AI flytter ind i maskinrummet på M&A-markedet

AI’s rolle i fusioner og virksomhedsovertagelser – samlet kaldet M&A – er på vej fra at være et smart værktøj til dokumentgennemgang til at blive en del af selve transaktionsinfrastrukturen.

Det afgørende skifte er ikke bare, at en model kan læse kontrakter hurtigere. Det er, at oplysninger fra due diligence kan struktureres, kontrolleres og føres videre til aftaleudkast, eskalering af problemer og forberedelse af forhandlinger.

AI skaber derfor størst værdi som en kontrolleret arbejdsgang under professionelt opsyn – ikke som en selvstændig beslutningstager.

Hvorfor AI rykker ind i centrum af M&A

M&A-teams arbejder typisk med store virtuelle datarum, korte tidsfrister og behovet for at samle juridiske, finansielle, kommercielle, regulatoriske og operationelle oplysninger. AI-systemer kan indlæse og klassificere dokumenter, udtrække strukturerede vilkår, sammenligne bestemmelser, finde mangler og fremhæve uregelmæssigheder på tværs af transaktionens informationsgrundlag.

Markedet øger samtidig presset. Mergermarket opgjorde den globale M&A-værdi til 3,16 billioner dollar i første halvår af 2026 – en stigning på 44 procent fra året før og det stærkeste første halvår nogensinde. En analyse fra Columbia Law School, der henviser til en Deloitte-undersøgelse fra 2025, viste desuden, at 97 procent af de adspurgte virksomheder og kapitalfonde brugte AI eller automatisering i due diligence. I 2022 var andelen 69 procent.

På et hurtigere og mere koncentreret marked handler fordelen derfor ikke kun om at gennemføre den samme kontrol med færre klik. Det handler om at finde de risici, der har betydning for beslutningen, tidligere – så de erfarne rådgivere kan bruge mere tid på fortolkning og handling.

Fra datarum til forhandling: Hvad AI kan gøre

1. Sortering og due diligence

AI kan hjælpe transaktionsteamet med at:

• indlæse, klassificere og organisere indholdet i datarummet;
• finde dubletter samt manglende eller modstridende dokumenter;
• opsummere dokumenter og udtrække centrale kommercielle og juridiske vilkår;
• lokalisere bestemmelser om kontrolskifte, overdragelse, opsigelse, eksklusivitet, ansvar, immaterielle rettigheder, databeskyttelse og regulering;
• sammenligne ensartede aftaler og markere usædvanligt eller ikke-standardiseret sprog;
• krydstjekke oplysninger på tværs af dokumenter for at finde konflikter, huller og uregelmæssigheder; og
• udarbejde strukturerede problemoversigter, trackers og første udkast til afsnit i due-diligence-rapporter.

Opgaverne egner sig til AI, fordi de involverer søgning, klassificering, dataudtræk og sammenligning i stor skala. Juridiske kilder og branchekilder beskriver typisk AI-baseret due diligence som en proces, hvor automatiseret analyse efterfølges af menneskelig kontrol og fortolkning.

AI kan også opdage, når forventede oplysninger mangler. Hvis et dokument eksempelvis omtaler et salg af en ejendom eller et bestemt aktiv, kan systemet udløse en søgning efter den tilhørende dokumentation andre steder i datarummet. Det kan hjælpe teamet med at målrette spørgsmål til ledelsen og anmodninger om yderligere materiale.

2. Aftaleudkast og dokumentstyring

Når resultaterne fra due diligence er struktureret og koblet til de dokumenter, de stammer fra, kan de bruges i næste fase af transaktionen. AI kan blandt andet hjælpe med:

• første udkast til rutinedokumenter og tjeklister;
• input til disclosure schedules – oversigter over undtagelser og oplysninger, der skal knyttes til aftalen;
• sammenligning af klausuler med tidligere aftaler, skabeloner eller interne playbooks;
• opsummering af ændringer og redlines mellem forskellige udkast;
• udtræk af erklæringer, garantier, forpligtelser og undtagelser; og
• sporing af foreslåede beskyttelser tilbage til det bevismateriale, der udløste dem.

Den strategiske værdi ligger i sammenhængen. Et fund bør ikke blive liggende i et regneark til due diligence. Det skal være tilgængeligt, når teamet beslutter, om der skal kræves en erklæring, en forpligtelse, et samtykke, en skadesløsholdelse, en betingelse for gennemførelse eller en anden beskyttelse. Kilder om moderne M&A-arbejdsgange peger netop på denne bevægelse fra due diligence til aftaleudkast og forhandling som en vigtig del af AI’s effekt.

3. Forberedelse af forhandlinger

AI kan samle en briefing til transaktionsteamet ud fra godkendte kilder, opsummere modpartens ændringsforslag, identificere afvigelser fra en playbook og organisere åbne spørgsmål efter emne eller prioritet. Det kan også hjælpe med at forberede spørgsmål og alternative formuleringer til menneskelig gennemgang.

Men AI kan ikke på egen hånd fastslå kundens kommercielle mål, risikovillighed, mindstekrav eller forhandlingsstrategi på en pålidelig måde. De beslutninger afhænger af en sammenhæng, der kan omfatte relationen til ledelsen, tidsplanen, finansieringen, den regulatoriske eksponering, konkurrencen og kundens bredere prioriteter.

Sådan ændres rollerne efter ancienitet

Yngre jurister: Struktureret førstegennemgang

AI egner sig godt til gentagne og kildebaserede opgaver, som traditionelt har optaget en stor del af yngre juristers tid. Med en klart defineret arbejdsgang kan de bruge teknologien til at:

• gennemgå kontrakter ud fra bestemte klausuler;
• udtrække parter, datoer, vilkår, tærskler og undtagelser;
• udfylde due-diligence-trackere;
• opsummere aftaler og identificere manglende oplysninger;
• forberede indledende input til disclosure schedules; og
• formulere rutinemæssige spørgsmål til due diligence til gennemgang hos en advokat.

Den yngre jurists rolle forsvinder ikke. Den flytter sig mod at kontrollere, om outputtet er komplet, sikre at vigtige konklusioner kan dokumenteres i den underliggende aftale og sende tvetydigheder eller væsentlige undtagelser videre til en mere erfaren kollega.

Erfarne jurister: Kvalitetskontrol og syntese

Erfarne jurister kan blive endnu vigtigere, når arbejdsgangen bliver hurtigere. Deres opgaver omfatter blandt andet at:

• teste AI-output for nøjagtighed og konsistens;
• afgøre, hvilke fund der er væsentlige;
• samle risici, der går igen på tværs af flere dokumenter eller arbejdsstrømme;
• omsætte resultater fra due diligence til beskyttelser i aftalen;
• føre tilsyn med review-protokoller og eskaleringsveje; og
• omsætte interne playbooks til tydelige instruktioner og standarder for validering.

Det er her, rå dataudtræk bliver til juridisk analyse. AI kan identificere, at en kontrakt kræver samtykke fra en tredjepart. Den erfarne jurist skal vurdere den praktiske betydning, undersøge om samtykket kan opnås og anbefale, hvordan spørgsmålet bør påvirke transaktionen.

Partnere: Rådgivning, risikofordeling og strategi

Partnere kan bruge AI-genererede problemkort, opsummeringer og kildehenviste analyser til at fokusere på klientrådgivning og de beslutninger, der har størst værdi. Det gælder blandt andet risikofordeling, kommercielle kompromiser, forhandlingsposition, eskalering og vurderingen af, om transaktionen fortsat er attraktiv.

AI kan give partneren hurtigere adgang til fakta, men overtager ikke ansvaret for rådgivningen. Den professionelle dømmekraft er fortsat det afgørende kontrolpunkt.

Hvor meget hurtigere bliver due diligence?

Der findes ikke en pålidelig, universel procent for tidsbesparelser eller for reduktioner i bemandingen af virksomheders due diligence. Resultatet afhænger af datarummets kvalitet og fuldstændighed, transaktionens type og kompleksitet, kriterierne for gennemgangen, de valgte værktøjer og omfanget af den menneskelige validering.

En analyse fra Berkeley rapporterer effektivitetsgevinster på 40-70 procent for visse juridiske og finansielle due-diligence-opgaver, men understreger samtidig, at spændet varierer med transaktionens kompleksitet og datakvaliteten. Andre kilder beskriver betydelige reduktioner i tiden til læsning, dataudtræk og sammenstilling, men tallene kan ikke bruges som sammenlignelige standarder for alle transaktioner.

Den mest holdbare konklusion er derfor mere afgrænset: AI kan forkorte fasen med at finde, sortere, udtrække og sammenligne oplysninger markant. Det kan reducere antallet af juristtimer til den rutinemæssige førstegennemgang af selskabsforhold og flytte den erfarne analyse frem i processen.

Det fjerner ikke behovet for målrettet juridisk, skattemæssig, regulatorisk, finansiel, cyberrelateret, kommerciel eller operationel due diligence.

En hurtigere førstegennemgang betyder heller ikke automatisk, at en handel lukkes hurtigere. Myndighedsgodkendelser, finansiering, forhandlinger, modpartens reaktionstid, betingelser for underskrift og ufuldstændige kildedata kan fortsat være afgørende for tidsplanen.

Konsekvenser for M&A-teams og advokatfirmaer

Tidsplaner

Tidligere identifikation af problemer kan føre spørgsmål til ledelsen, risikobeslutninger og aftaleudkast frem i kalenderen. Teamet kan bruge mindre tid på at vente på grundlæggende dataudtræk og mere tid på at løse de forhold, der kan påvirke pris, struktur, beskyttelser eller gennemførelse.

Bemanding

Den sandsynlige udvikling er en ændring i arbejdsfordelingen – ikke at M&A-jurister forsvinder. Mindre teams kan håndtere den rutinemæssige gennemgang, mens jurister og specialister tidligere bevæger sig over i analyse af undtagelser, syntese og klientrettet arbejde. AI-baserede platforme til dokumentgennemgang ændrer allerede måden, teams fordeler ansvaret for store dokumentmængder på.

Priser

Når omfattende dokumentgennemgang bliver mere gentagelig og målbar, kommer timebaseret fakturering under større pres. Faste priser, prislofter, faseopdelte aftaler eller værdibaseret prissætning kan blive lettere at strukturere – men kun hvis firmaet kan måle arbejdet, styre arbejdsgangen og stå på mål for kvaliteten af det AI-understøttede arbejde.

Uddannelse af yngre jurister

Den traditionelle læremester-model, hvor man lærer transaktioner gennem udtømmende dokumentgennemgang, bliver mindre dækkende, når maskiner udfører en større del af førstegennemgangen. Firmaer skal derfor mere bevidst lære yngre jurister at:

• forbinde kontraktsprog med forretningsmæssig og juridisk risiko;
• kontrollere AI-output op mod kildedokumenterne;
• genkende udeladelser og falsk sikkerhed;
• skelne mellem et markeret problem og et væsentligt problem; og
• omsætte fund til rådgivning og konkrete forhandlingsmuligheder.

Udfordringen handler derfor ikke kun om at lære at skrive bedre prompts. Den handler om at udvikle bedre dømmekraft med hurtigere adgang til information.

Hvorfor menneskelig dømmekraft fortsat styrer handlen

AI kan søge, organisere, sammenligne, opsummere og foreslå. Teknologien kan behandle flere dokumenter, end et menneskeligt team kan nå manuelt på samme tid, og gøre mønstre lettere at se. Men den kan også overse nuancer, misforstå kontekst, lave fejl eller give et tilsyneladende komplet svar, selv om datagrundlaget er ufuldstændigt. Menneskeligt tilsyn er derfor afgørende.

Transaktionsrådgivere har fortsat ansvaret for at:

• fastlægge omfang, mål og begrænsninger;
• kontrollere, at konklusioner kan dokumenteres i kildedokumenterne;
• fortolke fund i transaktionens faktiske og juridiske sammenhæng;
• afgøre, hvad der er væsentligt;
• vælge, hvilke beskyttelser der skal søges;
• vurdere kundens risikovillighed; og
• udvikle og gennemføre forhandlingsstrategien.

Den stærkeste model er en menneskestyret arbejdsgang, hvor AI håndterer skala og struktur, mens jurister og andre specialister leverer kontekst, ansvarlighed og dømmekraft.

Det er netop derfor, AI er ved at blive en central del af M&A-infrastrukturen: Ikke fordi teknologien kan erstatte eksperterne, men fordi den kan gøre eksperternes opmærksomhed mere målrettet.