L’IA diventa infrastruttura essenziale per le operazioni di M&A

In un mercato più rapido e concentrato, il vantaggio non consiste soltanto nel completare la stessa revisione con meno passaggi. Conta soprattutto arrivare prima ai rischi rilevanti per la decisione, lasciando ai professionisti più esperti il tempo di interpretarli e trasformarli in azioni.

Che cosa può fare l’IA lungo il ciclo dell’operazione

1. Selezione dei documenti e due diligence

L’IA può aiutare i team a:

• acquisire, classificare e organizzare i contenuti della data room;
• individuare duplicati e documenti mancanti o incoerenti;
• riassumere i documenti ed estrarre i principali termini commerciali e giuridici;
• cercare clausole su cambio di controllo, cessione, recesso o risoluzione, esclusiva, responsabilità, proprietà intellettuale, privacy e regolamentazione;
• confrontare contratti simili e segnalare formulazioni insolite o non standard;
• incrociare le informazioni contenute in documenti diversi per trovare conflitti, lacune e anomalie; e
• generare liste di questioni, tracker e prime sezioni delle relazioni di due diligence.

Si tratta di attività particolarmente adatte all’IA perché richiedono ricerca ad alto volume, classificazione, estrazione e confronto. Le fonti legali e di settore descrivono infatti un flusso in cui l’analisi automatizzata è seguita dalla validazione e dall’interpretazione umana.

L’IA può anche segnalare l’assenza di prove o documenti attesi. Se, per esempio, una relazione menziona una vendita o un’operazione relativa a un bene, il sistema può cercare nella data room la documentazione di supporto e indicare ciò che manca. Questo consente di rendere più mirate le richieste di informazioni e le domande al management.

2. Redazione e gestione dei documenti

Quando i risultati della due diligence sono strutturati e collegati ai documenti di origine, possono alimentare la fase successiva. L’IA può assistere nella preparazione di:

• prime bozze di documenti e checklist ricorrenti;
• contenuti per gli allegati informativi e gli disclosure schedules;
• confronti tra clausole e precedenti, modelli o playbook;
• sintesi delle modifiche e delle versioni con revisioni (redline);
• estrazioni di dichiarazioni, garanzie, impegni ed eccezioni; e
• collegamenti tra le tutele proposte e le evidenze che hanno fatto emergere il rischio.

Il valore strategico sta nella continuità. Una criticità non dovrebbe restare confinata in un foglio di calcolo della due diligence: deve essere disponibile quando il team valuta se chiedere una dichiarazione, un impegno contrattuale, un consenso, un’indennità, una condizione al perfezionamento o un’altra protezione. Le fonti sulle prassi M&A descrivono proprio questo passaggio dalla due diligence alla redazione e alla negoziazione come uno degli effetti più rilevanti dell’IA.

3. Preparazione della negoziazione

Sulla base di materiali approvati, l’IA può creare un briefing per il team, riassumere le modifiche proposte dalla controparte, individuare gli scostamenti rispetto al playbook e ordinare le questioni aperte per tema o priorità. Può inoltre suggerire domande e formulazioni alternative da sottoporre alla revisione umana.

Non può però determinare in modo affidabile, da sola, l’obiettivo commerciale del cliente, la sua tolleranza al rischio, la posizione di riserva o la strategia negoziale. Queste valutazioni dipendono da fattori come i rapporti con il management, le tempistiche, il finanziamento, l’esposizione regolamentare, la concorrenza e le priorità complessive del cliente.

Come cambiano i ruoli in base all’esperienza

Junior associate: una prima analisi strutturata

L’IA è particolarmente adatta alle attività ripetitive e collegate alle fonti che tradizionalmente assorbono molto tempo dei professionisti più giovani. All’interno di un processo definito, i junior possono usarla per:

• esaminare i contratti secondo un elenco di clausole prestabilito;
• estrarre parti, date, termini, soglie ed eccezioni;
• compilare i tracker della due diligence;
• riassumere gli accordi e individuare le informazioni mancanti;
• preparare i primi contenuti degli allegati informativi; e
• predisporre domande di due diligence di routine da sottoporre al controllo di un avvocato.

Il ruolo del junior non scompare. Si sposta verso la verifica della completezza dei risultati, il controllo che ogni conclusione importante sia sostenuta dal documento sottostante e l’escalation delle ambiguità o delle eccezioni rilevanti.

Senior associate: controllo qualità e sintesi

Con l’accelerazione del flusso, il ruolo dei senior associate può diventare ancora più importante. A loro spetta:

• verificare accuratezza e coerenza degli output dell’IA;
• stabilire quali rilievi siano davvero rilevanti;
• sintetizzare i rischi che emergono da documenti o aree di lavoro diverse;
• tradurre i risultati della due diligence in tutele contrattuali;
• supervisionare i protocolli di revisione e i percorsi di escalation; e
• trasformare le regole del playbook in istruzioni e criteri di validazione chiari.

È a questo livello che l’estrazione dei dati diventa analisi legale. L’IA può identificare una clausola che richiede il consenso di una controparte; spetta al senior valutare la conseguenza pratica, capire se il consenso sia ottenibile e indicare come il problema debba incidere sull’operazione.

Partner: consulenza, allocazione del rischio e strategia

I partner possono utilizzare mappe delle criticità, sintesi e analisi collegate alle fonti per concentrarsi sulla consulenza al cliente e sulle decisioni a maggior valore aggiunto. Tra queste rientrano l’allocazione del rischio, i compromessi commerciali, la posizione negoziale, l’escalation e la valutazione dell’opportunità di proseguire con l’operazione.

L’IA può migliorare l’accesso del partner ai fatti, ma non assume la responsabilità della consulenza. Il giudizio professionale resta il punto di controllo.

Quanto può accelerare la due diligence?

Non esiste una percentuale universale e affidabile né per il tempo risparmiato né per la riduzione del personale impiegato nella due diligence societaria. I risultati dipendono dalla qualità e dalla completezza della data room, dal tipo e dalla complessità dell’operazione, dai criteri di revisione, dagli strumenti utilizzati e dal livello di validazione umana.

Un’analisi di Berkeley riporta guadagni di efficienza del 40-70% per alcune attività di due diligence legale e finanziaria, sottolineando però che l’intervallo varia in base alla complessità dell’operazione e alla qualità dei dati. Altre fonti descrivono riduzioni significative del tempo dedicato a lettura, estrazione e compilazione, ma questi numeri non possono essere usati come parametro valido per ogni transazione.

La conclusione più solida è più circoscritta: l’IA può comprimere in modo sostanziale la fase di ricerca, ordinamento, estrazione e confronto. Può ridurre le ore necessarie per la prima revisione societaria di routine e portare prima nel processo l’analisi dei senior. Non elimina però la necessità di due diligence mirate in ambito legale, fiscale, regolamentare, finanziario, informatico, commerciale e operativo.

Una prima revisione più veloce, inoltre, non equivale automaticamente a un closing più rapido. Approvazioni regolamentari, finanziamento, negoziazioni, condizioni per la firma o il perfezionamento, tempi di risposta della controparte e informazioni incomplete possono restare sul percorso critico.

Gli effetti su team M&A e studi legali

Tempistiche

L’individuazione anticipata delle criticità può portare in avanti le domande al management, le decisioni sul rischio e la redazione contrattuale. I team trascorrono meno tempo ad attendere l’estrazione delle informazioni di base e più tempo a risolvere i problemi che possono incidere su prezzo, struttura, tutele o realizzazione dell’operazione.

Organico e distribuzione del lavoro

Il cambiamento più probabile riguarda la composizione del lavoro, non la scomparsa degli avvocati M&A. Team più snelli possono occuparsi della revisione ordinaria, mentre associate e specialisti passano prima all’analisi delle eccezioni, alla sintesi e alle attività a contatto con il cliente. Le piattaforme di revisione assistita dall’IA stanno già modificando il modo in cui i team distribuiscono la responsabilità su grandi insiemi documentali.

Modelli di prezzo

Quando la revisione ad alto volume diventa più ripetibile e misurabile, la fatturazione oraria subisce una maggiore pressione. Diventano più praticabili modelli a prezzo fisso, con tetto di spesa, per fasi o basati sul valore, ma soltanto se lo studio è in grado di misurare e governare il flusso di lavoro e di garantire la qualità dei risultati assistiti dall’IA.

Formazione degli associate

Il tradizionale modello di apprendistato — imparare le operazioni attraverso la revisione esaustiva dei documenti — diventa meno completo quando la macchina svolge una parte crescente della prima analisi. Gli studi dovranno insegnare in modo intenzionale a:

• collegare il linguaggio contrattuale al rischio commerciale e giuridico;
• verificare gli output rispetto ai documenti originali;
• riconoscere omissioni ed eccessi di sicurezza apparente;
• distinguere una questione segnalata da una questione realmente rilevante; e
• trasformare i risultati in consigli e opzioni negoziali.

La sfida formativa, quindi, non consiste soltanto nell’imparare a scrivere prompt migliori. Consiste nell’imparare a esercitare un giudizio migliore avendo accesso più rapido alle informazioni.

Perché il giudizio umano resta decisivo

L’IA sa cercare, organizzare, confrontare, riassumere e suggerire. Può elaborare più documenti di un team umano nello stesso intervallo e rendere più visibili determinati schemi. Può però anche perdere sfumature, fraintendere il contesto, commettere errori o fornire una risposta apparentemente completa quando i dati di partenza sono incompleti. Per questo la supervisione umana è essenziale.

I professionisti dell’operazione restano responsabili di:

• definire ambito, obiettivi e vincoli;
• verificare che le conclusioni siano sostenute dai documenti originali;
• interpretare i risultati nel contesto fattuale e giuridico della transazione;
• stabilire che cosa sia rilevante;
• scegliere quali tutele chiedere;
• valutare la tolleranza al rischio del cliente; e
• elaborare e attuare la strategia negoziale.

Il modello più efficace è dunque un flusso guidato dall’uomo: l’IA gestisce scala e struttura, mentre avvocati e altri specialisti forniscono contesto, responsabilità e giudizio. L’IA sta diventando infrastruttura delle operazioni di M&A proprio perché può rendere più mirata l’attenzione degli esperti, non perché possa sostituire chi decide che cosa debba significare l’operazione.