосередньо використовувати дані про фундаментальні показники та ринкові очікування для подальшого аналізу.

Іншими словами, Rogo перетворив минулі «дані для перевірки людьми» на «виробничі ресурси для виклику агентами».

Другий крок — це безпосередня доставка готових до використання файлів.

Felix Agent від Rogo може безпосередньо отримувати доступ до реальних Excel-моделей інвестиційних банків, оновлювати дані, зміщувати роки прогнозу, оновлювати діаграми та налаштовувати порівнянні компанії.

Це виглядає просто, але насправді дуже складно. Справжня інвестиційна банківська модель може містити десятки робочих аркушів, повних посилань між аркушами, історичних даних та прогнозних припущень. Раніше аналітики кожного разу самі отримували дані, змінювали роки та перевіряли формули.

Зараз Фелікс може безпосередньо прийняти.

Наприклад, якщо в моделі вільний грошовий потік за 2027 рік раптово стає від’ємним, вона може прослідкувати формулу назад, щоб виявити, які саме припущення змінилися, і надати пропозиції щодо коригування.

При зіткненні з надзвичайно складними моделями він також перетворює частину обчислювальних логік на Python і повторно запускає їх, щоб перевірити результати.

Тобто Felix почав здати результати роботи інвестиційного банку.

Третій крок — об’єднати окремі завдання в одну угоду.

Проекти інвестиційних банків здаються складними, але після розбиття на частини це просто повторювані дії: аналіз порівнянних компаній, історичні угоди, DCF, CIM, Teaser та відбір покупців.

Рого упакував ці дії окремо як агенти. Для створення було залучено понад 75 фахівців, які справді працювали в інвестиційних банках, приватному капіталі, кредитуванні та дослідженнях. На даний момент спільні агенти виконано більше 430 000 разів.

Але стандартного агента недостатньо, оскільки у кожного інвестиційного банку свої шаблони, формулювання та процеси.

Тоже саме, Rogo продовжує відправляти команди всередину клієнтів, щоб адаптувати агентів під їхні потреби. Лише за тиждень на початку липня 2026 року Rogo разом із клієнтами створила понад 2450 спеціалізованих агентів.

Ще важливіше, ці агенти можна поєднувати.

Один агент спочатку підготувує CIM і Teaser, інший продовжує з порівнянними компаніями та DCF, а потім відбирає потенційних покупців. Робота, яка раніше була розподілена між різними аналітиками, почала об’єднуватися в автоматизований торгівельний процес. Саме тут проявляється справжня уява Rogo.

Звичайно, те, що програмне забезпечення може зробити, не означає, що інвестиційні банки дійсно цим скористаються. Тому бізнес-модель Rogo дуже особлива.

Він налаштований на оплату за місце, суттєво є SaaS. На лютого 2026 року кількість користувачів перевищила 25 000, а кількість корпоративних клієнтів — 150.

Але спосіб реалізації дуже інтенсивний. Rogo безпосередньо надсилає колишніх банківських працівників та інженерів до клієнтів, щоб допомогти їм налаштувати робочі процеси, провести навчання та налаштувати агентів.

Наприклад, у Baird Rogo запустила близько 600 місць. За допомогою навчання на місці та постійного супроводу через кілька місяців рівень участі досяг 95%, щотижня виконувалося близько 10 000 автоматизованих завдань, загалом понад 250 000.

Тобто, хоча Rogo продає програмне забезпечення, реалізація схожа на консалтинг.

Якщо ця модель Rogo працюватиме, то в майбутньому та сама кількість людей зможе охопити більше проектів. Для галузі, яка протягом десятиліть працювала за принципом «людської сили», саме це й є найбільша цінність ШІ.

Згідно з логікою, компанії типу Rogo дуже небезпечні.

Вгорі — такі виробники моделей, як OpenAI та Anthropic, внизу — такі постачальники даних, як Capital IQ та PitchBook, а клієнти — такі великі фінансові інституції, як Goldman Sachs та Lazard.

Воно знаходиться посередині, і будь-який крок у бік може його обійти.

Але реальність саме навпаки.

На сьогоднішній день, на жовтень, Rogo має 40 000 користувачів і понад 300 інституційних клієнтів, включаючи такі відомі інвестиційні банки, як Rothschild і Lazard.

Чому той, хто здається найбільш замінним посередником, навпаки, глибше й глибше занурюється?

Суть у тому, що Rogo зайняв три найважливіші позиції у фінансовому ІІ.

Перше — це відповідність вимогам.

Rogo була заснована близько 2022 року, але справжнє масштабне комерціалізація відбулася лише через два роки.

За останні два роки він основною справою зробив те, що змусив фінансові установи віддавати дані штучному інтелекту.

Інвестиційні банки щодня обробляють інформацію про злиття та поглинання, дані клієнтів та внутрішні дослідження. Якщо AI витече MNPI або модель помилиться у ключовому числі, наслідки можуть прямо перетворитися на порушення нормативних вимог та репутаційний інцидент.

Тому Rogo ще з ранніх часів реалізував ізоляцію даних, логічну ізоляцію MNPI, дрібнозернисті права доступу та аудит усіх етапів процесу, і поступово отримав сертифікації SOC 2 Type I/II, ISO 27001, а також сертифікацію ISO 42001 з управління штучним інтелектом на 2025 рік.

Ці речі не мають нічого сексуального, але надзвичайно витрачають час. Як наслідок, після запуску комерціалізації ріст був дуже швидким: від 0 до семизначного ARR менше ніж за 5 місяців, дохід у 2025 році вже перевищив 15 мільйонів доларів США.

Друге — він не грає в модель.

Найбільший ризик багатьох компаній, що розробляють додатки на основі ШІ, полягає в неправильному виборі базової моделі.

Rogo взагалі не залежить від одного. Він створив систему Model Broker, яка одночасно підключена до моделей OpenAI, Anthropic, Google тощо, і автоматично вибирає відповідну модель залежно від фінансового завдання.

Чому це робити? Тому що в фінансових завданнях взагалі не існує універсальної моделі.

Rogo створив Big Finance Bench за допомогою 928 реальних фінансових завдань і виявив, що GPT-5.5 краще справляється з капітальною структурою та злиттями та поглинаннями, Claude Sonnet 4.6 краще підходить для аналізу фінансової звітності, а Claude Opus 4.7 показує кращі результати у приватному капіталі та прогнозуванні.

Просте маршрутизація на основі типу завдання та джерела даних дозволяє досягти загального результату на 4,5 процентних пункту вищого, ніж у найкращої окремої моделі.

Різниця в витратах більша. За ту саму задачу використання найкращої моделі може коштувати 1,26 долара, тоді як більш підходяща легка модель коштує лише 0,02 долара.

Ця архітектура означає важливу річ: базову модель завжди можна змінювати, але дані клієнта, агенти та робочі процеси залишаються в Rogo.

Проте справжнім визначником стелі Rogo є третій рівень.

Воно починає втискатися між усім програмним забезпеченням фінансових установ.

Робочі процеси інвестиційних банків надзвичайно фрагментовані. Дані знаходяться у Capital IQ та PitchBook, внутрішні файли — у SharePoint, відносини з клієнтами — у Salesforce, листи — у Outlook, моделі — у Excel, а базові документи угод — у Data Room.

Раніше аналітики справді проводили багато часу, переносючи дані між цими програмами.

Рогоз почав з’єднувати їх по шматочках.

У вересні 2025 року придбали Subset і вбудували Agent безпосередньо в Excel, щоб він міг змінювати складні моделі, що складаються з десятків листів. У березні цього року придбали Offset і надали Agent «пам’ять», щоб він знав, як раніше будувалися та змінювалися ці моделі.

Тим часом він інтегрований з SharePoint, Outlook, Salesforce, Box та Intralinks.

До серпня цього року Rogo додатково придбала Rivanna, що розширило їхні можливості до ділової перевірки злиттів і поглинань. Агент може одночасно обробляти десятки тисяч документів угод, надавати посилання на оригінальні тексти, виявляти ризики та відстежувати весь процес ділової перевірки.

Окремо це всі лише функції. Але коли їх поєднати, справа стає іншою.

Рого поступово збирає робочі процеси фінансової транзакції, які раніше були розкидані по десяткам програм, у свій рівень.

Якщо цей пазл у кінцевому підсумку замкнеться, Rogo матиме не просто інструмент ШІ.

Воно стане вхідним пунктом для щоденної роботи фінансових інституцій. Ось чому капітал готовий оцінити його в 2 мільярди доларів США.