Rogo 使用 OpenAI o1 和 GPT-4o 扩展金融研究

Rogo，一个企业级 AI 金融平台，已整合 OpenAI 的模型套件，以自动化投资银行、私募股权公司和资产管理者的复杂金融研究和尽职调查工作流程。此整合使金融专业人士能够通过利用实时金融情报，从手动数据聚合转向高价值决策。

金融工作流的运营影响

Rogo 的平台通过自动化诸如会议准备、公司画像和市场研究等耗时任务，每周为分析师节省超过 10 小时。自 2024 年从隐身模式中走出以来，该平台已为超 5,000 名来自超大型私募股权公司和公开交易投资银行的银行家提供服务，推动了年度经常性收入（ARR）增长 27 倍。

OpenAI API 启用的关键能力包括：

• 实时洞察生成：能够在几秒钟内从文件、文字记录和幻灯片中提取可操作的见解，以创建可直接用于演示的材料。
• 自动化尽职调查：与私人数据室集成，以生成定制的问题清单并跟踪客户互动。
• 协作分析：简化初级和高级专业人士的市场图和竞争分析的创建。

分层模型架构与技术实施

Rogo 采用分层模型架构，以平衡推理深度、运营成本和处理速度。该系统整合了来自 S&P Global、Crunchbase 和 FactSet 的海量数据集，使得能够搜索和分析超过 5000 万份金融文档。

模型专业化

Rogo 为金融工作流的不同阶段分配特定的 OpenAI 模型：

• GPT-4o：驱动基于聊天的问答并执行深入的金融分析。
• o1-mini：用于对金融数据进行上下文化和结构化，以优化搜索效果。
• o1：保留用于高级推理工作流、合成数据生成和评估。

机器学习引擎

Rogo ML 引擎的核心是一个代理框架，负责管理多步骤查询规划、理解、上下文管理和高效搜索。为确保准确性，前银行家和投资者组成的团队会审查并标注数据集。

根据 Rogo 的联合创始人兼 CTO Tumas Rackaitis 的说法，该策略涉及使用最先进的模型来获得深度洞察——特别是针对私募股权和对冲基金——然后将这些洞察提炼到更小的模型中，以保持投资银行所需的速度。

战略整合与扩展

Rogo 因其推理能力、多模态特性、函数调用和微调 API 而选择了 OpenAI 生态系统。公司通过在十二月任命前 Google Gemini 团队成员 Joseph Kim 为 AI 负责人后，继续通过融入人机反馈的强化学习来发展其平台。