用生成式人工智慧(Gen AI)打造「華爾街AI工程師」

僅僅成立四年的一家公司(Rogo)結合了華爾街頂尖分析師的專業經驗、AI專家，並蒐集整合來自監管文件、逐字稿、即時新聞、S&P Global、Crunchbase 等超過 6,500 萬筆結構化與非結構化資料，再對OpenAI的大語言模型(Large Language Model)進行微調，結合現階段流行的代理工作流(Agentic Workflow)，打造了一個可以媲美華爾街頂尖分析師的AI工具。

這家公司吸引了在AI應用領域領先的金融機構，如JPMorgan Chase、AllyCorp等公司的青睞而投入資金，在A、B輪募資中表現亮眼，累計資金達7,500萬美金。

一旦此工具廣泛運用在金融業各項業務，將掀起金融產業的AI運用的新浪潮。

Rogo公司介紹

Rogo 成立於 2021 年，總部設在美國紐約市，是一家聚焦於金融領域的生成式 AI 技術公司LinkedIn。
公司類型為私有制（Privately Held），員工規模約 51–200 人，並在 LinkedIn 上註明其行業為「軟體開發」LinkedIn。
Rogo 官方網站（rogo.ai）自稱為「專為精英金融機構打造的安全生成式 AI 平台」，提供桌上型電腦、行動設備、電子郵件及 PPT/Excel 插件等多元化介面方式，滿足金融從業人員的多樣化使用需求rogo.ai。
該平台強調「無需將客戶資料用於模型再訓練」、全程端對端加密，並已通過 SOC 2、CCPA、ISO 27001 與 GDPR 等資安與隱私認證，凸顯其在資料隱私與合規方面的嚴謹態度rogo.ai。

股東陣容

Rogo 公司自創立以來共完成多輪募資，累計資金約 7,500 萬美元，其中：

  • Seed 及 Series A：早期投資者包含 Khosla Ventures、BoxGroup、AlleyCorp 等知名創投公司FinTech BoostUP。
  • Series B（2025 年）：由 Thrive Capital 領投，J.P. Morgan Growth Equity Partners、Tiger Global、Positive Sum Ventures 及既有投資者續投注資，單輪募資規模 5,000 萬美元，估值達 3.5 億美元金融時報FinTech BoostUP。
  • 此外，部分大型金融機構（如摩利保斯 Moelis、Nomura、GTCR、Tiger Global）亦透過採用與策略合作形式，成為隱性投資夥伴，進一步加深產業生態之互信與協同效應金融時報

經營團隊

Rogo 核心團隊結合了前投資銀行分析師、資深工程師與 AI 研究專家：

  • 創辦人 Gabriel Stengel：前 Lazard 分析師，深諳投行研究流程並具備敏銳行業洞察力，其對金融業繁瑣工作自動化之願景為 Rogo 之立基金融時報。
  • AI 技術長（CTO）及研發主管：多數成員曾任職於 OpenAI、Google Brain 或頂尖大學實驗室，負責模型微調（fine-tuning）與金融語料庫標註，確保生成模型符合行業標準與專業需求OpenAI。
  • 產品與客戶成功團隊：由具投行與諮詢背景的專業人士組成，負責與客戶共同設計工作流並推動內部部屬，保障各大機構於最短時間內導入並獲取價值rogo.ai。

公司的使命

Rogo 自我定位為「金融界的 AI Consigliere（顧問）」，其使命包含：

  1. 簡化金融研究流程：透過智慧代理自動化市調、估值、競品分析等重複性任務，讓分析師得以專注於高附加價值的策略決策金融時報。
  2. 提升團隊效率與收入：Rogo 創辦人認為，採用 AI 的機構能在更短時間內處理更多交易案，最終帶動整體營收與業務量成長金融時報。
  3. 確保資料安全與合規：堅守「不將客戶資料用於通用模型訓練」原則，並提供單租戶（single-tenant）部署選項，保障機密性與組織邊界隔離rogo.airogo.ai。

Rogo AI產品的特點

Rogo 平台在功能設計上具有以下關鍵特色：

  • 專業標註之金融領域模型：以頂尖分析師標註之資料進行微調，提升生成內容的準確度與行業一致性rogo.ai。
  • 客製化工作流引擎：用戶可在平台上自行設計從「資料擷取→查詢規劃→結果回饋」的全流程，自動化日常研究、報告與簡報製作等任務，減少手動操作次數rogo.ai。
  • 多樣化部署選項：支援公有雲或私有雲的單租戶部署模式，並符合 SOC 2、ISO 27001、CCPA、GDPR 等多項安全與隱私標準rogo.ai。
  • 企業級統合：原生支援與 PPT、Excel、電子郵件等日常工具整合，並提供 API 與第三方內容供應商（如 S&P Global、Crunchbase）串接能力，打通資料來源與工作端點Amazon Web Services, Inc.。

Rogo AI 平台架構及代理工作流

Rogo AI平台架構

Rogo的模型架構是分層的，以平衡效能、成本和用例要求：

  1. GPT-4o 為 Rogo 的基於聊天的問答提供支援並處理深入的財務分析。
  2. o1‑mini 用於將財務資料情境化和結構化，以便進行有效搜尋。
  3. o1 保留用於評估、合成資料產生和高階推理工作流程。

Rogo AI的代理工作流

Rogo 的技術架構及代理工作流分為三層：

  1. 資料層（Data Layer）
    • 底層為「金融資料湖」，整合來自監管文件、逐字稿、即時新聞、S&P Global、Crunchbase 等超過 6,500 萬筆結構化與非結構化資料庫Amazon Web Services, Inc.。
  2. 智能代理層（Agent Layer）-AI與機器學習層(AL/ML)
    • 核心為多階段「代理工作流（Agentic Workflow）」，包含：
      1. 意圖辨識 (Intent Recognition)：解析使用者需求，決定查詢方向。
      2. 查詢規劃 (Query Planning)：生成檢索策略，結合關鍵字與向量搜尋。
      3. 資料擷取 (Data Retrieval)：呼叫內部或第三方 API，擷取資料。
      4. 內容生成 (Content Synthesis)：利用微調後的 LLM，產出分析文本、圖表與結論。
      5. 結果回饋 (Result Feedback)：整理並回傳可編輯的簡報或報告文件。
    • 此代理框架同時支援 Rogo 自研 API 及客戶專屬內部 API，並具備上下文管理（Context Window Management）功能，可保留交互歷史並動態重新排序資訊Amazon Web Services, Inc.。
  3. 介面層（Interface Layer）
    • 用戶可透過 Web、桌面應用、手機端，或 PPT/Excel 外掛直接呼叫 Rogo Agent，亦可結合電子郵件與 Slack 等通訊平台完成工作指派及結果分享rogo.ai。

Rogo AI服務對於金融業的影響

  1. 效率提升與人力再分配
    Rogo 平台將重複性的初級分析與資料整理自動化後，分析師可將更多時間投注於複雜盡職調查與客戶溝通，提升整體投行團隊效率與專業服務品質金融時報。
  2. 決策品質強化
    即時且高精度的資料擷取與交叉比對，有助於風險評估及估值模型的穩健性，並降低因人工疏漏所造成之潛在錯誤�碟Amazon Web Services, Inc.。
  3. 業務拓展與創新
    導入 AI 平台後，金融機構能在同一時段處理更多投融資案或市場策略研究，進而擴大業務規模，並探索以 AI 為核心的新型產品服務場景金融時報。
  4. 合規與審計優勢
    Rogo 的結果均附帶可審計的引用來源（auditable citations），有助於對應監管機構查核，並在內部稽核時提供透明依據，降低法遵風險Amazon Web Services, Inc.。

參考來源:

  1. https://openai.com/index/rogo/
  2. https://rogo.ai/
  3. Meet your new investment banker: an AI chatbot

延伸閱讀

使用大型語言模型(LLM)進行財務報表分析，OK?
驚 ! 第一家純人工智慧(AI)律師事務所來啦
高盛(Goldman Sachs)的生成式人工智慧策略
ANZ (澳盛銀行)實證研究顯示，生成式人工智慧工具”GitHub Copilot”可提升42%的工作效率