決して忘れない企業：Rowspaceが5000万ドルで、プライベートエクイティ向けAIを実用化するために立ち上がる
シークレットステータスを脱したRowspaceは、シークア・グローバル主導の5000万ドル調達により、私募 equity 企業の歴史的データと意思決定プロセスを学習するAIプラットフォームを提供し始め、大手資産運用会社の実証実験を開始した。
キーポイント
資金調達と市場投入
Rowspaceはシークア・グローバル主導のシリーズAラウンドで5000万ドルを調達し、StripeやConvictionなどの投資家を得て公開ローンチを果たした。
創業者の背景と課題解決
MIT出身のMichael Manapat（元Stripe CTO）とYibo Ling（元Uber/Binance CFO）が、金融データの断片化とAIの文脈不足という課題を解決するために設立した。
顧客と実証状況
数百億〜数千億ドルの資産を管理する名門私募 equity 企業約10社が早期顧客であり、年間契約価値は7桁（百万ドル規模）に達している。
技術的アプローチ
構造化・非構造化データを統合し、企業の歴史的な意思決定パターンや reconciling（照合）プロセスを模倣する「金融ネイティブなレンズ」を適用している。
データ主権と統合プラットフォーム
Rowspaceのプラットフォームは、構造化・非構造化データをクライアントのクラウド環境内で処理し、データが外部に出ないことを保証しながら、ExcelやTeamsなどの既存ツールとシームレスに連携する。
垂直領域特化型AIによる競争優位
汎用基盤モデルがコモディティ化する中で、独自のデータ層に基づいた垂直領域特化型AI（Vertical AI）こそが、長期的な競争優位性を築く鍵であると投資家は位置づけている。
機関知のスケール化と意思決定の高度化
シニア投資家のワークフローをコード化し複製することで、新人アナリストでも数十年分の機関知を活用でき、スピードと情報の完全性のトレードオフを解消し、判断をスケールさせる。
影響分析・編集コメントを表示
影響分析
このニュースは、生成AIが一般業務支援から、高度な専門職（特に金融分析）の意思決定支援へ移行する重要な転換点を示している。Rowspaceのようなプラットフォームが成功すれば、私募 equity 業界におけるデータ活用と意思決定の効率化に革命をもたらす可能性があり、類似分野への波及効果が期待される。
編集コメント
金融業界特有の「文脈」と「歴史的データ」をAIが学習するモデルは、汎用LLMの限界を超えた垂直領域特化型AIの典型例であり、その実証結果は今後のFinTech業界の標準となる可能性を秘めている。
プライベート・エクイティは判断力に依存しており、その判断力をスケールさせることは極めて困難であることが判明しています。何十年にもわたる取引メモ、アンダーライティングモデル、パートナーのノート、ポートフォリオデータが、互いに通信するように設計されていないシステムに散在しています。
新しい取引が企業のデスクを通過するたびに、アナリストはゼロから始めなければなりません。最も緊急性の高い質問への答えが、企業自身の歴史のどこかに埋もれているとしてもです。
これが Rowspace が解決するために構築された問題であり、サンフランシスコのスタートアップ企業がステルスモードから脱却し、5000 万ドルの資金調達を成し遂げ、大胆な提案を掲げた理由でもあります。それは意思決定を支援するだけでなく、企業の思考様式そのものを学習する、プライベート・エクイティ向けの AI です。
同社はシードラウンド（シーコイアがリード）とシリーズ A ラウンド（シーコイアとエマージェンス・キャピタルが共同でリード）を通じて公的にローンチしました。参加投資家には Stripe、Conviction、Basis Set、Twine、および金融に特化したエンジェル投資家のグループが含まれています。
初期顧客は非公開ですが、数百億ドルからほぼ 1 兆ドル規模の資産を管理する有名ブランドのプライベート・エクイティ企業やクレジット企業と説明されており、すでにプラットフォーム上で運用を開始しています。年間契約額が 7 桁（百万ドル単位）に達するトップ企業も約 10 社あります。
MIT の卒業生二人が挑む、頑固な問題
Rowspace は、MIT の大学院生時代に出会い、その後全く異なるキャリアを歩んだマイケル・マナパットとイボー・リンによって設立されました。マナパットはその後、Stripe で数十億件の取引を処理する機械学習システムを構築し、同社の CTO として Notion の AI への展開を主導しました。
一方、リンは金融の道を選びました。Uber と Binance で財務チームを率いた経験を持つ 2 期の CFO であり、断片化されたシステムにまたがるデータを手作業で統合して投資判断を下すことに長年従事してきました。ChatGPT が 2022 年末に登場した際、リンはデューデリジェンス業務でそのツールを試しましたが、同じ壁に直面しました。
「明らかに大きな可能性を秘めていましたが、実際には機能しませんでした」と彼は Fortune に語りました。「必要な情報を、適切な文脈の中で提供する必要があります」。このギャップ、つまり AI の潜在能力と、金融業界特有の複雑で機密性が高く、組織固有のデータという現実との間の隔たりが、設立時の基本理念となりました。
共同創業者であり COO のリンは、率直にこう述べています。「ほとんどの技術ツールは、金融分野において包括的でもなく、また微妙なニュアンスにも対応しきれていません。逆に、多くの金融ツールは技術的な限界を高める必要があります。私たちはその両方を実現するつもりです」
私たちが話をしている資産運用会社も同じことを言います。彼らは、長年にわたって蓄積されたデータに極めて価値のあるパターンと判断基準が潜んでいることを知っています。
Rowspace は、それをスケールさせるためのプラットフォームです。pic.twitter.com/pDXPD62rLM
— Rowspace (@rowspace_ai) 2026 年 2 月 26 日
プライベート・エクイティ向け AI の実際の姿とは
Rowspace のプラットフォームは、企業の全履歴にわたる構造化データと非構造化データを接続します。文書リポジトリ、投資・会計システム、過去の PowerPoint 資料、取引メモなどが対象です。そして、Manapat 氏が「ファイナンスネイティブなレンズ」と呼ぶアプローチを適用します。これは、企業が実際に情報を照合し、相違点を解釈し、意思決定を行うプロセスを反映したものです。重要なのは、これらすべての処理がクライアント自身のクラウド環境内で行われる点です。企業のデータは、その管理権限から決して離れることはありません。
この結果は、Rowspace 独自のインターフェースを通じてアクセス可能であり、Excel や Microsoft Teams などのツール内、あるいは企業既存のデータインフラストラクチャ（data infrastructure）へ直接統合されます。新規取引を検討する初級アナリストでも、電話をかけたり共有ドライブを漁ったりすることなく、過去の数十年にわたる意思決定、類似取引、社内審査パターンを即座に引き出すことができます。
「ファイナンスの世界は、常に高リスクな意思決定の連続です。かつては、迅速に進めることと、企業が利用可能なあらゆるデータを用いて完全に情報に基づき、ニュアンスを理解した判断を下すことの間にトレードオフが存在しました。私たちの AI プラットフォームはこのトレードオフを解消します」と Rowspace の共同創設者兼 CEO である Michael Manapat は述べています。「私たちは、ファイナンスが求める厳密さを備えながら、企業のデータをスケーラブルな判断力へと変換する専門的なインテリジェンスを構築しています。」
その野望は、マナパットが社内で用いる次の言葉に集約されています。「決して忘れない企業を想像してください。経験豊富な投資家のワークフロー—多くの異なるツールを特定のやり方で利用するもの—をコード化し、倍増させることができる場所です。それが可能になれば、1 年目のアナリストでも数十年にわたる組織の知見を活用でき、判断力は個人ではなく企業全体でスケールします。」
シーコイアとエマージェンスが垂直領域 AI に賭ける理由
この資金調達に対する投資家の確信自体も、読む価値のあるシグナルです。この投資を主導したシーコイアのパートナーであるアルフレッド・リンは、Rowspace を「ますます能力が高まる基盤モデルの台頭の中で、どの AI アプリケーションが生き残るのか」という問いへの直接的な答えとして位置づけました。
「マイケルは Stripe で数十億件の取引を処理する機械学習システムを構築し、Notion の AI 分野への拡大を牽引しました。イボーは金融リーダーかつ投資家であり、Rowspace が解決しようとしている課題とまさに格闘してきた人物です」とリンは述べ、さらに「マイケルもイボーも、この問題を両側から見ており、技術的な深さと顧客が実際に必要とするものへの第一線の理解を組み合わせている」と付け加えました。
エマージェンス・キャピタルのジェイク・サパーは、データインフラストラクチャに関する見解についてさらに踏み込みました。「彼らは、独自データを接続し、それを真摯な厳密さで統合・推論するという、これまで不可能とされていた仕事を行っています。この基盤がなければ、他の AI ツールを何を使おうとも意味がありません。」
現在のソフトウェア業界を支配する恐怖、すなわち基盤モデルが最終的にアプリケーションをコモディティ化するという懸念に対する、見事な逆転の論理です。リン氏の考えはこれとは対照的で、深い独自データ層の上に構築された垂直特化型 AI システムこそが、持続的な競争優位性が複利効果を生む領域であると主張しています。
特にプライベート・エクイティ向けの AI においては、アルファ（超過収益）が定義上企業固有かつ非複製可能なものであるため、この論理に異議を唱えることは極めて困難です。投資管理のバックオフィス機能は、一般 AI が攻略に苦戦してきた最後のフロンティアの一つとして静かに存在してきました。Rowspace はその理由と解決策を知っているという前提のもと、5000 万ドルの資金調達を実現しました。
（写真提供：Rowspace）
関連記事：サンタンデール銀行とマスターカードが欧州初の AI 実行型決済パイロットを運用
業界リーダーから AI とビッグデータについてさらに学びたい方へ？アムステルダム、カリフォルニア、ロンドンで開催される「AI & Big Data Expo」をご覧ください。この包括的なイベントは TechEx の一部であり、サイバーセキュリティ＆クラウド・エキスポなど他の主要なテクノロジーイベントと併催されます。詳細はこちらをクリックしてください。
AI News は TechForge Media によって運営されています。その他の今後のエンタープライズ・テクノロジー関連のイベントやウェビナーはこちらからご確認いただけます。
本記事「決して忘れられない企業：Rowspace が 5000 万ドルを調達し、プライベート・エクイティ向け AI を実際に機能させる」は、AI News に最初に表示されました。
原文を表示
Private equity runs on judgment–and judgment, it turns out, is extraordinarily hard to scale. Decades of deal memos, underwriting models, partner notes, and portfolio data are scattered across systems that were never designed to communicate with each other.
Every time a new deal crosses a firm’s desk, analysts start from scratch, even when the answers to their most pressing questions are buried somewhere in the firm’s own history.
That is the problem Rowspace was built to solve, and it’s why the San Francisco startup is emerging from stealth with US$50 million in funding and a bold pitch: AI for private equity that doesn’t just assist decision-making, but actually learns how a firm thinks.
The company launched publicly with a seed round led by Sequoia and a Series A co-led by Sequoia and Emergence Capital, with participation from Stripe, Conviction, Basis Set, Twine, and a group of finance-focused angel investors.
Early customers–unnamed, but described as name-brand private equity and credit firms managing hundreds of billions to nearly a trillion dollars in assets–are already living on the platform, with about ten top firms on seven-figure annual contract values.
Two MIT graduates, one stubborn problem
Rowspace was founded by Michael Manapat and Yibo Ling, who met as graduate students at MIT before diverging into very different careers. Manapat went on to build the machine learning systems at Stripe that process billions of transactions, then helped drive Notion’s expansion into AI as its CTO.
Ling took the finance route–a two-time CFO who led finance teams at Uber and Binance, and spent years making investment decisions by manually synthesising data across fragmented systems. When ChatGPT launched in late 2022, Ling tested it on due diligence tasks and ran straight into the same wall.
“Clearly there was a lot of promise, but it just wasn’t working,” he told Fortune. “You need the right information in the right context.” That gap — between AI’s potential and the messy, proprietary, institution-specific data reality of finance—became the founding thesis.
Ling, Co-founder and COO, put it plainly: “Most tech tools aren’t comprehensive or nuanced enough for finance. And most finance tools need to raise their technical ceiling. We intend to do both.”
The asset management firms we talk to say the same thing: they know the data they've accrued over time holds hugely valuable patterns and judgment.
Rowspace is the platform that helps them scale it. pic.twitter.com/pDXPD62rLM
— Rowspace (@rowspace_ai) February 26, 2026
What AI for private equity actually looks like
Rowspace’s platform connects structured and unstructured data across a firm’s entire history–document repositories, investment and accounting systems, old PowerPoints, deal memos–and applies what Manapat calls a finance-native lens: one that reflects how a firm actually reconciles information, interprets discrepancies, and makes decisions. Crucially, it processes all of this inside a client’s own cloud environment. The firm’s data never leaves its control.
The result is accessible through Rowspace’s own interface, within tools like Excel and Microsoft Teams, or directly into a firm’s existing data infrastructure. A first-year analyst reviewing a new deal can surface decades of prior decisions, comparable transactions, and internal underwriting patterns without picking up the phone or hunting through shared drives.
“Finance is full of high-stakes decisions. There used to be a tradeoff between moving quickly and making fully informed, nuanced decisions using all the possible data at a firm’s disposal. Our AI platform eliminates that tradeoff,” said Michael Manapat, Co-founder and CEO of Rowspace. “We’re building specialised intelligence that turns a firm’s data into scalable judgment with the rigour finance demands.”
The ambition is captured in a line Manapat uses internally: “Imagine a firm that never forgets. Where an experienced investor’s workflows–touching many different tools in specific ways–can be codified and multiplied. When that’s possible, a first-year analyst can tap into decades of institutional knowledge, and judgment scales with a firm instead of being diluted.”
Why Sequoia and Emergence are betting on vertical AI
The investor conviction behind this raise is itself a signal worth reading. Alfred Lin, the Sequoia partner who led the investment, positioned Rowspace as a direct answer to the question of what AI applications will survive the rise of increasingly capable foundation models.
“Michael built the machine learning systems at Stripe that process billions of transactions and helped drive Notion’s expansion into AI. Yibo has been a finance leader and investor who’s wrestled with the exact challenges Rowspace is solving,” Lin said, adding that both Michael and Yibo have seen the problem from both sides, pairing technical depth with firsthand understanding of what customers actually need.
Jake Saper, General Partner at Emergence Capital, went further on the data infrastructure thesis: “They’re doing the previously impossible work of connecting proprietary data, and reconciling and reasoning over it with real rigour. Without this foundation, it doesn’t matter what other AI tools you’re using.”
The argument is a neat inversion of the fear gripping much of the software industry right now: that foundation models will eventually commoditise applications. Lin’s view is the opposite–that vertical AI systems built on deep, proprietary data layers are precisely where durable competitive advantage will compound.
For AI for private equity specifically, where alpha is by definition firm-specific and non-replicable, that logic is particularly hard to argue with. The back office of investment management has quietly been one of the last frontiers general AI has struggled to crack. Rowspace just raised $50 million on the premise that it knows why–and what to do about it.
(Photo by Rowspace)
See also: Santander and Mastercard run Europe’s first AI-executed payment pilot
Want to learn more about AI and big data from industry leaders? Check out AI & Big Data Expo taking place in Amsterdam, California, and London. The comprehensive event is part of TechEx and is co-located with other leading technology events including the Cyber Security & Cloud Expo. Click here for more information.
AI News is powered by TechForge Media. Explore other upcoming enterprise technology events and webinars here
The post The firm that never forgets: Rowspace launches with $50M to make AI for private equity actually work appeared first on AI News.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み