Rusty Wiley, administrerende direktør og president i Datasite – Intervjuserie

Rusty Wiley, administrerende direktør og president i Datasite, har ledet selskapet siden 2014 og har hatt ansvar for transformasjonen fra Merrill Corporation, en virksomhet som i stor grad fokuserte på finansiell kommunikasjon og trykktjenester, til et globalt programvare‑som‑tjeneste‑selskap (SaaS) med fokus på fusjoner og oppkjøp (M&A) og strategiske transaksjoner. Før han begynte i Datasite, tilbrakte Wiley mer enn syv år i IBM, hvor han var General Manager for Banking and Financial Markets og Managing Partner, og bygde opp omfattende erfaring innen finansielle tjenester, bedrifts‑teknologi og forretnings‑transformasjon.

Datasite er en global teknologiplattform designet for å støtte deal‑makere gjennom hele M&A‑livssyklusen, inkludert deal‑sourcing, forberedelse, due diligence, finansiering, restrukturering og prosesser etter transaksjonen. Plattformen kombinerer sikre virtuelle data‑rom med spesialbygde kunstig intelligens‑funksjoner, inkludert automatisert redigering, semantisk søk, dokumentsammendrag, oversettelse, AI‑assistert Q&A og intelligens for deal‑opprinnelse. Datasite oppgir at teknologien støtter mer enn 626 000 deal‑makere og over 16 000 transaksjoner årlig, og gir investeringsbanker, private equity‑selskaper, foretak og advokatfirmaer et sikkert miljø for å håndtere komplekse transaksjoner og sensitiv informasjon.

Du begynte i Datasite i 2014 etter å ha ledet bank‑ og finansmarkedene i IBM, og bidro deretter til å transformere Datasite fra en virksomhet for finansiell kommunikasjon og trykktjenester til en global programvareplattform for fusjoner og oppkjøp. Hvordan har den erfaringen påvirket din overbevisning om at neste fase av deal‑making vil bygges rundt AI‑agenter snarere enn tradisjonelle virtuelle data‑rom?

Da jeg kom til Datasite i 2014, var det virtuelle data‑rommet i sentrum av finansielle transaksjoner. Det hadde allerede transformert deal‑making ved å flytte sensitiv informasjon fra fysiske rom til et sikkert, søkbart digitalt miljø. Det som ble tydelig i løpet av det neste tiåret, var at data‑rommet også la grunnlaget for noe mye større.

Etter hvert som skalaen vår vokste, vokste også mulighetene. Datasite støtter nå omtrent 55 000 transaksjoner per år, noe som gir oss en unik innsikt i hvordan deal‑arbeid foregår. På den mengden ser vi mer enn bare dokumenter. Vi ser arbeidsflyter, mønstre og de tusenvis av repeterende oppgaver som omgir hver transaksjon. Det skaper en enorm mulighet til å bruke AI og automatisering for å hjelpe team med å gå fra informasjon til handling mye raskere. Faktisk ser vi allerede dette skje. Recent Datasite research, The New Deal Team, viser at selskaper som ignorerer AI vil slite med å konkurrere innen fem år, og de fleste deal‑makere sier at det ikke lenger er holdbart å stole kun på menneskelig beslutningstaking i komplekse avtaler.

Derfor handler neste fase om å bygge intelligens og automatisering på toppen av den pålitelige infrastrukturen. AI kan analysere informasjon, avdekke risikoer og muligheter, koble institusjonell kunnskap til levende transaksjonsdata, og i økende grad utføre flertrinns arbeidsflyter som i dag krever betydelig tid fra et deal‑team. Agenter kan kontinuerlig overvåke informasjon, utføre analyser og drive arbeidet fremover mens mennesker forblir fokusert på vurdering, forhandling og beslutninger som bestemmer resultatet.

Med dette i bakhodet er data‑rommene grunnlaget for neste generasjon av deal‑making. Dokumentene, tillatelser, sikkerhet og samarbeidslaget forblir kritisk. AI gjør dette grunnlaget langt mer verdifullt fordi det kan forstå konteksten rundt informasjonen og handle på den. Vi ser allerede at modellen strekker seg utover data‑rommet, med Datasite‑innhold som flyter sikkert inn i AI‑drevne arbeidsflyter mens eksisterende tillatelser forblir intakte.

Du har beskrevet fremtiden for Datasite som et AI‑native operativsystem for fusjoner og oppkjøp. Hva skiller et operativsystem som kan utføre deal‑arbeidsflyter fra et virtuelt data‑rom som bare legger til dokumentsøk, sammendrag eller en samtaleassistent?

Søk og sammendrag er virkelig nyttige, men de fungerer på ett dokument om gangen, og de svarer kun på et spørsmål noen har tenkt å stille, noe som er en begrensning når man ser på hvordan en transaksjon ser ut fra innsiden. En hvilken som helst avtale består av hundrevis av sammenkoblede oppgaver som kjører samtidig, inkludert due‑diligence‑forespørsler, ledelsespresentasjoner, juridiske gjennomganger, finansierings‑arbeidsstrømmer og godkjenninger; alle involverer ulike personer som arbeider under ulike tillatelser og frister. Erfarne bankfolk rekonstruerer avtale‑status fra e‑posttråder og en tracker noen oppdaterte på tirsdag, og innen torsdag er dataene allerede utdaterte.

Det et operativsystem gjør, er å holde denne tilstanden slik at det oppdaterer tilknyttede data i sanntid, vet hvilken arbeidsstrøm som ligger bak, hvilken forespørsel som har stått ubesvart i seks dager, og hvilken informasjon som motsier det som ble lagt inn forrige uke. Når systemet virkelig forstår dette, kan det forberede arbeid før noen ber om det, flagge hvor en prosess har stoppet opp og koordinere neste steg mellom parter som kanskje ikke kommuniserer direkte på det tidspunktet.

Dette er grunnen til at samtalen har gått så raskt fra om AI hører hjemme i M&A til hvordan det bør integreres på en ansvarlig måte. I vår forskning bruker eller utforsker allerede 96 % av deal‑makere AI i sourcing og screening, og due diligence har blitt ett av de klareste bruksområdene, med halvparten av deal‑makere som bruker AI regelmessig eller allerede har integrert det i prosessen. Poenget er at bransjen er forbi startstreken, og fordelen vil gå til de firmaene som kan forvandle AI fra et verktøy til et styrt operativt lag.

Hvorfor vil proprietære transaksjonsdata være viktigere for ytelsen til en M&A‑agent enn tilgang til den mest kraftfulle generelle store språkmodellen? Hvilke signaler gjør at en agent kan forstå hvordan en reell transaksjon utvikler seg i stedet for bare å tolke enkelt‑dokumenter?

Fundamentale modeller er ekstraordinære og blir stadig bedre, men de er også tilgjengelige for alle selskaper samtidig. Hvilken fordel et firma får ved å ha den beste modellen i dag, har en kort levetid når konkurrenten i nabobygningen får tilgang samtidig, eller en ny modell kunngjøres uker senere.

Proprietær kontekst blir ikke tilgjengelig på samme måte, og det er der jeg mener den varige forskjellen og konkurransefordelen ligger. Under kontraktene og regnskapene ligger tusenvis av interaksjoner mellom kjøpere, selgere, rådgivere og ledelsesteam, og rekkefølgen av disse interaksjonene bærer reell betydning. Rekkefølgen dokumentene lastes opp i, forteller deg noe om hvor forberedt en selger faktisk er, akkurat som et due‑diligence‑spørsmål som blir skarpere på sin tredje gjennomgang, forteller deg hvor en kjøpers reelle bekymring ligger, og en arbeidsstrøm der responstider har doblet seg stille, indikerer at noe har gått galt lenge før noen har uttalt det.

Det er den intelligensen en agent trenger hvis den skal være genuint nyttig gjennom hele M&A‑prosessen. Å lese et dokument godt er én evne, og den blir i økende grad en vare. Å gjenkjenne at en avtale driver i feil retning tre uker før noen uttaler det, er noe helt annet, og det kommer fra å ha observert titusenvis av reelle transaksjoner i stedet for å trene på offentlig informasjon.

En agent kan potensielt sette sammen mål‑profiler, gjennomgå tusenvis av dokumenter, identifisere motstridende opplysninger og koordinere due‑diligence‑arbeidsflyter. Hvilke av disse aktivitetene kan agenter pålitelig utføre i dag, og hvilke bør fortsatt kreve eksplisitt menneskelig godkjenning?

For mange firmaer organiserer agent‑basert AI allerede enorme mengder informasjon, sammenligner dokumenter for inkonsistenser, avdekker potensielle risikoer, utarbeider due‑diligence‑sammendrag og holder rutine‑arbeidsflyter i gang, alt raskere enn et team kunne gjort manuelt. Deal‑makere blir komfortable med dette fordi dette er nettopp de områdene hvor AI kan fjerne friksjon uten å ta bort menneskelig dømmekraft. I vår forskning sa 46 % av deal‑makere at AI allerede leder i identifisering av mål og utarbeidelse av lange og korte lister, mens 45 % sa det samme om å identifisere røde flagg under due diligence. Enda viktigere er at deal‑makere begynner å se kommersiell verdi, ikke bare effektivitet. Omtrent en fjerdedel av respondentene i Datasite‑undersøkelsen sa at AI hjalp dem med å fullføre en avtale de ellers ville ha gått glipp av, og to‑tredjedeler ser AI gjennom hele livssyklusen som en viktig måte å redusere risiko i en transaksjon.

Bildet endrer seg merkbart når man nærmer seg avslutningen. Kun 22 % av deal‑makere sier de ville følge en AI‑generert anbefaling om hvorvidt de skal gå videre til signering, mens 45 % mener signering fortsatt bør være en helt menneskelig beslutning. Instinkt er solid. Hver oppkjøp avhenger av tillit. Stoler du på dette ledelsesteamet nok til å gi dem kapital? Er du komfortabel med risikoene som due diligence ikke fullt ut kunne løse? Disse spørsmålene krever dømmekraft, og viktigere, noen som er villig til å ta ansvar for svaret. AI bør hjelpe deg med å ta en bedre beslutning raskere, men den skal ikke være beslutningstakeren. Derfor er verktøy basert på styrt AI, bygget for deal‑miljøet, som inkluderer tillatt innhold, kilde‑baserte svar, arbeidsflytkontekst og menneskelig godkjenning der dømmekraft og ansvarlighet er viktigst, så viktige.

Hvordan forsvarer du et agent‑drevet deal‑rom mot risikoer som prompt‑injeksjon, uautorisert datauttrekk, kompromitterte dokumenter eller handlinger som går utover en brukers autoritet?

Feilen er å behandle sikkerhet som et lag som legges til etter at AI er implementert. I M&A må sikkerhet og styring bygges inn fra starten av fordi den underliggende informasjonen er svært sensitiv og ofte markeds‑påvirkende.

Hver transaksjon inneholder materiale som kanskje aldri blir offentlig, fra finansiell ytelse og immaterielle rettigheter til kundeforhold og strategiske planer. Enhver agent som opererer i dette miljøet må følge samme styringsramme som beskytter selve avtalen. Den skal aldri få tilgang til informasjon utover en brukers tillatelser, noe som betyr at identitet og rettigheter må håndheves på datalaget, ikke overlates til en prompt. Hver handling skal loggføres, hver anbefaling skal spores tilbake til et kilde‑dokument, og hver automatisert arbeidsflyt skal arve autoriteten til personen som initierte den uten å overskride den. Derfor har vi designet vår MCP server med sikkerhet i første rekke. Markedet beveger seg i samme retning. I vår forskning var nøyaktighet og sikkerhet de AI‑egenskapene deal‑makere verdsatte høyest, med sikkerhet som første plass blant respondentene i EMEA og APAC. I M&A er tillit ikke adskilt fra produktopplevelsen. Det er det som gjør produktet brukbart.

Hallusinasjoner er spesielt farlige når et AI‑system analyserer kontrakter, regnskap og regulatoriske opplysninger. Hvordan skal en M&A‑agent kommunisere usikkerhet, gi bevis for sine konklusjoner, og gjenkjenne når et problem må eskaleres til en bankmann, advokat eller fagperson?

I M&A, hvis to dokumenter motsier hverandre, er den motsetningen funnet. Hvis svaret på et spørsmål ikke er tilgjengelig basert på dokumentene og dataene i rommet, er dette informasjonsmangelen et funn, og ofte mer betydningsfullt enn selve svaret.

Alle AI‑systemer som brukes i M&A bør kun være evidensbaserte, ettersom hver konklusjon skal kobles tilbake til det underliggende dokumentet, motstridende informasjon skal tydelig fremheves i stedet for å bli stille avstemt, og lav selvtillit skal uttrykkes transparent i resultatet. Bransjen bygger allerede denne disiplinen, noe jeg finner oppmuntrende.

Bevis er hvor samtalen må begynne. Nøyaktighet var den viktigste egenskapen deal‑makere nevnte i vår forskning, og den vanligste måten firmaer bygger tillit på er fortsatt menneskelig gjennomgang av AI‑genererte resultater. Et selvsikkert, men ubegrunnet svar er farlig i en transaksjon. Det samme gjelder et svar som ser komplett ut, men som stille overser usikkerhet. Det jeg også synes er viktig, er at en fjerdedel av deal‑makere forventer at dårlig bruk av AI vil ødelegge flere høy‑verdige avtaler i løpet av de neste fem årene. Det er en påminnelse om at risikoen ikke bare er å unnlate å bruke AI. Det er å bruke AI uten riktige kontroller, bevis og eskaleringspunkter. Min egen måte å tenke på dette er at AI gir deal‑profesjonelle en bemerkelsesverdig grundig første gjennomgang ved å gjøre forskningen og organisere bevisene, men hva bevisene betyr, og hva som bør skje videre, bør fortsatt være en menneskelig vurdering.

Du har antydet at mindre, AI‑aktiverte deal‑team kan konkurrere med mye større tradisjonelle team. Hvordan kan dette endre økonomien og bemanningen i transaksjoner, og hva skjer med junior‑rollene som tradisjonelt gir bankfolk og advokater grunnleggende kunnskap om deal‑making?

Hver teknologigenerasjon endrer sammensetningen av arbeidet i stedet for å fjerne behovet for mennesker, og jeg tror akkurat dette skjer i M&A. Junior‑bankfolk, advokater og analytikere har historisk brukt tusenvis av timer på å gjennomgå dokumenter, oppdatere tracker‑verktøy, organisere due‑diligence‑forespørsler og samle materiell. AI bør lette 2‑tiden‑arbeidsøktene fordi den kan ta på seg mye av den tunge løftingen. Produktivitetsgevinsten er reell. Men det viktigere spørsmålet er hva firmaene vil gjøre med den tiden de får tilbake.

Junior‑profesjonelle må fortsatt utvikle dømmekraft, delta i forhandlinger og lære hvordan erfarne deal‑makere tenker. Hvis AI absorberer den administrative informasjonsinnsamlingen, kan en andreårs‑assosiert delta i substansiell arbeid og sitte med i meningsfulle diskusjoner som fører til forretningskritiske beslutninger mye tidligere enn min generasjon gjorde. Firmaene som håndterer dette godt, vil reinvestere den sparte tiden i sine folk i stedet for å bare ta den som margin.

Hvilke målestokker bør bransjen bruke for å evaluere en M&A‑agent? Skal ytelse måles gjennom nøyaktighet i dokumentgjennomgang, oppdagede due‑diligence‑problemer, falske positive, fullføring av arbeidsflyt, reduksjon i avtaletid eller den endelige kvaliteten på transaksjonsresultatene?

Operasjonelle måleparametere er viktige, og vi følger alle for å sikre at ethvert verktøy vi implementerer er effektivt og nøyaktig. Disse måler imidlertid kun om AI har utført oppgaven korrekt. Kundene vil vite om selve avtalen ble gjennomført bedre ved å bruke den.

Spørsmålene og målestokkene jeg finner mest nyttige er ting som om systemet avdekket en risiko som ellers ville blitt oversett, om teamet kunne vurdere flere muligheter enn de kunne før, om due diligence ble kortere uten å bli tynnere, og om senior‑personell brukte mer av tiden sin på forhandlinger og mindre på å lete etter informasjon. Vi har allerede noe bevis på dette. Vår forskning viser at 24 % av deal‑makere sier AI har hjulpet dem med å fullføre en avtale de ellers ville ha gått glipp av, og 66 % sier at bruk av AI gjennom hele livssyklusen er en avgjørende måte å redusere risiko i en transaksjon.

Datasite‑rapporten H1 2026‑rapporten viser at globale avtale‑oppstarter øker med 31 % år for år, ledet av 52 % vekst i Amerika, sammenlignet med 13 % i Europa, Midt‑Østen og Afrika og 4 % i Asia‑Stillehavsregionen. Hva driver dette regionale avviket, og kan tilgang til agent‑teknologi utvide eller redusere produktivitetsgapet mellom markedene?

Dataene reflekterer det mange deal‑makere har følt de siste månedene, nemlig at tilliten kom tilbake raskere i Amerika, støttet av finansieringsforhold og en større vilje til å bringe eiendeler til markedet. Interessant nok viste APAC den laveste veksten i oppstarter med 4 %, og likevel er APAC‑deal‑makere de mest aggressive AI‑adoptantene med klar margin i vår forskning. De leder hver region i AI‑bruk fra sourcing og screening til due diligence, hvor 56 % bruker det regelmessig eller har fullt integrert det, sammenlignet med 49 % i EMEA og 47 % i Amerika. De er også de mest komfortable med å gi meningsfull beslutningsmyndighet til AI. Min oppfatning er at begrensning driver adopsjon fordi der deal‑flyt er vanskeligere å få tak i og teamene er slankere, blir insentivet til å få mer ut av hver profesjonell på desk sterkere.

Selvfølgelig kan ikke teknologi skape transaksjoner. Den vil ikke påvirke rentenivåer eller forkorte regulatorisk gjennomgang. Men den kan øke produktiviteten i hvert team ved å gjennomføre en avtale, og den evnen skalerer langt raskere enn bemanning, noe som er grunnen til at jeg over tid forventer at AI vil redusere produktivitetsgapet mellom markedene snarere enn å utvide det.

Datasite‑Insight‑rapporten viser også at team starter transaksjoner raskere i flere markeder, mens due diligence fortsatt er tidkrevende, med en median på 238 dager i Asia‑Stillehavsregionen. Hvilke gjenværende flaskehalser er best egnet for AI‑agenter, og hvilke er fundamentalt knyttet til forhandlinger, regulering, finansieringsforhold eller menneskelig beslutningstaking?

Oppstart av en avtale har blitt betydelig raskere fordi firmaene har bedre data, mer automatiserte prosesser og større tillit til å identifisere muligheter tidlig. Due diligence er annerledes fordi det er der kompleksiteten akkumuleres, og kompleksitet komprimeres ikke på samme måte som volum. Due diligence har fortsatt en median på 238 dager i APAC‑regionen, og etter min erfaring brukes lite av den tiden til analyse. Mesteparten brukes til koordinering, som å avstemme dokumenter mot endrede forespørsler, flere rådgivere og skiftende prioriteringer.

Imidlertid er due diligence akkurat det området hvor agenter er optimalisert for å støtte. De kan overvåke fremdrift på tvers av arbeidsstrømmer, identifisere hva som mangler, avdekke inkonsistenser mellom dokumenter og forberede oppfølgingsmateriale før teamet i det hele tatt ber om det. Derfor rangerer våre respondenter due diligence som fasen hvor AI gir best avkastning på investeringen, og kun 4 % av dem bruker det ikke i det hele tatt.

AI har selvfølgelig betydelige begrensninger. Folk må fortsatt bygge tillit, veie risiko og belønning, og bestemme om avtalen er verdt prisen. Den sterkeste funn i vår forskning, i hvert fall for meg, var at deal‑makere ikke ser AI som en erstatning for dømmekraft, men som et verktøy for å gjøre dømmekraft raskere og bedre informert. Mens mer av prosessen og administrativt arbeid flyttes til teknologi, blir samtalene som kun mennesker kan ha de mest verdifulle timene i avtale‑livssyklusen.

Takk for det flotte intervjuet; lesere som ønsker å lære mer bør besøke Datasite.