Rusty Wiley, CEO and President of Datasite – ซีรีส์สัมภาษณ์

Rusty Wiley, CEO และ President ของ Datasite, ได้เป็นผู้นำบริษัทตั้งแต่ปี 2014, ดูแลการเปลี่ยนแปลงจาก Merrill Corporation ซึ่งเป็นธุรกิจที่มุ่งเน้นการสื่อสารทางการเงินและบริการด้านการพิมพ์, ไปสู่บริษัทซอฟต์แวร์แบบบริการ (SaaS) ระดับโลกที่มุ่งเน้นการควบรวมและการเข้าซื้อกิจการ (M&A) และธุรกรรมเชิงกลยุทธ์. ก่อนเข้าร่วม Datasite, Wiley ทำงานที่ IBM มากกว่าถึงเจ็ดปี, โดยดำรงตำแหน่งผู้จัดการทั่วไปด้านธนาคารและตลาดการเงินและเป็นหุ้นส่วนผู้จัดการ, สร้างประสบการณ์กว้างขวางในด้านบริการทางการเงิน, เทคโนโลยีองค์กร, และการเปลี่ยนแปลงธุรกิจ.

Datasite เป็นแพลตฟอร์มเทคโนโลยีระดับโลกที่ออกแบบมาเพื่อสนับสนุนผู้ทำดีลตลอดวงจรชีวิตของ M&A, รวมถึงการค้นหาดีล, การเตรียมการ, การตรวจสอบสถานะ, การจัดหาเงินทุน, การปรับโครงสร้าง, และกระบวนการหลังการทำธุรกรรม. แพลตฟอร์มของบริษัทผสานห้องข้อมูลเสมือนที่ปลอดภัยกับความสามารถของปัญญาประดิษฐ์ที่ออกแบบเฉพาะ เช่น การลบข้อมูลอัตโนมัติ, การค้นหาเชิงความหมาย, การสรุปเอกสาร, การแปล, การถาม‑ตอบด้วย AI, และข้อมูลเชิงต้นแบบของดีล. Datasite ระบุว่าเทคโนโลยีของบริษัทสนับสนุนผู้ทำดีลมากกว่า 626,000 รายและทำธุรกรรมกว่า 16,000 รายต่อปี, ให้ธนาคารลงทุน, บริษัทเอกชน, บริษัทต่าง ๆ, และบริษัทกฎหมายมีสภาพแวดล้อมที่ปลอดภัยสำหรับการจัดการธุรกรรมซับซ้อนและข้อมูลที่ละเอียดอ่อน.

คุณเข้าร่วม Datasite ในปี 2014 หลังจากเป็นผู้นำด้านธนาคารและตลาดการเงินที่ IBM และต่อมาช่วยเปลี่ยนแปลง Datasite จากธุรกิจการสื่อสารทางการเงินและการพิมพ์ให้เป็นแพลตฟอร์มซอฟต์แวร์การควบรวมและการเข้าซื้อกิจการระดับโลก. ประสบการณ์นั้นทำให้คุณเชื่อมั่นอย่างไรว่าขั้นตอนต่อไปของการทำดีลจะสร้างขึ้นโดยใช้เอเจนต์ AI แทนห้องข้อมูลเสมือนแบบดั้งเดิม?

เมื่อฉันมาร่วมงานกับ Datasite ในปี 2014, ห้องข้อมูลเสมือนอยู่ในศูนย์กลางของการทำธุรกรรมทางการเงิน. มันได้เปลี่ยนแปลงการทำดีลโดยย้ายข้อมูลที่ละเอียดอ่อนออกจากห้องจริงไปสู่สภาพแวดล้อมดิจิทัลที่ปลอดภัยและสามารถค้นหาได้. สิ่งที่ชัดเจนในทศวรรษต่อมาคือห้องข้อมูลยังเป็นพื้นฐานสำหรับสิ่งที่ใหญ่กว่ามาก.

เมื่อขนาดของเราเติบโต โอกาสก็เพิ่มขึ้นเช่นกัน. Datasite ปัจจุบันสนับสนุนประมาณ 55,000 ธุรกรรมต่อปี, ทำให้เรามีมุมมองที่เป็นเอกลักษณ์เกี่ยวกับวิธีการทำงานของดีล. ที่ปริมาณนี้ เราเห็นมากกว่าเอกสาร. เราเห็นกระบวนการทำงาน, รูปแบบและงานซ้ำหลายพันงานที่ล้อมรอบทุกธุรกรรม. สิ่งนั้นสร้างโอกาสอันมหาศาลในการใช้ AI และการอัตโนมัติเพื่อช่วยทีมย้ายจากข้อมูลสู่การกระทำได้เร็วขึ้นอย่างมาก. ในความเป็นจริง เราได้เห็นเหตุการณ์นี้แล้ว. การวิจัยล่าสุดของ Datasite, The New Deal Team แสดงว่าบริษัทที่ละเลย AI จะประสบความยากลำบากในการแข่งขันภายในห้าปี, และส่วนใหญ่ของผู้ทำดีลบอกว่าการพึ่งพาการตัดสินใจของมนุษย์อย่างเดียวไม่สามารถปกป้องได้ในดีลที่ซับซ้อน.

ด้วยเหตุนี้ ขั้นตอนต่อไปจึงมุ่งเน้นการสร้างสติปัญญาและการอัตโนมัติบนบนโครงสร้างพื้นฐานที่เชื่อถือได้นั้น. AI สามารถวิเคราะห์ข้อมูล, เปิดเผยความเสี่ยงและโอกาส, เชื่อมความรู้สถาบันกับข้อมูลธุรกรรมสด, และค่อย ๆ ทำงานตามขั้นตอนหลายขั้นตอนที่ในปัจจุบันใช้เวลาทีมดีลอย่างมาก. เอเจนต์สามารถเฝ้าติดตามข้อมูลอย่างต่อเนื่อง, ทำการวิเคราะห์, และขับเคลื่อนงานต่อไปในขณะที่คนยังคงมุ่งเน้นที่การตัดสินใจ, การเจรจาและการตัดสินใจที่กำหนดผลลัพธ์.

ด้วยเหตุนี้ ห้องข้อมูลจึงเป็นพื้นฐานสำหรับยุคต่อไปของการทำดีล. เอกสาร, สิทธิการเข้าถึง, ความปลอดภัย, และชั้นการทำงานร่วมกันยังคงสำคัญ. AI ทำให้พื้นฐานนั้นมีคุณค่ามากขึ้นอย่างมากเพราะมันสามารถเข้าใจบริบทของข้อมูลและดำเนินการตามนั้น. เราได้เห็นโมเดลนี้ขยายออกไปนอกเหนือห้องข้อมูล, โดยเนื้อหาใน Datasite ไหลอย่างปลอดภัยเข้าสู่กระบวนการทำงานที่ขับเคลื่อนด้วย AI ในขณะที่สิทธิการเข้าถึงเดิมยังคงอยู่.

คุณได้อธิบายอนาคตของ Datasite ว่าเป็นระบบปฏิบัติการ AI‑native สำหรับการควบรวมและการเข้าซื้อกิจการ. สิ่งที่ทำให้ระบบปฏิบัติการที่สามารถดำเนินการเวิร์กโฟลว์ของดีลแตกต่างจากห้องข้อมูลเสมือนที่เพียงเพิ่มการค้นหาเอกสาร, การสรุป, หรือผู้ช่วยสนทนา คืออะไร?

การค้นหาและการสรุปเป็นประโยชน์จริง ๆ, แต่ทำงานบนเอกสารหนึ่งครั้งต่อหนึ่งครั้ง, และตอบสนองต่อคำถามที่ใครบางคนคิดว่าจะถาม, ซึ่งเป็นข้อจำกัดเมื่อพิจารณาว่าธุรกรรมภายในเป็นอย่างไร. ดีลใด ๆ มีงานเชื่อมต่อหลายร้อยงานที่ทำพร้อมกัน, รวมถึงคำขอการตรวจสอบ, การนำเสนอของผู้บริหาร, การตรวจสอบกฎหมาย, งานด้านการเงินและการอนุมัติ; ทั้งหมดนี้เกี่ยวข้องกับคนหลายคนที่ทำงานภายใต้สิทธิการเข้าถึงต่างกันและกำหนดเวลาที่แตกต่างกัน. นักธนาคารที่มีประสบการณ์กำลังสร้างสถานะของดีลจากเธรดอีเมลและตัวติดตามที่ใครบางคนอัปเดตเมื่อวันอังคาร, และภายในวันพฤหัสบดีข้อมูลก็ล้าสมัยแล้ว.

ระบบปฏิบัติการทำหน้าที่เก็บสถานะนั้นเพื่อให้ข้อมูลที่เชื่อมต่ออัปเดตแบบเรียลไทม์, รู้ว่างานใดล่าช้า, คำขอใดค้างอยู่เป็นหกวัน, และข้อมูลใดขัดแย้งกับสิ่งที่อัปโหลดเมื่อสัปดาห์ที่แล้ว. เมื่อระบบเข้าใจอย่างแท้จริง มันสามารถเตรียมงานก่อนที่ใครจะขอ, ชี้ให้เห็นว่ากระบวนการค้างอยู่ที่ไหนและประสานขั้นตอนต่อไประหว่างฝ่ายที่อาจไม่ได้สื่อสารโดยตรงในขณะนั้น.

นี่คือเหตุผลที่การสนทนาได้เคลื่อนที่อย่างรวดเร็วจากคำถามว่า AI ควรอยู่ใน M&A หรือไม่ ไปสู่วิธีการผสานรวมอย่างรับผิดชอบ. ในการวิจัยของเรา, 96% ของผู้ทำดีลกำลังใช้หรือสำรวจ AI ในการค้นหาและคัดกรอง, และการตรวจสอบสถานะได้กลายเป็นหนึ่งในกรณีการใช้ที่ชัดเจนที่สุด, โดยครึ่งหนึ่งของผู้ทำดีลใช้ AI อย่างสม่ำเสมอหรือได้ฝังมันเข้าไปในกระบวนการแล้ว. จุดสำคัญคืออุตสาหกรรมได้ผ่านเส้นเริ่มต้นแล้ว, และความได้เปรียบจะอยู่กับบริษัทที่สามารถเปลี่ยน AI จากเครื่องมือเป็นชั้นการปฏิบัติการที่กำกับดูแล.

ทำไมข้อมูลการทำธุรกรรมที่เป็นของบริษัทจะสำคัญต่อประสิทธิภาพของเอเจนต์ M&A มากกว่าการเข้าถึงโมเดลภาษาใหญ่ทั่วไปที่ทรงพลังที่สุด? สัญญาณใดที่ทำให้เอเจนต์เข้าใจว่าธุรกรรมจริงกำลังดำเนินไปอย่างไร แทนที่จะตีความเอกสารเดี่ยว ๆ เท่านั้น?

โมเดลพื้นฐานเป็นสิ่งที่น่าประทับใจและยังคงพัฒนา, แต่พวกมันก็พร้อมใช้งานสำหรับทุกบริษัทในเวลาเดียวกัน. ความได้เปรียบใด ๆ ที่บริษัทได้รับจากการมีโมเดลที่ดีที่สุดในขณะนั้น มีอายุการใช้งานสั้นเมื่อคู่แข่งข้างถนนเข้าถึงพร้อมกัน, หรือเมื่อมีโมเดลใหม่ประกาศหลายสัปดาห์ต่อมา.

บริบทที่เป็นของบริษัทไม่กลายเป็นที่เปิดให้ใช้ทั่วไปในลักษณะเดียวกัน, และนี่คือจุดที่ฉันคิดว่าความแตกต่างและความได้เปรียบเชิงแข่งขันอยู่. ใต้สัญญาและงบการเงินมีปฏิสัมพันธ์หลายพันครั้งระหว่างผู้ซื้อ, ผู้ขาย, ที่ปรึกษาและทีมผู้บริหาร, และลำดับของการปฏิสัมพันธ์เหล่านั้นมีความหมายจริง. ลำดับที่เอกสารถูกอัปโหลดบอกบางอย่างเกี่ยวกับความพร้อมของผู้ขาย, เช่นเดียวกับคำถามการตรวจสอบที่กลับมาชัดเจนในครั้งที่สามบอกว่าความกังวลที่แท้จริงของผู้ซื้ออยู่ที่ไหน, และเวิร์กสตรีมที่เวลาตอบกลับเพิ่มขึ้นเป็นสองเท่าบอกว่ามีบางอย่างผิดพลาดก่อนที่ใครจะพูด.

นั่นคือสติปัญญาที่เอเจนต์ต้องการหากต้องการเป็นประโยชน์จริง ๆ ตลอดกระบวนการ M&A. การอ่านเอกสารอย่างดีเป็นความสามารถหนึ่ง, และกำลังกลายเป็นสินค้าที่มีให้เลือกมากขึ้น. การรับรู้ว่าดีลกำลังลอยออกไปสามสัปดาห์ก่อนที่ใครจะพูดออกมานั้นเป็นสิ่งอื่นโดยสิ้นเชิง, และมาจากการที่ได้สังเกตธุรกรรมจริงหลายหมื่นรายการ มากกว่าการฝึกบนข้อมูลสาธารณะ.

เอเจนต์อาจสามารถจัดทำโปรไฟล์เป้าหมาย, ตรวจสอบเอกสารหลายพันฉบับ, ระบุการเปิดเผยที่ขัดแย้งและประสานงานเวิร์กโฟลว์การตรวจสอบ. กิจกรรมใดในเหล่านี้ที่เอเจนต์สามารถทำได้อย่างเชื่อถือได้ในปัจจุบัน, และกิจกรรมใดที่ควรยังคงต้องการการอนุมัติจากมนุษย์อย่างชัดเจน?

สำหรับหลายบริษัท, AI เอเจนต์กำลังจัดระเบียบข้อมูลจำนวนมหาศาล, เปรียบเทียบเอกสารเพื่อหาความไม่สอดคล้อง, เปิดเผยความเสี่ยงที่อาจเกิดขึ้น, ร่างสรุปการตรวจสอบ, และทำให้เวิร์กโฟลว์ประจำวันเคลื่อนที่ต่อไป, ทั้งหมดเร็วกว่าเดิมที่ทีมทำด้วยตนเอง. ผู้ทำดีลเริ่มรู้สึกสบายใจกับสิ่งนั้นเพราะนี่คือพื้นที่ที่ AI สามารถลดความขัดแย้งโดยไม่ทำให้การตัดสินใจของคนหายไป. ในการวิจัยของเรา, 46% ของผู้ทำดีลบอกว่า AI มีบทบาทในการระบุเป้าหมายและจัดทำรายการยาวและสั้น, ในขณะที่ 45% บอกว่าเช่นเดียวกันกับการระบุสัญญาณเตือนในระหว่างการตรวจสอบ. ที่สำคัญยิ่งกว่าคือผู้ทำดีลเริ่มเห็นคุณค่าทางการค้า, ไม่ใช่แค่ประสิทธิภาพ. ประมาณหนึ่งในสี่ของผู้ตอบในงานวิจัยของ Datasite บอกว่า AI ช่วยให้พวกเขาสำเร็จดีลที่อาจพลาดไป, และสองในสามมองว่า AI ตลอดวงจรชีวิตเป็นวิธีสำคัญในการลดความเสี่ยงของธุรกรรม.

ภาพรวมเปลี่ยนแปลงอย่างชัดเจนเมื่อคุณมาถึงขั้นตอนปิด. เพียง 22% ของผู้ทำดีลบอกว่าพวกเขาจะปฏิบัติตามคำแนะนำที่สร้างโดย AI เกี่ยวกับการดำเนินการสู่การลงนาม, ในขณะที่ 45% เชื่อว่าการลงนามควรเป็นการตัดสินใจของมนุษย์ทั้งหมด. สัญชาตญาณเป็นสิ่งที่ดี. ทุกการเข้าซื้อควรอาศัยความมั่นใจ. คุณเชื่อมั่นในทีมผู้บริหารนี้พอที่จะให้ทุนหรือไม่? คุณพอใจกับความเสี่ยงที่การตรวจสอบไม่สามารถแก้ไขได้ทั้งหมดหรือไม่? คำถามเหล่านี้ต้องการการตัดสินใจ, และที่สำคัญต้องมีคนพร้อมรับผิดชอบต่อคำตอบ. AI ควรช่วยให้คุณตัดสินใจได้เร็วและดียิ่งขึ้น, แต่ไม่ควรเป็นผู้ตัดสินใจ. นั่นคือเหตุผลที่เครื่องมือที่อิง AI ที่กำกับดูแลและสร้างขึ้นสำหรับสภาพแวดล้อมดีลที่รวมถึงเนื้อหาที่มีสิทธิ์, คำตอบที่อ้างอิงจากแหล่ง, บริบทของเวิร์กโฟลว์, และการอนุมัติของมนุษย์ในจุดที่การตัดสินใจและความรับผิดชอบสำคัญที่สุด, มีความสำคัญอย่างยิ่ง.

คุณจะปกป้องห้องดีลเอเจนต์จากความเสี่ยงเช่นการฉีดคำสั่ง, การดึงข้อมูลโดยไม่ได้รับอนุญาต, เอกสารที่ถูกทำลาย, หรือการกระทำที่เกินอำนาจของผู้ใช้ได้อย่างไร?

ความผิดพลาดคือการมองว่าความปลอดภัยเป็นชั้นที่เพิ่มหลังจากที่ AI ถูกใช้งาน. ใน M&A, ความปลอดภัยและการกำกับดูแลต้องฝังอยู่ตั้งแต่ต้นเนื่องจากข้อมูลพื้นฐานมีความละเอียดอ่อนและมักส่งผลต่อตลาด.

ทุกธุรกรรมมีข้อมูลที่อาจไม่เคยเปิดเผยต่อสาธารณะ, ตั้งแต่ผลการดำเนินงานทางการเงิน, สิทธิ์ทรัพย์สินทางปัญญา, ความสัมพันธ์กับลูกค้า, ถึงแผนกลยุทธ์. เอเจนต์ใดที่ทำงานในสภาพแวดล้อมนั้นต้องปฏิบัติตามกรอบการกำกับดูแลเดียวกับที่ปกป้องดีลเอง. มันไม่ควรเข้าถึงข้อมูลที่เกินสิทธิของผู้ใช้, ซึ่งหมายความว่าตัวตนและสิทธิการเข้าถึงต้องบังคับใช้ที่ระดับข้อมูล, ไม่ใช่ปล่อยให้คำสั่งทำ. ทุกการกระทำต้องบันทึก, ทุกคำแนะนำต้องอ้างอิงถึงเอกสารต้นทาง, และทุกเวิร์กโฟลว์อัตโนมัติควรสืบทอดอำนาจจากผู้ที่เริ่มต้นโดยไม่เกินขอบเขต. นั่นคือเหตุผลที่เราตั้งค่า MCP server ให้ความปลอดภัยเป็นอันดับแรก. ตลาดกำลังเคลื่อนที่ในทิศทางเดียวกัน. ในการวิจัยของเรา, ความแม่นยำและความปลอดภัยเป็นคุณลักษณะ AI ที่ผู้ทำดีลให้ความสำคัญสูงสุด, โดยความปลอดภัยได้อันดับแรกในผู้ตอบจาก EMEA และ APAC. ใน M&A, ความเชื่อถือไม่ได้แยกจากประสบการณ์ของผลิตภัณฑ์. มันคือสิ่งที่ทำให้ผลิตภัณฑ์ใช้งานได้.

การสร้างข้อมูลเท็จ (Hallucinations) เป็นอันตรายอย่างยิ่งเมื่อระบบ AI วิเคราะห์สัญญา, งบการเงิน, และการเปิดเผยข้อมูลตามกฎระเบียบ. เอเจนต์ M&A ควรสื่อสารความไม่แน่นอนอย่างไร, ให้หลักฐานสำหรับข้อสรุป, และรับรู้เมื่อประเด็นต้องส่งต่อไปยังธนาคาร, ทนายความ, หรือผู้เชี่ยวชาญเฉพาะด้าน?

ใน M&A, หากสองเอกสารขัดแย้งกัน, ความขัดแย้งนั้นคือผลการค้นพบ. หากคำตอบต่อคำถามไม่มีในเอกสารและข้อมูลในห้อง, ช่องว่างของข้อมูลนั้นเป็นผลการค้นพบ, และบ่อยครั้งสำคัญกว่าคำตอบที่อาจได้.

ระบบ AI ทุกระบบที่ใช้ใน M&A ควรถูกออกแบบให้อิงหลักฐานเท่านั้น, เนื่องจากทุกข้อสรุปควรเชื่อมโยงกลับไปยังเอกสารต้นทาง, ข้อมูลที่ขัดแย้งควรแสดงอย่างชัดเจนแทนการปรับให้เข้ากันอย่างเงียบ, และความมั่นใจต่ำควรถูกแสดงอย่างโปร่งใสในผลลัพธ์. อุตสาหกรรมกำลังสร้างวินัยนี้อยู่, ซึ่งทำให้ฉันมองเห็นแง่บวก.

หลักฐานคือจุดเริ่มต้นของการสนทนา. ความแม่นยำเป็นคุณลักษณะที่ผู้ทำดีลให้ความสำคัญสูงสุดในงานวิจัยของเรา, และวิธีที่บริษัทสร้างความเชื่อถือยังคงเป็นการตรวจสอบโดยมนุษย์ของผลลัพธ์ที่สร้างโดย AI. คำตอบที่มั่นใจแต่ไม่มีการสนับสนุนเป็นอันตรายในธุรกรรม. เช่นเดียวกับคำตอบที่ดูสมบูรณ์แต่ข้ามความไม่แน่นอนอย่างเงียบ. สิ่งที่ฉันเห็นว่าเท่ากันสำคัญคือหนึ่งในสี่ของผู้ทำดีลคาดว่าการใช้ AI อย่างไม่เหมาะสมจะทำลายดีลมูลค่าสูงหลายรายการในห้าปีข้างหน้า. นั่นเตือนว่า ความเสี่ยงไม่ได้อยู่ที่การไม่ใช้ AI เท่านั้น, แต่คือการใช้ AI โดยไม่มีการควบคุม, หลักฐาน, และจุดส่งต่อที่เหมาะสม. วิธีคิดของฉันคือ AI ให้ผู้ทำดีลผ่านการตรวจสอบครั้งแรกที่ละเอียดโดยทำการวิจัยและจัดระเบียบหลักฐาน, แต่ความหมายของหลักฐานและสิ่งที่ควรทำต่อไปควรเป็นการตัดสินใจของมนุษย์.

คุณได้เสนอว่าทีมดีลขนาดเล็กที่ใช้ AI สามารถแข่งขันกับทีมดั้งเดิมที่ใหญ่กว่ามากได้. สิ่งนี้จะเปลี่ยนแปลงด้านเศรษฐศาสตร์และการจัดสรรบุคลากรของธุรกรรมอย่างไร, และบทบาทระดับจูเนียร์ที่ธนาคารและทนายความเคยใช้เรียนรู้พื้นฐานของการทำดีลจะเกิดอะไรขึ้น?

ทุกยุคของเทคโนโลยีเปลี่ยนแปลงโครงสร้างของงานแทนที่จะทำให้คนไม่จำเป็น, และฉันคิดว่านั่นคือสิ่งที่กำลังเกิดขึ้นใน M&A. นักวิเคราะห์, ธนาคารจูเนียร์และทนายความในอดีตใช้เวลานับพันชั่วโมงในการตรวจสอบเอกสาร, ปรับตัวติดตาม, จัดระเบียบคำขอการตรวจสอบและจัดเตรียมวัสดุ. AI ควรบรรเทาการทำงานดึกดื่นเวลา 2 โมงเช้าเพราะมันสามารถรับภาระงานหนักเหล่านั้นได้. ผลผลิตที่เพิ่มขึ้นเป็นจริง. แต่คำถามสำคัญคือบริษัทจะทำอย่างไรกับเวลาที่ได้กลับคืน.

มืออาชีพระดับจูเนียร์ยังคงต้องพัฒนาการตัดสินใจ, เข้าร่วมการเจรจา, และเรียนรู้วิธีคิดของผู้ทำดีลที่มีประสบการณ์. หาก AI ดูดซับการเก็บข้อมูลเชิงปกติ, ผู้ร่วมงานระดับสองปีสามารถมีส่วนร่วมในงานสาระสำคัญและเข้าร่วมการสนทนาที่นำไปสู่การตัดสินใจเชิงธุรกิจได้เร็วกว่าที่รุ่นของฉันทำ. บริษัทที่จัดการเรื่องนี้ได้ดีจะนำเวลาที่ประหยัดกลับมาลงทุนในคนของตน แทนที่จะถือเป็นกำไรเพิ่ม.

อุตสาหกรรมควรใช้เกณฑ์ใดในการประเมินเอเจนต์ M&A? ควรวัดประสิทธิภาพผ่านความแม่นยำของการตรวจสอบเอกสาร, ปัญหาที่พบในการตรวจสอบ, อัตราการแจ้งเตือนเท็จ, ความสำเร็จของเวิร์กโฟลว์, การลดเวลาการทำดีล หรือคุณภาพสุดท้ายของผลลัพธ์ธุรกรรม?

เมตริกการดำเนินงานมีความสำคัญ, และเราติดตามทั้งหมดเพื่อให้แน่ใจว่าเครื่องมือใดที่เรานำไปใช้มีประสิทธิภาพและแม่นยำ. อย่างไรก็ตาม, สิ่งเหล่านั้นวัดว่า AI ทำงานตามที่กำหนดหรือไม่. ลูกค้าต้องการรู้ว่าดีลเองได้รับประโยชน์จากการใช้มันหรือไม่.

คำถามและเกณฑ์ที่ฉันพบว่ามีประโยชน์มากกว่าคือ เช่น ระบบเปิดเผยความเสี่ยงที่อาจพลาดไป, ทีมสามารถประเมินโอกาสได้มากกว่าก่อน, การตรวจสอบสั้นลงโดยไม่ทำให้คุณภาพลดลง, และผู้บริหารใช้เวลามากขึ้นในการเจรจาและน้อยลงในการค้นหาข้อมูล. เรามีหลักฐานบางส่วนแล้ว. งานวิจัยของเราแสดงว่า 24% ของผู้ทำดีลบอกว่า AI ช่วยให้พวกเขาสำเร็จดีลที่อาจพลาด, และ 66% บอกว่าการใช้ AI ตลอดวงจรชีวิตเป็นวิธีสำคัญในการลดความเสี่ยงของธุรกรรม.

รายงาน H1 2026 ของ Datasite แสดงให้เห็นว่าการเริ่มต้นดีลระดับโลกเพิ่มขึ้น 31% ต่อปี, โดยนำโดยการเติบโต 52% ในอเมริกา, เทียบกับ 13% ในยุโรป, ตะวันออกกลางและแอฟริกา และ 4% ในเอเชีย‑แปซิฟิก. สิ่งที่ทำให้เกิดความแตกต่างระดับภูมิภาคนี้คืออะไร, และการเข้าถึงเทคโนโลยีเอเจนต์จะทำให้ช่องว่างด้านผลิตภาพระหว่างตลาดขยายหรือหดลง?

ข้อมูลสะท้อนความรู้สึกของผู้ทำดีลหลายคนในหลายเดือนที่ผ่านมา, คือความมั่นใจกลับมาเร็วกว่าในอเมริกา, รองรับโดยสภาพการเงินและความเต็มใจที่จะนำสินทรัพย์เข้าสู่ตลาด. น่าสนใจที่ APAC มีการเติบโตของการเริ่มต้นที่ช้าที่สุดที่ 4%, แต่ผู้ทำดีลใน APAC กลับเป็นผู้รับ AI อย่างกระตือรือร้นที่สุดตามการวิจัยของเรา. พวกเขานำหน้าแต่ละภูมิภาคในเรื่องการใช้ AI ตั้งแต่การค้นหาและคัดกรองจนถึงการตรวจสอบ, โดย 56% ใช้อย่างสม่ำเสมอหรือฝังเต็มที่เทียบกับ 49% ใน EMEA และ 47% ในอเมริกา. พวกเขายังเป็นผู้ที่สบายใจที่สุดในการมอบอำนาจการตัดสินใจที่สำคัญให้กับ AI. การตีความของฉันคือข้อจำกัดทำให้เกิดการยอมรับ เพราะเมื่อการไหลของดีลยากขึ้นและทีมทำงานอย่างประหยัด, แรงจูงใจในการทำให้มืออาชีพแต่ละคนทำงานได้มากขึ้นจึงแข็งแกร่งขึ้น.

แน่นอนว่าเทคโนโลยีไม่สามารถสร้างธุรกรรมได้. มันไม่สามารถเปลี่ยนอัตราดอกเบี้ยหรือทำให้การตรวจสอบกฎระเบียบสั้นลง. แต่สิ่งที่มันทำได้คือเพิ่มผลิตภาพของทุกทีมโดยการดำเนินการดีล, และความสามารถนั้นขยายตัวเร็วกว่าเพิ่มจำนวนพนักงาน, ซึ่งเป็นเหตุผลที่ฉันคาดว่า AI จะทำให้ช่องว่างด้านผลิตภาพระหว่างตลาดแคบลงมากกว่าขยาย.

รายงาน Insight ของ Datasite ยังระบุว่าทีมต่าง ๆ เริ่มทำธุรกรรมได้เร็วขึ้นในหลายตลาด, ในขณะที่การตรวจสอบยังคงใช้เวลานาน, รวมถึงค่ากลาง 238 วันในเอเชีย‑แปซิฟิก. คอขวดที่เหลืออยู่ใดที่เหมาะกับเอเจนต์ AI มากที่สุด, และคอขวดใดที่เป็นเรื่องของการเจรจา, กฎระเบียบ, สภาพการเงิน, หรือการตัดสินใจของมนุษย์โดยตรง?

การเริ่มต้นดีลเร็วขึ้นอย่างมีนัยสำคัญเนื่องจากบริษัทมีข้อมูลที่ดีกว่า, กระบวนการอัตโนมัติมากขึ้น, และความมั่นใจในการระบุโอกาสตั้งแต่เนิ่น. การตรวจสอบแตกต่างเพราะเป็นจุดที่ความซับซ้อนสะสม, และความซับซ้อนไม่สามารถบีบอัดได้เช่นปริมาณ. การตรวจสอบยังคงใช้ค่ากลาง 238 วันในภูมิภาค APAC, และตามประสบการณ์ของฉัน, เวลาส่วนใหญ่ไม่ได้ใช้สำหรับการวิเคราะห์. ส่วนใหญ่ใช้สำหรับการประสานงานเช่นการปรับเอกสารให้สอดคล้องกับคำขอที่เปลี่ยนแปลง, ที่ปรึกษาหลายคน, และลำดับความสำคัญที่เปลี่ยนแปลง.

อย่างไรก็ตาม, การตรวจสอบคือพื้นที่ที่เอเจนต์ได้รับการออกแบบให้สนับสนุนอย่างเหมาะสม. พวกเขาสามารถเฝ้าติดตามความคืบหน้าของเวิร์กสตรีม, ระบุสิ่งที่ขาด, เปิดเผยความไม่สอดคล้องระหว่างเอกสารและเตรียมวัสดุติดตามก่อนที่ทีมจะขอ. นั่นคือเหตุผลที่ผู้ตอบของเราจัดอันดับการตรวจสอบเป็นขั้นตอนที่ AI ให้ผลตอบแทนการลงทุนดีที่สุดและเพียง 4% ยังไม่ได้ใช้ AI ในขั้นตอนนั้นเลย.

AI แน่นอนมีข้อจำกัดที่สำคัญ. คนยังคงต้องสร้างความเชื่อถือ, ประเมินความเสี่ยงและผลตอบแทน, และตัดสินใจว่าธุรกรรมนั้นคุ้มค่าหรือไม่. ผลการวิจัยที่สำคัญที่สุดสำหรับฉันคือผู้ทำดีลไม่ได้มองว่า AI จะมาแทนที่การตัดสินใจ, แต่เป็นการทำให้การตัดสินใจเร็วขึ้นและมีข้อมูลมากขึ้น. ขณะที่ส่วนมากของกระบวนการและงานด้านการบริหารย้ายไปสู่เทคโนโลยี, การสนทนาที่คนเท่านั้นทำได้กลายเป็นชั่วโมงที่มีคุณค่าที่สุดในวงจรชีวิตของดีล.

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Datasite.