AI จากเครื่องมืออ่านเอกสาร สู่โครงสร้างพื้นฐานของดีล M&A

บทบาทของปัญญาประดิษฐ์ในธุรกรรมควบรวมและซื้อกิจการ หรือ M&A กำลังขยับจากการเป็นเพียงเครื่องมือช่วยอ่านเอกสาร ไปสู่การเป็น โครงสร้างพื้นฐานของดีล

จุดเปลี่ยนสำคัญไม่ใช่แค่การที่ AI อ่านสัญญาได้เร็วขึ้น แต่คือการนำข้อมูลที่ดึงจากการตรวจสอบสถานะกิจการ (due diligence) มาจัดโครงสร้าง ตรวจสอบย้อนกลับ และส่งต่อไปยังการร่างเอกสาร การยกระดับประเด็นสำคัญ และการเตรียมเจรจาได้อย่างต่อเนื่อง

อย่างไรก็ตาม โมเดลที่เหมาะสมยังคงเป็นการทำงานภายใต้การกำกับของผู้เชี่ยวชาญ ไม่ใช่การปล่อยให้ AI ตัดสินใจแทนทีมดีลโดยอัตโนมัติ

ทำไม AI จึงเข้ามาอยู่ใจกลางงาน M&A

ทีม M&A ต้องรับมือกับเอกสารจำนวนมากใน data room หรือห้องข้อมูลอิเล็กทรอนิกส์ กรอบเวลาที่กระชั้น และข้อมูลหลายมิติ ทั้งด้านกฎหมาย การเงิน ธุรกิจ กฎระเบียบ และการดำเนินงาน

AI สามารถรับและจัดหมวดหมู่เอกสาร ดึงข้อกำหนดสำคัญออกมาเปรียบเทียบสัญญา ตรวจหาข้อมูลที่ขาดหาย และค้นหาความผิดปกติจากข้อมูลทั้งชุดของธุรกรรมได้

แรงกดดันของตลาดยิ่งทำให้ความสามารถดังกล่าวมีความสำคัญมากขึ้น โดย Mergermarket รายงานว่า มูลค่าดีล M&A ทั่วโลกในช่วง 6 เดือนแรกของปี 2026 อยู่ที่ 3.16 ล้านล้านดอลลาร์ เพิ่มขึ้น 44% เมื่อเทียบกับปีก่อน และเป็นสถิติสูงสุดสำหรับครึ่งปีแรก ขณะเดียวกัน บทวิเคราะห์จาก Columbia Law School ซึ่งอ้างอิงผลสำรวจของ Deloitte ในปี 2025 ระบุว่า บริษัทและกองทุนไพรเวตอิควิตีที่สำรวจ 97% ใช้ AI หรือระบบอัตโนมัติในการตรวจสอบสถานะกิจการ เพิ่มจาก 69% ในปี 2022

ในตลาดที่ดีลมีขนาดใหญ่และต้องเดินหน้าเร็วขึ้น ความได้เปรียบจึงไม่ได้อยู่ที่การตรวจเอกสารชุดเดิมด้วยจำนวนคลิกที่น้อยลงเท่านั้น แต่อยู่ที่การค้นพบความเสี่ยงซึ่งมีผลต่อการตัดสินใจได้เร็วขึ้น และเปิดเวลาให้ผู้เชี่ยวชาญอาวุโสใช้กับการตีความและการลงมือแก้ปัญหา

AI ทำอะไรได้บ้างตลอดวงจรของดีล

1. คัดกรอง data room และตรวจสอบสถานะกิจการ

AI ช่วยทีมดีลได้ในหลายงาน เช่น

• รับ จัดหมวดหมู่ และจัดระเบียบเอกสารใน data room
• ค้นหาเอกสารซ้ำ รวมถึงเอกสารที่ขาดหายหรือมีข้อมูลไม่สอดคล้องกัน
• สรุปเอกสารและดึงเงื่อนไขทางกฎหมายหรือเชิงพาณิชย์ที่สำคัญ
• ค้นหาข้อกำหนดเรื่องการเปลี่ยนแปลงอำนาจควบคุม การโอนสิทธิ การเลิกสัญญา สิทธิผูกขาด ความรับผิด ทรัพย์สินทางปัญญา ความเป็นส่วนตัว และกฎระเบียบ
• เปรียบเทียบสัญญาที่มีลักษณะใกล้เคียงกัน และแจ้งถ้อยคำที่ผิดจากมาตรฐานหรือไม่เป็นปกติ
• เชื่อมโยงข้อมูลจากเอกสารหลายฉบับเพื่อค้นหาความขัดแย้ง ช่องว่าง และความผิดปกติ
• จัดทำรายการประเด็น ตารางติดตามงาน และร่างบางส่วนของรายงานตรวจสอบสถานะกิจการ

งานเหล่านี้เหมาะกับ AI เพราะเป็นงานค้นหา จัดประเภท ดึงข้อมูล และเปรียบเทียบในปริมาณมาก แหล่งข้อมูลจากแวดวงกฎหมายและอุตสาหกรรมอธิบายกระบวนการดังกล่าวว่าเป็นการวิเคราะห์อัตโนมัติที่ต้องตามด้วยการตรวจสอบและตีความโดยมนุษย์

AI ยังช่วยตรวจจับ “หลักฐานที่ควรมีแต่ไม่พบ” ได้ด้วย ตัวอย่างเช่น หากรายงานประจำปีระบุว่าบริษัทขายอสังหาริมทรัพย์ไปแล้ว ระบบอาจค้นหาเอกสารประกอบที่ควรอยู่ใน data room และแจ้งว่ามีเอกสารสำคัญขาดหาย วิธีนี้ช่วยให้ทีมกำหนดคำขอข้อมูลและคำถามต่อฝ่ายบริหารได้ตรงจุดขึ้น

2. การร่างเอกสารและจัดการข้อมูลในดีล

เมื่อข้อมูลจากการตรวจสอบสถานะกิจการถูกจัดโครงสร้างและเชื่อมโยงกลับไปยังเอกสารต้นทาง ข้อมูลเหล่านั้นจะถูกนำไปใช้ในขั้นถัดไปได้ เช่น

• ร่างเอกสารมาตรฐานและเช็กลิสต์เบื้องต้น
• เตรียมข้อมูลสำหรับ disclosure schedules หรือตารางเปิดเผยข้อยกเว้นและข้อมูลประกอบสัญญา
• เปรียบเทียบข้อสัญญากับสัญญาอ้างอิง แบบฟอร์ม หรือ playbook ของทีม
• สรุป redline และการเปลี่ยนแปลงระหว่างร่างเอกสารแต่ละฉบับ
• ดึงข้อความเกี่ยวกับคำรับรองและรับประกัน หน้าที่ตามสัญญา และข้อยกเว้น
• ตรวจสอบย้อนกลับว่ามาตรการคุ้มครองที่เสนอขึ้นมาจากหลักฐานใด

คุณค่าทางกลยุทธ์อยู่ที่ “ความต่อเนื่องของข้อมูล” ประเด็นที่พบไม่ควรถูกเก็บไว้ในตารางตรวจสอบสถานะกิจการแล้วจบลงที่นั่น แต่ควรพร้อมใช้งานเมื่อทีมต้องตัดสินใจว่าจะขอคำรับรอง หน้าที่ตามสัญญา ความยินยอม ค่าสินไหมทดแทน เงื่อนไขก่อนปิดดีล หรือมาตรการคุ้มครองอื่นใด แหล่งข้อมูลเกี่ยวกับกระบวนการ M&A ในปัจจุบันมองว่าการส่งต่อข้อมูลจาก due diligence ไปสู่การร่างสัญญาและการเจรจา คือส่วนสำคัญของผลกระทบจาก AI

3. การเตรียมตัวสำหรับการเจรจา

AI สามารถจัดทำสรุปสำหรับทีมดีลจากเอกสารต้นทางที่ได้รับอนุมัติ สรุปการแก้ไขที่อีกฝ่ายเสนอ ระบุข้อแตกต่างจาก playbook และจัดกลุ่มประเด็นค้างตามหัวข้อหรือระดับความสำคัญ นอกจากนี้ยังช่วยเตรียมคำถามและถ้อยคำทางเลือกเพื่อให้มนุษย์ตรวจสอบได้

แต่สิ่งที่ AI ไม่ควรตัดสินใจเองคือเป้าหมายทางธุรกิจ ระดับความเสี่ยงที่ลูกค้ายอมรับได้ จุดยืนสำรอง หรือกลยุทธ์ต่อรอง เพราะเรื่องเหล่านี้ขึ้นอยู่กับบริบท เช่น ความสัมพันธ์กับฝ่ายบริหาร กำหนดเวลา แหล่งเงินทุน ความเสี่ยงด้านกฎระเบียบ สภาพการแข่งขัน และเป้าหมายโดยรวมของลูกค้า

บทบาทที่เปลี่ยนไปตามระดับประสบการณ์

ผู้ช่วยทนาย: งานรอบแรกที่มีโครงสร้างชัดเจน

AI เหมาะกับงานซ้ำ ๆ ที่เชื่อมโยงกับเอกสารต้นทางและเคยใช้เวลาของผู้ช่วยทนายจำนวนมาก ภายใต้กระบวนการที่กำหนดไว้ ผู้ช่วยทนายอาจใช้ AI เพื่อ

• ตรวจสัญญาตามข้อกำหนดที่ระบุไว้
• ดึงชื่อคู่สัญญา วันที่ เงื่อนไข ตัวเลขเกณฑ์ และข้อยกเว้น
• กรอกตารางติดตามประเด็น
• สรุปสัญญาและระบุข้อมูลที่ยังขาด
• เตรียมข้อมูลเบื้องต้นสำหรับ disclosure schedules
• ร่างคำถามตรวจสอบสถานะกิจการทั่วไปให้ทนายตรวจทาน

บทบาทของผู้ช่วยทนายไม่ได้หายไป แต่เปลี่ยนไปเน้นการตรวจว่าผลลัพธ์ครบถ้วนหรือไม่ ยืนยันว่าข้อสรุปสำคัญทุกข้อมีเอกสารรองรับ และยกระดับประเด็นที่คลุมเครือหรือมีข้อยกเว้นที่มีนัยสำคัญ

ทนายอาวุโส: ควบคุมคุณภาพและสังเคราะห์ข้อมูล

เมื่อกระบวนการทำงานเร็วขึ้น บทบาทของทนายอาวุโสยิ่งมีความสำคัญ โดยต้อง

• ทดสอบความถูกต้องและความสอดคล้องของผลลัพธ์จาก AI
• ตัดสินว่าประเด็นใดมีสาระสำคัญ
• สังเคราะห์ความเสี่ยงที่ปรากฏข้ามเอกสารหรือหลายสายงาน
• แปลงข้อค้นพบจาก due diligence ให้เป็นมาตรการคุ้มครองในสัญญา
• กำกับขั้นตอนการตรวจสอบและเส้นทางการยกระดับประเด็น
• แปลง playbook ของดีลให้เป็นคำสั่งและมาตรฐานตรวจสอบที่ชัดเจน

นี่คือชั้นงานที่เปลี่ยนการดึงข้อมูลดิบให้กลายเป็นการวิเคราะห์ทางกฎหมาย AI อาจระบุได้ว่าสัญญาฉบับหนึ่งกำหนดให้ต้องขอความยินยอม แต่ทนายอาวุโสต้องประเมินว่าข้อกำหนดนี้มีผลในทางปฏิบัติเพียงใด ขอความยินยอมได้หรือไม่ และควรส่งผลต่อดีลอย่างไร

หุ้นส่วน: คำแนะนำ การจัดสรรความเสี่ยง และกลยุทธ์

หุ้นส่วนสามารถใช้แผนผังประเด็น สรุปดีล และการวิเคราะห์ที่เชื่อมโยงกับเอกสารต้นทางจาก AI เพื่อมุ่งความสนใจไปที่คำแนะนำแก่ลูกค้าและการตัดสินใจที่มีมูลค่าสูง เช่น การจัดสรรความเสี่ยง การแลกเปลี่ยนผลประโยชน์ทางธุรกิจ จุดยืนในการเจรจา การยกระดับประเด็น และการประเมินว่าดีลยังน่าสนใจอยู่หรือไม่

AI อาจช่วยให้หุ้นส่วนเข้าถึงข้อเท็จจริงได้ดีขึ้น แต่ไม่ได้รับผิดชอบแทนคำแนะนำทางวิชาชีพ จุดควบคุมยังคงอยู่ที่ดุลยพินิจของผู้เชี่ยวชาญ

AI ทำให้ due diligence เร็วขึ้นได้แค่ไหน

ยังไม่มีตัวเลขสากลที่เชื่อถือได้สำหรับเวลาที่ประหยัดได้ หรือจำนวนบุคลากรที่ลดลงในงานตรวจสอบสถานะกิจการของบริษัท ผลลัพธ์ขึ้นอยู่กับคุณภาพและความครบถ้วนของ data room ประเภทและความซับซ้อนของดีล เกณฑ์การตรวจ เครื่องมือที่ใช้ และระดับการตรวจสอบโดยมนุษย์

บทวิเคราะห์ของ Berkeley รายงานว่า งานตรวจสอบด้านกฎหมายและการเงินบางประเภทมีประสิทธิภาพเพิ่มขึ้น 40–70% โดยย้ำว่าช่วงตัวเลขแตกต่างกันตามความซับซ้อนของดีลและคุณภาพข้อมูล แหล่งข้อมูลอื่นระบุถึงการลดเวลาการอ่าน การดึงข้อมูล และการรวบรวมข้อมูลอย่างมาก แต่ตัวเลขเหล่านี้ไม่ควรนำไปใช้เป็นเกณฑ์มาตรฐานเดียวกับทุกธุรกรรม

ข้อสรุปที่รอบคอบกว่าคือ AI สามารถย่นระยะงาน “ค้นหา จัดเรียง ดึงข้อมูล และเปรียบเทียบ” ในช่วงแรกของ due diligence ได้อย่างมีนัยสำคัญ ช่วยลดชั่วโมงทำงานของทนายในงานตรวจสอบบริษัทที่เป็นกิจวัตร และทำให้การวิเคราะห์ของผู้เชี่ยวชาญอาวุโสเริ่มต้นได้เร็วขึ้น แต่ไม่ได้ทำให้ความจำเป็นของการตรวจสอบด้านกฎหมาย ภาษี กฎระเบียบ การเงิน ไซเบอร์ ธุรกิจ หรือการดำเนินงานหมดไป

การตรวจรอบแรกที่เร็วขึ้นก็ไม่ได้หมายความว่าดีลจะปิดได้เร็วขึ้นเสมอไป เพราะการอนุมัติจากหน่วยงานกำกับ แหล่งเงินทุน การเจรจา เงื่อนไขก่อนลงนามหรือปิดดีล การตอบกลับจากคู่สัญญา และข้อมูลต้นทางที่ไม่ครบถ้วน ยังอาจเป็นปัจจัยบนเส้นทางวิกฤตของธุรกรรม

ผลต่อทีม M&A และสำนักงานกฎหมาย

ระยะเวลา

การพบประเด็นเร็วขึ้นช่วยให้ทีมขยับคำถามไปยังฝ่ายบริหาร การตัดสินใจเรื่องความเสี่ยง และการร่างเอกสารให้เร็วขึ้น แทนที่จะรอการดึงข้อมูลพื้นฐาน ทีมสามารถใช้เวลาไปกับประเด็นที่อาจกระทบราคา โครงสร้างดีล มาตรการคุ้มครอง หรือการดำเนินธุรกรรม

การจัดทีม

แนวโน้มสำคัญน่าจะเป็นการเปลี่ยนสัดส่วนของงาน มากกว่าการหายไปของทนาย M&A ทีมที่เล็กลงอาจรับผิดชอบงานตรวจรอบแรก ขณะที่ทนายและผู้เชี่ยวชาญย้ายไปทำงานวิเคราะห์ข้อยกเว้น การสังเคราะห์ข้อมูล และงานที่ต้องพบลูกค้าได้เร็วขึ้น แพลตฟอร์มตรวจเอกสารที่มี AI กำลังเปลี่ยนวิธีแบ่งความรับผิดชอบต่อเอกสารจำนวนมากในดีล

รูปแบบค่าบริการ

เมื่อการตรวจเอกสารปริมาณมากกลายเป็นงานที่ทำซ้ำและวัดผลได้ง่ายขึ้น การคิดค่าบริการรายชั่วโมงจะเผชิญแรงกดดันมากขึ้น ค่าบริการแบบเหมาจ่าย มีเพดาน แบ่งเป็นระยะ หรืออิงคุณค่า อาจจัดโครงสร้างได้ง่ายขึ้น แต่ต้องเกิดขึ้นพร้อมกับความสามารถของสำนักงานในการวัดผล กำกับกระบวนการ และรับรองคุณภาพของงานที่มี AI ช่วย

การฝึกทนายรุ่นใหม่

ระบบฝึกงานแบบเดิม ซึ่งให้ผู้ช่วยทนายเรียนรู้ธุรกรรมผ่านการอ่านเอกสารอย่างละเอียดทุกฉบับ จะไม่เพียงพออีกต่อไปเมื่อเครื่องจักรเข้ามาทำงานรอบแรกมากขึ้น สำนักงานกฎหมายต้องสอนอย่างเป็นระบบให้ทนายรุ่นใหม่สามารถ

• เชื่อมถ้อยคำในสัญญากับความเสี่ยงทางธุรกิจและกฎหมาย
• ตรวจสอบผลลัพธ์ของ AI เทียบกับเอกสารต้นทาง
• มองเห็นการตกหล่นและความมั่นใจที่เกินจริง
• แยกแยะระหว่างประเด็นที่ระบบแจ้งเตือนกับประเด็นที่มีสาระสำคัญ
• เปลี่ยนข้อค้นพบให้เป็นคำแนะนำและทางเลือกในการเจรจา

โจทย์ของการฝึกอบรมจึงไม่ใช่แค่การเรียนรู้วิธีเขียนพรอมต์ แต่คือการเรียนรู้วิธีใช้ดุลยพินิจที่ดีขึ้นเมื่อเข้าถึงข้อมูลได้เร็วขึ้น

ทำไมดุลยพินิจของมนุษย์ยังเป็นผู้ควบคุมดีล

AI ค้นหา จัดระเบียบ เปรียบเทียบ สรุป และเสนอทางเลือกได้ สามารถประมวลผลเอกสารได้มากกว่าทีมมนุษย์ในช่วงเวลาเดียวกัน และทำให้รูปแบบบางอย่างมองเห็นได้ง่ายขึ้น แต่ AI ก็อาจพลาดรายละเอียด เข้าใจบริบทผิด สร้างข้อผิดพลาด หรือให้คำตอบที่ดูเหมือนครบถ้วนทั้งที่ข้อมูลต้นทางไม่สมบูรณ์ การกำกับโดยมนุษย์จึงเป็นสิ่งจำเป็น

ผู้เชี่ยวชาญในดีลยังคงรับผิดชอบต่อการ

• กำหนดขอบเขต เป้าหมาย และข้อจำกัด
• ตรวจว่าข้อสรุปมีเอกสารต้นทางรองรับ
• ตีความข้อค้นพบตามบริบทข้อเท็จจริงและกฎหมายของธุรกรรม
• ตัดสินว่าประเด็นใดมีสาระสำคัญ
• เลือกว่าจะขอมาตรการคุ้มครองใด
• ประเมินระดับความเสี่ยงที่ลูกค้ายอมรับได้
• วางและดำเนินกลยุทธ์การเจรจา

โมเดลที่แข็งแกร่งที่สุดจึงเป็นกระบวนการที่มนุษย์เป็นผู้นำ โดยให้ AI รับผิดชอบเรื่องขนาดและโครงสร้างของข้อมูล ขณะที่ทนายและผู้เชี่ยวชาญเป็นผู้เติมบริบท ความรับผิดชอบ และดุลยพินิจ

AI กำลังกลายเป็นโครงสร้างพื้นฐานของ M&A ไม่ใช่เพราะสามารถแทนที่ผู้เชี่ยวชาญได้ แต่เพราะช่วยให้ความสนใจของผู้เชี่ยวชาญถูกนำไปใช้กับจุดที่สำคัญที่สุดของดีลได้ตรงเป้ามากขึ้น