AI flytter inn i kjernen av oppkjøpsmarkedet

Kunstig intelligens er på vei fra å være et verktøy for raskere dokumentgjennomgang til å bli selve infrastrukturen i fusjoner og oppkjøp – ofte omtalt som M&A, etter det engelske uttrykket «mergers and acquisitions».

Det avgjørende skiftet handler ikke bare om at en modell kan lese kontrakter raskere enn et menneske. Funnene fra due diligence kan nå struktureres, kontrolleres og tas med videre til avtaleutkast, eskalering av problemer og forberedelse til forhandlinger.

Det gjør AI mest verdifull når teknologien inngår i en kontrollert arbeidsflyt under profesjonelt tilsyn – ikke når den opptrer som en selvstendig beslutningstaker.

Derfor havner AI i sentrum av M&A

M&A-team arbeider med store virtuelle datarom, korte tidsfrister og informasjon som må ses i sammenheng på tvers av juridiske, finansielle, kommersielle, regulatoriske og operative områder. AI-systemer kan ta inn og kategorisere dokumenter, hente ut strukturerte avtalevilkår, sammenligne bestemmelser, avdekke mangler og finne avvik i materialet.

Markedsutviklingen øker presset. Mergermarket rapporterte en global M&A-verdi på 3,16 billioner dollar i første halvår 2026 – 44 prosent mer enn i samme periode året før og den sterkeste første halvdelen av et år som er registrert. En analyse fra Columbia Law School, som viste til en Deloitte-undersøkelse fra 2025, fant samtidig at 97 prosent av de undersøkte selskapene og private equity-aktørene brukte AI eller automatisering i due diligence. I 2022 var andelen 69 prosent.

I et raskere og mer konsentrert transaksjonsmarked handler konkurransefortrinnet derfor ikke bare om å gjøre den samme gjennomgangen med færre tastetrykk. Det handler om å komme raskere frem til risikoene som faktisk påvirker beslutningen – og om å frigjøre seniorenes tid til tolkning og handling.

Fra datarom til forhandling

1. Sortering og due diligence

AI kan hjelpe teamet med å:

• ta inn, kategorisere og organisere innholdet i datarommet;
• finne duplikater og manglende eller motstridende dokumenter;
• oppsummere dokumenter og hente ut sentrale kommersielle og juridiske vilkår;
• lokalisere bestemmelser om kontrollskifte, overdragelse, oppsigelse, eksklusivitet, ansvar, immaterielle rettigheter, personvern og regulering;
• sammenligne tilsvarende avtaler og varsle om uvanlig eller avvikende språk;
• kryssjekke informasjon på tvers av dokumenter for å avdekke konflikter, hull og avvik; og
• lage strukturerte sakslister, oversikter og førsteutkast til deler av due diligence-rapporten.

Dette er oppgaver AI egner seg særlig godt til fordi de består av søk, klassifisering, uttrekk og sammenligning i stort volum. Juridiske og bransjerelaterte kilder beskriver AI-støttet due diligence som en arbeidsflyt der automatisert analyse etterfølges av menneskelig kontroll og tolkning.

AI kan også peke på fraværet av forventet dokumentasjon. Hvis en årsrapport for eksempel omtaler et tidligere salg av en eiendel, kan systemet lete etter tilhørende avtaler og annet underlagsmateriale i datarommet. Slik gap-analyse kan gjøre det enklere å spisse spørsmålene til ledelsen og be om riktige dokumenter.

2. Avtaleutkast og dokumenthåndtering

Når funnene fra due diligence er strukturerte og koblet til kildedokumentene, kan de brukes videre i transaksjonen. AI kan blant annet bistå med:

• førsteutkast til rutinedokumenter og sjekklister;
• innspill til opplysningsskjemaer;
• sammenligning av klausuler mot presedenser, maler eller interne spilleregler;
• oppsummering av endringer og rødmassasje mellom avtaleversjoner;
• uttrekk av garantier, erklæringer, forpliktelser og unntak; og
• sporing av foreslåtte beskyttelsestiltak tilbake til dokumentasjonen som utløste dem.

Den strategiske verdien ligger i sammenhengen. Et funn bør ikke bli liggende i et regneark for due diligence. Det bør være tilgjengelig når teamet vurderer om kjøperen skal kreve en garanti, en forpliktelse, et samtykke, en skadesløsholdelse, et vilkår for gjennomføring eller en annen beskyttelse. Kilder som beskriver dagens M&A-arbeidsflyter, peker nettopp på denne overføringen fra due diligence til avtaleutforming og forhandling som en viktig del av AI-effekten.

3. Forberedelse til forhandlinger

AI kan sette sammen en forhandlingsbrief basert på godkjente kilder, oppsummere motpartens foreslåtte endringer, identifisere avvik fra interne spilleregler og sortere åpne spørsmål etter tema eller prioritet. Den kan også foreslå spørsmål og alternative formuleringer som mennesker vurderer videre.

Men teknologien kan ikke på egen hånd avgjøre kundens kommersielle mål, risikotoleranse, minste akseptable løsning eller forhandlingsstrategi. Slike vurderinger avhenger av forhold som ledelsesrelasjoner, tidsplan, finansiering, regulatorisk eksponering, konkurransesituasjon og kundens øvrige prioriteringer.

Slik endres rollene i teamet

Juniorfullmektiger: strukturert førstegjennomgang

AI passer godt til repetitive og kildelinkede oppgaver som tradisjonelt har tatt mye av juniorenes tid. Med en tydelig arbeidsflyt kan juniorfullmektiger bruke teknologien til å:

• gjennomgå kontrakter mot et definert sett av bestemmelser;
• hente ut parter, datoer, vilkår, terskler og unntak;
• fylle ut oversikter for due diligence;
• oppsummere avtaler og identifisere manglende informasjon;
• forberede innspill til opplysningsskjemaer; og
• utarbeide rutinemessige spørsmål til due diligence for advokatens kontroll.

Juniorens rolle forsvinner ikke. Den dreies mot å kontrollere om resultatet er komplett, bekrefte at viktige konklusjoner kan dokumenteres i kildene, og løfte frem uklarheter eller vesentlige unntak.

Senioradvokater: kvalitetssikring og helhetsbilde

Senioradvokatene kan bli enda viktigere når arbeidsflyten går raskere. De må blant annet:

• teste nøyaktigheten og konsistensen i AI-resultatene;
• avgjøre hvilke funn som er vesentlige;
• sammenstille risiko som går igjen i flere dokumenter eller arbeidsstrømmer;
• oversette funnene til beskyttelse i avtalen;
• føre tilsyn med gjennomgangsprotokoller og eskaleringsrutiner; og
• gjøre interne spilleregler om til tydelige instrukser og kontrollstandarder.

Det er på dette nivået rådata blir til juridisk analyse. AI kan identifisere at en kontrakt krever samtykke ved kontrollskifte. Senioradvokaten må vurdere den praktiske betydningen, sannsynligheten for å få samtykket og hvordan saken bør påvirke transaksjonen.

Partnere: råd, risikofordeling og strategi

Partnere kan bruke AI-genererte risikokart, sammendrag og kildelinkede analyser til å rette oppmerksomheten mot klientrådgivning og beslutningene med høyest verdi. Det gjelder blant annet risikofordeling, kommersielle avveininger, forhandlingsposisjon, eskalering og spørsmålet om transaksjonen fortsatt er attraktiv.

AI kan gi partneren bedre tilgang til fakta, men overtar ikke ansvaret for rådene. Profesjonelt skjønn er fortsatt kontrollpunktet.

Hvor mye raskere blir due diligence?

Det finnes ingen pålitelig, universell prosent for tidsbesparelse eller reduksjon i bemanningen til selskapsrettslig due diligence. Resultatet avhenger av hvor komplett datarommet er, transaksjonens type og kompleksitet, kriteriene for gjennomgangen, verktøyene som brukes og omfanget av menneskelig kontroll.

En analyse fra Berkeley rapporterer effektivitetsgevinster på 40–70 prosent for enkelte juridiske og finansielle due diligence-oppgaver, men understreker at variasjonen følger blant annet transaksjonens kompleksitet og datakvaliteten. Andre kilder beskriver betydelig mindre tid til lesing, uttrekk og sammenstilling, men tallene kan ikke brukes som en felles målestokk for alle transaksjoner.

Den mest holdbare konklusjonen er derfor mer avgrenset: AI kan redusere tiden det tar å «finne, sortere, hente ut og sammenligne» informasjon. Det kan gi færre advokattimer til den rutinemessige førstegjennomgangen av selskapsmateriale og flytte senioranalysen tidligere frem i prosessen.

Det erstatter likevel ikke målrettet juridisk, skattemessig, regulatorisk, finansiell, cybersikkerhetsmessig, kommersiell eller operasjonell due diligence.

En raskere førstegjennomgang betyr heller ikke automatisk en raskere signering eller gjennomføring. Myndighetsgodkjenninger, finansiering, forhandlinger, motpartens responstid, vilkår for signering og mangelfull dokumentasjon kan fortsatt ligge på den kritiske linjen.

Konsekvenser for firmaer og transaksjonsteam

Tidsplaner

Når problemer oppdages tidligere, kan spørsmål til ledelsen, risikovurderinger og avtaleutforming flyttes frem. Teamet bruker mindre tid på å vente på grunnleggende uttrekk og mer tid på å løse spørsmål som kan påvirke pris, struktur, avtalebeskyttelse eller gjennomføring.

Bemanning

Den sannsynlige endringen er en ny sammensetning av arbeidet – ikke at M&A-advokater forsvinner. Mindre team kan håndtere rutinegjennomgangen, mens advokater og spesialister tidligere går over til analyse av unntak, sammenstilling og klientrettet arbeid. AI-støttede plattformer for dokumentgjennomgang endrer allerede hvordan team fordeler ansvaret for store dokumentmengder.

Prising

Når gjennomgang i stort volum blir mer standardisert og målbar, øker presset på timebasert fakturering. Fastpris, pristak, trinnvis prising eller verdibasert prising kan bli enklere å utforme – men bare dersom firmaet kan måle arbeidet, styre arbeidsflyten og stå inne for kvaliteten på AI-støtten.

Opplæring av advokater

Den tradisjonelle læremodellen, der yngre advokater lærer transaksjoner gjennom omfattende dokumentgjennomgang, blir mindre tilstrekkelig når maskiner gjør mer av førstegjennomgangen. Firmaene må derfor lære opp advokater mer målrettet i å:

• koble kontraktsspråk til kommersiell og juridisk risiko;
• kontrollere AI-resultater mot kildedokumentene;
• oppdage utelatelser og falsk sikkerhet;
• skille mellom et varslet problem og et vesentlig problem; og
• omsette funn til råd og konkrete forhandlingsalternativer.

Opplæringsutfordringen handler dermed ikke bare om å lære gode instruksjoner til en modell. Den handler om å utvikle bedre skjønn når informasjonen blir tilgjengelig raskere.

Derfor er mennesket fortsatt avgjørende

AI kan søke, organisere, sammenligne, oppsummere og foreslå. Den kan behandle flere dokumenter enn et menneskelig team rekker på samme tid, og gjøre mønstre lettere å se. Men den kan også overse nyanser, misforstå kontekst, produsere feil eller gi et tilsynelatende komplett svar når datagrunnlaget er ufullstendig. Menneskelig kontroll er derfor avgjørende.

Transaksjonsrådgivere har fortsatt ansvaret for å:

• fastsette omfang, mål og begrensninger;
• kontrollere at konklusjonene støttes av kildedokumentene;
• tolke funnene i transaksjonens faktiske og juridiske sammenheng;
• avgjøre hva som er vesentlig;
• velge hvilke beskyttelsestiltak som skal kreves;
• vurdere klientens risikotoleranse; og
• utvikle og gjennomføre forhandlingsstrategien.

Den sterkeste modellen er derfor en menneskestyrt arbeidsflyt der AI håndterer skala og struktur, mens advokater og andre spesialister tilfører kontekst, ansvar og skjønn. AI blir grunnleggende M&A-infrastruktur nettopp fordi teknologien kan gjøre ekspertenes oppmerksomhet mer målrettet – ikke fordi den kan erstatte ekspertene som avgjør hva avtalen faktisk skal innebære.