AI wordt de ruggengraat van fusies en overnames

In een markt waarin grote transacties zich sneller aandienen en informatie steeds omvangrijker wordt, draait het voordeel dus niet alleen om minder klikken. Het gaat er vooral om dat relevante risico’s eerder zichtbaar worden, zodat ervaren professionals sneller kunnen interpreteren en handelen.

Wat AI tijdens een transactie kan doen

1. Eerste analyse van de dataroom en due diligence

AI kan dealteams helpen bij het:

• inlezen, classificeren en ordenen van documenten in de dataroom;
• herkennen van dubbele, ontbrekende of tegenstrijdige stukken;
• samenvatten van documenten en extraheren van belangrijke commerciële en juridische voorwaarden;
• lokaliseren van bepalingen over zeggenschapswijzigingen, overdracht, beëindiging, exclusiviteit, aansprakelijkheid, intellectueel eigendom, privacy en regelgeving;
• vergelijken van vergelijkbare overeenkomsten en markeren van ongebruikelijke of niet-standaardtaal;
• onderling koppelen van informatie uit verschillende documenten om conflicten, hiaten en afwijkingen te vinden; en
• opstellen van gestructureerde actielijsten, trackers en eerste versies van onderdelen van due-diligencerapporten.

Dit soort werk leent zich goed voor AI omdat het draait om grootschalig zoeken, classificeren, extraheren en vergelijken. Juridische en sectorspecifieke bronnen beschrijven AI-ondersteunde due diligence dan ook als een proces waarin geautomatiseerde analyse wordt gevolgd door menselijke controle en interpretatie.

AI kan bovendien signaleren dat verwacht bewijs ontbreekt. Als in een jaarverslag bijvoorbeeld wordt verwezen naar een verkoop van vastgoed of een andere transactie, kan het systeem zoeken naar de bijbehorende contracten en bewijsstukken elders in de dataroom. Zo kunnen teams gerichter aanvullende documenten opvragen en betere vragen aan het management stellen.

2. Opstellen en beheren van transactiedocumenten

Wanneer bevindingen uit de due diligence gestructureerd zijn vastgelegd en aan de brondocumenten zijn gekoppeld, kunnen ze ook in de volgende transactiefase worden gebruikt. AI kan ondersteunen bij:

• eerste versies van routinedocumenten en checklists;
• input voor disclosure schedules, waarin uitzonderingen en verstrekte informatie worden vastgelegd;
• vergelijking van clausules met precedenten, modellen of interne playbooks;
• samenvattingen van wijzigingen en redlines tussen documentversies;
• het extraheren van representations, warranties, convenanten en uitzonderingen; en
• het terugleiden van voorgestelde beschermingsmaatregelen naar het bewijs dat daartoe aanleiding gaf.

De strategische waarde zit in die continuïteit. Een bevinding hoort niet te blijven steken in een spreadsheet voor de due diligence. Ze moet beschikbaar zijn wanneer het team besluit of een verklaring, convenant, toestemming, vrijwaring, closingvoorwaarde of andere bescherming nodig is. Bronnen over de huidige M&A-praktijk beschrijven juist deze beweging van informatie — van due diligence naar documentatie en onderhandeling — als een belangrijk onderdeel van de impact van AI.

3. Voorbereiding van onderhandelingen

AI kan op basis van goedgekeurde bronnen een briefing voor het dealteam samenstellen, wijzigingen van de wederpartij samenvatten, afwijkingen van een playbook markeren en openstaande punten per onderwerp of prioriteit ordenen. Ook kan het vragen en alternatieve formuleringen voorbereiden voor menselijke beoordeling.

Wat AI niet zelfstandig betrouwbaar kan bepalen, is het commerciële doel van de cliënt, diens risicotolerantie, ondergrens of onderhandelingsstrategie. Daarvoor is context nodig: de relatie met het management, de tijdsdruk, financiering, regulatoire risico’s, concurrentiedynamiek en bredere bedrijfsprioriteiten.

Een andere rol per ervaringsniveau

Junior medewerkers: gestructureerd voorwerk

AI is bijzonder geschikt voor repetitieve, aan de bron gekoppelde taken die traditioneel veel tijd van junior medewerkers vragen. Binnen een duidelijk protocol kunnen zij AI gebruiken om:

• contracten te controleren op een vooraf bepaalde reeks bepalingen;
• partijen, data, voorwaarden, drempelwaarden en uitzonderingen te extraheren;
• due-diligencetrackers te vullen;
• overeenkomsten samen te vatten en ontbrekende informatie te signaleren;
• eerste input voor disclosure schedules voor te bereiden; en
• routinematige due-diligencevragen op te stellen voor beoordeling door een jurist.

De rol van de junior jurist verdwijnt daarmee niet. Die verschuift naar het controleren of de uitkomst volledig is, het verifiëren dat belangrijke conclusies door het onderliggende document worden gedragen en het escaleren van onduidelijkheden of materiële uitzonderingen.

Senior medewerkers: kwaliteitscontrole en synthese

Naarmate de workflow sneller wordt, neemt het belang van senior associates en vergelijkbare ervaren professionals eerder toe dan af. Zij moeten:

• de juistheid en consistentie van AI-uitkomsten testen;
• bepalen welke bevindingen materieel zijn;
• risico’s uit verschillende documenten en werkstromen samenbrengen;
• bevindingen vertalen naar bescherming in de transactiedocumentatie;
• reviewprotocollen en escalatieroutes bewaken; en
• deal-playbooks omzetten in duidelijke instructies en controles.

Hier verandert ruwe extractie in juridische analyse. AI kan vaststellen dat een contract toestemming van een derde vereist. De senior jurist moet vervolgens beoordelen wat dat praktisch betekent, of die toestemming haalbaar is en welke gevolgen het punt voor de transactie moet hebben.

Partners: advies, risicoverdeling en strategie

Partners kunnen door AI gegenereerde risicokaarten, samenvattingen en brongekoppelde analyses gebruiken om zich te richten op cliëntadvies en beslissingen met de hoogste waarde. Dat betreft onder meer risicoverdeling, commerciële afwegingen, onderhandelingspositie, escalatie en de vraag of de transactie nog aantrekkelijk is.

AI kan de toegang tot feiten verbeteren, maar neemt de verantwoordelijkheid voor het advies niet over. Professioneel oordeel blijft het centrale controlepunt.

Hoeveel sneller wordt due diligence?

Er bestaat geen betrouwbaar universeel percentage voor tijdwinst of voor een daling van de personeelsbehoefte bij corporate due diligence. De uitkomst hangt af van de kwaliteit en volledigheid van de dataroom, het soort en de complexiteit van de transactie, de gekozen beoordelingscriteria, de gebruikte hulpmiddelen en de mate van menselijke validatie.

Een analyse van Berkeley noemt efficiëntiewinsten van 40 tot 70% bij bepaalde juridische en financiële due-diligencewerkzaamheden, maar benadrukt dat de bandbreedte varieert met de complexiteit van de deal en de kwaliteit van de data. Andere bronnen melden grote tijdsbesparingen bij lezen, extraheren en samenvoegen, maar zulke cijfers zijn niet zonder meer bruikbare benchmarks voor iedere transactie.

De meest verdedigbare conclusie is beperkter: AI kan de fase van “vinden, ordenen, extraheren en vergelijken” aanzienlijk inkorten. Daardoor zijn minder advocaaturen nodig voor de routinematige eerste controle van bedrijfsinformatie en kan senior analyse eerder beginnen. Dat betekent niet dat gerichte juridische, fiscale, financiële, cyber-, commerciële, operationele of regulatoire due diligence overbodig wordt.

Een snellere eerste beoordeling leidt bovendien niet automatisch tot een snellere closing. Goedkeuringen door toezichthouders, financiering, onderhandelingen, reacties van de wederpartij, ondertekeningsvoorwaarden en onvolledige broninformatie kunnen nog altijd het kritieke pad bepalen.

Gevolgen voor dealteams en advocatenkantoren

Doorlooptijden

Wanneer kwesties eerder worden ontdekt, kunnen vragen aan het management, risicobesluiten en het opstellen van documenten eerder beginnen. Teams wachten minder lang op basale extractie en kunnen sneller werken aan punten die invloed hebben op prijs, structuur, contractuele bescherming of uitvoering.

Bezetting

De waarschijnlijkste verandering is een andere samenstelling van het werk, niet het verdwijnen van M&A-juristen. Kleinere teams kunnen routinematige controles uitvoeren, terwijl associates en specialisten eerder overstappen naar uitzonderingsanalyse, synthese en cliëntcontact. AI-ondersteunde reviewplatforms veranderen nu al de manier waarop teams verantwoordelijkheid voor grote documentverzamelingen verdelen.

Prijsmodellen

Wanneer omvangrijke controles herhaalbaarder en beter meetbaar worden, komt het klassieke uurtje-factuurtje meer onder druk te staan. Vaste, gemaximeerde, gefaseerde of waardegerichte prijsafspraken worden mogelijk eenvoudiger te organiseren — maar alleen als kantoren het werk kunnen meten, de workflow beheersen en de kwaliteit van AI-ondersteunde resultaten kunnen garanderen.

Opleiding van associates

Het traditionele leermodel, waarbij jonge juristen transacties leren kennen door elk document uitvoerig door te nemen, wordt minder volledig wanneer machines een groter deel van de eerste controle uitvoeren. Kantoren zullen associates daarom doelgericht moeten leren:

• hoe contracttaal samenhangt met zakelijk en juridisch risico;
• hoe AI-uitkomsten aan de brondocumenten worden getoetst;
• hoe omissies en ongefundeerde zekerheid worden herkend;
• hoe een gesignaleerd punt van een materieel risico wordt onderscheiden; en
• hoe bevindingen worden vertaald naar advies en onderhandelingsopties.

De opleidingsuitdaging is dus niet simpelweg leren hoe je betere prompts schrijft. Het gaat erom beter oordeel te ontwikkelen dankzij snellere toegang tot informatie.

Waarom menselijke beoordeling de deal blijft sturen

AI kan informatie ophalen, ordenen, vergelijken, samenvatten en suggesties doen. Het kan in dezelfde tijd meer documenten verwerken dan een menselijk team handmatig kan beoordelen en patronen zichtbaarder maken. Tegelijkertijd kan AI nuance missen, context verkeerd begrijpen, fouten produceren of een schijnbaar volledig antwoord geven terwijl de onderliggende informatie onvolledig is. Menselijk toezicht blijft daarom essentieel.

Dealprofessionals blijven verantwoordelijk voor:

• het vaststellen van scope, doelstellingen en beperkingen;
• het controleren of conclusies door brondocumenten worden ondersteund;
• het interpreteren van bevindingen binnen de feitelijke en juridische context van de transactie;
• het bepalen wat materieel is;
• het kiezen van de gewenste contractuele bescherming;
• het inschatten van de risicotolerantie van de cliënt; en
• het ontwikkelen en uitvoeren van de onderhandelingsstrategie.

Het sterkste model is een door mensen aangestuurde workflow: AI levert schaal en structuur, terwijl juristen en andere specialisten context, verantwoordelijkheid en oordeel inbrengen. Juist daarom groeit AI uit tot kerninfrastructuur voor M&A. Niet omdat het de experts vervangt, maar omdat het hun aandacht gerichter inzet op de beslissingen die bepalen wat een deal in de praktijk betekent.