Rusty Wiley, CEO и президент Datasite — серия интервью

Rusty Wiley, CEO и президент Datasite, возглавляет компанию с 2014 года, наблюдая её трансформацию из Merrill Corporation, бизнеса, в основном ориентированного на финансовые коммуникации и услуги печати, в глобальную компанию, предоставляющую программное обеспечение как услугу (SaaS), сосредоточенную на слияниях и поглощениях (M&A) и стратегических сделках. До присоединения к Datasite Уайли проработал более семи лет в IBM, где занимал пост генерального директора по банковскому и финансовому рынкам и управляющего партнёра, накопив обширный опыт в финансовых услугах, корпоративных технологиях и бизнес‑трансформации.

Datasite — глобальная технологическая платформа, предназначенная для поддержки участников сделок на протяжении всего жизненного цикла M&A, включая поиск сделок, подготовку, проверку (due diligence), финансирование, реструктуризацию и посттранзакционные процессы. Платформа сочетает защищённые виртуальные комнаты данных с специально разработанными возможностями искусственного интеллекта, включая автоматическое редактирование, семантический поиск, суммирование документов, перевод, AI‑поддерживаемый Q&A и интеллект по инициированию сделок. По словам Datasite, её технологии поддерживают более 626 000 участников сделок и более 16 000 транзакций ежегодно, предоставляя инвестиционным банкам, фирмам частного капитала, корпорациям и юридическим фирмам безопасную среду для управления сложными сделками и конфиденциальной информацией.

You joined Datasite in 2014 after leading banking and financial markets at IBM and subsequently helped transform Datasite from a financial communications and print business into a global mergers and acquisitions software platform. How did that experience shape your conviction that the next phase of dealmaking will be built around AI agents rather than traditional virtual data rooms?

Когда я пришёл в Datasite в 2014 году, виртуальная комната данных находилась в центре финансовых транзакций. Она уже трансформировала процесс сделок, переместив конфиденциальную информацию из физических комнат в защищённую, поисковую цифровую среду. С течением следующего десятилетия стало ясно, что эта комната данных также закладывает основу для чего‑то гораздо большего.

По мере роста нашего масштаба росла и возможность. Сейчас Datasite поддерживает примерно 55 000 транзакций в год, давая нам уникальный взгляд на то, как происходит работа над сделкой. При таком объёме мы видим не только документы. Мы видим рабочие процессы, шаблоны и тысячи повторяющихся задач, сопровождающих каждую транзакцию. Это создаёт огромную возможность применить ИИ и автоматизацию, чтобы команды переходили от информации к действию гораздо быстрее. На самом деле мы уже наблюдаем это. Recent Datasite research, The New Deal Team показывает, что компании, игнорирующие ИИ, будут испытывать трудности в конкуренции в течение пяти лет, а большинство участников сделок считают, что полагаться исключительно на человеческое принятие решений в сложных сделках больше не оправдано.

Поэтому следующая фаза заключается в построении интеллекта и автоматизации поверх этой надёжной инфраструктуры. ИИ может анализировать информацию, выявлять риски и возможности, связывать институциональные знания с живыми данными транзакций и всё чаще выполнять многократные рабочие процессы, которые сегодня отнимают значительное время у команды сделки. Агент может постоянно мониторить информацию, проводить анализ и продвигать работу вперёд, пока люди сосредоточены на суждениях, переговорах и решениях, определяющих результаты.

Исходя из этого, виртуальные комнаты данных являются фундаментом для следующего поколения сделок. Документы, разрешения, безопасность и слой совместной работы остаются критически важными. ИИ делает эту основу гораздо более ценной, поскольку он может понимать контекст информации и действовать в соответствии с ним. Мы уже видим, как эта модель выходит за пределы комнаты данных: контент Datasite безопасно переходит в AI‑управляемые рабочие процессы, при этом сохраняются существующие разрешения.

You have described the future of Datasite as an AI-native operating system for mergers and acquisitions. What distinguishes an operating system capable of executing deal workflows from a virtual data room that simply adds document search, summarization, or a conversational assistant?

Поиск и суммирование действительно полезны, но они работают с одним документом за раз и отвечают только на вопрос, который кто‑то задумал задать, что ограничивает их, когда рассматриваешь, как выглядит транзакция изнутри. Любая сделка состоит из сотен взаимосвязанных задач, выполняющихся одновременно, включая запросы due diligence, презентации руководства, юридические обзоры, финансовые рабочие потоки и утверждения; всё это включает разных людей с разными разрешениями и сроками. Опытные банкиры восстанавливают статус сделки из цепочек электронных писем и трекера, обновлённого кем‑то во вторник, а к четвергу эти данные уже устарели.

Операционная система сохраняет это состояние, обновляя связанные данные в реальном времени, знает, какой рабочий поток отстаёт, какой запрос остаётся без ответа шесть дней, и какая информация противоречит тому, что было загружено на прошлой неделе. Как только система действительно понимает это, она может подготовить работу до того, как кто‑то её запросит, отметить, где процесс застрял, и скоординировать следующий шаг между сторонами, которые в данный момент могут не общаться напрямую.

Именно поэтому разговор быстро перешёл от вопроса, должно ли ИИ присутствовать в M&A, к тому, как его следует интегрировать ответственно. В нашем исследовании 96 % участников сделок уже используют ИИ или исследуют его в поиске и отборе, а due diligence стал одним из самых очевидных вариантов применения, при этом половина участников регулярно использует ИИ или уже внедрила его в процесс. Суть в том, что отрасль уже прошла стартовую линию, и преимущество получат компании, которые превратят ИИ из инструмента в управляемый операционный слой.

Why will proprietary transaction data be more important to the performance of an M&A agent than access to the most powerful general-purpose large language model? What signals allow an agent to understand how a real transaction is progressing rather than merely interpret individual documents?

Базовые модели удивительны и продолжают улучшаться, но они доступны всем компаниям одновременно. Какое бы преимущество компания ни получила от лучшей модели сегодня, оно имеет короткий срок службы, когда конкурент по соседству получает доступ одновременно, или когда через несколько недель объявляют новую модель.

Собственный контекст не становится широко доступным так же, как базовые модели, и именно здесь, по моему мнению, заключаются долговременные различия и конкурентное преимущество. Под контрактами и финансовой отчётностью скрываются тысячи взаимодействий между покупателями, продавцами, советниками и управленческими командами, а последовательность этих взаимодействий несёт реальный смысл. Порядок загрузки документов говорит о том, насколько подготовлен продавец, так же как вопрос due diligence, который становится острее на третьем проходе, указывает на реальное беспокойство покупателя, а рабочий поток, где время отклика тихо удвоилось, сигнализирует о проблеме задолго до того, как кто‑то об этом скажет.

Это та интеллектуальная база, которая нужна агенту, если он должен быть действительно полезным на протяжении всего процесса M&A. Хорошо прочитать документ — одна способность, и она всё больше становится товаром. Умение заметить, что сделка отклоняется за три недели до того, как кто‑то скажет об этом вслух, — это совсем другое, и оно приходит от наблюдения за десятками тысяч реальных транзакций, а не от обучения на публичных данных.

An agent could potentially assemble target profiles, review thousands of documents, identify conflicting disclosures and coordinate diligence workflows. Which of these activities can agents reliably perform today, and which should continue to require explicit human approval?

Для многих компаний AI‑агенты уже упорядочивают огромные объёмы информации, сравнивают документы на предмет несоответствий, выявляют потенциальные риски, готовят резюме due diligence и поддерживают рутинные рабочие процессы, всё быстрее, чем команда могла бы управлять вручную. Участники сделок становятся к этому комфортными, потому что именно в этих областях ИИ может устранить трения, не отбирая у людей суждения. В нашем исследовании 46 % участников сказали, что ИИ уже лидирует в определении целей и составлении длинных и коротких списков, а 45 % — в выявлении красных флажков во время due diligence. Более того, участники начинают видеть коммерческую ценность, а не только эффективность. Около четверти респондентов в исследовании Datasite заявили, что ИИ помог им завершить сделку, которую они иначе упустили, и две трети считают, что ИИ на протяжении всего жизненного цикла — это ключевой способ снижения риска транзакции.

Картина заметно меняется по мере приближения к закрытию. Только 22 % участников говорят, что последуют рекомендациям, сгенерированным ИИ, относительно того, стоит ли переходить к подписанию, тогда как 45 % считают, что подписание должно оставаться полностью человеческим решением. Инстинкт звучит правильно. Каждая покупка сводится к уверенности. Доверяете ли вы этой управленческой команде достаточно, чтобы вложить в неё капитал? Комфортно ли вам с рисками, которые due diligence не смог полностью разрешить? Эти вопросы требуют суждения, а главное — кого‑то, готового нести ответственность за ответ. ИИ должен помочь вам принять лучшее решение быстрее, но не должен принимать решение. Поэтому инструменты, основанные на управляемом ИИ, построенные для среды сделок и включающие разрешённый контент, ответы, подкреплённые источниками, контекст рабочего процесса и человеческое одобрение там, где важны суждение и ответственность, так важны.

How do you defend an agentic deal room against risks such as prompt injection, unauthorized data extraction, compromised documents, or actions taken beyond a user’s authority?

Ошибка заключается в том, что безопасность рассматривается как слой, добавляемый после внедрения ИИ. В M&A безопасность и управление должны быть встроены с самого начала, потому что базовая информация является высокочувствительной и часто влияет на рынок.

Каждая транзакция содержит материалы, которые могут никогда не стать публичными, от финансовых показателей и интеллектуальной собственности до отношений с клиентами и стратегических планов. Любой агент, работающий в такой среде, должен соблюдать тот же управленческий каркас, который защищает саму сделку. Он никогда не должен получать доступ к информации, превышающей разрешения пользователя, что означает, что идентификация и права должны применяться на уровне данных, а не оставаться на уровне запроса. Каждое действие должно быть зафиксировано, каждая рекомендация должна отчитываться к исходному документу, а каждый автоматический рабочий процесс должен наследовать полномочия инициировавшего его человека, не превышая их. Поэтому мы разработали наш MCP server с приоритетом безопасности. Рынок движется в том же направлении. В нашем исследовании точность и безопасность были теми атрибутами ИИ, которые участники оценили выше всего, при этом безопасность заняла первое место среди респондентов в EMEA и APAC. В M&A доверие не отделяется от продукта. Это то, что делает продукт пригодным к использованию.

Hallucinations are especially dangerous when an AI system is analyzing contracts, financial statements, and regulatory disclosures. How should an M&A agent communicate uncertainty, provide evidence for its conclusions, and recognize when an issue must be escalated to a banker, lawyer, or subject-matter expert?

В M&A, если два документа противоречат друг другу, это противоречие является выводом. Если ответ на вопрос недоступен на основе документов и данных в комнате, этот пробел в информации также является выводом, зачастую более значимым, чем сам ответ.

Каждая система ИИ, используемая в M&A, должна быть спроектирована исключительно на основе доказательств, поскольку каждый вывод должен ссылаться на исходный документ, конфликтующая информация должна быть явно выявлена, а низкая уверенность должна прозрачно отражаться в выводе. Индустрия уже внедряет эту дисциплину, что меня радует.

Доказательства — это отправная точка разговора. Точность была самым важным атрибутом, названным участниками в нашем исследовании, и самым распространённым способом построения доверия всё ещё остаётся человеческий обзор выводов ИИ. Уверенный, но необоснованный ответ опасен в сделке. Так же опасен ответ, который выглядит полным, но тихо игнорирует неопределённость. Что меня также волнует, так это то, что четверть участников ожидает, что плохое использование ИИ уничтожит несколько сделок высокой стоимости в течение следующих пяти лет. Это напоминание о том, что риск заключается не только в том, что ИИ не используется. Риск в том, что ИИ используется без надлежащих контролей, доказательств и точек эскалации. Мой собственный взгляд таков: ИИ предоставляет профессионалам сделок замечательно тщательный первый проход, делая исследование и организуя доказательства, но то, что эти доказательства значат и что следует делать дальше, должно оставаться человеческим суждением.

You have suggested that smaller, AI-enabled deal teams could compete with much larger traditional teams. How could this change the economics and staffing of transactions, and what happens to the junior roles through which bankers and lawyers traditionally learn the fundamentals of dealmaking?

Каждое поколение технологий меняет состав работы, а не устраняет потребность в людях, и я считаю, что именно это происходит в M&A. Младшие банкиры, юристы и аналитики исторически тратят тысячи часов на проверку документов, обновление трекеров, организацию запросов due diligence и сбор материалов. ИИ должен облегчить ночные часы работы, потому что он может взять на себя большую часть этой тяжёлой нагрузки. Продуктивность действительно возрастает. Но более важный вопрос — что компании сделают с освободившимся временем.

Младшим специалистам всё ещё необходимо развивать суждения, участвовать в переговорах и учиться тому, как думают опытные участники сделок. Если ИИ поглощает административный сбор информации, сотрудник второго года может участвовать в содержательной работе и присутствовать на значимых обсуждениях, приводящих к бизнес‑критическим решениям, гораздо раньше, чем делал это моё поколение. Компании, которые правильно справятся с этим, реинвестируют сэкономленное время в своих людей, а не просто возьмут его как маржу.

What benchmarks should the industry use to evaluate an M&A agent? Should performance be measured through document-review accuracy, diligence issues discovered, false-positive rates, workflow completion, reductions in deal time or the eventual quality of transaction outcomes?

Операционные метрики важны, и мы отслеживаем их все, чтобы убедиться, что любой внедрённый инструмент эффективен и точен. Однако они измеряют, правильно ли ИИ выполнил свою задачу. Клиенты хотят знать, была ли сама сделка выполнена лучше благодаря его использованию.

Вопросы и критерии, которые я считаю более полезными, включают: выявил ли система риск, который иначе был бы упущен, смогла ли команда оценить больше возможностей, чем могла раньше, сократилось ли время due diligence без потери глубины, и потратили ли старшие сотрудники больше времени на переговоры и меньше — на поиск информации. У нас уже есть некоторые доказательства в этом направлении. Наше исследование показывает, что 24 % участников заявили, что ИИ помог им завершить сделку, которую они иначе упустили, и 66 % считают, что использование ИИ на протяжении всего жизненного цикла — это ключевой способ снижения риска транзакции.

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?

Данные отражают то, что многие участники сделок ощущали за последние несколько месяцев: уверенность вернулась быстрее в Америке, поддерживаемая условиями финансирования и большей готовностью выводить активы на рынок. Интересно, что APAC продемонстрировал самый медленный рост начала сделок — 4 %, однако участники из APAC являются самыми активными пользователями ИИ с явным отрывом согласно нашему исследованию. Они лидируют в каждом регионе по использованию ИИ от поиска и отбора до due diligence, где 56 % используют его регулярно или полностью внедрили, по сравнению с 49 % в EMEA и 47 % в Америке. Они также наиболее комфортно передают значительные полномочия по принятию решений ИИ. По моему мнению, ограниченность рынка стимулирует внедрение, потому что где поток сделок труднее, а команды работают более экономно, тем сильнее стимул извлечь максимум из каждого профессионала.

Конечно, технология не может создавать сделки. Она не изменит процентные ставки или не сократит регуляторный обзор. Но она может повысить продуктивность каждой команды, выполняя сделку, и эта возможность масштабируется гораздо быстрее, чем рост численности персонала, поэтому со временем я ожидаю, что ИИ сузит разрыв в продуктивности между рынками, а не расширит его.

Datasite’s Insight report also indicates that teams are launching transactions more quickly in several markets, while diligence remains lengthy, including a median of 238 days in Asia-Pacific. Which remaining bottlenecks are best suited to AI agents, and which are fundamentally tied to negotiations, regulation, financing conditions, or human decision-making?

Запуск сделки стал значительно быстрее, потому что компании обладают лучшими данными, более автоматизированными процессами и большей уверенностью в раннем выявлении возможностей. Due diligence отличается тем, что именно там накапливается сложность, и сложность не сжимается так, как объём. Due diligence всё ещё занимает медиану 238 дней в регионе APAC, и, по моему опыту, мало из этого времени тратится на анализ. Большая часть — это координация, такая как согласование документов с меняющимися запросами, множеством советников и меняющимися приоритетами.

Тем не менее, due diligence — именно то направление, для которого агенты оптимизированы. Они могут отслеживать прогресс по рабочим потокам, определять, чего не хватает, выявлять несоответствия между документами и готовить материалы для последующего шага ещё до того, как команда запросит их. Поэтому наши респонденты считают due diligence стадией, где ИИ приносит наибольшую отдачу от инвестиций, и только 4 % из них вовсе не используют его там.

ИИ, конечно, имеет значительные ограничения. Людям всё ещё нужно строить доверие, взвешивать риски и выгоды и решать, стоит ли сделка своих затрат. Самый сильный вывод нашего исследования, по крайней мере для меня, заключался в том, что участники сделок не видят замену суждения ИИ, а скорее ускорение и обоснованность суждения. Пока большая часть процесса и административная работа переходит к технологиям, разговоры, которые могут вести только люди, становятся самыми ценными часами в жизненном цикле сделки.

Thank you for the great interview, readers who wish to learn more should visit Datasite.