Rusty Wiley，Datasite 首席执行官兼总裁——访谈系列

Rusty Wiley，Datasite 首席执行官兼总裁，自 2014 年起领导公司，监督其从主要专注于金融沟通和印刷服务的 Merrill Corporation 转型为专注于并购（M&A）和战略交易的全球软件即服务（SaaS）公司。在加入 Datasite 之前，Wiley 在 IBM 工作超过七年，担任银行与金融市场总经理以及合伙人，积累了在金融服务、企业技术和业务转型方面的丰富经验。

Datasite 是一个全球技术平台，旨在支持并购全生命周期中的交易方，包括交易寻找、准备、尽职调查、融资、重组以及交易后流程。其平台将安全的虚拟数据室与专为此打造的人工智能功能相结合，涵盖自动编辑、语义搜索、文档摘要、翻译、AI 辅助问答以及交易发起情报。Datasite 表示，其技术每年支持超过 626,000 名交易方和 16,000 笔交易，为投资银行、私募股权公司、企业和律所提供安全的环境，以管理复杂交易和敏感信息。

您于 2014 年加入 Datasite，之前在 IBM 负责银行与金融市场，随后帮助将 Datasite 从金融沟通和印刷业务转变为全球并购软件平台。这个经历如何塑造了您对下一阶段交易将围绕 AI 代理而非传统虚拟数据室构建的信念？

我在 2014 年加入 Datasite 时，虚拟数据室已经是金融交易的核心。它已经通过将敏感信息从实体房间迁移到安全、可检索的数字环境，改变了交易方式。接下来十年逐渐显现的是，数据室也在为更宏大的事物奠定基础。

随着规模的扩大，机会也随之增长。Datasite 目前每年支持约 55,000 笔交易，让我们对交易工作方式拥有独特的洞察。在如此规模下，我们看到的不仅是文档，还包括工作流、模式以及围绕每笔交易的成千上万的重复性任务。这为运用 AI 和自动化帮助团队更快地从信息转向行动提供了巨大的机遇。事实上，我们已经看到这种趋势。最近的 Datasite 研究《全新交易团队》显示，忽视 AI 的公司将在五年内难以竞争，而大多数交易方表示，仅依赖人工决策在复杂交易中已不再站得住脚。

这正是下一阶段的核心：在可信赖的基础设施之上构建智能与自动化。AI 能够分析信息、揭示风险与机遇、将机构知识与实时交易数据相连接，并日益能够执行如今消耗大量交易团队时间的多步骤工作流。代理可以持续监控信息、进行分析并推进工作，而人则专注于判断、谈判以及决定最终结果的关键决策。

基于此，数据室是下一代交易的基石。文档、权限、安全性和协作层仍然至关重要。AI 让这层基石价值更高，因为它能够理解信息背后的上下文并据此行动。我们已经看到这种模式超出数据室本身，Datasite 的内容可以安全流入 AI 驱动的工作流，而现有权限保持不变。

您将 Datasite 的未来描述为面向并购的 AI 原生操作系统。与仅添加文档搜索、摘要或对话助理的虚拟数据室相比，能够执行交易工作流的操作系统有什么区别？

搜索和摘要确实有用，但它们一次只能处理单个文档，并且只能响应某人想到要提问的问题，这在面对交易内部的全貌时是一大限制。任何一次交易都涉及数百个相互关联的任务同时进行，包括尽职调查请求、管理层演示、法律审查、融资工作流和审批；这些任务涉及不同的人、不同的权限、不同的截止日期。经验丰富的银行家往往要从电子邮件线程和周二更新的跟踪表中重建交易状态，而到了周四这些信息往往已经过时。

操作系统的作用在于保持这种状态，使得关联数据能够实时更新，知道哪个工作流落后、哪个请求已悬而未决六天、以及哪些信息与上周提交的内容相冲突。一旦系统真正理解这些，它就能在任何人提出请求之前准备工作、标记流程卡点，并在相关方未直接沟通时协调下一步。

这也是为何讨论从 AI 是否应该出现在并购领域，迅速转向如何负责任地将其整合。我们的研究显示，96% 的交易方已经在使用或探索 AI 用于寻找和筛选，尽职调查已成为最明确的使用场景，一半的交易方经常使用 AI 或已将其嵌入流程。关键在于行业已经越过起跑线，优势将属于能够将 AI 从工具转变为受治理的操作层的公司。

为什么专有的交易数据比最强大的通用大语言模型更能提升 M&A 代理的表现？哪些信号能让代理了解真实交易的进展，而不是仅仅解释单个文档？

基础模型非常出色且不断改进，但它们对所有公司同时开放。今天拥有最佳模型的优势在竞争对手同步获取或几周后出现新模型时会迅速失效。

专有上下文不会以同样方式广泛可得，这正是我认为持久竞争优势所在。合同和财务报表之下，是买方、卖方、顾问和管理团队之间成千上万的互动，这些互动的顺序蕴含真实意义。文档上传的顺序可以透露卖方的准备程度，正如第三轮更为精准的尽职调查问题能指示买方真正的关注点，而某个工作流的响应时间悄然翻倍则表明出现了问题，往往在任何人正式指出之前就已显现。

这正是代理在整个并购过程中需要的智能。阅读文档是一种能力，且正日趋商品化。能够在任何人公开指出之前三周就察觉交易出现偏离则完全是另一回事，这来源于对数万笔真实交易的观察，而非仅基于公开信息的训练。

代理可以组装目标画像、审阅数千份文档、识别冲突披露并协调尽职调查工作流。今天这些活动中哪些可以可靠地由代理完成，哪些仍需明确的人类批准？

对许多公司而言，代理 AI 已经在组织海量信息、比对文档不一致、揭示潜在风险、起草尽职调查摘要以及保持常规工作流运转方面发挥作用，速度远超人工团队。交易方对这一点感到舒适，因为这些正是 AI 能在不夺走人类判断的前提下消除摩擦的领域。我们的研究显示，46% 的交易方认为 AI 已在识别目标并制定长短名单方面领先，45% 认为 AI 在尽职调查期间识别风险点方面同样领先。更重要的是，交易方开始看到商业价值，而不仅仅是效率提升。约四分之一的受访者表示 AI 帮助他们完成了原本可能错失的交易，三分之二认为在整个生命周期使用 AI 是降低交易风险的关键方式。

随着交易接近签约，情况明显变化。只有 22% 的交易方表示会遵循 AI 生成的是否继续签约的建议，而 45% 认为签约应完全由人决定。直觉是可靠的。每笔收购都归结为信心：你是否足够信任该管理团队以投入资本？你是否对尽职调查未能完全解决的风险感到舒适？这些问题需要判断，更需要有人对答案负责。AI 应帮助你更快做出更好决定，但不应成为决策者。这就是为何在交易环境中构建受治理的 AI 工具——包括受权限控制的内容、基于来源的答案、工作流上下文以及在人类判断和责任最关键的环节加入人工批准——如此重要。

您如何防御代理式交易室面临的提示注入、未授权数据提取、文档泄露或超出用户权限的操作等风险？

错误在于把安全视为 AI 部署后的附加层。在并购中，安全和治理必须从一开始就嵌入，因为底层信息高度敏感且常常影响市场。

每笔交易都包含可能永不公开的关键信息，从财务表现、知识产权到客户关系和战略计划。任何在此环境中运行的代理都必须遵循同样保护交易本身的治理框架。它绝不能访问超出用户权限的信息，这意味着身份和授权必须在数据层强制执行，而非依赖提示。每一次操作都应被记录，每一个建议都应追溯到来源文档，每一个自动化工作流都应继承发起者的权限而不超出。正因如此，我们设计了 MCP 服务器，以安全为先。市场正朝同一方向前进。我们的研究显示，准确性和安全性是交易方最看重的 AI 属性，安全性在 EMEA 和 APAC 的受访者中排名第一。在并购中，信任与产品体验不可分割，这正是产品可用性的根本。

当 AI 系统分析合同、财务报表和监管披露时，幻觉尤为危险。M&A 代理应如何传达不确定性、提供结论依据，并识别何时必须升级至银行家、律师或主题专家？

在并购中，如果两份文件相互矛盾，这本身就是发现。如果基于房间内的文件和数据无法回答某个问题，这一信息缺口也是发现，且往往比答案本身更具影响力。

每个用于并购的 AI 系统都应仅基于证据进行设计，所有结论都应链接回底层文档，冲突信息应明确呈现而非悄然调和，低置信度应在输出中透明表达。业界已经在构建这种纪律，我对此感到鼓舞。

证据是对话的起点。我们的研究显示，准确性是交易方最看重的单一属性，而构建信任的最常见方式仍是人工审查 AI 生成的输出。自信却缺乏支撑的答案在交易中极具风险。看似完整却悄然跳过不确定性的答案同样危险。我同样关注到，四分之一的交易方预计在未来五年内，AI 的不当使用将毁掉若干高价值交易。这提醒我们，风险不在于不使用 AI，而在于在缺乏正确控制、证据和升级机制的情况下使用 AI。我的思考方式是，AI 为交易专业人士提供了极为彻底的第一遍审查——进行研究并组织证据——但这些证据的意义以及下一步该怎么做，仍应由人来判断。

您曾指出，规模更小、具备 AI 能力的交易团队可以与传统的大团队竞争。这将如何改变交易的经济性和人员配置？而传统上通过初级岗位让银行家和律师学习交易基础的角色会怎样？

每一代技术都会改变工作构成，而不是消除对人的需求，我认为这正是并购领域正在发生的事。初级银行家、律师和分析师历来花费数千小时审阅文件、更新跟踪表、组织尽职调查请求并汇总材料。AI 应该减轻凌晨两点的工作负荷，因为它可以承担大量繁重任务。生产力提升是真实的。但更重要的问题是公司会如何利用节省下来的时间。

初级专业人士仍需培养判断力、参与谈判并学习资深交易者的思维方式。如果 AI 吸收了信息收集的行政工作，二年级的助理就能参与实质性工作，提前参与决定业务关键的讨论，这比我那一代人要早得多。能够妥善处理这一点的公司会将节省的时间再投入到员工身上，而不是单纯转化为利润。

行业应使用哪些基准来评估 M&A 代理？是通过文档审查准确率、发现的尽职调查问题、误报率、工作流完成度、交易时间缩短，还是最终交易结果的质量来衡量？

运营指标固然重要，我们会跟踪所有这些指标，以确保任何部署的工具都有效且准确。然而，这些仅衡量 AI 是否正确完成了任务。客户更关心的是使用 AI 后交易本身是否执行得更好。

我认为更有价值的基准包括：系统是否揭示了本可能被遗漏的风险，团队是否能够评估比以往更多的机会，尽职调查是否在不削弱深度的前提下缩短，以及高层是否将更多时间用于谈判而非信息检索。我们已有部分证据支持这一点。我们的研究显示，24% 的交易方表示 AI 帮助他们完成了原本可能错失的交易，66% 认为在整个生命周期使用 AI 是降低交易风险的关键方式。

Datasite 的 2026 年上半年报告显示，全球交易启动同比增长 31%，其中美洲增长 52%，而欧洲、中东和非洲增长 13%，亚太地区增长 4%。是什么推动了这种地区差异，代理技术的使用会扩大还是缩小各地区之间的生产力差距？

数据反映了许多交易方在过去数月的感受：信心在美洲恢复更快，得益于融资条件和更愿意将资产推向市场的氛围。有趣的是，亚太地区的启动增长最慢，仅为 4%，但亚太的交易方是 AI 采用最积极的地区，基于我们的研究，他们在从寻找、筛选到尽职调查的每个环节的 AI 使用率均领先其他地区，分别为 56%（常规使用或完全嵌入）对比 EMEA 的 49% 和美洲的 47%。他们也最愿意将实质性决策权交给 AI。我的判断是，约束推动了采用，因为在交易流动性较低、团队规模更精简的地区，提升每位专业人士产出的动机更强。

当然，技术本身不能创造交易。它不会影响利率或缩短监管审查。但它可以通过执行交易来提升每个团队的生产力，而这种能力的扩展速度远快于人力增长，这也是我预计随着时间推移，AI 将缩小而非扩大地区之间生产力差距的原因。

Datasite 的 Insight 报告还指出，多个市场的交易启动速度加快，但尽职调查仍然耗时，亚太地区的中位数为 238 天。哪些剩余瓶颈最适合 AI 代理，哪些则根本受限于谈判、监管、融资条件或人为决策？

交易启动变得显著更快，因为公司拥有更好的数据、更自动化的流程以及更早识别机会的信心。尽职调查则不同，因为它是复杂性累积的环节，而复杂性不像交易量那样可以被压缩。亚太地区的尽职调查仍保持 238 天的中位数，在我的经验中，这段时间几乎没有用于分析，更多是用于协调——例如将文件与不断变化的请求、多个顾问以及优先级的变动进行对齐。

然而，尽职调查恰恰是代理最适合支持的领域。它们可以监控各工作流的进度，识别缺失项，揭示文件之间的不一致，并在团队提出需求之前准备后续材料。这也是我们的受访者将尽职调查评为 AI 投资回报最高的阶段，且仅有 4% 的受访者完全不在此环节使用 AI。

AI 当然有其局限性。人仍需建立信任、权衡风险与收益，并决定交易是否值得投入。我们的研究中最令人印象深刻的发现是，交易方并不认为 AI 会取代判断，而是让判断更快、更有依据。随着更多流程和行政工作转向技术，只有人能够进行的对话将成为交易生命周期中最有价值的时段。

感谢这次精彩的访谈，想了解更多的读者请访问 Datasite。