使用 OpenAI o1 进行财务分析

# Rogo 与 OpenAI o1 共同推动AI驱动的金融研究规模扩展 来源: https://openai.com/index/rogo/ Rogo（https://rogo.ai/）是一个企业级AI金融平台，正在改变投资银行、私募股权公司和资产管理公司的工作方式。 通过微调OpenAI的模型并集成S&P Global、Crunchbase和FactSet等广泛的金融数据集，Rogo为数千名金融专业人士提供实时金融情报，使他们的工作重心从手工操作转向高价值决策。 自2024年从隐身模式推出以来，Rogo已经： - 服务超过**5,000名银行家**，分别来自上市投资银行和超大型私募股权公司。 - 每周为分析师节省**10小时以上**的时间，涉及会议准备、公司分析和市场研究等任务。 - 年经常性收入**（ARR）增长27倍**，利用OpenAI的模型为其解决方案提供支持。 "数十年来，没有公司改变过金融工作流程，"Rogo联合创始人兼首席技术官Tumas Rackaitis表示。"我们开发了Rogo，使其成为每位投资银行家都日常依赖的基本工具——就像彭博终端一样，但用于深度金融洞察。" Rogo使用多种OpenAI模型来提供安全的解决方案，直接集成到金融专业人士的日常工作流程中，释放时间专注于创造收入和高价值的工作。 除了众多其他用例，OpenAI的API帮助Rogo创建了一个平台，可以提供： 1. **准确的实时洞察**：用户可以在几秒内从财报、电话会议记录和演示文稿中提取可行的洞察，并生成端到端的演示级材料。 2. **自动化尽职调查**：Rogo集成私有数据室，生成定制问题清单，提供写作协助，帮助跟踪客户互动，每周为分析师节省多达10小时，帮助团队更快地为会议做准备。 3. **协作工作流程**：初级和高级专业人士都依赖Rogo来简化任务，如构建市场图或进行竞争分析，使其成为合伙人和分析师的共享资源。 "在使用Rogo之前，我需要花费数小时查阅数十份文件。有了Rogo，我瞬间就能获得所需的所有数据，"一位领先公募投资银行的分析师表示。 Rogo调整了OpenAI的安全模型以应对金融工作的独特挑战。通过微调OpenAI的模型并集成S&P Global、Crunchbase和FactSet等庞大数据集，该公司能够搜索和分析超过5000万份金融文件。 其模型架构是分层的，以平衡性能、成本和用例需求： - **GPT-4o** 支持Rogo的基于聊天的问答功能，处理深度金融分析。 - **o1-mini** 用于上下文化和结构化金融数据以进行有效搜索。 - **o1** 预留用于评估、合成数据生成和高级推理工作流程。 这种方法允许Rogo通过将日常任务分配给较小的模型，同时为高风险场景保留最先进的功能来优化成本。由前银行家和投资者组成的团队也会审查和标记数据集，以确保金融最终用户的准确性和相关性。 在Rogo机器学习（ML）引擎的核心是一个代理框架，设计用于处理复杂的金融工作流程，包括多步骤查询规划和理解、上下文管理和高效搜索。输出可在桌面、移动和平板电脑上访问，使用户能够随时随地获取洞察。 "我们使用OpenAI的最新模型来获得独特的深度和复杂的金融洞察，这对私募股权公司和对冲基金等投资基金更具相关性，"Rackaitis说。"这些洞察随后可以被提取到较小的模型中，这些模型具有卓越的速度和效率，这对投资银行等高速环境至关重要。" Rogo团队选择OpenAI是因为其卓越的推理能力、强大的API以及处理广泛和特定领域任务的灵活性。 "OpenAI提供的工具生态——微调、函数调用和多模态功能——确保我们能够满足客户现在和将来的复杂需求，"Rackaitis说。 两个团队也分享实验文化。Rogo的前银行家和投资者组成的部署团队与客户合作，实时完善功能，而OpenAI持续的模型进步使Rogo能够快速迭代。 Rogo继续扩展其平台的功能。12月，Rogo聘请Joseph Kim担任首席AI官。Joseph来自Google的Gemini，在那里他专注于强化学习与人类和机器反馈以改进生成型语言模型。