Rusty Wiley, CEO और President of Datasite – साक्षात्कार श्रृंखला

Rusty Wiley, CEO और President of Datasite, ने 2014 से कंपनी का नेतृत्व किया है, और इसे Merrill Corporation से, जो मुख्यतः वित्तीय संचार और प्रिंट‑संबंधित सेवाओं पर केंद्रित था, एक वैश्विक सॉफ़्टवेयर‑एज़‑ए‑सर्विस (SaaS) कंपनी में बदल दिया है जो विलय एवं अधिग्रहण (M&A) और रणनीतिक लेन‑देनों पर फोकस करती है। Datasite में शामिल होने से पहले, Wiley ने IBM में सात से अधिक वर्ष बिताए, जहाँ उन्होंने बैंकिंग और फाइनेंशियल मार्केट्स के जनरल मैनेजर तथा मैनेजिंग पार्टनर के रूप में कार्य किया, और वित्तीय सेवाओं, एंटरप्राइज़ तकनीक और व्यापार परिवर्तन में व्यापक अनुभव अर्जित किया।

Datasite एक वैश्विक प्रौद्योगिकी प्लेटफ़ॉर्म है जो M&A जीवन‑चक्र के सभी चरणों—डील सोर्सिंग, तैयारी, ड्यू डिलिजेंस, फाइनेंसिंग, पुनर्गठन और लेन‑देन‑पश्चात प्रक्रियाओं—में डील‑मेकरों का समर्थन करता है। इसका प्लेटफ़ॉर्म सुरक्षित वर्चुअल डेटा रूम को विशेष रूप से निर्मित कृत्रिम बुद्धिमत्ता क्षमताओं के साथ जोड़ता है, जिनमें स्वचालित रेडैक्शन, सिमैंटिक सर्च, दस्तावेज़ सारांश, अनुवाद, AI‑सहायता प्राप्त Q&A, और डील ओरिजिनेशन इंटेलिजेंस शामिल हैं। Datasite के अनुसार, इसकी तकनीक 626,000 से अधिक डील‑मेकरों और वार्षिक 16,000 से अधिक लेन‑देनों को समर्थन देती है, जिससे निवेश बैंक, प्राइवेट इक्विटी फर्म, कॉरपोरेशन और लॉ फर्म को जटिल लेन‑देनों और संवेदनशील जानकारी को सुरक्षित रूप से प्रबंधित करने का वातावरण मिलता है।

आपने 2014 में IBM में बैंकिंग और फाइनेंशियल मार्केट्स के नेतृत्व के बाद Datasite में शामिल होकर इसे वित्तीय संचार और प्रिंट व्यवसाय से एक वैश्विक M&A सॉफ़्टवेयर प्लेटफ़ॉर्म में बदलने में मदद की। इस अनुभव ने आपके इस विश्वास को कैसे आकार दिया कि डील‑मेकिंग का अगला चरण पारंपरिक वर्चुअल डेटा रूम की बजाय AI एजेंट्स के आसपास बनेगा?

जब मैं 2014 में Datasite आया, तो वर्चुअल डेटा रूम वित्तीय लेन‑देनों के केंद्र में था। इसने संवेदनशील जानकारी को भौतिक कमरों से हटाकर एक सुरक्षित, खोज योग्य डिजिटल वातावरण में स्थानांतरित करके डील‑मेकिंग को पहले ही बदल दिया था। अगले दशक में यह स्पष्ट हो गया कि डेटा रूम एक बड़े बदलाव की नींव भी बना रहा है।

जैसे‑जैसे हमारा पैमाना बढ़ा, अवसर भी बढ़ा। आज Datasite लगभग 55,000 लेन‑देनों का समर्थन करता है, जिससे हमें डील‑वर्क कैसे होता है, इसका अनोखा दृश्य मिलता है। इस मात्रा पर हम केवल दस्तावेज़ नहीं, बल्कि वर्कफ़्लो, पैटर्न और हर लेन‑देन के आसपास की हजारों दोहराव वाली कार्यों को देखते हैं। यही AI और ऑटोमेशन को लागू करके टीमों को जानकारी से कार्रवाई तक बहुत तेज़ी से ले जाने का विशाल अवसर बनाता है। वास्तव में, हम यह पहले ही देख रहे हैं। हालिया Datasite शोध, The New Deal Team दर्शाता है कि जो फर्म AI को नज़रअंदाज़ करती हैं, वे पाँच वर्षों में प्रतिस्पर्धा करने में संघर्ष करेंगी, और अधिकांश डील‑मेकर कहते हैं कि जटिल लेन‑देनों में केवल मानव निर्णय पर निर्भर रहना अब उचित नहीं रहा।

इसीलिए अगला चरण विश्वसनीय बुनियादी ढाँचे के ऊपर बुद्धिमत्ता और ऑटोमेशन बनाना है। AI जानकारी का विश्लेषण कर सकता है, जोखिम और अवसर उजागर कर सकता है, संस्थागत ज्ञान को लाइव लेन‑देन डेटा से जोड़ सकता है, और धीरे‑धीरे बहु‑चरणीय वर्कफ़्लो को निष्पादित कर सकता है जो आज डील टीम के समय का बड़ा हिस्सा लेते हैं। एजेंट निरंतर जानकारी की निगरानी कर सकते हैं, विश्लेषण कर सकते हैं, और काम को आगे बढ़ा सकते हैं जबकि लोग निर्णय‑लेना, बातचीत करना और परिणाम निर्धारित करने वाले निर्णयों पर ध्यान केंद्रित करते रहें।

इन कारणों से डेटा रूम अगली पीढ़ी की डील‑मेकिंग की नींव हैं। दस्तावेज़, अनुमतियाँ, सुरक्षा और सहयोग परत अभी भी महत्वपूर्ण हैं। AI इस बुनियादी ढाँचे को अधिक मूल्यवान बनाता है क्योंकि वह जानकारी के संदर्भ को समझ सकता है और उस पर कार्रवाई कर सकता है। हम पहले ही देख रहे हैं कि यह मॉडल डेटा रूम से परे विस्तार कर रहा है, जहाँ Datasite की सामग्री सुरक्षित रूप से AI‑संचालित वर्कफ़्लो में प्रवाहित हो रही है जबकि मौजूदा अनुमतियाँ बरकरार हैं।

आपने Datasite के भविष्य को M&A के लिए AI‑नेटिव ऑपरेटिंग सिस्टम के रूप में वर्णित किया है। एक ऐसा ऑपरेटिंग सिस्टम जो डील वर्कफ़्लो को निष्पादित कर सकता है, वह केवल दस्तावेज़ खोज, सारांश या संवादात्मक सहायक जोड़ने वाले वर्चुअल डेटा रूम से कैसे अलग है?

खोज और सारांश वास्तव में उपयोगी हैं, लेकिन वे एक समय में केवल एक दस्तावेज़ पर काम करते हैं, और केवल उस प्रश्न का उत्तर देते हैं जो कोई पूछता है—जो लेन‑देन के भीतर की जटिलता को देखते हुए एक सीमा है। प्रत्येक डील में सैकड़ों परस्पर जुड़े कार्य एक साथ चलते हैं, जैसे ड्यू डिलिजेंस अनुरोध, प्रबंधन प्रस्तुति, कानूनी समीक्षा, फाइनेंसिंग वर्कस्ट्रीम और अनुमोदन; जिनमें विभिन्न लोग विभिन्न अनुमतियों के साथ विभिन्न समय‑सीमाओं के तहत काम करते हैं। अनुभवी बैंकर ई‑मेल थ्रेड और मंगलवार को अपडेट किए गए ट्रैकर से डील की स्थिति पुनः बनाते हैं, और गुरुवार तक वह डेटा पहले ही पुराना हो जाता है।

एक ऑपरेटिंग सिस्टम वह स्थिति रखता है जिससे वह जुड़े डेटा को वास्तविक‑समय में अपडेट करता है, यह जानता है कि कौन‑सा वर्कस्ट्रीम पीछे है, कौन‑सा अनुरोध छह दिन से बिना उत्तर के बैठा है, और कौन‑सी जानकारी पिछले हफ़्ते फाइल की गई जानकारी से टकराती है। एक बार सिस्टम वास्तव में यह समझ लेता है, तो वह किसी को पूछने से पहले काम तैयार कर सकता है, प्रक्रिया जहाँ रुक गई है उसे चिन्हित कर सकता है और उन पक्षों के बीच अगला कदम समन्वयित कर सकता है जो उस क्षण सीधे संवाद नहीं कर रहे हैं।

इसी कारण बातचीत बहुत जल्दी इस दिशा में बदल गई है कि AI M&A में कहाँ फिट बैठता है, न कि केवल इसका अस्तित्व। हमारे शोध में 96% डील‑मेकर पहले ही AI का उपयोग या अन्वेषण कर रहे हैं स्रोत और स्क्रीनिंग में, और ड्यू डिलिजेंस सबसे स्पष्ट उपयोग‑केस बन गया है, जहाँ आधे डील‑मेकर नियमित रूप से AI का उपयोग करते हैं या इसे प्रक्रिया में पूरी तरह एम्बेड कर चुके हैं। बात यह है कि उद्योग शुरुआती चरण से आगे निकल चुका है, और लाभ उन फर्मों को मिलेगा जो AI को केवल एक टूल से एक नियंत्रित ऑपरेटिंग लेयर में बदल सकते हैं।

एक M&A एजेंट के प्रदर्शन के लिए स्वामित्व‑आधारित लेन‑देन डेटा, सबसे शक्तिशाली जनरल‑पर्पज़ बड़े भाषा मॉडल तक पहुँच से अधिक क्यों महत्वपूर्ण होगा? कौन‑से संकेत एजेंट को यह समझने में मदद करते हैं कि वास्तविक लेन‑देन कैसे प्रगति कर रहा है, न कि केवल व्यक्तिगत दस्तावेज़ों की व्याख्या?

फ़ाउंडेशन मॉडल अद्भुत हैं और लगातार सुधार रहे हैं, लेकिन वे सभी कंपनियों को एक साथ उपलब्ध होते हैं। आज सबसे बेहतर मॉडल का लाभ जो भी फर्म प्राप्त करती है, उसका शेल्फ‑लाइफ़ छोटा होता है जब पड़ोसी प्रतिस्पर्धी उसी समय पहुँच प्राप्त कर लेता है, या कुछ हफ़्ते बाद नया मॉडल घोषित हो जाता है।

स्वामित्व‑आधारित संदर्भ उसी तरह व्यापक रूप से उपलब्ध नहीं होता, और यही वह जगह है जहाँ टिकाऊ अंतर और प्रतिस्पर्धात्मक लाभ स्थित है। अनुबंधों और वित्तीय विवरणों के नीचे खरीदारों, विक्रेताओं, सलाहकारों और प्रबंधन टीमों के बीच हजारों इंटरैक्शन होते हैं, और उन इंटरैक्शन की क्रमबद्धता का वास्तविक अर्थ होता है। दस्तावेज़ अपलोड होने का क्रम आपको यह बताता है कि विक्रेता कितनी तैयार है, जैसे कि ड्यू डिलिजेंस प्रश्न का तीसरे दौर में अधिक स्पष्ट उत्तर यह दर्शाता है कि खरीदार की वास्तविक चिंता कहाँ है, और वह वर्कस्ट्रीम जहाँ प्रतिक्रिया समय चुपचाप दोगुना हो गया है, वह संकेत देता है कि कुछ गड़बड़ हो गई है, इससे पहले कि कोई इसे कहे।

यह वही बुद्धिमत्ता है जो एक एजेंट को पूरी M&A प्रक्रिया में वास्तव में उपयोगी बनाती है। दस्तावेज़ को अच्छी तरह पढ़ना एक क्षमता है, और यह धीरे‑धीरे एक कमोडिटी बन रहा है। यह पहचानना कि डील तीन हफ़्ते पहले ही ढल रही है, जबकि कोई अभी तक इसे ज़ोर से नहीं कह रहा, बिल्कुल अलग बात है, और यह वास्तविक लेन‑देनों के दशकों के अवलोकन से आता है, न कि सार्वजनिक जानकारी पर प्रशिक्षण से।

एक एजेंट संभावित रूप से लक्ष्य प्रोफ़ाइल तैयार कर सकता है, हजारों दस्तावेज़ों की समीक्षा कर सकता है, विरोधाभासी खुलासों की पहचान कर सकता है और ड्यू डिलिजेंस वर्कफ़्लो को समन्वयित कर सकता है। इन गतिविधियों में से कौन‑सी आज एजेंट भरोसेमंद रूप से कर सकते हैं, और कौन‑सी अभी भी स्पष्ट मानव अनुमोदन की आवश्यकता रखती हैं?

कई फर्मों के लिए एजेंटिक AI पहले ही विशाल मात्रा में जानकारी को व्यवस्थित कर रहा है, दस्तावेज़ों में असंगतियों की तुलना कर रहा है, संभावित जोखिम उजागर कर रहा है, ड्यू डिलिजेंस सारांश तैयार कर रहा है, और नियमित वर्कफ़्लो को चलाते हुए टीम की गति को तेज़ कर रहा है, जो मैन्युअल रूप से संभव नहीं है। डील‑मेकर इस बात से सहज हो रहे हैं क्योंकि ये वही क्षेत्र हैं जहाँ AI घर्षण को हटाकर निर्णय‑लेने वाले लोगों से न्याय नहीं लेता। हमारे शोध में 46% डील‑मेकर कहते हैं कि AI पहले ही लक्ष्य पहचान और लाँग‑और‑शॉर्ट लिस्ट बनाने में अग्रणी है, जबकि 45% वही कहते हैं कि ड्यू डिलिजेंस में जोखिम‑संकेत पहचान में AI अग्रणी है। अधिक महत्वपूर्ण बात यह है कि डील‑मेकर व्यावसायिक मूल्य देख रहे हैं, न कि केवल दक्षता। Datasite के शोध में लगभग एक चौथाई उत्तरदाताओं ने कहा कि AI ने उन्हें ऐसा डील पूरा करने में मदद की जो अन्यथा छूट जाता, और दो‑तिहाई ने कहा कि जीवन‑चक्र में AI का उपयोग लेन‑देन को जोखिम‑मुक्त करने का एक महत्वपूर्ण तरीका है।

जैसे‑जैसे आप क्लोज़ की ओर बढ़ते हैं, परिदृश्य स्पष्ट रूप से बदलता है। केवल 22% डील‑मेकर कहते हैं कि वे AI‑जनित सिफ़ारिश पर साइन‑ऑफ़ के लिए आगे बढ़ेंगे, जबकि 45% मानते हैं कि साइन‑ऑफ़ पूरी तरह मानव निर्णय होना चाहिए। अंतर्ज्ञान सही है। हर अधिग्रहण भरोसे पर निर्भर करता है। क्या आप इस प्रबंधन टीम पर इतना भरोसा करते हैं कि उन्हें पूँजी प्रदान की जाए? क्या आप उन जोखिमों के साथ सहज हैं जो ड्यू डिलिजेंस पूरी तरह हल नहीं कर पाया? इन प्रश्नों के लिए निर्णय‑लेना आवश्यक है, और उससे भी महत्वपूर्ण, उत्तर के लिए कोई जिम्मेदार होना चाहिए। AI आपको तेज़ और बेहतर निर्णय लेने में मदद करनी चाहिए, लेकिन वह निर्णय‑निर्माता नहीं होना चाहिए। इसलिए ऐसे टूल जो नियंत्रित AI पर आधारित हों, जिसमें अनुमतिप्राप्त सामग्री, स्रोत‑समर्थित उत्तर, वर्कफ़्लो संदर्भ और जहाँ निर्णय‑लेना और जवाबदेही सबसे महत्वपूर्ण है, वहाँ मानव अनुमोदन शामिल हो, बहुत महत्वपूर्ण हैं।

आप एक एजेंटिक डील रूम को प्रॉम्प्ट इंजेक्शन, अनधिकृत डेटा निकासी, समझौता किए गए दस्तावेज़, या उपयोगकर्ता की अधिकार सीमा से बाहर की कार्रवाइयों जैसे जोखिमों से कैसे बचाते हैं?

गलती यह है कि सुरक्षा को AI लागू करने के बाद एक अतिरिक्त परत माना जाता है। M&A में सुरक्षा और गवर्नेंस को शुरुआत से ही एम्बेड किया जाना चाहिए क्योंकि मूल जानकारी अत्यधिक संवेदनशील और अक्सर बाजार‑परिवर्तनकारी होती है।

हर लेन‑देन में ऐसी सामग्री होती है जो कभी सार्वजनिक नहीं हो सकती—वित्तीय प्रदर्शन, बौद्धिक संपदा, ग्राहक संबंध और रणनीतिक योजनाएँ। उस वातावरण में कार्य करने वाला कोई भी एजेंट वही गवर्नेंस फ्रेमवर्क अपनाना चाहिए जो लेन‑देन को स्वयं सुरक्षित रखता है। उसे उपयोगकर्ता की अनुमतियों से परे जानकारी तक पहुँच नहीं मिलनी चाहिए, जिसका अर्थ है पहचान और अधिकार डेटा लेयर पर लागू होने चाहिए, न कि प्रॉम्प्ट पर छोड़ें। हर कार्रवाई लॉग होनी चाहिए, हर सिफ़ारिश को स्रोत दस्तावेज़ से ट्रेस किया जाना चाहिए, और हर स्वचालित वर्कफ़्लो को उस व्यक्ति के अधिकार से विरासत में मिलना चाहिए जिसने उसे शुरू किया, बिना उससे अधिक हुए। इसलिए हमने अपना MCP server सुरक्षा‑पहले बनाया है। बाजार भी इसी दिशा में बढ़ रहा है। हमारे शोध में सटीकता और सुरक्षा AI गुणों में डील‑मेकरों द्वारा सबसे अधिक मूल्यांकित थे, जहाँ सुरक्षा EMEA और APAC में उत्तरदाताओं द्वारा प्रथम स्थान पर थी। M&A में भरोसा उत्पाद अनुभव से अलग नहीं है—यह उत्पाद को उपयोगी बनाता है।

हैलुसिनेशन विशेष रूप से खतरनाक होते हैं जब AI सिस्टम अनुबंध, वित्तीय विवरण और नियामक खुलासों का विश्लेषण कर रहा हो। एक M&A एजेंट को अनिश्चितता कैसे संप्रेषित करनी चाहिए, अपने निष्कर्षों के लिए प्रमाण कैसे प्रदान करना चाहिए, और कब मुद्दे को बैंकर, वकील या विषय‑विशेषज्ञ को एस्केलेट करना चाहिए?

M&A में, यदि दो दस्तावेज़ एक‑दूसरे के विरुद्ध हैं, तो वह विरोधाभास ही खोज है। यदि किसी प्रश्न का उत्तर कमरे में मौजूद दस्तावेज़ों और डेटा के आधार पर उपलब्ध नहीं है, तो वह सूचना‑अभाव भी एक खोज है, और अक्सर उत्तर से अधिक महत्वपूर्ण होती है।

हर AI सिस्टम को M&A में केवल साक्ष्य‑आधारित होना चाहिए, क्योंकि हर निष्कर्ष को मूल दस्तावेज़ से जोड़ना चाहिए, विरोधी जानकारी को स्पष्ट रूप से उजागर करना चाहिए न कि चुपचाप मिलाना चाहिए, और कम भरोसे को आउटपुट में पारदर्शी रूप से व्यक्त करना चाहिए। उद्योग पहले ही इस अनुशासन को बना रहा है, जो मुझे उत्साहित करता है।

साक्ष्य वह बिंदु है जहाँ बातचीत शुरू होनी चाहिए। सटीकता हमारे शोध में डील‑मेकरों द्वारा सबसे महत्वपूर्ण गुण थी, और फर्मों द्वारा भरोसा बनाने का सबसे आम तरीका अभी भी AI‑जनित आउटपुट की मानव समीक्षा है। एक आत्मविश्वासी लेकिन बिना समर्थन वाला उत्तर लेन‑देन में खतरनाक है। वही उत्तर जो पूर्ण लग रहा है लेकिन चुपचाप अनिश्चितता को नज़रअंदाज़ करता है, वह भी जोखिमपूर्ण है। मैं यह भी देखता हूँ कि एक चौथाई डील‑मेकर उम्मीद करते हैं कि AI का गलत उपयोग अगले पाँच वर्षों में कई उच्च‑मूल्य वाले लेन‑देनों को नष्ट कर देगा। यह याद दिलाता है कि जोखिम केवल AI न उपयोग करने में नहीं, बल्कि बिना उचित नियंत्रण, प्रमाण और एस्केलेशन बिंदुओं के AI उपयोग करने में है। मेरा मानना है कि AI डील‑प्रोफेशनलों को अत्यधिक विस्तृत पहला पास देता है, शोध और प्रमाण व्यवस्थित करके, लेकिन वह प्रमाण क्या दर्शाता है और आगे क्या होना चाहिए, यह अभी भी मानव निर्णय का मामला है।

आपने कहा है कि छोटे, AI‑सक्षम डील टीम बड़े पारंपरिक टीमों के साथ प्रतिस्पर्धा कर सकते हैं। यह लेन‑देनों की अर्थव्यवस्था और स्टाफिंग को कैसे बदल सकता है, और उन जूनियर भूमिकाओं का क्या होगा जिनके माध्यम से बैंकर और वकील traditionally डील‑मेकिंग की बुनियादी बातें सीखते हैं?

प्रौद्योगिकी की हर पीढ़ी काम की संरचना को बदलती है, न कि लोगों की आवश्यकता को समाप्त करती है, और यही M&A में भी हो रहा है। जूनियर बैंकर, वकील और विश्लेषक historically हजारों घंटे दस्तावेज़ समीक्षा, ट्रैकर अपडेट, ड्यू डिलिजेंस अनुरोधों का आयोजन और सामग्री तैयार करने में बिताते थे। AI को 2 am के काम‑साइकल को कम करना चाहिए क्योंकि वह भारी काम का बोझ उठा सकता है। उत्पादकता की संभावनाएँ वास्तविक हैं। लेकिन अधिक महत्वपूर्ण प्रश्न यह है कि फर्में इस बची हुई समय को कैसे उपयोग करेंगी।

जूनियर प्रोफेशनलों को अभी भी निर्णय‑लेना, बातचीत में भाग लेना और अनुभवी डील‑मेकरों की सोच सीखना आवश्यक है। यदि AI प्रशासनिक जानकारी‑संकलन को संभाल ले, तो दूसरा‑साल का एसोसिएट सार्थक कार्यों में भाग ले सकता है और उन महत्वपूर्ण चर्चाओं में बैठ सकता है जो व्यापार‑महत्वपूर्ण निर्णयों की ओर ले जाती हैं, वह भी मेरे पीढ़ी से बहुत पहले। जो फर्में इसे सही ढंग से संभालेंगी, वे बचाए गए समय को अपने लोगों में पुनः निवेश करेंगी, न कि केवल मार्जिन के रूप में लेगी।

उद्योग को M&A एजेंट का मूल्यांकन करने के लिए कौन‑से बेंचमार्क उपयोग करने चाहिए? क्या प्रदर्शन को दस्तावेज़‑समीक्षा सटीकता, ड्यू डिलिजेंस में पाए गए मुद्दे, फॉल्स‑पॉज़िट दर, वर्कफ़्लो पूर्णता, डील‑समय में कमी या लेन‑देन के अंतिम परिणाम की गुणवत्ता के माध्यम से मापा जाना चाहिए?

ऑपरेशनल मीट्रिक महत्वपूर्ण हैं, और हम सभी को ट्रैक करते हैं ताकि यह सुनिश्चित हो सके कि हम जो भी टूल लागू करते हैं वह प्रभावी और सटीक है। हालांकि, ये केवल यह मापते हैं कि AI ने अपना कार्य सही ढंग से किया या नहीं। ग्राहक यह जानना चाहते हैं कि AI का उपयोग करने से डील स्वयं बेहतर हुई या नहीं।

मेरे लिए अधिक उपयोगी बेंचमार्क ऐसे हैं: क्या सिस्टम ने ऐसा जोखिम उजागर किया जो अन्यथा छूट जाता, क्या टीम ने पहले से अधिक अवसरों का मूल्यांकन किया, क्या ड्यू डिलिजेंस छोटा हुआ लेकिन गहरा नहीं, और क्या वरिष्ठ लोग अधिक समय बातचीत में और कम समय जानकारी खोजने में बिताते हैं। हमारे पास इस दिशा में कुछ प्रमाण भी हैं। हमारे शोध से पता चलता है कि 24% डील‑मेकर कहते हैं कि AI ने उन्हें ऐसा डील पूरा करने में मदद की जो अन्यथा छूट जाता, और 66% कहते हैं कि जीवन‑चक्र में AI का उपयोग लेन‑देन को जोखिम‑मुक्त करने का एक महत्वपूर्ण तरीका है।

Datasite का H1 2026 रिपोर्ट दर्शाता है कि वैश्विक डील‑किकऑफ़ वर्ष‑दर‑वर्ष 31% बढ़े, जिसमें अमेरिका में 52% की वृद्धि, यूरोप, मध्य‑पूर्व और अफ्रीका में 13% और एशिया‑पैसिफिक में 4% की वृद्धि रही। इस क्षेत्रीय अंतर का कारण क्या है, और क्या एजेंटिक प्रौद्योगिकी तक पहुँच बाजारों के बीच उत्पादकता अंतर को बढ़ा या घटा सकती है?

डेटा उन कई डील‑मेकरों की भावना को प्रतिबिंबित करता है जो पिछले कुछ महीनों में महसूस कर रहे थे, कि अमेरिका में आत्मविश्वास तेज़ी से वापस आया, वित्तीय स्थितियों और संपत्तियों को बाजार में लाने की अधिक इच्छा से समर्थित। दिलचस्प बात यह है कि APAC में केवल 4% की सबसे धीमी किकऑफ़ वृद्धि रही, फिर भी APAC के डील‑मेकर हमारे शोध के अनुसार AI अपनाने में सबसे अधिक सक्रिय हैं। वे स्रोत‑से‑स्रोत उत्तरों, वर्कफ़्लो संदर्भ और मानव अनुमोदन के साथ AI‑संचालित डील पर्यावरण में सबसे अधिक भरोसा रखते हैं। मेरा मानना है कि सीमित डील‑फ़्लो और कम कर्मचारियों वाले क्षेत्रों में AI अपनाने की प्रेरणा अधिक है, क्योंकि हर पेशेवर से अधिक उत्पादन निकालने का प्रोत्साहन बढ़ जाता है।

बिल्कुल, प्रौद्योगिकी लेन‑देनों को नहीं बना सकती। यह ब्याज दरों को नहीं बदलती, न ही नियामक समीक्षा को छोटा करती है। लेकिन यह प्रत्येक टीम की उत्पादकता को बढ़ा सकती है, और यह क्षमता हेडकाउंट की तुलना में बहुत तेज़ी से स्केल करती है, इसलिए समय के साथ मैं उम्मीद करता हूँ कि AI बाजारों के बीच उत्पादकता अंतर को घटाएगा, न कि बढ़ाएगा।

Datasite की Insight रिपोर्ट यह भी दर्शाती है कि कई बाजारों में टीमें लेन‑देनों को तेज़ी से शुरू कर रही हैं, जबकि ड्यू डिलिजेंस अभी भी लंबी है, जिसमें एशिया‑पैसिफिक में 238 दिनों का मध्य मान है। कौन‑से शेष बाधाएँ AI एजेंट्स के लिए सबसे उपयुक्त हैं, और कौन‑सी मूलतः बातचीत, नियमन, फाइनेंसिंग शर्तों या मानव निर्णय‑लेने से जुड़ी हैं?

डील शुरू करना काफी तेज़ हो गया है क्योंकि फर्मों के पास बेहतर डेटा, अधिक स्वचालित प्रक्रियाएँ और अवसरों की जल्दी पहचान है। ड्यू डिलिजेंस अलग है क्योंकि यही वह जगह है जहाँ जटिलता इकट्ठा होती है, और जटिलता मात्रा की तरह संकुचित नहीं होती। ड्यू डिलिजेंस अभी भी APAC क्षेत्र में 238 दिनों के मध्य मान पर चलता है, और मेरे अनुभव में, उस समय का अधिकांश हिस्सा विश्लेषण में नहीं, बल्कि समन्वय में जाता है—जैसे बदलते अनुरोधों, कई सलाहकारों और बदलती प्राथमिकताओं के खिलाफ दस्तावेज़ों का मिलान।

हालाँकि, ड्यू डिलिजेंस वही क्षेत्र है जहाँ एजेंट्स को अनुकूलित किया गया है। वे वर्कस्ट्रीम की प्रगति की निगरानी कर सकते हैं, क्या कमी है पहचान सकते हैं, दस्तावेज़ों के बीच असंगतियों को उजागर कर सकते हैं और टीम के पूछने से पहले फॉलो‑अप सामग्री तैयार कर सकते हैं। इसलिए हमारे उत्तरदाता ड्यू डिलिजेंस को वह चरण मानते हैं जहाँ AI सबसे अधिक निवेश पर रिटर्न देता है, और केवल 4% ही इसे पूरी तरह न इस्तेमाल करने का चयन करते हैं।

AI के पास निश्चित रूप से सीमाएँ हैं। लोग अभी भी भरोसा बनाते हैं, जोखिम‑इनाम का मूल्यांकन करते हैं और तय करते हैं कि डील कीमत के लायक है या नहीं। हमारे शोध में सबसे प्रमुख निष्कर्ष, कम से कम मेरे लिए, यह था कि डील‑मेकर AI को निर्णय‑लेने को बदलने के बजाय निर्णय‑लेने को तेज़ और बेहतर जानकारी‑आधारित बनाने के रूप में देखते हैं। जबकि प्रक्रिया और प्रशासनिक कार्य अधिक तकनीक की ओर बढ़ते हैं, वे बातचीत जो केवल लोग कर सकते हैं, डील‑जीवन‑चक्र में सबसे मूल्यवान घंटे बन जाती हैं।

धन्यवाद इस शानदार साक्षात्कार के लिए, अधिक जानने के इच्छुक पाठकों को Datasite पर जाना चाहिए।