Rusty Wiley, VD och President för Datasite – Intervjuserie

Rusty Wiley, VD och President för Datasite, har lett företaget sedan 2014 och har övervakat dess omvandling från Merrill Corporation, ett företag som främst fokuserade på finansiell kommunikation och trycktjänster, till ett globalt programvara‑som‑tjänst‑företag (SaaS) inriktat på fusioner och förvärv (M&A) samt strategiska transaktioner. Innan han började på Datasite tillbringade Wiley mer än sju år på IBM, där han var General Manager för Banking and Financial Markets och Managing Partner, och byggde upp omfattande erfarenhet inom finansiella tjänster, företags‑teknik och affärstransformation.

Datasite är en global teknikplattform utformad för att stödja affärsmäklare genom hela M&A‑livscykeln, inklusive affärsanskaffning, förberedelse, due diligence, finansiering, omstrukturering och efter‑transaktionsprocesser. Plattformen kombinerar säkra virtuella datarum med skräddarsydda artificiell intelligens‑funktioner, inklusive automatisk maskering, semantisk sökning, dokument‑sammanfattning, översättning, AI‑assisterad Q&A och intelligens för affärsinitiering. Datasite uppger att deras teknik stödjer mer än 626 000 affärsmäklare och över 16 000 transaktioner årligen, och ger investmentbanker, private‑equity‑företag, företag och advokatbyråer en säker miljö för att hantera komplexa transaktioner och känslig information.

Du gick med i Datasite 2014 efter att ha lett bank- och finansmarknader på IBM och hjälpte därefter till att omvandla Datasite från ett företag för finansiell kommunikation och tryck till en global mjukvaruplattform för fusioner och förvärv. Hur formade den erfarenheten din övertygelse om att nästa fas av affärsgörande kommer att byggas kring AI‑agenter snarare än traditionella virtuella datarum?

När jag kom till Datasite 2014 var det virtuella datarummet i centrum för finansiella transaktioner. Det hade redan förändrat affärsgörandet genom att flytta känslig information från fysiska rum till en säker, sökbar digital miljö. Vad som blev tydligt under det kommande decenniet var att datarummet också skapade grunden för något mycket större.

När vår skala växte, ökade även möjligheten. Datasite stödjer nu ungefär 55 000 transaktioner per år, vilket ger oss en unik insikt i hur affärsarbetet sker. Vid den volymen ser vi mer än bara dokument. Vi ser arbetsflöden, mönster och de tusentals repetitiva uppgifter som omger varje transaktion. Det skapar en enorm möjlighet att tillämpa AI och automatisering för att hjälpa team gå från information till handling mycket snabbare. Faktum är att vi redan ser detta hända. Senaste Datasite‑forskningsrapporten, The New Deal Team, visar att företag som ignorerar AI kommer att ha svårt att konkurrera inom fem år, och de flesta affärsmäklare säger att det inte längre är försvarbart att enbart förlita sig på mänskligt beslutsfattande i komplexa affärer.

Det är därför nästa fas handlar om att bygga intelligens och automatisering ovanpå den betrodda infrastrukturen. AI kan analysera information, identifiera risker och möjligheter, koppla institutionell kunskap till levande transaktionsdata, och allt oftare utföra flerstegsarbetsflöden som idag förbrukar betydande mängder av ett affärsteams tid. Agenter kan kontinuerligt övervaka information, utföra analyser och driva arbetet framåt medan människor förblir fokuserade på omdöme, förhandlingar och de beslut som avgör resultatet.

Med detta i åtanke är datarum grunden för nästa generation av affärsgörande. Dokumenten, behörigheter, säkerhet och samarbetslagret förblir kritiska. AI gör den grunden mycket mer värdefull eftersom den kan förstå sammanhanget kring informationen och agera på den. Vi ser redan att modellen sträcker sig bortom datarummet, med Datasite‑innehåll som flödar säkert in i AI‑drivna arbetsflöden medan befintliga behörigheter förblir intakta.

Du har beskrivit framtiden för Datasite som ett AI‑inbyggt operativsystem för fusioner och förvärv. Vad särskiljer ett operativsystem som kan utföra affärsarbetsflöden från ett virtuellt datarum som bara lägger till dokumentsökning, sammanfattning eller en konversationsassistent?

Sökning och sammanfattning är verkligen användbara, men de fungerar på ett dokument i taget och svarar bara på en fråga någon tänkt sig att ställa, vilket är en begränsning när man betraktar hur en transaktion ser ut inifrån. En given affär består av hundratals sammankopplade uppgifter som körs samtidigt, inklusive due‑diligence‑förfrågningar, ledningspresentationer, juridiska granskningar, finansieringsarbetsströmmar och godkännanden; alla involverar olika personer som arbetar under olika behörigheter och med olika tidsfrister. Erfarna bankirer rekonstruerar affärens status från e‑posttrådar och en tracker någon uppdaterade på tisdagen, och redan på torsdagen är informationen föråldrad.

Vad ett operativsystem gör är att hålla detta tillstånd så att det uppdaterar anslutna data i realtid, vet vilket arbetsflöde som ligger efter, vilken förfrågan som har legat obesvarad i sex dagar, och vilken information som motsäger vad som lämnades in förra veckan. När systemet verkligen förstår detta kan det förbereda arbete innan någon ber om det, flagga där en process har fastnat och samordna nästa steg mellan parter som kanske inte kommunicerar direkt i det ögonblicket.

Det är därför samtalet har gått så snabbt från huruvida AI hör hemma i M&A till hur det bör integreras på ett ansvarsfullt sätt. I vår forskning använder eller utforskar redan 96 % av affärsmäklare AI i sourcing och screening, och due diligence har blivit ett av de tydligaste användningsfallen, där hälften av affärsmäklarna använder AI regelbundet eller redan har integrerat det i processen. Poängen är att branschen har passerat startlinjen, och fördelen kommer att gå till de företag som kan förvandla AI från ett verktyg till ett styrt operativt lager.

Varför kommer proprietär transaktionsdata att vara viktigare för prestandan hos en M&A‑agent än åtkomst till den mest kraftfulla generella stora språkmodellen? Vilka signaler låter en agent förstå hur en verklig transaktion fortskrider snarare än att bara tolka enskilda dokument?

Grundmodeller är extraordinära och de förbättras ständigt, men de är också tillgängliga för alla företag samtidigt. Vilken fördel ett företag får av att ha den bästa modellen idag har en kort livslängd när konkurrenten runt hörnet får åtkomst samtidigt, eller när en ny modell annonseras veckor senare.

Proprietär kontext blir inte allmänt tillgänglig på samma sätt, och det är där jag tror den bestående skillnaden och konkurrensfördelen ligger. Under kontrakten och de finansiella rapporterna finns tusentals interaktioner mellan köpare, säljare, rådgivare och ledningsteam, och sekvensen av dessa interaktioner bär verklig betydelse. Ordningen i vilken dokument laddas upp säger något om hur förberedd en säljare faktiskt är, precis som en due‑diligence‑fråga som blir skarpare på sitt tredje genomgång visar var köparens verkliga oro ligger, och ett arbetsflöde där svarstiderna tyst har fördubblats visar att något har gått fel långt innan någon har sagt det.

Det är den intelligens en agent behöver om den ska vara genuint användbar genom hela M&A‑processen. Att läsa ett dokument väl är en förmåga, och den blir alltmer en vara. Att känna igen att en affär driver iväg tre veckor innan någon säger det högt är något helt annat, och det kommer från att ha observerat tiotusentals verkliga transaktioner snarare än att tränas på offentlig information.

En agent kan potentiellt samla ihop målprofiler, granska tusentals dokument, identifiera motstridiga upplysningar och samordna due‑diligence‑arbetsflöden. Vilka av dessa aktiviteter kan agenter pålitligt utföra idag, och vilka bör fortsatt kräva explicit mänskligt godkännande?

För många företag organiserar agentbaserad AI redan enorma mängder information, jämför dokument för inkonsekvenser, lyfter fram potentiella risker, skriver due‑diligence‑sammanfattningar och håller rutinarbetsflöden i rörelse, allt snabbare än ett team skulle kunna hantera manuellt. Affärsmäklare blir bekväma med detta eftersom detta är exakt de områden där AI kan avlägsna friktion utan att ta bort omdömet från människor. I vår forskning säger 46 % av affärsmäklarna att AI redan leder i att identifiera mål och skapa långa och korta listor, medan 45 % säger detsamma om att identifiera varningssignaler under due diligence. Ännu viktigare är att affärsmäklare börjar se kommersiellt värde, inte bara effektivitet. Ungefär en fjärdedel av svarande i Datasite‑forskningen säger att AI hjälpte dem slutföra en affär de annars skulle ha missat, och två‑tredjedelar ser AI över hela livscykeln som ett avgörande sätt att minska riskerna i en transaktion.

Bilden förändras märkbart när man närmar sig avslutet. Endast 22 % av affärsmäklare säger att de skulle följa ett AI‑genererat förslag om huruvida man ska gå vidare till undertecknande, medan 45 % anser att undertecknandet bör förbli ett helt mänskligt beslut. Instinkt är sund. Varje förvärv handlar om förtroende. Litar du på detta ledningsteam tillräckligt för att ge dem kapital? Är du bekväm med de risker som due diligence inte fullt kunde lösa? Dessa frågor kräver omdöme, och ännu viktigare, någon som är villig att ta ansvar för svaret. AI bör hjälpa dig att nå ett bättre beslut snabbare, men det bör inte vara beslutsfattaren. Det är därför verktyg som är förankrade i styrd AI byggda för affärsmiljön, med behörigt innehåll, källbaserade svar, arbetsflödeskontext och mänskligt godkännande där omdöme och ansvar är avgörande, är så viktiga.

Hur försvarar du ett agentbaserat affärsrum mot risker som prompt‑injektion, obehörig dataextraktion, komprometterade dokument eller åtgärder som går utöver en användares behörighet?

Felet är att betrakta säkerhet som ett lager som läggs till efter att AI har implementerats. I M&A måste säkerhet och styrning inbyggas från början eftersom den underliggande informationen är mycket känslig och ofta marknadsrörande.

Varje transaktion innehåller material som kanske aldrig blir offentligt, från finansiell prestation och immateriella rättigheter till kundrelationer och strategiska planer. Varje agent som opererar i den miljön måste följa samma styrningsramverk som skyddar själva affären. Den får aldrig komma åt information utanför en användares behörigheter, vilket innebär att identitet och rättigheter måste verkställas på datalagret, inte lämnas åt ett prompt. Varje åtgärd bör loggas, varje rekommendation bör spåras tillbaka till ett källdokument, och varje automatiserat arbetsflöde bör ärva behörigheten från den person som initierade det utan att överskrida den. Det är därför vi designade vår MCP server med säkerhet i första hand. Marknaden rör sig i samma riktning. I vår forskning var noggrannhet och säkerhet de AI‑egenskaper som affärsmäklare värderade högst, med säkerhet som förstahandsval bland svarande i EMEA och APAC. I M&A är förtroende inte separerat från produktupplevelsen. Det är vad som gör produkten användbar.

Hallucinationer är särskilt farliga när ett AI‑system analyserar kontrakt, finansiella rapporter och regulatoriska upplysningar. Hur bör en M&A‑agent kommunicera osäkerhet, ge bevis för sina slutsatser och känna igen när ett problem måste eskaleras till en bankir, jurist eller ämnesexpert?

I M&A, om två dokument motsäger varandra är den motsägelsen själva fyndet. Om svaret på en fråga inte finns tillgängligt baserat på dokumenten och data i rummet, är den informationsluckan ett fynd, och ofta ett mer betydelsefullt än själva svaret skulle ha varit.

Varje AI‑system som används i M&A bör utformas för att enbart vara evidensbaserat, så att varje slutsats länkas tillbaka till det underliggande dokumentet, motstridig information tydligt lyfts fram snarare än tyst avvägs, och låg förtroende uttrycks transparent i resultatet. Branschen bygger redan den disciplinen, vilket jag finner uppmuntrande.

Bevis är där samtalet måste börja. Noggrannhet var den enskilt viktigaste egenskap som affärsmäklare nämnde i vår forskning, och det vanligaste sättet företag bygger förtroende är fortfarande mänsklig granskning av AI‑genererade resultat. Ett självsäkert men ohjälpt svar är farligt i en transaktion. Så är ett svar som verkar komplett men tyst hoppar över osäkerhet. Vad jag också finner viktigt är att en fjärdedel av affärsmäklare förväntar sig att dålig användning av AI kommer att förstöra flera högvärdiga affärer under de kommande fem åren. Det påminner om att risken inte bara är att inte använda AI. Det är att använda AI utan rätt kontroller, bevis och eskaleringspunkter. Mitt eget sätt att se på det är att AI ger affärsproffs ett märkbart grundligt första pass genom att göra forskningen och organisera bevisen, men vad dessa bevis betyder och vad som bör göras härnäst bör förbli ett mänskligt omdömesbeslut.

Du har föreslagit att mindre, AI‑stödda affärsteam skulle kunna konkurrera med mycket större traditionella team. Hur kan detta förändra ekonomin och bemanningen av transaktioner, och vad händer med de juniora rollerna genom vilka bankirer och jurister traditionellt lär sig grunderna i affärsgörande?

Varje generation av teknik förändrar arbetsammansättningen snarare än att eliminera behovet av människor, och jag tror att det är exakt vad som händer i M&A. Juniorbankirer, jurister och analytiker har historiskt spenderat tusentals timmar på att granska dokument, uppdatera trackers, organisera due‑diligence‑förfrågningar och samla material. AI bör avlasta de 2‑timmars‑nätter eftersom den kan ta på sig mycket av den tunga lyftningen. Produktivitetsökningen är verklig. Men den viktigare frågan är vad företag gör med den tid de får tillbaka.

Juniorproffs måste fortfarande utveckla omdöme, delta i förhandlingar och lära sig hur erfarna affärsmäklare tänker. Om AI absorberar den administrativa informationsinsamlingen kan en andraårig associate delta i substantiellt arbete och vara med i de meningsfulla diskussionerna som leder till affärskritiska beslut mycket tidigare än min generation gjorde. De företag som hanterar detta väl kommer att återinvestera den sparade tiden i sina människor snarare än att bara ta den som marginal.

Vilka mått bör branschen använda för att utvärdera en M&A‑agent? Bör prestanda mätas genom dokumentgranskningsnoggrannhet, identifierade due‑diligence‑problem, falska positiva, slutförda arbetsflöden, minskad affärstid eller den slutliga kvaliteten på transaktionsresultaten?

De operativa måtten är viktiga, och vi spårar alla för att säkerställa att varje verktyg vi implementerar är effektivt och exakt. Dessa mäter dock om AI utförde sin uppgift korrekt. Kunder vill veta om affären i sig genomfördes bättre tack vare att de använde det.

De frågor och mått jag finner mer användbara är sådana som huruvida systemet lyfte fram en risk som annars skulle ha missats, huruvida teamet kunde utvärdera fler möjligheter än de kunde tidigare, om due diligence blev kortare utan att bli tunnare, och om seniora personer spenderade mer av sin tid på förhandlingar och mindre på att söka information. Vi har redan viss evidens på den fronten. Vår forskning visar att 24 % av affärsmäklare säger att AI har hjälpt dem slutföra en affär de annars skulle ha missat, och 66 % säger att användning av AI över hela livscykeln är ett avgörande sätt att minska riskerna i en transaktion.

Datasite’s H1 2026 report visar att globala affärsstartar ökar med 31 % år för år, ledda av en tillväxt på 52 % i Amerika, jämfört med 13 % i Europa, Mellanöstern och Afrika samt 4 % i Asien‑Stilla havet. Vad driver denna regionala divergens, och kan tillgång till agentbaserad teknik bredda eller minska produktivitetsgapet mellan marknader?

Datan speglar vad många affärsmäklare har känt under de senaste månaderna, nämligen att förtroendet återvände snabbare i Amerika, understött av finansieringsförhållanden och en större vilja att ta aktiva tillgångar till marknaden. Intressant nog noterade APAC den långsammaste uppstartsökningen på 4 %, men APAC‑affärsmäklare är de mest aggressiva AI‑adoptörerna med en tydlig marginal enligt vår forskning. De leder varje region i AI‑användning från sourcing och screening till due diligence, där 56 % använder det regelbundet eller har fullt integrerat det jämfört med 49 % i EMEA och 47 % i Amerika. De är också de mest bekväma med att ge meningsfullt beslutsansvar till AI. Min tolkning är att begränsning driver adoption eftersom där affärsflödet är svårare att få och teamen är slankare, blir incitamentet att få mer ut av varje professionell på skrivbordet starkare.

Naturligtvis kan teknik inte skapa transaktioner. Den kan inte påverka räntor eller förkorta en regulatorisk granskning. Men vad den kan göra är att höja produktiviteten i varje team genom att genomföra en affär, och den kapaciteten skalar mycket snabbare än personalstyrkan, vilket är anledningen till att jag på sikt förväntar mig att AI kommer att minska produktivitetsgapet mellan marknader snarare än att bredda det.

Datasite’s Insight‑rapport visar också att team startar transaktioner snabbare i flera marknader, medan due diligence förblir tidskrävande, med ett median på 238 dagar i Asien‑Stilla havet. Vilka återstående flaskhalsar är bäst lämpade för AI‑agenter, och vilka är fundamentalt bundna till förhandlingar, reglering, finansieringsförhållanden eller mänskligt beslutsfattande?

Att starta en affär har blivit avsevärt snabbare eftersom företag har bättre data, mer automatiserade processer och större förtroende för att identifiera möjligheter tidigt. Due diligence är annorlunda eftersom det är där komplexiteten samlas, och komplexitet komprimeras inte på samma sätt som volym. Due diligence löper fortfarande med ett median på 238 dagar i APAC‑regionen, och enligt min erfarenhet används lite av den tiden för analys. Det mesta går åt till samordning, såsom att jämföra dokument mot förändrade förfrågningar, flera rådgivare och skiftande prioriteringar.

Dock är due diligence precis det område som agenter är optimerade för att stödja. De kan övervaka framsteg över arbetsflöden, identifiera vad som saknas, lyfta fram inkonsekvenser mellan dokument och förbereda uppföljningsmaterial innan teamet ens ber om det. Det är därför våra respondenter rankar due diligence som den fas där AI levererar bäst avkastning på investeringen och endast 4 % av dem använder det inte där alls.

AI har naturligtvis betydande begränsningar. Människor måste fortfarande bygga förtroende, väga risker och belöningar, och avgöra om affären är värd priset. Det starkaste fyndet i vår forskning, åtminstone för mig, var att affärsmäklare inte ser AI som en ersättare för omdöme utan snarare som ett verktyg för att fatta omdömen snabbare och bättre informerat. Medan mer av processen och det administrativa arbetet flyttas till teknik, blir de samtal som bara människor kan ha de mest värdefulla timmarna i affärens livscykel.

Tack för den fantastiska intervjun, läsare som vill lära sig mer bör besöka Datasite.