Công ty AI tài chính Rogo hoàn thành vòng gọi vốn D trị giá 1,6 tỷ USD, định giá tăng từ 7,5 tỷ USD lên 20 tỷ USD, gần như tăng gấp đôi chỉ trong ba tháng. Rogo định vị mình là chuyên gia AI cho các công ty đầu tư, quỹ tư nhân và tổ chức quản lý tài sản, có thể thực hiện các nhiệm vụ như tìm kiếm thông tin công ty, thu thập dữ liệu, xây dựng mô hình định giá và soạn tài liệu cho khách hàng. Công ty tích hợp các mô hình nền tảng như OpenAI và Anthropic cùng dữ liệu tài chính từ Capital IQ và PitchBook, đồng thời kết nối với các phần mềm văn phòng như Excel và PPT để tạo ra các quy trình tự động hóa liền mạch. Tính đến tháng 8 năm 2026, Rogo đã hợp tác với hơn 300 tổ chức tài chính và sở hữu 40.000 người dùng. Lợi thế cốt lõi của công ty nằm ở việc xây dựng tuân thủ, trung lập mô hình và tích hợp hệ sinh thái, đang trở thành cổng làm việc chính của các tổ chức tài chính.

Tác giả bài viết, nguồn: Wall Street Journal

AI cuối cùng cũng xâm nhập vào Phố Wall.

Tháng 4 năm nay, công ty AI tài chính Rogo đã huy động thành công vòng gọi vốn D trị giá 1,6 tỷ USD, định giá tăng trực tiếp lên 2 tỷ USD. Trong khi đó, ba tháng trước, định giá của nó chỉ mới là 750 triệu USD.

Ba tháng, gần như tăng gấp đôi.

Rogo thực sự làm gì?

Nói một cách đơn giản, đó là trang bị cho các ngân hàng đầu tư, quỹ đầu tư tư nhân và các tổ chức quản lý tài sản một “nhà phân tích AI”.

Nó có thể đảm nhận toàn bộ công việc văn phòng trước đây cần các phân tích viên cấp thấp làm việc xuyên đêm để kiểm tra công ty, tìm dữ liệu, xây dựng mô hình định giá, chỉnh sửa Excel và chuẩn bị tài liệu cho khách hàng.

Nhưng điều thú vị thực sự là Rogo dường như không có gì đặc biệt "độc quyền".

Mô hình nền tảng sử dụng OpenAI, Anthropic, dữ liệu tài chính đến từ Capital IQ, PitchBook, và cuối cùng, Excel, PPT lại là của Microsoft.

Nói cách khác, những thứ cốt lõi nhất — từ mô hình, dữ liệu đến phần mềm văn phòng — đều không phải là của riêng nó. Những gì Rogo làm, giống như đứng ở giữa, kết nối tất cả những thứ này lại với nhau.

Theoretically, this type of company is most vulnerable to being bypassed by upstream and downstream parties.

Nhưng thực tế lại ngược lại.

Tính đến tháng 8 năm 2026, Rogo đã có mặt tại hơn 300 tổ chức tài chính, được hơn 40.000 chuyên gia tài chính sử dụng, và định giá đã tăng lên 2 tỷ USD.

Điều này thật thú vị. Tại sao một công ty trung gian trông giống như chỉ đang “tập hợp mọi người” lại trở thành một trong những công ty AI được săn đón nhất ở Phố Wall?

Hôm nay, Silicon Guy sẽ nói về Rogo và AI thực sự bắt đầu thay thế công việc của các nhà phân tích phố Wall như thế nào.

Thay các nhà phân tích phố Wall “nộp bài tập”

Các nhà phân tích đầu tư có thể là nhóm người có mức lương cao nhất thế giới, đồng thời cũng là những người thực hiện nhiều công việc lặp đi lặp lại nhất.

Đừng nghĩ rằng họ mỗi ngày đều ăn mặc lịch sự, ra vào phố Wall; thực tế, thời gian họ ngồi đối diện khách hàng để đàm phán kinh doanh rất ít. Tổ chức đào tạo nghề ngân hàng đầu tư Wall Street Mastermind ước tính, nhân viên ngân hàng đầu tư dành khoảng 90% thời gian vào các công việc văn phòng như tìm dữ liệu, viết báo cáo nghiên cứu, cập nhật mô hình Excel và làm PowerPoint.

Trước đây, khi phỏng vấn nhà sáng lập Rogo, Forbes từng đề cập rằng một số nhân viên cấp sơ trong các ngân hàng đầu tư làm việc tới 90 giờ mỗi tuần. Ngay cả khi không nghỉ ngày nào trong tuần, trung bình mỗi ngày cũng gần 13 giờ.

Lý do rất đơn giản. Các ngân hàng đầu tư truyền thống phần lớn là một ngành kinh doanh “dựa vào nhân lực để tăng sản lượng”. Khi dự án nhiều hơn, họ tuyển thêm phân tích viên; khi khối lượng công việc tăng lên, họ dùng giờ làm thêm để xử lý.

Rogo muốn dùng AI để thay đổi mô hình này.

Bước đầu tiên là tự động hóa việc “tìm dữ liệu”.

Các ngân hàng đầu tư khi thực hiện dự án cần tra cứu dữ liệu tài chính trên Capital IQ và FactSet, xem thông tin huy động vốn trên PitchBook, và tìm kiếm các giao dịch sáp nhập và mua lại trên LSEG. Những cơ sở dữ liệu này đã được các ngân hàng đầu tư mua từ lâu, nhưng trước đây các phân tích viên vẫn phải tự mình tìm kiếm, lọc và sao chép.

Rogo làm việc rất trực tiếp, hợp tác với các nhà cung cấp dữ liệu để cấp quyền truy cập dữ liệu hiện có của khách hàng cho Agent.

Sau khi kết nối với Capital IQ vào cuối năm 2024, Agent trong Rogo đã có thể trực tiếp truy xuất dữ liệu về cơ bản, kỳ vọng thị trường và tiếp tục phân tích sâu hơn.

Nói cách khác, Rogo đã biến những dữ liệu trước đây “dành cho người kiểm tra” thành “tài liệu sản xuất dành cho Agent sử dụng”.

Bước thứ hai là giao trực tiếp các tệp có thể sử dụng được.

Felix Agent của Rogo có thể trực tiếp truy cập vào các mô hình Excel thực tế mà các ngân hàng đầu tư đang sử dụng, cập nhật dữ liệu, kéo dài năm dự báo, làm mới biểu đồ và điều chỉnh các công ty so sánh.

Việc này trông có vẻ đơn giản, nhưng thực tế lại rất khó. Một mô hình đầu tư ngân hàng thực sự có thể có hàng chục trang tính, chứa đầy các tham chiếu chéo trang, dữ liệu lịch sử và giả định dự báo. Trước đây, các phân tích viên phải tự mình lấy dữ liệu, chỉnh năm và kiểm tra công thức mỗi khi cập nhật.

Felix hiện có thể tiếp nhận trực tiếp.

Ví dụ, khi dòng tiền tự do năm 2027 trong mô hình đột ngột trở thành số âm, nó có thể đi ngược theo công thức để xác định chính xác những giả định nào đã thay đổi, sau đó đưa ra đề xuất điều chỉnh.

Khi gặp các mô hình đặc biệt phức tạp, nó còn chuyển một phần logic tính toán thành Python để chạy lại và kiểm tra kết quả.

Nói cách khác, Felix bắt đầu có thể trực tiếp giao kết quả công việc đầu tư ngân hàng.

Bước thứ ba là nối các nhiệm vụ đơn lẻ thành một giao dịch hoàn chỉnh.

Các dự án đầu tư ngân hàng trông có vẻ phức tạp, nhưng khi tách ra, về cơ bản chỉ là những hành động lặp lại như phân tích công ty tương tự, giao dịch lịch sử, DCF, CIM, Teaser và lọc người mua.

Rogo đã đóng gói từng hành động này thành các Agent. Nó đã tuyển dụng hơn 75 chuyên gia thực tế từng làm việc trong lĩnh vực đầu tư ngân hàng, quỹ tư nhân, tín dụng và nghiên cứu để cùng xây dựng, và hiện tại, tổng số lần các Agent được chia sẻ đã chạy hơn 430.000 lần.

Nhưng Agent tiêu chuẩn vẫn chưa đủ, vì mỗi ngân hàng đầu tư đều có mẫu, thông điệp và quy trình khác nhau.

Vì vậy, Rogo vẫn sẽ cử đội ngũ vào nội bộ khách hàng để tiếp tục chỉnh sửa Agent thành phiên bản riêng biệt. Chỉ trong một tuần đầu tháng 7 năm 2026, Rogo đã cùng khách hàng xây dựng hơn 2.450 Agent tùy chỉnh.

Quan trọng hơn, các Agent này có thể được kết nối với nhau.

Một agent soạn thảo CIM và Teaser, một agent khác tiếp tục thực hiện phân tích công ty tương tự và DCF, sau đó lọc ra các người mua tiềm năng. Những công việc trước đây phân tán giữa các nhà phân tích khác nhau giờ đây bắt đầu được ghép lại thành một quy trình giao dịch tự động. Đây cũng chính là điểm sáng tạo thực sự của Rogo.

Tất nhiên, phần mềm có thể làm được, nhưng không có nghĩa là các ngân hàng đầu tư sẽ thực sự sử dụng. Vì vậy, mô hình kinh doanh của Rogo cũng rất đặc biệt.

Nó tính phí theo ghế, về bản chất là SaaS. Tính đến tháng 2 năm 2026, đã có hơn 25.000 người dùng và 150 khách hàng tổ chức.

Nhưng cách triển khai lại rất thực tế. Rogo sẽ cử trực tiếp các cựu ngân hàng và kỹ sư vào bên trong khách hàng để hỗ trợ xây dựng quy trình làm việc, đào tạo và chỉnh sửa Agent.

Ví dụ tại Baird, Rogo đã triển khai khoảng 600 vị trí. Sau vài tháng với đào tạo tại chỗ và theo dõi liên tục, mức độ tham gia đạt 95%, hoàn thành khoảng 10.000 nhiệm vụ tự động mỗi tuần, tổng cộng vượt quá 250.000 lần.

Nói cách khác, mặc dù Rogo bán phần mềm, nhưng cách triển khai lại giống như tư vấn.

Nếu mô hình Rogo này hoạt động hiệu quả, trong tương lai, cùng một số lượng người có thể quản lý nhiều dự án hơn. Đối với một ngành công nghiệp đã vận hành hàng chục năm bằng cách “đổ sức người để tạo ra sức mạnh tính toán”, đây mới chính là giá trị lớn nhất của AI.

Theo lẽ thường, các công ty như Rogo thực sự rất nguy hiểm.

Phía trên là các nhà cung cấp mô hình như OpenAI, Anthropic, phía dưới là các nhà cung cấp dữ liệu như Capital IQ, PitchBook, và khách hàng là các tổ chức tài chính lớn như Goldman Sachs, Lazard.

Nó nằm ở giữa, bất kỳ bên nào tiến một bước cũng có thể vượt qua nó.

Nhưng thực tế lại ngược lại.

Tính đến tháng 8 năm nay, Rogo đã có 40.000 người dùng và hơn 300 khách hàng tổ chức, trong đó bao gồm các ngân hàng đầu tư lâu đời như Rothschild và Lazard.

Tại sao một lớp trung gian trông có vẻ dễ bị thay thế lại ngày càng trở nên sâu sắc hơn?

Điểm then chốt là Rogo đã chiếm được ba vị trí quan trọng nhất trong AI tài chính.

Đầu tiên là tuân thủ pháp lý.

Rogo được thành lập vào khoảng năm 2022, nhưng việc thương mại hóa quy mô lớn mới diễn ra hai năm sau đó.

Hai năm qua, nó chủ yếu làm một việc vất vả: khiến các tổ chức tài chính dám giao dữ liệu cho AI.

Các ngân hàng đầu tư hàng ngày xử lý thông tin sáp nhập và mua lại, dữ liệu khách hàng và nghiên cứu nội bộ. Một khi AI rò rỉ MNPI hoặc mô hình tính sai một con số quan trọng, hậu quả có thể trực tiếp trở thành sự cố tuân thủ và danh tiếng.

Vì vậy, Rogo đã sớm thực hiện cách ly dữ liệu, cách ly logic MNPI, quyền hạn chi tiết và kiểm toán toàn bộ quy trình, đồng thời lần lượt đạt được các chứng nhận SOC 2 Type I/II, ISO 27001 và chứng nhận quản trị AI ISO 42001 vào năm 2025.

Những việc này không có gì hấp dẫn, nhưng lại cực kỳ tốn thời gian. Kết quả là ngay khi bắt đầu thương mại hóa, tăng trưởng đã rất nhanh: từ 0 lên tới doanh thu hàng năm (ARR) sáu chữ số trong chưa đầy 5 tháng, doanh thu năm 2025 đã vượt quá 15 triệu USD.

Thứ hai, nó không đánh cược vào mô hình.

Rủi ro lớn nhất của nhiều công ty ứng dụng AI là đầu tư sai vào mô hình nền tảng.

Rogo không cần phải đặt cược. Nó đã xây dựng một hệ thống Model Broker, đồng thời tích hợp các mô hình như OpenAI, Anthropic, Google, và tự động lựa chọn tùy theo nhiệm vụ tài chính.

Tại sao phải làm vậy? Vì không tồn tại một mô hình toàn năng nào cho các nhiệm vụ tài chính.

Rogo đã tạo ra Big Finance Bench với 928 nhiệm vụ tài chính thực tế và phát hiện rằng GPT-5.5 giỏi hơn trong cấu trúc vốn và M&A, Claude Sonnet 4.6 phù hợp hơn với phân tích báo cáo tài chính, còn Claude Opus 4.7 thể hiện tốt hơn trong vốn tư nhân và dự đoán.

Chỉ bằng cách định tuyến đơn giản dựa trên loại nhiệm vụ và nguồn dữ liệu, hiệu suất tổng thể đã cao hơn 4,5 điểm phần trăm so với mô hình đơn lẻ mạnh nhất.

Sự chênh lệch chi phí lớn hơn. Cùng một nhiệm vụ, sử dụng mô hình hàng đầu có thể tốn 1,26 đô la, trong khi thay bằng mô hình nhẹ phù hợp hơn, chi phí thấp nhất chỉ là 0,02 đô la.

Kiến trúc này có nghĩa một điều rất quan trọng: mô hình nền tảng có thể thay đổi liên tục, nhưng dữ liệu khách hàng, Agent và quy trình làm việc vẫn được giữ lại trên Rogo.

Tuy nhiên, điều thực sự quyết định giới hạn của Rogo là lớp thứ ba.

Nó bắt đầu chen vào giữa các phần mềm của tất cả các tổ chức tài chính.

Quy trình làm việc của các ngân hàng đầu tư cực kỳ bị phân mảnh. Dữ liệu nằm trên Capital IQ, PitchBook, tài liệu nội bộ trên SharePoint, quan hệ khách hàng trên Salesforce, email trên Outlook, mô hình trên Excel, và hồ sơ giao dịch lại được lưu trên Data Room.

Trước đây, một phần lớn thời gian của các nhà phân tích dành để di chuyển dữ liệu giữa các phần mềm này.

Rogo bắt đầu nối từng mảnh lại với nhau.

Tháng 9 năm 2025, mua lại Subset, nhét Agent trực tiếp vào Excel để nó có thể chỉnh sửa các mô hình phức tạp gồm hàng chục trang tính. Tháng 3 năm nay, mua lại Offset, bổ sung cho Agent khả năng “nhớ”, để nó biết một mô hình trước đây đã được xây dựng và chỉnh sửa như thế nào.

Meanwhile, it integrates with SharePoint, Outlook, Salesforce, Box, and Intralinks.

Đến tháng 8 năm nay, Rogo đã mua lại thêm Rivanna, mở rộng năng lực sang giai đoạn điều tra kỹ lưỡng M&A. Agent có thể xử lý hàng vạn tài liệu giao dịch cùng lúc, cung cấp trích dẫn nguyên văn, nhận diện rủi ro và theo dõi toàn bộ quy trình điều tra kỹ lưỡng.

Khi nhìn riêng lẻ, những điều này chỉ là các tính năng. Nhưng khi kết hợp chúng lại, mọi thứ sẽ khác biệt.

Rogo đang từng bước thu gom các quy trình công việc vốn phân tán trong hơn chục phần mềm vào một lớp của riêng mình.

Nếu bộ câu đố này cuối cùng được hoàn thiện, Rogo sẽ không chỉ sở hữu một công cụ AI.

Nó sẽ trở thành cổng vào cho các tổ chức tài chính hoạt động hàng ngày. Đó mới là lý do thực sự khiến vốn sẵn sàng định giá nó ở mức 2 tỷ USD.