Rusty Wiley, CEO dan Presiden Datasite – Seri Wawancara

Rusty Wiley, CEO dan Presiden Datasite, telah memimpin perusahaan sejak 2014, mengawasi transformasinya dari Merrill Corporation, sebuah bisnis yang sebagian besar berfokus pada komunikasi keuangan dan layanan terkait cetak, menjadi perusahaan perangkat lunak sebagai layanan (SaaS) global yang berfokus pada merger dan akuisisi (M&A) serta transaksi strategis. Sebelum bergabung dengan Datasite, Wiley menghabiskan lebih dari tujuh tahun di IBM, di mana ia menjabat sebagai General Manager Banking and Financial Markets dan Managing Partner, membangun pengalaman luas di layanan keuangan, teknologi perusahaan, dan transformasi bisnis.

Datasite adalah platform teknologi global yang dirancang untuk mendukung para pelaku transaksi sepanjang siklus hidup M&A, termasuk pencarian kesepakatan, persiapan, due diligence, pembiayaan, restrukturisasi, dan proses pasca-transaksi. Platformnya menggabungkan ruang data virtual yang aman dengan kemampuan kecerdasan buatan yang dirancang khusus, termasuk redaksi otomatis, pencarian semantik, rangkuman dokumen, terjemahan, Q&A berbantu AI, dan intelijen origination kesepakatan. Datasite menyatakan teknologinya mendukung lebih dari 626.000 pelaku transaksi dan lebih dari 16.000 transaksi setiap tahun, menyediakan bank investasi, firma ekuitas swasta, korporasi, dan firma hukum dengan lingkungan aman untuk mengelola transaksi kompleks dan informasi sensitif.

Anda bergabung dengan Datasite pada tahun 2014 setelah memimpin banking dan financial markets di IBM dan kemudian membantu mengubah Datasite dari bisnis komunikasi keuangan dan percetakan menjadi platform perangkat lunak merger dan akuisisi global. Bagaimana pengalaman itu membentuk keyakinan Anda bahwa fase berikutnya dalam proses transaksi akan dibangun di sekitar agen AI daripada ruang data virtual tradisional?

Ketika saya bergabung dengan Datasite pada tahun 2014, ruang data virtual berada di pusat transaksi keuangan. Ia sudah mengubah cara bertransaksi dengan memindahkan informasi sensitif dari ruang fisik ke lingkungan digital yang aman dan dapat dicari. Yang menjadi jelas selama dekade berikutnya adalah bahwa ruang data tersebut juga menciptakan fondasi untuk sesuatu yang jauh lebih besar.

Seiring skala kami berkembang, begitu pula peluangnya. Saat ini Datasite mendukung sekitar 55.000 transaksi per tahun, memberi kami pandangan unik tentang bagaimana pekerjaan transaksi terjadi. Pada volume tersebut, kami melihat lebih dari sekadar dokumen. Kami melihat alur kerja, pola, dan ribuan tugas berulang yang mengelilingi setiap transaksi. Hal itu menciptakan peluang besar untuk menerapkan AI dan otomasi guna membantu tim beralih dari informasi ke tindakan jauh lebih cepat. Faktanya, kami sudah melihat hal ini terjadi. Penelitian terbaru Datasite, The New Deal Team, menunjukkan bahwa perusahaan yang mengabaikan AI akan kesulitan bersaing dalam lima tahun, dan sebagian besar pelaku transaksi mengatakan mengandalkan keputusan manusia saja tidak lagi dapat dipertahankan dalam transaksi yang kompleks.

Itulah mengapa fase berikutnya adalah membangun kecerdasan dan otomasi di atas infrastruktur yang dapat dipercaya tersebut. AI dapat menganalisis informasi, mengungkap risiko dan peluang, menghubungkan pengetahuan institusional dengan data transaksi langsung, dan semakin dapat mengeksekusi alur kerja multi-tahap yang saat ini menyerap banyak waktu tim transaksi. Agen dapat terus memantau informasi, melakukan analisis, dan memajukan pekerjaan sementara orang tetap fokus pada penilaian, negosiasi, dan keputusan yang menentukan hasil.

Mengingat hal ini, ruang data menjadi fondasi bagi generasi berikutnya dalam proses transaksi. Dokumen, izin, keamanan, dan lapisan kolaborasi tetap krusial. AI membuat fondasi tersebut jauh lebih berharga karena dapat memahami konteks di sekitar informasi dan bertindak atasnya. Kami sudah melihat model ini melampaui ruang data, dengan konten Datasite mengalir secara aman ke alur kerja berbasis AI sementara izin yang ada tetap utuh.

Anda telah menggambarkan masa depan Datasite sebagai sistem operasi AI-native untuk merger dan akuisisi. Apa yang membedakan sistem operasi yang mampu mengeksekusi alur kerja transaksi dari ruang data virtual yang hanya menambahkan pencarian dokumen, rangkuman, atau asisten percakapan?

Pencarian dan rangkuman memang sangat berguna, namun mereka beroperasi pada satu dokumen pada satu waktu, dan hanya merespons pertanyaan yang dipikirkan seseorang, yang menjadi keterbatasan ketika Anda mempertimbangkan bagaimana sebuah transaksi terlihat dari dalam. Setiap transaksi mencakup ratusan tugas yang saling terhubung yang berjalan bersamaan, termasuk permintaan due diligence, presentasi manajemen, tinjauan hukum, alur kerja pembiayaan, dan persetujuan; semuanya melibatkan orang yang berbeda dengan izin yang berbeda pula serta tenggat waktu yang berbeda. Bankir berpengalaman harus menyusun kembali status transaksi dari rangkaian email dan pelacak yang diperbarui seseorang pada hari Selasa, dan pada hari Kamis data tersebut sudah usang.

Apa yang dilakukan sistem operasi adalah menyimpan keadaan tersebut sehingga memperbarui data yang terhubung secara real time, mengetahui alur kerja mana yang tertinggal, permintaan mana yang belum dijawab selama enam hari, dan informasi apa yang bertentangan dengan apa yang diajukan minggu lalu. Setelah sistem benar-benar memahami hal itu, ia dapat menyiapkan pekerjaan sebelum ada yang memintanya, menandai proses yang terhenti, dan mengoordinasikan langkah selanjutnya antara pihak-pihak yang mungkin tidak berkomunikasi secara langsung pada saat itu.

Inilah mengapa percakapan beralih dengan cepat dari pertanyaan apakah AI termasuk dalam M&A menjadi bagaimana AI harus diintegrasikan secara bertanggung jawab. Dalam riset kami, 96% pelaku transaksi sudah menggunakan atau mengeksplorasi AI dalam pencarian dan penyaringan, dan due diligence telah menjadi salah satu contoh penggunaan yang paling jelas, dengan setengah pelaku transaksi menggunakan AI secara reguler atau sudah mengintegrasikannya ke dalam proses. Intinya, industri telah melewati garis start, dan keunggulan akan dimiliki oleh perusahaan yang dapat mengubah AI dari sekadar alat menjadi lapisan operasional yang diatur.

Mengapa data transaksi kepemilikan akan lebih penting bagi kinerja agen M&A dibandingkan akses ke model bahasa besar umum yang paling kuat? Sinyal apa yang memungkinkan agen memahami bagaimana sebuah transaksi nyata berkembang, bukan sekadar menafsirkan dokumen individual?

Model dasar (foundation models) luar biasa dan terus berkembang, namun mereka juga tersedia bagi semua perusahaan secara bersamaan. Keuntungan apa pun yang diperoleh perusahaan dengan memiliki model terbaik saat ini memiliki masa pakai yang singkat ketika pesaing di sebelah mendapatkan akses secara bersamaan, atau model baru diumumkan beberapa minggu kemudian.

Konsep kepemilikan tidak menjadi tersedia secara luas dengan cara yang sama, dan di sinilah saya melihat perbedaan tahan lama dan keunggulan kompetitif berada. Di bawah kontrak dan laporan keuangan terdapat ribuan interaksi antara pembeli, penjual, penasihat, dan tim manajemen, dan urutan interaksi tersebut membawa makna nyata. Urutan dokumen yang diunggah memberi petunjuk tentang seberapa siap penjual sebenarnya, begitu pula pertanyaan due diligence yang kembali lebih tajam pada upaya ketiga memberi tahu di mana kekhawatiran nyata pembeli berada, dan alur kerja di mana waktu respons diam-diam berlipat ganda memberi sinyal bahwa ada yang salah jauh sebelum ada yang menyadarinya.

Itulah kecerdasan yang dibutuhkan agen jika ingin benar-benar berguna sepanjang proses M&A. Membaca dokumen dengan baik adalah satu kemampuan, dan semakin menjadi komoditas. Menyadari bahwa sebuah transaksi mulai melenceng tiga minggu sebelum ada yang mengatakannya secara terbuka adalah hal yang berbeda sepenuhnya, dan hal itu berasal dari mengamati puluhan ribu transaksi nyata, bukan sekadar pelatihan pada informasi publik.

Seorang agen berpotensi dapat menyusun profil target, meninjau ribuan dokumen, mengidentifikasi pengungkapan yang bertentangan, dan mengoordinasikan alur kerja due diligence. Aktivitas mana yang dapat dilakukan agen secara andal saat ini, dan mana yang harus tetap memerlukan persetujuan manusia secara eksplisit?

Untuk banyak perusahaan, AI agenik sudah mengatur volume informasi yang sangat besar, membandingkan dokumen untuk menemukan inkonsistensi, mengungkap potensi risiko, menyusun rangkuman due diligence, dan menjaga alur kerja rutin tetap berjalan, semuanya lebih cepat daripada tim yang mengelolanya secara manual. Pelaku transaksi menjadi nyaman dengan hal ini karena memang merupakan area di mana AI dapat mengurangi gesekan tanpa mengambil penilaian dari orang. Dalam riset kami, 46% pelaku transaksi mengatakan AI sudah memimpin dalam mengidentifikasi target dan menyusun daftar panjang dan pendek, sementara 45% mengatakan hal yang sama tentang mengidentifikasi tanda bahaya selama due diligence. Lebih penting lagi, pelaku transaksi mulai melihat nilai komersial, bukan hanya efisiensi. Sekitar seperempat responden dalam riset Datasite menyatakan AI membantu mereka menyelesaikan transaksi yang sebaliknya akan terlewat, dan dua pertiga melihat AI sepanjang siklus hidup sebagai cara untuk mengurangi risiko transaksi.

Gambaran berubah secara signifikan saat mendekati penutupan. Hanya 22% pelaku transaksi mengatakan mereka akan mengikuti rekomendasi yang dihasilkan AI mengenai apakah melanjutkan ke penandatanganan, sementara 45% percaya penandatanganan harus tetap menjadi keputusan sepenuhnya manusia. Insting memang tepat. Setiap akuisisi bergantung pada kepercayaan. Apakah Anda cukup mempercayai tim manajemen ini untuk mendukung mereka dengan modal? Apakah Anda nyaman dengan risiko yang tidak dapat sepenuhnya diselesaikan oleh due diligence? Pertanyaan-pertanyaan itu memerlukan penilaian, dan yang lebih penting, seseorang yang bersedia bertanggung jawab atas jawabannya. AI harus membantu Anda mencapai keputusan yang lebih baik lebih cepat, namun tidak menjadi pengambil keputusan. Itulah mengapa alat yang didasarkan pada AI yang diatur, dibangun untuk lingkungan transaksi, yang mencakup konten berizin, jawaban berbasis sumber, konteks alur kerja, dan persetujuan manusia di mana penilaian dan akuntabilitas paling penting, sangat penting.

Bagaimana Anda melindungi ruang transaksi agenik dari risiko seperti injeksi prompt, ekstraksi data tidak sah, dokumen yang dikompromikan, atau tindakan yang dilakukan di luar otoritas pengguna?

Kesalahan adalah memperlakukan keamanan sebagai lapisan yang ditambahkan setelah AI diterapkan. Dalam M&A, keamanan dan tata kelola harus diintegrasikan sejak awal karena informasi dasar sangat sensitif dan sering mempengaruhi pasar.

Setiap transaksi berisi materi yang mungkin tidak pernah dipublikasikan, mulai dari kinerja keuangan dan kekayaan intelektual hingga hubungan pelanggan dan rencana strategis. Setiap agen yang beroperasi dalam lingkungan tersebut harus mengikuti kerangka tata kelola yang sama yang melindungi transaksi itu sendiri. Agen tidak boleh mengakses informasi di luar izin pengguna, yang berarti identitas dan hak akses harus ditegakkan pada lapisan data, bukan dibiarkan pada prompt. Setiap tindakan harus dicatat, setiap rekomendasi harus dapat ditelusuri kembali ke dokumen sumber, dan setiap alur kerja otomatis harus mewarisi otoritas orang yang memulainya tanpa melampauinya. Itulah mengapa kami merancang MCP server dengan keamanan sebagai prioritas. Pasar bergerak ke arah yang sama. Dalam riset kami, akurasi dan keamanan adalah atribut AI yang paling dihargai oleh pelaku transaksi, dengan keamanan menempati peringkat pertama di antara responden di EMEA dan APAC. Dalam M&A, kepercayaan tidak terpisah dari pengalaman produk. Itulah yang membuat produk dapat digunakan.

Halusinasi sangat berbahaya ketika sistem AI menganalisis kontrak, laporan keuangan, dan pengungkapan regulasi. Bagaimana agen M&A harus mengkomunikasikan ketidakpastian, memberikan bukti untuk kesimpulannya, dan mengenali kapan suatu masalah harus diangkat ke bankir, pengacara, atau pakar materi?

Dalam M&A, jika dua dokumen saling bertentangan, kontradiksi tersebut adalah temuan. Jika jawaban atas suatu pertanyaan tidak tersedia berdasarkan dokumen dan data di ruang tersebut, kekosongan informasi itu menjadi temuan, dan seringkali lebih konsekuensial daripada jawaban yang mungkin ada.

Setiap sistem AI yang digunakan dalam M&A harus dirancang untuk sepenuhnya berbasis bukti, karena setiap kesimpulan harus terhubung kembali ke dokumen dasar, informasi yang bertentangan harus ditampilkan secara jelas bukan diselesaikan secara diam-diam, dan tingkat kepercayaan rendah harus diungkapkan secara transparan dalam output. Industri sudah membangun disiplin ini, yang saya anggap menggembirakan.

Bukti adalah titik awal percakapan. Akurasi adalah atribut paling penting yang disebutkan pelaku transaksi dalam riset kami, dan cara paling umum perusahaan membangun kepercayaan masih melalui tinjauan manusia atas output yang dihasilkan AI. Jawaban yang yakin namun tidak didukung berbahaya dalam sebuah transaksi. Begitu pula jawaban yang tampak lengkap namun diam-diam melewatkan ketidakpastian. Hal yang saya anggap sama pentingnya adalah bahwa seperempat pelaku transaksi memperkirakan penggunaan AI yang buruk akan menghancurkan beberapa transaksi bernilai tinggi dalam lima tahun ke depan. Itu mengingatkan bahwa risikonya bukan hanya tidak menggunakan AI, melainkan menggunakan AI tanpa kontrol, bukti, dan titik eskalasi yang tepat. Cara saya memikirkannya adalah AI memberikan profesional transaksi langkah pertama yang sangat menyeluruh dengan melakukan riset dan mengorganisir bukti, namun apa arti bukti tersebut, dan apa yang harus dilakukan selanjutnya, tetap menjadi keputusan penilaian manusia.

Anda telah menyarankan bahwa tim transaksi kecil yang didukung AI dapat bersaing dengan tim tradisional yang jauh lebih besar. Bagaimana hal ini dapat mengubah ekonomi dan penataan staf transaksi, dan apa yang terjadi pada peran junior yang biasanya menjadi jalur pembelajaran dasar bagi bankir dan pengacara?

Setiap generasi teknologi mengubah komposisi pekerjaan bukan menghilangkan kebutuhan akan orang, dan saya pikir itulah yang terjadi dalam M&A. Bankir junior, pengacara, dan analis secara historis menghabiskan ribuan jam meninjau dokumen, memperbarui pelacak, mengatur permintaan due diligence, dan menyusun materi. AI harus mengurangi siklus kerja larut malam karena dapat mengambil banyak beban tersebut. Potensi peningkatan produktivitas memang nyata. Namun pertanyaan yang lebih penting adalah apa yang akan dilakukan perusahaan dengan waktu yang mereka dapatkan kembali.

Profesional junior masih perlu mengembangkan penilaian, ikut dalam negosiasi, dan belajar cara berpikir pelaku transaksi berpengalaman. Jika AI menyerap pengumpulan informasi administratif, associate tahun kedua dapat berpartisipasi dalam pekerjaan substantif dan ikut dalam diskusi bermakna yang menghasilkan keputusan bisnis kritis jauh lebih awal dibandingkan generasi saya. Perusahaan yang menangani hal ini dengan baik akan menginvestasikan kembali waktu yang mereka hemat pada orang-orang mereka, bukan sekadar menganggapnya sebagai margin.

Tolok ukur apa yang harus digunakan industri untuk mengevaluasi agen M&A? Haruskah kinerja diukur melalui akurasi peninjauan dokumen, masalah due diligence yang ditemukan, tingkat false-positive, penyelesaian alur kerja, pengurangan waktu transaksi, atau kualitas akhir hasil transaksi?

Metode operasional penting, dan kami melacak semuanya untuk memastikan setiap alat yang kami terapkan efektif dan akurat. Namun, metrik tersebut mengukur apakah AI menyelesaikan tugasnya dengan benar. Pelanggan ingin tahu apakah transaksi itu sendiri dijalankan lebih baik karena menggunakannya.

Pertanyaan dan tolok ukur yang saya anggap lebih berguna meliputi hal-hal seperti apakah sistem mengungkap risiko yang seharusnya terlewat, apakah tim dapat mengevaluasi lebih banyak peluang daripada sebelumnya, apakah due diligence menjadi lebih singkat tanpa mengurangi kedalaman, dan apakah eksekutif senior menghabiskan lebih banyak jam mereka untuk negosiasi dan lebih sedikit untuk mencari informasi. Kami sudah memiliki beberapa bukti di bidang ini. Penelitian kami menunjukkan bahwa 24% pelaku transaksi mengatakan AI membantu mereka menyelesaikan transaksi yang sebaliknya akan terlewat, dan 66% menyatakan penggunaan AI sepanjang siklus hidup merupakan cara penting untuk mengurangi risiko transaksi.

Laporan H1 2026 Datasite menunjukkan peningkatan kickoff transaksi global sebesar 31% tahun ke tahun, dipimpin oleh pertumbuhan 52% di Amerika, dibandingkan dengan 13% di Eropa, Timur Tengah, dan Afrika serta 4% di Asia-Pasifik. Apa yang mendorong perbedaan regional ini, dan apakah akses ke teknologi agenik dapat memperlebar atau mempersempit kesenjangan produktivitas antar pasar?

Data tersebut mencerminkan apa yang dirasakan banyak pelaku transaksi dalam beberapa bulan terakhir, yaitu kepercayaan kembali lebih cepat di Amerika, didukung oleh kondisi pembiayaan dan keinginan yang lebih besar untuk membawa aset ke pasar. Menariknya, APAC mencatat pertumbuhan kickoff terendah sebesar 4%, namun pelaku transaksi APAC merupakan pengguna AI paling agresif dengan selisih yang jelas berdasarkan riset kami. Mereka memimpin setiap wilayah dalam penggunaan AI mulai dari pencarian dan penyaringan hingga due diligence, di mana 56% menggunakannya secara reguler atau telah sepenuhnya terintegrasi dibandingkan 49% di EMEA dan 47% di Amerika. Mereka juga paling nyaman menyerahkan otoritas keputusan bermakna kepada AI. Penilaian saya adalah bahwa keterbatasan mendorong adopsi karena di mana aliran transaksi lebih sulit didapat dan tim lebih ramping, insentif untuk mendapatkan lebih banyak dari setiap profesional di meja menjadi lebih kuat.

Tentu saja, teknologi tidak dapat menciptakan transaksi. Teknologi tidak dapat mengubah suku bunga atau memperpendek tinjauan regulasi. Namun yang dapat dilakukannya adalah meningkatkan produktivitas setiap tim dalam mengeksekusi transaksi, dan kemampuan ini berkembang jauh lebih cepat daripada penambahan jumlah karyawan, itulah mengapa seiring waktu saya memperkirakan AI akan mempersempit kesenjangan produktivitas antar pasar, bukan memperlebarnya.

Laporan Insight Datasite juga menunjukkan bahwa tim meluncurkan transaksi lebih cepat di beberapa pasar, sementara due diligence tetap memakan waktu lama, termasuk median 238 hari di Asia-Pasifik. Bottleneck mana yang masih tersisa paling cocok untuk agen AI, dan mana yang secara fundamental terkait dengan negosiasi, regulasi, kondisi pembiayaan, atau keputusan manusia?

Peluncuran transaksi menjadi jauh lebih cepat karena perusahaan memiliki data yang lebih baik, proses yang lebih otomatis, dan kepercayaan yang lebih tinggi dalam mengidentifikasi peluang secara dini. Due diligence berbeda karena di sinilah kompleksitas terakumulasi, dan kompleksitas tidak dapat dipadatkan seperti volume. Due diligence masih memakan median 238 hari di wilayah APAC, dan dalam pengalaman saya, sedikit dari waktu itu digunakan untuk analisis. Sebagian besar digunakan untuk koordinasi seperti merekonsiliasi dokumen terhadap permintaan yang berubah, banyak penasihat, dan prioritas yang beralih.

Namun, due diligence justru merupakan area yang dioptimalkan untuk didukung oleh agen. Mereka dapat memantau kemajuan lintas alur kerja, mengidentifikasi apa yang belum ada, menampilkan inkonsistensi antar dokumen, dan menyiapkan materi tindak lanjut sebelum tim memintanya. Itulah mengapa responden kami menilai due diligence sebagai tahap di mana AI memberikan pengembalian investasi terbaik dan hanya 4% yang tidak menggunakannya sama sekali di sana.

AI, tentu saja, memiliki keterbatasan yang signifikan. Orang masih perlu membangun kepercayaan, menimbang risiko dan imbalan, serta memutuskan apakah transaksi layak secara nilai. Temuan terkuat dalam riset kami, setidaknya bagi saya, adalah bahwa pelaku transaksi tidak melihat AI menggantikan penilaian, melainkan mempercepat dan memperkaya penilaian. Sementara lebih banyak proses dan pekerjaan administratif beralih ke teknologi, percakapan yang hanya dapat dilakukan manusia menjadi jam paling berharga dalam siklus hidup transaksi.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut sebaiknya mengunjungi Datasite.