문서 검토를 넘어 거래 인프라로… M&A를 다시 설계하는 AI

AI가 M&A의 중심으로 이동하는 이유

인수·합병(M&A)에서 AI의 역할이 단순한 문서 검토 보조 도구를 넘어 거래 인프라로 확장되고 있다. 핵심 변화는 AI가 계약서를 더 빨리 읽는다는 데만 있지 않다. 실사 과정에서 추출한 정보를 구조화하고 검증한 뒤, 계약서 작성과 쟁점 관리, 협상 준비까지 이어지게 만든다는 점에 있다.

따라서 AI의 가장 큰 가치는 자율적인 의사결정자가 되는 데 있지 않다. 전문가의 감독 아래 통제된 업무 흐름을 운영하면서, 반복적인 검토와 정보 정리를 줄이고 중요한 판단에 더 많은 시간을 배분하는 데 있다.

시장 환경도 이런 변화를 재촉하고 있다. Mergermarket에 따르면 글로벌 M&A 거래액은 2026년 상반기 3조1,600억 달러로 전년 동기보다 44% 증가했으며, 상반기 기준 사상 최대치를 기록했다. 컬럼비아 로스쿨이 인용한 2025년 딜로이트 조사에서는 기업과 사모펀드 응답자의 97%가 실사 업무에 AI 또는 자동화를 사용했다고 답했다. 2022년의 69%에서 크게 높아진 수치다.

거래 규모와 속도가 함께 높아지는 시장에서 경쟁력은 단순히 같은 검토를 더 적은 클릭으로 끝내는 데 있지 않다. 의사결정에 영향을 미칠 위험을 더 일찍 발견하고, 숙련된 전문가가 해석과 대응에 집중할 수 있게 하는 것이 중요하다.

거래 전 과정에서 AI가 맡을 수 있는 일

1. 데이터룸 정리와 실사

M&A팀은 AI를 활용해 다음과 같은 업무를 수행할 수 있다.

• 가상 데이터룸의 문서를 수집·분류·정리하기
• 중복 자료와 누락되거나 서로 일치하지 않는 자료 찾기
• 문서 요약 및 주요 상업·법률 조건 추출하기
• 지배권 변경, 양도, 해지, 독점, 책임 제한, 지식재산권, 개인정보 보호, 규제 관련 조항 찾기
• 유사 계약을 비교하고 비정상적이거나 표준에서 벗어난 문구 표시하기
• 여러 문서의 정보를 교차 검토해 충돌·공백·이상 징후 찾기
• 구조화된 쟁점 목록, 추적표, 실사 보고서 초안 작성하기

이런 업무는 대량 검색, 분류, 추출, 비교가 중심이어서 AI에 특히 적합하다. 법률·산업계 자료가 설명하는 AI 실사는 자동화된 분석 뒤에 사람의 검증과 해석이 이어지는 방식이다.

AI는 예상되는 증거가 빠져 있는 경우도 표시할 수 있다. 예를 들어 한 문서에서 특정 거래나 자산의 처분이 언급되면, 데이터룸 안에 관련 계약서나 증빙 자료가 모두 있는지 확인하도록 유도하는 식이다. 이를 통해 팀은 추가 자료 요청과 경영진 질의를 더 구체화할 수 있다.

2. 계약서 작성과 문서 관리

실사 결과가 출처 문서와 연결된 구조화된 정보로 정리되면 다음 단계의 업무에도 활용할 수 있다. AI는 다음을 지원할 수 있다.

• 정형화된 문서와 체크리스트의 초안 작성
• 공개 일정(disclosure schedule) 작성에 필요한 자료 정리
• 선례·템플릿·업무 지침과 조항 비교
• 계약서 버전 간 수정 사항과 레드라인 요약
• 진술·보장, 확약, 예외 조항 추출
• 특정 보호 조항이 어떤 실사 결과에서 도출됐는지 추적

전략적 가치는 정보의 연속성에 있다. 실사에서 발견한 문제가 별도의 스프레드시트에 머무는 것이 아니라, 진술·보장, 확약, 동의, 손해배상, 종결 조건 등 어떤 보호 장치를 요구할지 결정하는 순간에도 활용돼야 한다. 현재의 M&A 업무 흐름을 다룬 자료들은 실사 정보를 계약서 작성과 협상으로 이동시키는 기능을 AI의 주요 영향으로 꼽는다.

3. 협상 준비

AI는 승인된 자료를 바탕으로 거래팀 브리핑을 만들고, 상대방의 수정 제안을 요약하며, 내부 협상 지침에서 벗어난 부분을 표시하고, 미해결 쟁점을 주제나 우선순위별로 정리할 수 있다. 사람이 검토할 질문과 대체 문구의 초안을 만드는 데도 활용할 수 있다.

하지만 고객의 상업적 목표, 위험 감수 수준, 협상에서의 최저 수용선이나 대안 전략을 AI가 혼자 안정적으로 결정할 수는 없다. 이런 판단에는 경영진과의 관계, 일정, 자금 조달, 규제 노출, 경쟁 구도, 고객의 장기적 우선순위 등 거래 맥락이 반영돼야 한다.

직급별로 달라지는 역할

주니어: 구조화된 1차 검토

AI는 기존에 주니어 변호사의 많은 시간을 차지했던 반복적이고 출처 연결이 가능한 업무에 적합하다. 명확한 업무 절차가 마련돼 있다면 주니어는 AI를 활용해 다음을 수행할 수 있다.

• 정해진 조항 기준에 따라 계약서 1차 검토
• 당사자, 날짜, 조건, 기준값, 예외 사항 추출
• 실사 추적표 입력
• 계약서 요약 및 누락 정보 확인
• 공개 일정 초안에 필요한 자료 정리
• 변호사 검토를 전제로 한 기본 실사 질문 작성

주니어 변호사의 역할이 사라지는 것은 아니다. AI 결과가 완전한지 확인하고, 중요한 결론이 실제 원문으로 뒷받침되는지 검증하며, 모호하거나 중대한 예외를 상급자에게 보고하는 역할로 이동한다.

시니어: 품질 관리와 종합 분석

업무 속도가 빨라질수록 시니어 변호사의 역할은 오히려 중요해질 수 있다. 주요 책임은 다음과 같다.

• AI 결과의 정확성과 일관성 검증
• 어떤 발견 사항이 중요한지 판단
• 여러 문서와 업무 영역에 걸친 위험 종합
• 실사 결과를 계약상 보호 장치로 전환
• 검토 절차와 보고 체계 감독
• 거래 지침을 명확한 AI 지시사항과 검증 기준으로 구체화

이 단계에서 단순한 정보 추출이 법률 분석으로 바뀐다. AI는 계약서에 제3자 동의 요건이 있다고 표시할 수 있지만, 그 요건이 실제 거래에 어떤 의미를 갖는지, 동의를 받을 수 있는지, 거래 구조와 계약상 보호에 어떤 영향을 줘야 하는지는 시니어 변호사가 판단해야 한다.

파트너: 자문과 전략

파트너는 AI가 만든 쟁점 지도, 요약본, 출처 연결 분석을 활용해 고객 자문과 고부가가치 의사결정에 집중할 수 있다. 위험 배분, 상업적 절충, 협상 기조, 쟁점의 상향 보고, 거래 지속 여부가 여기에 포함된다.

AI가 파트너에게 사실관계에 더 빠르게 접근하도록 도울 수는 있지만, 자문에 대한 책임까지 대신하지는 않는다. 전문적 판단은 여전히 최종 통제 지점이다.

AI는 실사를 얼마나 앞당길 수 있나

시간 절감률이나 기업 실사 인력 감소 폭을 모든 거래에 적용할 수 있는 보편적인 수치는 아직 없다. 데이터룸의 품질과 완결성, 거래 유형과 복잡도, 검토 기준, 사용 도구, 인간 검증의 범위에 따라 결과가 달라진다.

버클리 분석은 일부 법률·재무 실사 업무에서 AI가 40~70%의 효율성 향상을 제공한다고 보고했지만, 거래 복잡도와 데이터 품질에 따라 범위가 달라진다고 강조한다. 다른 자료들도 문서 읽기, 정보 추출, 자료 취합 시간이 크게 줄어든다고 설명하지만, 이 수치를 모든 거래에 적용되는 표준 벤치마크로 볼 수는 없다.

가장 신중하게 말할 수 있는 결론은 이렇다. AI는 실사의 ‘찾기·분류·추출·비교’ 단계를 실질적으로 압축할 수 있다. 반복적인 기업 실사에 필요한 변호사 시간을 줄이고, 시니어 변호사의 분석을 더 이른 단계로 앞당길 수 있다.

그렇다고 법률, 세무, 규제, 재무, 사이버 보안, 상업, 운영 분야의 표적형 실사가 불필요해지는 것은 아니다. 1차 검토가 빨라졌다고 해서 거래 종결이 자동으로 앞당겨지는 것도 아니다. 규제 승인, 자금 조달, 협상, 상대방의 대응 속도, 불완전한 원자료가 여전히 전체 일정의 핵심 경로로 남을 수 있다.

M&A팀과 로펌에 미치는 변화

일정

쟁점을 일찍 발견하면 경영진 질의, 위험 판단, 계약서 작성도 앞당길 수 있다. 기본적인 정보 추출을 기다리는 시간은 줄고, 가격·거래 구조·보호 장치·실행 가능성에 영향을 미치는 문제를 해결하는 데 더 많은 시간을 쓸 수 있다.

인력 구성

가장 현실적인 변화는 M&A 변호사의 소멸이 아니라 업무 구성의 변화다. 소규모 팀이 반복 검토를 맡고, 어소시에이트와 전문가는 예외 분석, 종합 판단, 고객 대응 업무에 더 일찍 투입될 수 있다. AI 보조 검토 플랫폼은 이미 대규모 문서 세트의 책임 배분 방식을 바꾸고 있다.

가격 체계

대량·반복 검토 업무가 더 표준화되고 측정 가능해지면 시간당 과금에는 압력이 커진다. 고정 보수, 상한 보수, 단계별 보수, 가치 기반 보수 모델이 활용되기 쉬워질 수 있다. 다만 이를 위해서는 로펌이 업무량을 측정하고, 프로세스를 통제하며, AI 보조 결과물의 품질을 책임질 수 있어야 한다.

어소시에이트 교육

기계가 1차 검토의 상당 부분을 맡으면, 문서를 빠짐없이 읽으며 거래를 배우는 전통적인 도제식 교육만으로는 부족해진다. 로펌은 다음 역량을 의도적으로 가르쳐야 한다.

• 계약 문구를 사업상·법률상 위험과 연결하기
• AI 결과를 원문과 대조해 검증하기
• 누락과 과도한 확신을 알아차리기
• 표시된 쟁점과 중요한 쟁점을 구분하기
• 발견 사항을 자문과 협상 선택지로 전환하기

결국 교육의 핵심은 모델에 어떤 프롬프트를 입력할지 배우는 데 그치지 않는다. 더 빠르게 확보된 정보로 더 나은 판단을 내리는 법을 익히는 데 있다.

최종 판단은 왜 여전히 사람의 몫인가

AI는 검색하고, 정리하고, 비교하고, 요약하고, 제안할 수 있다. 같은 시간 안에 사람이 수작업으로 검토하기 어려운 양의 문서를 처리하고, 눈에 잘 띄지 않던 패턴을 드러낼 수도 있다. 그러나 맥락을 놓치거나, 의미를 잘못 해석하거나, 오류를 만들거나, 불완전한 자료를 바탕으로 완전해 보이는 답을 내놓을 위험도 있다. 따라서 인간의 감독은 필수적이다.

거래 전문가가 계속 책임져야 할 업무는 다음과 같다.

• 검토 범위와 목표, 제약 조건 설정
• 결론이 원문 자료로 뒷받침되는지 확인
• 거래의 사실관계와 법률적 맥락에 따라 결과 해석
• 무엇이 중요한지 판단
• 어떤 보호 장치를 요구할지 결정
• 고객의 위험 감수 수준 평가
• 협상 전략 수립과 실행

가장 강력한 모델은 AI가 규모와 구조화를 담당하고, 변호사와 각 분야 전문가가 맥락·책임·판단을 제공하는 인간 중심의 업무 흐름이다. AI가 M&A의 핵심 인프라가 되는 이유는 전문가를 대체해서가 아니라, 전문가의 관심과 시간을 정말 중요한 판단에 더 정밀하게 집중시킬 수 있기 때문이다.