← ステッカーウォール AGENT · DETAIL

ウォール街のRogo金融アナリストAIエージェント：ジュニアアナリストの代わりにモデリングとバリュエーションを行い、評価額20億ドルに到達

ワークフロー：アナリストが自然言語でタスクを入力します（例：企業のDCFモデルの更新や同業他社比較分析など）。RogoはCapital IQ、FactSet、PitchBook、LSEGなどの金融データベースから自動的にデータを取得し、主要な財務指標を抽

AGENT

主要項目

FIELD STAMPS

業界フィンテック

地域グローバル（北美/全球）

規模中小企業

チャネルオンライン

🔧 ワークフロー

アナリストが自然言語でタスクを入力します（例：企業のDCFモデルの更新や同業他社比較分析など）。RogoはCapital IQ、FactSet、PitchBook、LSEGなどの金融データベースから自動的にデータを取得し、主要な財務指標を抽出し、バリュエーションモデルを構築して、トレーサビリティリンク付きのExcelモデルと調査レポートの初稿を生成します。出力は人間のアナリストがレビューして承認し、すべてのデータポイントに出所があり、ハルシネーションはありません。

🛠 構築のハードル

Rogo自体はクローズドな企業向けプラットフォームであり、個人が直接アクセスすることはできません。このモデルを模倣するには、投資銀行の金融モデリングの知識とマルチエージェントのオーケストレーション能力の両方が必要です。LangChain/CrewAIでエージェントを構築し、財務データAPIとExcel/PPT出力を連携させ、プロトタイプには約1〜3ヶ月かかります。その後、ニッチなシーンの小規模顧客からテスト運用を行います。

🧰 ツールチェーン

🔧 LangChain/CrewAIマルチエージェント・オーケストレーションフレームワーク
🔧 ClaudeまたはOpenAIの大規模言語モデルAPI
🔧 Capital IQ、FactSet、PitchBook、LSEG金融データAPI
🔧 ExcelおよびPowerPoint自動化ツール（MCPまたはOfficeアドイン）

💰 収入

① 企業レイヤー――投資銀行およびPEのシート年間サブスクリプション（主収入）：金融機関がシートごとに年間で支払い、1シートあたり年間数千ドル。Baird社は約600シートで、大口顧客1社あたりの年間手数料は数百万ドル規模に達し、月平均換算で15万〜25万ドル（企業開示による）。売上比率は非公開。② 複製のレイヤー――中小PEやFA向けにカスタマイズされたモデリング調査レポートエージェント：プロジェクトごとにサービス料を徴収、1プロジェクトあたり数千〜1万ドル（推計データ）。プロジェクト数は確認できず、比率は非公開。③ 付加価値とエコシステム――データソースの統合とオンプレミス展開：ライセンス料と年間保守料で課金。見積もり、顧客数、売上比率の3つとも数値なし。④ オポニティ枠――ジュニアアナリストのデスクワークのパイプラインの外注：情報源によると、Rogoは300以上の金融機関、4万人以上の実務者に利用されており、毎週約1万件の自動化タスクを完了（企業公開データ）。このルートがどれだけの売上を占めるかは不明。

💸 コスト

企業の調達コストはシートの年間サブスクリプションであり、1シートあたり年間数千ドルです。個人の模倣パスにおける主なコストは、大規模言語モデルAPIの呼び出し費用が月額数百〜数千人民元程度であり、データソースを公開決算書に置き換えることで機関投資家向けのターミナル契約のコストを大幅に抑えることができます。

⏱ 時間投入

プロトタイプの構築期は週に約20〜30時間、受注が安定した後は1日あたり2〜3時間で、データの取得と照合、納品、顧客とのコミュニケーションにあてられます。

🚀 初心者ガイド

第一歩として、ジュニアアナリストのデスクワークの4つのパイプライン（データ取得、モデリング、レポート作成、レイアウト）を分解し、特定の業界の同業他社比較分析などのニッチなシナリオを1つ選び、オープンソースモデルと公開決算書を用いて最小限のプロトタイプ（MVP）を作成します。次に、身近な中小PEやFAの顧客向けに無料でテスト運用を行い、トレーサビリティのある検証可能な事例を蓄積してから、プロジェクトごとに課金します。

🔑 成功のカギ

✅ 厳格なトレーサビリティ：すべてのデータポイントに元の出处とリンクが付いており、金融機関が最も恐れる大規模言語モデルのハルシネーションという痛点を直撃
✅ 既存のワークフローへの深い統合：Excel、PPT、金融端末を直接統合し、ゼロから新しいツールを作らない
✅ エンタープライズグレードのセキュリティとオンプレミス展開：厳格なコンプライアンス審査を通過して初めて投資銀行のイントラネットに入り込み、参入障壁を形成
✅ アセットライトなミドルレイヤーのポジショニング：自社でデータベースを構築せず、APIを通じてCapital IQ、FactSet、PitchBook、LSEGなどの既存の金融データのサイロを深く統合。統合によってスピードを獲得し、機関投資家が使うほどデータが蓄積され、複利的なフライホイール効果を発揮

⚠️ 风险

⚠️ 金融機関のデータコンプライアンスと情報セキュリティのハードルが極めて高く、資格のない個人が大手投資銀行市場に直接参入するのは困難
⚠️ Anthropicなどの巨人がすでに参入し、同様の金融エージェントシリーズを投入しているため、市場の競争が急速に激化している
⚠️ 財務データの出力に誤りがあるとコンプライアンス上の事故を引き起こし、顧客の信頼を直接損なう

📌 実例

📌 Rogo：2026年8月時点で300以上の金融機関、4万人以上の金融実務者に利用されており、評価額は20億ドル、4ヶ月間で7億5000万ドルから約3倍に急増。シリーズDで1億6000万ドルをKleiner Perkinsの主導で調達し、総調達額は3億ドル超。老舗投資銀行のBaird社が約600シートを導入し、参加率は95%、毎週約1万件のタスクを自動完了し、累計25万件を超える
📌 Rogoの顧客層の実証：プラットフォームはロスチャイルド、ジェフリーズ、ラザール、モエリスなどの機関を含む3万5千人以上のウォール街のバンカーをサポート。2026年4月にリリースされた「Felix」エージェントは、単一のプロンプトから完全なExcelモデル、PowerPointプレゼンテーション、Word調査レポートをワンクリックで生成でき、モデルの作成期間を月単位から週単位に短縮
📌 市場の熱狂の裏付け：2026年5月、AnthropicがClaudeを引っ提げてウォール街に参入し、Officeスイートに接続する10の金融エージェントを一挙に投入。FactSet、PitchBook、LSEG、Morningstarなどのデータソースをカバーし、データプロバイダーの株価が一時は急落、ジュニアアナリストの淘汰論が浮上。これはRogoが検証したアナリストのパイプライン市場が巨人に深く狙われていることを証明している

出典