AI staje się infrastrukturą transakcji M&A. Co zmienia w fuzjach i przejęciach?

Sztuczna inteligencja w fuzjach i przejęciach (M&A, od ang. mergers and acquisitions) przestaje być wyłącznie narzędziem do szybszego czytania umów. Coraz częściej działa jak infrastruktura całej transakcji: porządkuje dane z wirtualnego data roomu, łączy ustalenia z due diligence z projektami dokumentów, wskazuje kwestie wymagające eskalacji i pomaga przygotować zespół do negocjacji.

Najważniejsza zmiana nie polega więc tylko na tym, że model analizuje kontrakty szybciej od człowieka. Chodzi o to, że informacje wydobyte podczas badania spółki mogą być uporządkowane, zweryfikowane i wykorzystane w kolejnych etapach transakcji.

AI jest najbardziej użyteczna wtedy, gdy działa w kontrolowanym procesie, według jasno określonych reguł i pod nadzorem profesjonalistów. Nie powinna być autonomicznym decydentem.

Dlaczego AI trafia do centrum transakcji M&A

Zespoły M&A pracują pod presją czasu, wśród tysięcy dokumentów i przy konieczności połączenia ustaleń prawnych, finansowych, handlowych, regulacyjnych i operacyjnych. Systemy AI mogą przyjmować i klasyfikować dokumenty, wydobywać z nich ustrukturyzowane dane, porównywać postanowienia, wykrywać braki oraz wskazywać anomalie w całym zbiorze informacji transakcyjnych.

Presja rośnie także wraz z rynkiem. Według danych Mergermarket globalna wartość transakcji M&A w pierwszej połowie 2026 roku wyniosła 3,16 bln dolarów — o 44 proc. więcej niż rok wcześniej i najwięcej w historii dla pierwszych sześciu miesięcy roku. Z kolei analiza Columbia Law School, powołująca się na badanie Deloitte z 2025 roku, wskazuje, że 97 proc. ankietowanych spółek i funduszy private equity korzystało z AI lub automatyzacji w due diligence, wobec 69 proc. w 2022 roku.

Na coraz szybszym i bardziej skoncentrowanym rynku przewaga nie polega wyłącznie na wykonaniu tej samej pracy mniejszą liczbą kliknięć. Liczy się wcześniejsze dotarcie do ryzyk istotnych dla decyzji oraz przesunięcie uwagi doświadczonych prawników z ręcznego przeglądu na interpretację i działanie.

Co AI może robić w całym cyklu transakcji

1. Wstępna selekcja dokumentów i due diligence

AI może pomagać zespołom w:

• przyjmowaniu, klasyfikowaniu i porządkowaniu zawartości data roomu;
• wykrywaniu duplikatów oraz brakujących lub niespójnych materiałów;
• tworzeniu streszczeń dokumentów i wydobywaniu kluczowych warunków prawnych oraz handlowych;
• wyszukiwaniu klauzul dotyczących zmiany kontroli, cesji, rozwiązania umowy, wyłączności, odpowiedzialności, własności intelektualnej, prywatności i regulacji;
• porównywaniu podobnych umów i oznaczaniu nietypowego lub niestandardowego języka;
• krzyżowym zestawianiu informacji z wielu dokumentów w celu wykrycia konfliktów, luk i anomalii;
• tworzeniu uporządkowanych list problemów, trackerów oraz roboczych części raportów z due diligence.

Są to zadania dobrze dopasowane do możliwości AI, ponieważ obejmują wyszukiwanie, klasyfikowanie, ekstrakcję i porównywanie dużych ilości danych. Źródła branżowe opisują due diligence wspierane przez AI jako proces, w którym automatyczna analiza jest następnie poddawana ludzkiej weryfikacji i interpretacji.

AI może także wskazywać brak oczekiwanych dowodów. Jeśli w raporcie rocznym pojawia się informacja o sprzedaży nieruchomości lub innego aktywa, system może sprawdzić, czy w data roomie znajdują się powiązane dokumenty, na przykład akt notarialny. Wykrycie takiej luki pozwala lepiej ukierunkować pytania do zarządu i wnioski o uzupełnienie dokumentacji.

2. Przygotowanie dokumentów i zarządzanie nimi

Jeśli ustalenia z due diligence są uporządkowane i powiązane z dokumentami źródłowymi, mogą zostać wykorzystane w kolejnym etapie. AI może wspierać:

• tworzenie pierwszych wersji standardowych dokumentów i checklist;
• przygotowanie danych do załączników ujawnień (disclosure schedules);
• porównywanie klauzul z precedensami, wzorami i playbookami transakcyjnymi;
• streszczanie zmian i redline’ów między kolejnymi wersjami dokumentów;
• wydobywanie oświadczeń, zapewnień, zobowiązań i wyjątków;
• prześledzenie, jakie dowody źródłowe uzasadniały zaproponowaną ochronę kontraktową.

Największą wartością jest ciągłość informacji. Ustalenie z due diligence nie powinno kończyć życia w arkuszu kalkulacyjnym. Powinno być dostępne wtedy, gdy zespół rozważa żądanie oświadczenia, zobowiązania, zgody, odszkodowania, warunku zamknięcia transakcji lub innego zabezpieczenia. Opisy współczesnych procesów M&A wskazują, że właśnie przepływ informacji od due diligence do projektowania umów i negocjacji jest jednym z najważniejszych obszarów wpływu AI.

3. Przygotowanie do negocjacji

AI może na podstawie zatwierdzonych materiałów przygotować briefing dla zespołu transakcyjnego, podsumować zmiany zaproponowane przez drugą stronę, wskazać odstępstwa od playbooka i uporządkować otwarte kwestie według tematu lub priorytetu. Może także zaproponować pytania i alternatywne brzmienie klauzul do oceny przez człowieka.

Nie potrafi jednak samodzielnie i niezawodnie określić celu biznesowego klienta, jego tolerancji na ryzyko, pozycji wyjściowej ani strategii negocjacyjnej. Takie decyzje zależą od kontekstu: relacji z zarządem, harmonogramu, finansowania, ryzyka regulacyjnego, konkurencji oraz szerszych priorytetów klienta.

Jak zmieniają się zadania zależnie od stanowiska

Młodsi prawnicy: ustrukturyzowany pierwszy przegląd

AI dobrze nadaje się do powtarzalnych zadań opartych na dokumentach źródłowych, które wcześniej zajmowały dużą część czasu młodszych prawników. Przy jasno określonym procesie mogą oni wykorzystywać ją do:

• przeglądu umów pod kątem wskazanych postanowień;
• wydobywania stron umów, dat, warunków, progów i wyjątków;
• uzupełniania trackerów due diligence;
• streszczania umów i wskazywania brakujących informacji;
• przygotowywania wstępnych danych do załączników ujawnień;
• opracowywania rutynowych pytań do due diligence, które później sprawdza prawnik.

Rola młodszego prawnika nie znika. Przesuwa się w stronę kontroli kompletności wyników, potwierdzania, że każdy ważny wniosek ma oparcie w dokumencie źródłowym, oraz eskalowania niejasności i istotnych wyjątków.

Starsi prawnicy: kontrola jakości i synteza

Wraz z przyspieszeniem pracy rośnie znaczenie starszych prawników. Do ich zadań należy:

• testowanie dokładności i spójności wyników AI;
• rozstrzyganie, które ustalenia są istotne;
• łączenie ryzyk pojawiających się w wielu dokumentach lub obszarach analizy;
• przekładanie wyników due diligence na zabezpieczenia w umowie;
• nadzorowanie protokołów przeglądu i ścieżek eskalacji;
• przekładanie zasad z playbooków na jasne instrukcje i standardy walidacji.

To właśnie na tym poziomie sama ekstrakcja danych staje się analizą prawną. AI może wykryć, że umowa wymaga zgody kontrahenta na zmianę kontroli. Starszy prawnik musi natomiast ocenić praktyczne znaczenie tego wymogu, szanse na uzyskanie zgody i wpływ problemu na strukturę transakcji.

Partnerzy: doradztwo, alokacja ryzyka i strategia

Partnerzy mogą wykorzystywać generowane przez AI mapy problemów, podsumowania i analizy powiązane ze źródłami, aby skupić się na doradztwie dla klienta i decyzjach o największej wartości. Obejmują one podział ryzyka, kompromisy biznesowe, stanowisko negocjacyjne, eskalację oraz ocenę, czy transakcja nadal jest atrakcyjna.

AI może poprawić dostęp partnera do faktów, ale nie przejmuje odpowiedzialności za udzieloną poradę. Punktem kontroli pozostaje profesjonalny osąd.

O ile AI może przyspieszyć due diligence?

Nie ma jednej wiarygodnej, uniwersalnej wartości określającej oszczędność czasu ani możliwą redukcję zespołu zajmującego się due diligence spółki. Wynik zależy od jakości i kompletności data roomu, rodzaju i złożoności transakcji, przyjętych kryteriów, użytych narzędzi oraz zakresu kontroli człowieka.

Analiza Berkeley wskazuje, że w niektórych zadaniach prawnego i finansowego due diligence raportowane wzrosty efektywności wynoszą 40–70 proc., przy czym zakres ten zależy od złożoności transakcji i jakości danych. Inne źródła mówią o znacznym skróceniu czasu czytania, ekstrakcji i zestawiania informacji, ale nie są to porównywalne benchmarki dla każdej transakcji.

Najostrożniejszy i najlepiej uzasadniony wniosek brzmi: AI może istotnie skrócić etap „znajdź, uporządkuj, wydobądź i porównaj”. Ogranicza liczbę godzin potrzebnych na rutynowy pierwszy przegląd korporacyjny i pozwala wcześniej przejść do analizy prowadzonej przez seniorów. Nie eliminuje jednak potrzeby ukierunkowanego due diligence prawnego, podatkowego, regulacyjnego, finansowego, cyberbezpieczeństwa, handlowego ani operacyjnego.

Szybszy pierwszy przegląd nie oznacza automatycznie szybszego zamknięcia transakcji. Na ścieżce krytycznej nadal mogą pozostać zgody regulacyjne, finansowanie, negocjacje, warunki podpisania lub zamknięcia, reakcje drugiej strony oraz niekompletne informacje źródłowe.

Wpływ na zespoły M&A i kancelarie

Harmonogramy

Wcześniejsze wykrycie problemów może przyspieszyć pytania do zarządu, decyzje dotyczące ryzyka i prace nad dokumentacją. Zespoły tracą mniej czasu na oczekiwanie na podstawowe zestawienia, a więcej poświęcają problemom wpływającym na cenę, strukturę transakcji, zabezpieczenia lub możliwość jej wykonania.

Zatrudnienie i podział pracy

Najbardziej prawdopodobna jest zmiana struktury pracy, a nie zniknięcie prawników M&A. Mniejsze zespoły mogą obsługiwać rutynowy przegląd, podczas gdy prawnicy i specjaliści szybciej przechodzą do analizy wyjątków, syntezy oraz kontaktu z klientem. Platformy do wspomaganego przez AI przeglądu dokumentów już zmieniają sposób dzielenia odpowiedzialności za duże zbiory materiałów.

Wynagrodzenie i modele rozliczeń

Gdy masowy przegląd dokumentów staje się bardziej powtarzalny i mierzalny, rośnie presja na rozliczenia godzinowe. Łatwiej będzie stosować stawki ryczałtowe, limity wynagrodzenia, rozliczenia etapowe lub modele oparte na wartości — ale tylko wtedy, gdy kancelaria potrafi zmierzyć pracę, zarządzać procesem i ręczyć za jakość wyników wspieranych przez AI.

Szkolenie młodych prawników

Tradycyjny model terminowania — nauka transakcji przez szczegółowy, często wyczerpujący przegląd dokumentów — staje się mniej kompletny, gdy pierwszy etap wykonuje maszyna. Kancelarie będą musiały świadomie uczyć młodych prawników, jak:

• łączyć brzmienie umowy z ryzykiem biznesowym i prawnym;
• sprawdzać wyniki AI w dokumentach źródłowych;
• rozpoznawać pominięcia i fałszywe poczucie pewności;
• odróżniać oznaczoną kwestię od kwestii istotnej dla transakcji;
• przekładać ustalenia na poradę i warianty negocjacyjne.

Wyzwanie szkoleniowe nie polega więc wyłącznie na nauce formułowania promptów. Chodzi o rozwijanie lepszego osądu przy szybszym dostępie do informacji.

Dlaczego ostateczna decyzja nadal należy do człowieka

AI potrafi wyszukiwać, porządkować, porównywać, streszczać i sugerować. Może przetworzyć więcej dokumentów niż zespół wykonujący wyłącznie ręczny przegląd w tym samym czasie, a także ułatwić dostrzeżenie wzorców. Może jednak przeoczyć niuanse, źle odczytać kontekst, wygenerować błąd albo udzielić pozornie kompletnej odpowiedzi mimo braków w danych. Dlatego nadzór człowieka pozostaje konieczny.

Profesjonaliści uczestniczący w transakcji nadal odpowiadają za:

• określenie zakresu, celów i ograniczeń analizy;
• sprawdzenie, czy wnioski mają potwierdzenie w dokumentach źródłowych;
• interpretację ustaleń w faktycznym i prawnym kontekście transakcji;
• decyzję, co jest istotne;
• wybór zabezpieczeń, których należy żądać;
• ocenę tolerancji klienta na ryzyko;
• opracowanie i realizację strategii negocjacyjnej.

Najlepszy model to proces prowadzony przez człowieka, w którym AI zapewnia skalę i strukturę, a prawnicy oraz inni specjaliści — kontekst, odpowiedzialność i osąd. Sztuczna inteligencja staje się infrastrukturą M&A właśnie dlatego, że pozwala kierować uwagę ekspertów tam, gdzie jest najbardziej potrzebna, a nie dlatego, że może zastąpić ekspertów decydujących, co dana transakcja naprawdę oznacza.