Rusty Wiley, dyrektor generalny i prezes Datasite – seria wywiadów

Rusty Wiley, dyrektor generalny i prezes Datasite, prowadzi firmę od 2014 roku, nadzorując jej przekształcenie z Merrill Corporation, firmy skoncentrowanej głównie na komunikacji finansowej i usługach drukarskich, w globalną firmę oferującą oprogramowanie jako usługę (SaaS) skupioną na fuzjach i przejęciach (M&A) oraz transakcjach strategicznych. Przed dołączeniem do Datasite, Wiley spędził ponad siedem lat w IBM, gdzie pełnił funkcję dyrektora generalnego ds. bankowości i rynków finansowych oraz partnera zarządzającego, zdobywając rozległe doświadczenie w sektorze usług finansowych, technologiach korporacyjnych i transformacji biznesowej.

Datasite jest globalną platformą technologiczną zaprojektowaną, aby wspierać uczestników transakcji w całym cyklu życia M&A, w tym pozyskiwanie transakcji, przygotowanie, due diligence, finansowanie, restrukturyzację oraz procesy po transakcji. Jej platforma łączy bezpieczne wirtualne sale danych z dedykowanymi możliwościami sztucznej inteligencji, w tym automatycznym redagowaniem, wyszukiwaniem semantycznym, streszczaniem dokumentów, tłumaczeniem, asystowanym przez AI Q&A oraz inteligencją w zakresie inicjowania transakcji. Datasite twierdzi, że jej technologia obsługuje ponad 626 000 uczestników transakcji i ponad 16 000 transakcji rocznie, zapewniając bankom inwestycyjnym, firmom private equity, korporacjom i kancelariom prawnym bezpieczne środowisko do zarządzania złożonymi transakcjami i wrażliwymi informacjami.

Dołączyłeś do Datasite w 2014 roku po prowadzeniu bankowości i rynków finansowych w IBM i następnie pomogłeś przekształcić Datasite z firmy zajmującej się komunikacją finansową i drukiem w globalną platformę oprogramowania do fuzji i przejęć. Jak to doświadczenie ukształtowało twoją przekonanie, że kolejna faza prowadzenia transakcji będzie oparta na agentach AI, a nie tradycyjnych wirtualnych salach danych?

Kiedy w 2014 roku dołączyłem do Datasite, wirtualna sala danych była w centrum transakcji finansowych. Już przekształciła ona proces zawierania transakcji, przenosząc wrażliwe informacje z fizycznych pomieszczeń do bezpiecznego, przeszukiwalnego środowiska cyfrowego. Z biegiem kolejnej dekady stało się jasne, że sala danych buduje także fundament dla czegoś znacznie większego.

W miarę jak nasza skala rosła, rosła też szansa. Datasite obsługuje obecnie około 55 000 transakcji rocznie, dając nam wyjątkowy wgląd w to, jak przebiega praca nad transakcjami. Przy takiej objętości widzimy nie tylko dokumenty. Dostrzegamy przepływy pracy, wzorce i tysiące powtarzalnych zadań otaczających każdą transakcję. To stwarza ogromną możliwość zastosowania AI i automatyzacji, aby pomóc zespołom przechodzić od informacji do działania znacznie szybciej. W rzeczywistości już to obserwujemy. Najnowsze badania Datasite, The New Deal Team pokazują, że firmy ignorujące AI będą miały trudności z konkurowaniem w ciągu pięciu lat, a większość uczestników transakcji twierdzi, że poleganie wyłącznie na ludzkim podejmowaniu decyzji nie jest już obronne w złożonych transakcjach.

Dlatego kolejna faza polega na budowaniu inteligencji i automatyzacji na tej zaufanej infrastrukturze. AI może analizować informacje, wykrywać ryzyka i szanse, łączyć wiedzę instytucjonalną z bieżącymi danymi transakcyjnymi i coraz częściej realizować wieloetapowe przepływy pracy, które dziś pochłaniają znaczną część czasu zespołu transakcyjnego. Agenci mogą nieustannie monitorować informacje, przeprowadzać analizy i posuwać pracę do przodu, podczas gdy ludzie koncentrują się na ocenie, negocjacjach i decyzjach, które określają wyniki.

W świetle tego, sale danych są fundamentem kolejnego pokolenia transakcji. Dokumenty, uprawnienia, bezpieczeństwo i warstwa współpracy pozostają kluczowe. AI czyni tę podstawę znacznie cenniejszą, ponieważ potrafi rozumieć kontekst informacji i działać na jego podstawie. Już widzimy, że ten model wykracza poza salę danych, gdy treści Datasite płyną bezpiecznie do przepływów pracy napędzanych AI, przy zachowaniu istniejących uprawnień.

Opisałeś przyszłość Datasite jako system operacyjny natywny dla AI w dziedzinie fuzji i przejęć. Co odróżnia system operacyjny zdolny do realizacji przepływów pracy transakcyjnej od wirtualnej sali danych, która jedynie dodaje wyszukiwanie dokumentów, streszczanie lub asystenta konwersacyjnego?

Wyszukiwanie i streszczanie są naprawdę przydatne, ale działają na jednym dokumencie naraz i odpowiadają jedynie na pytanie, które ktoś wymyślił, co jest ograniczeniem, gdy rozważa się, jak wygląda transakcja od wewnątrz. Każda transakcja składa się z setek powiązanych ze sobą zadań realizowanych jednocześnie, w tym żądań due diligence, prezentacji zarządu, przeglądów prawnych, strumieni finansowania i zatwierdzeń; wszystkie te elementy angażują różne osoby pracujące pod różnymi uprawnieniami i terminami. Doświadczeni bankierzy odtwarzają status transakcji na podstawie wątków e-mailowych i trackerów zaktualizowanych we wtorek, a do czwartku dane są już nieaktualne.

System operacyjny utrzymuje ten stan, aby na bieżąco aktualizować powiązane dane, wiedzieć, który strumień pracy jest opóźniony, które żądanie pozostaje bez odpowiedzi od sześciu dni oraz jakie informacje są sprzeczne z tym, co zostało złożone w zeszłym tygodniu. Gdy system naprawdę to rozumie, może przygotować pracę, zanim ktokolwiek o nią poprosi, oznaczyć, gdzie proces utknął, i skoordynować kolejny krok między stronami, które w danej chwili nie komunikują się bezpośrednio.

Dlatego rozmowa tak szybko przeszła od pytania, czy AI należy do M&A, do tego, jak powinna być odpowiedzialnie integrowana. W naszych badaniach 96 % uczestników transakcji już korzysta lub bada AI w zakresie pozyskiwania i selekcji, a due diligence stało się jednym z najjaśniejszych przypadków użycia, przy czym połowa uczestników regularnie korzysta z AI lub już wbudowała ją w proces. Sedno jest takie, że branża przeszła już linię startu, a przewaga przypadnie firmom, które potrafią przekształcić AI z narzędzia w zarządzaną warstwę operacyjną.

Dlaczego własne dane transakcyjne będą ważniejsze dla wydajności agenta M&A niż dostęp do najpotężniejszego ogólnego modelu językowego? Jakie sygnały pozwalają agentowi zrozumieć, jak rzeczywista transakcja postępuje, a nie tylko interpretować pojedyncze dokumenty?

Modele podstawowe są niezwykłe i ciągle się doskonalą, ale są dostępne jednocześnie dla wszystkich firm. Każda przewaga, jaką firma uzyska dzięki najlepszej obecnie wersji modelu, ma krótką żywotność, gdy konkurent z sąsiedniej ulicy uzyska dostęp w tym samym czasie, lub gdy kilka tygodni później zostanie ogłoszony nowy model.

Własny kontekst nie staje się powszechnie dostępny w ten sam sposób i to właśnie, moim zdaniem, stanowi trwałą różnicę i przewagę konkurencyjną. Pod umowami i sprawozdaniami finansowymi kryją się tysiące interakcji między nabywcami, sprzedawcami, doradcami i zespołami zarządzającymi, a kolejność tych interakcji ma rzeczywiste znaczenie. Kolejność, w jakiej dokumenty są wgrywane, mówi coś o tym, jak przygotowany jest sprzedawca, tak jak pytanie due diligence, które po trzecim podejściu staje się bardziej precyzyjne, wskazuje, gdzie leży prawdziwa obawa nabywcy, a strumień pracy, w którym czasy odpowiedzi podwoiły się dyskretnie, sygnalizuje, że coś poszło nie tak, znacznie wcześniej niż ktokolwiek to zauważy.

To jest ta inteligencja, której agent potrzebuje, aby był naprawdę użyteczny w całym procesie M&A. Czytanie dokumentu dobrze to jedna umiejętność, która staje się coraz bardziej towarem. Rozpoznanie, że transakcja odchyla się o trzy tygodnie, zanim ktokolwiek to wypowie, to zupełnie inna sprawa i wynika z obserwacji dziesiątek tysięcy rzeczywistych transakcji, a nie z treningu na publicznych informacjach.

Agent może potencjalnie tworzyć profile celów, przeglądać tysiące dokumentów, identyfikować sprzeczne ujawnienia i koordynować przepływy pracy due diligence. Które z tych działań agenci mogą dziś wykonywać wiarygodnie, a które nadal powinny wymagać wyraźnej zgody człowieka?

Dla wielu firm AI agentowe już organizuje ogromne wolumeny informacji, porównuje dokumenty pod kątem niezgodności, wykrywa potencjalne ryzyka, przygotowuje streszczenia due diligence i utrzymuje rutynowe przepływy pracy, wszystko szybciej niż zespół mógłby zarządzać ręcznie. Uczestnicy transakcji czują się z tym coraz bardziej komfortowo, ponieważ są to właśnie obszary, w których AI może usunąć tarcia, nie odbierając ludziom oceny. W naszych badaniach 46 % uczestników stwierdziło, że AI już przoduje w identyfikacji celów i tworzeniu długich oraz krótkich list, podczas gdy 45 % powiedziało to samo o wykrywaniu sygnałów ostrzegawczych w trakcie due diligence. Co ważniejsze, uczestnicy zaczynają dostrzegać wartość komercyjną, nie tylko efektywność. Około ćwierć respondentów w badaniu Datasite przyznało, że AI pomogło im sfinalizować transakcję, którą w przeciwnym razie by przegapili, a dwie trzecie widzą AI w całym cyklu jako sposób na zmniejszenie ryzyka transakcji.

Obraz zmienia się wyraźnie w miarę zbliżania się do zamknięcia transakcji. Tylko 22 % uczestników stwierdziło, że podążyłoby za rekomendacją generowaną przez AI dotyczącą przejścia do podpisu, podczas gdy 45 % uważa, że podpis powinien pozostać wyłącznie decyzją ludzką. Instynkt jest solidny. Każde przejęcie sprowadza się do pewności. Czy ufasz temu zespołowi zarządzającemu na tyle, aby wesprzeć go kapitałem? Czy jesteś komfortowy z ryzykami, których due diligence nie mogło w pełni rozwiązać? Te pytania wymagają oceny, a co ważniejsze, kogoś gotowego wziąć odpowiedzialność za odpowiedź. AI powinna pomóc w szybszym podjęciu lepszej decyzji, ale nie powinna być decydentem. Dlatego narzędzia oparte na zarządzanej AI, stworzone dla środowiska transakcyjnego i zawierające treści z uprawnieniami, odpowiedzi poparte źródłami, kontekst przepływu pracy oraz ludzką aprobatę tam, gdzie ocena i odpowiedzialność mają największe znaczenie, są tak istotne.

Jak bronić agentowej sali transakcyjnej przed ryzykami takimi jak wstrzyknięcie promptu, nieautoryzowane wyciąganie danych, skompromitowane dokumenty lub działania podejmowane poza uprawnieniami użytkownika?

Błędem jest traktowanie bezpieczeństwa jako warstwy dodawanej po wdrożeniu AI. W M&A bezpieczeństwo i zarządzanie muszą być wbudowane od samego początku, ponieważ podstawowe informacje są wysoce wrażliwe i często wpływają na rynek.

Każda transakcja zawiera materiały, które mogą nigdy nie stać się publiczne, od wyników finansowych i własności intelektualnej po relacje z klientami i plany strategiczne. Każdy agent działający w tym środowisku musi przestrzegać tego samego ramowego zarządzania, które chroni samą transakcję. Nie powinien nigdy uzyskiwać dostępu do informacji poza uprawnieniami użytkownika, co oznacza, że tożsamość i uprawnienia muszą być egzekwowane na warstwie danych, a nie pozostawione do promptu. Każde działanie powinno być rejestrowane, każda rekomendacja powinna odwoływać się do dokumentu źródłowego, a każdy zautomatyzowany przepływ pracy powinien dziedziczyć autorytet osoby, która go zainicjowała, nie przekraczając go. Dlatego zaprojektowaliśmy nasz serwer MCP z priorytetem bezpieczeństwa. Rynek zmierza w tym samym kierunku. W naszych badaniach najważniejszymi cechami AI dla uczestników transakcji były dokładność i bezpieczeństwo, przy czym bezpieczeństwo zajęło pierwsze miejsce wśród respondentów w regionach EMEA i APAC. W M&A zaufanie nie jest oddzielne od doświadczenia produktu. To ono sprawia, że produkt jest użyteczny.

Halucynacje są szczególnie niebezpieczne, gdy system AI analizuje umowy, sprawozdania finansowe i ujawnienia regulacyjne. Jak agent M&A powinien komunikować niepewność, dostarczać dowody na swoje wnioski i rozpoznawać, kiedy problem należy eskalować do bankiera, prawnika lub eksperta tematycznego?

W M&A, jeśli dwa dokumenty są ze sobą sprzeczne, ta sprzeczność jest wynikiem. Jeśli odpowiedź na pytanie nie jest dostępna na podstawie dokumentów i danych w sali, ta luka informacyjna jest wynikiem i często ma większe znaczenie niż sama odpowiedź.

Każdy system AI używany w M&A powinien być zaprojektowany wyłącznie na podstawie dowodów, ponieważ każda konkluzja powinna odwoływać się do leżącego u podstaw dokumentu, sprzeczne informacje powinny być wyraźnie ujawnione, a nie cicho zredukowane, a niska pewność powinna być wyrażana przejrzyście w wyniku. Branża już buduje tę dyscyplinę, co uważam za zachęcające.

Dowód jest miejscem, od którego musi rozpocząć się rozmowa. Dokładność była najważniejszą cechą wymienioną przez uczestników transakcji w naszych badaniach, a najczęstszym sposobem budowania zaufania przez firmy jest nadal ludzka weryfikacja wyników generowanych przez AI. Pewna, ale nieuzasadniona odpowiedź jest niebezpieczna w transakcji. Tak samo niebezpieczna jest odpowiedź, która wydaje się kompletna, ale cicho pomija niepewność. Równie ważne jest to, że ćwierć uczestników spodziewa się, że niewłaściwe wykorzystanie AI zniszczy kilka wysokowartościowych transakcji w ciągu najbliższych pięciu lat. To przypomnienie, że ryzyko nie polega jedynie na niekorzystaniu z AI. Chodzi o używanie AI bez odpowiednich kontroli, dowodów i punktów eskalacji. Moje własne podejście polega na tym, że AI daje profesjonalistom transakcyjnym niezwykle dokładny wstępny przegląd, wykonując badania i organizując dowody, ale interpretacja tych dowodów i dalsze kroki powinny pozostać w gestii ludzkiej oceny.

Zasugerowałeś, że mniejsze zespoły transakcyjne z AI mogą konkurować z znacznie większymi tradycyjnymi zespołami. Jak to może zmienić ekonomię i zatrudnienie w transakcjach oraz co stanie się z rolami juniorów, przez które bankierzy i prawnicy tradycyjnie uczą się podstaw prowadzenia transakcji?

Każde pokolenie technologii zmienia skład pracy, a nie eliminuje potrzebę ludzi, i myślę, że właśnie to dzieje się w M&A. Młodsi bankierzy, prawnicy i analitycy tradycyjnie spędzali tysiące godzin na przeglądaniu dokumentów, aktualizowaniu trackerów, organizowaniu żądań due diligence i przygotowywaniu materiałów. AI powinna odciążyć nocne zmiany o 2 nad ranem, ponieważ może przejąć dużą część tego ciężkiego zadania. Potencjał zwiększenia wydajności jest realny. Jednak ważniejsze pytanie brzmi, co firmy zrobią z odzyskanym czasem.

Młodsi profesjonaliści nadal muszą rozwijać umiejętność oceny, uczestniczyć w negocjacjach i uczyć się, jak myślą doświadczeni uczestnicy transakcji. Jeśli AI przejmuje zbieranie informacji administracyjnych, drugi rok stażysty może uczestniczyć w pracy merytorycznej i brać udział w istotnych dyskusjach prowadzących do decyzji kluczowych dla biznesu znacznie wcześniej niż moja generacja. Firmy, które dobrze to zorganizują, zainwestują zaoszczędzony czas w swoich pracowników, a nie po prostu potraktują go jako marżę.

Jakie benchmarki powinna przyjąć branża do oceny agenta M&A? Czy wydajność powinna być mierzona dokładnością przeglądu dokumentów, wykrytymi problemami w due diligence, wskaźnikami fałszywych alarmów, ukończeniem przepływu pracy, skróceniem czasu transakcji czy ostateczną jakością wyników transakcji?

Metryki operacyjne mają znaczenie i śledzimy je wszystkie, aby zapewnić, że każde wdrożone narzędzie jest skuteczne i precyzyjne. Jednak te mierzą, czy AI wykonało zadanie prawidłowo. Klienci chcą wiedzieć, czy sama transakcja została przeprowadzona lepiej dzięki jego użyciu.

Pytania i benchmarki, które uważam za bardziej przydatne, to m.in. czy system wykazał ryzyko, które w przeciwnym razie zostałoby przeoczone, czy zespół mógł ocenić więcej możliwości niż wcześniej, czy due diligence stało się krótsze bez utraty jakości oraz czy osoby starsze spędzały więcej godzin na negocjacjach, a mniej na poszukiwaniu informacji. Mamy już pewne dowody w tym zakresie. Nasze badania wykazują, że 24 % uczestników transakcji twierdzi, że AI pomogło im sfinalizować transakcję, którą w przeciwnym razie by przegapili, a 66 % uważa, że stosowanie AI w całym cyklu życia jest kluczowym sposobem na zmniejszenie ryzyka transakcji.

Datasite’s H1 2026 report shows global deal kickoffs increasing 31% year over year, led by 52% growth in the Americas, compared with 13% in Europe, the Middle East and Africa and 4% in Asia-Pacific. What is driving this regional divergence, and could access to agentic technology widen or narrow the productivity gap between markets?

Raport H1 2026 firmy Datasite pokazuje, że globalne rozpoczęcia transakcji rosną o 31 % rok do roku, napędzane 52 % wzrostem w Amerykach, w porównaniu z 13 % w Europie, na Bliskim Wschodzie i w Afryce oraz 4 % w regionie Azji i Pacyfiku. Co napędza tę regionalną dywergencję i czy dostęp do technologii agentowej może zwiększyć lub zmniejszyć lukę produktywności między rynkami?

Dane odzwierciedlają to, co wielu uczestników transakcji odczuwało w ciągu ostatnich kilku miesięcy, czyli że pewność powróciła szybciej w Amerykach, wspierana warunkami finansowania i większą gotowością do wprowadzania aktywów na rynek. Co ciekawe, APAC odnotował najwolniejszy wzrost rozpoczęć transakcji – 4 %, a mimo to uczestnicy z APAC są najbardziej agresywnymi adoptorami AI, wyraźnie wyprzedzając inne regiony w naszych badaniach. Przewodzą we wszystkich regionach w wykorzystaniu AI od pozyskiwania i selekcji po due diligence, gdzie 56 % używa go regularnie lub w pełni zintegrowało, w porównaniu z 49 % w EMEA i 47 % w Amerykach. Są także najpewniejsi w przekazywaniu AI znaczącej władzy decyzyjnej. Moim zdaniem ograniczenia napędzają adopcję, ponieważ tam, gdzie przepływ transakcji jest trudniejszy, a zespoły działają bardziej oszczędnie, zachęta do uzyskania większej wydajności od każdego specjalisty w biurze rośnie.

Oczywiście technologia nie może tworzyć transakcji. Nie wpłynie na stopy procentowe ani nie skróci przeglądu regulacyjnego. Ale to, co może zrobić, to zwiększyć produktywność każdego zespołu poprzez realizację transakcji, a ta zdolność skaluje się znacznie szybciej niż liczba pracowników, dlatego z czasem spodziewam się, że AI zmniejszy lukę produktywności między rynkami, a nie ją powiększy.

Raport Insight firmy Datasite wskazuje również, że zespoły uruchamiają transakcje szybciej w kilku rynkach, podczas gdy due diligence pozostaje długotrwałe, z medianą 238 dni w regionie Azji i Pacyfiku. Które pozostałe wąskie gardła są najlepiej dopasowane do agentów AI, a które są zasadniczo związane z negocjacjami, regulacjami, warunkami finansowania lub ludzkim podejmowaniem decyzji?

Rozpoczęcie transakcji stało się znacznie szybsze, ponieważ firmy dysponują lepszymi danymi, bardziej zautomatyzowanymi procesami i większą pewnością w wczesnym identyfikowaniu okazji. Due diligence jest inne, ponieważ to miejsce, w którym gromadzi się złożoność, a złożoność nie ulega kompresji tak jak wolumen. Due diligence nadal trwa medianę 238 dni w regionie APAC, a z mojego doświadczenia niewiele z tego czasu jest poświęcane na analizę. Większość to koordynacja, taka jak uzgadnianie dokumentów z zmieniającymi się żądaniami, wieloma doradcami i zmieniającymi się priorytetami.

Jednak due diligence jest właśnie obszarem, w którym agenci są zoptymalizowani do wsparcia. Mogą monitorować postęp w różnych strumieniach pracy, identyfikować brakujące elementy, wykrywać niezgodności między dokumentami i przygotowywać materiały uzupełniające, zanim zespół o nie poprosi. Dlatego nasi respondenci oceniają due diligence jako etap, w którym AI przynosi najlepszy zwrot z inwestycji, a tylko 4 % nie korzysta z niego wcale.

AI, oczywiście, ma istotne ograniczenia. Ludzie wciąż muszą budować zaufanie, oceniać ryzyka i korzyści oraz decydować, czy transakcja jest warta ceny. Najważniejszym wnioskiem z naszych badań, przynajmniej dla mnie, było to, że uczestnicy transakcji nie postrzegają AI jako zastępującej ocenę, lecz jako przyspieszającą i lepiej informującą ocenę. Gdy coraz większa część procesu i pracy administracyjnej przechodzi na technologię, rozmowy, które mogą prowadzić tylko ludzie, stają się najcenniejszymi godzinami w cyklu życia transakcji.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Datasite.