Rogo 使用 OpenAI o1 和 GPT-4o 擴展金融研究

Rogo 作為企業級 AI 金融平台，已整合 OpenAI 的模型套件，以自動化投資銀行、私募股權公司和資產管理公司的複雜金融研究與盡職調查工作流程。此整合使金融專業人士能夠利用即時金融情報，從手動數據聚合轉向高價值決策。

對金融工作流程的運營影響

Rogo 的平台透過自動化會議準備、公司概覽和市場研究等耗時任務，每週為分析師節省超過 10 小時。自 2024 年從隱身模式 émergence 以來，該平台已為超過 5,000 位銀行家（涵蓋大型私募股權公司和公開交易的投資銀行）提供服務，促使年度經常性收入（ARR）增長了 27 倍。

Key capabilities enabled by OpenAI's API include:

• 即時洞察生成：能够在數秒內從檔案、逐字稿和簡報中提取可執行的見解，以製作可直接用於簡報的材料。
• 自動化盡職調查：與私人數據室整合，以生成定制的問題清單並追蹤客戶互動。
• 協作分析：簡化初級和資深專業人士的市場圖與競爭分析製作。

分層模型架構與技術實作

Rogo 採用分層模型架構，以平衡推理深度、運營成本與處理速度。該系統整合了來自 S&P Global、Crunchbase 和 FactSet 的龐大數據集，使得能夠搜索和分析超過 5,000 萬份金融文件。

模型專業化

Rogo 為金融工作流程的不同階段分配特定的 OpenAI 模型：

• GPT-4o：驅動基於聊天的問答並進行深入的金融分析。
• o1-mini：用於對金融數據進行上下文化和結構化，以優化搜尋效果。
• o1：保留用於高級推理工作流程、合成數據生成和評估。

機器學習引擎

Rogo ML 引擎的核心是一個代理框架，負責管理多步驟查詢規劃、理解、上下文管理以及高效搜尋。為確保準確性，由前銀行家和投資者組成的團隊會審查並標註數據集。

根據 Rogo 聯合創始人兼首席技術官 Tumas Rackaitis 的說法，該策略涉及使用最先進的模型來獲得深度見解——特別是私募股權和對沖基金——然後將這些見解提煉成較小的模型，以維持投資銀行所需的速度。

戰略整合與擴展

Rogo 選擇 OpenAI 的生態系統是因為其推理能力、多模態功能、函式調用以及微調 API。公司繼續透過納入人類與機器回饋的強化學習來演進其平台，這是在十二月任命前 Google Gemini 團隊的 Joseph Kim 擔任 AI 主管之後進行的。