Artikkel

Bruk av AI kan turbolade M&A

M&A har tradisjonelt sett vært avhengig av manuell dokumentgjennomgang, som kan være både tidkrevende, dyrt og utsatt for manuelle feil. I dag er det mange bedrifter som setter kognitiv teknologi på jobben – og høster store gevinster.

Les orginalartikkelen i "The Wall Street Journal" her

 

“Djevelen ligger i detaljene” heter det i det engelske ordtaket − og det er få steder i forretningslivet dette gjelder mer enn i M&A. I de fleste slike transaksjoner følger det med utallige kontrakter med leverandører og andre samarbeidspartnere, der mange inneholder begrensende betingelser av betydelig karakter. Å oppnå ønskede synergieffekter og rettferdiggjøre transaksjonsprisen avhenger vanligvis tungt av evnen til å forstå og navigere slike kompleksiteter.

Fram til nå har den eneste muligheten til å forstå avtalebetingelsenes innhold vært forbundet med møysom, manuell gjennomgang av opptil tusenvis av dokumenter slik at man er sikker på at man får med seg den delen av vilkårene og bestemmelsene som er skrevet med liten skrift. I tillegg kan lange og komplekse dokumenter ha betingelser som er forbundet med andre vedlegg og arbeidserklæringer liggende helt andre steder i teksten, noe som gjør en slik prosess ekstra tidkrevende, langtekkelig og kostbar.

I dag er det mange bedrifter som velger en ny tilnærming til utfordringen. Fremskrittene som er gjort innenfor AI og kognitiv teknologi gjør det i stadig større grad mulig å gjennomgå tusenvis av kontrakter og andre dokumenter i løpet av et par uker, samtidig som man identifiserer og trekker ut den viktigste informasjonen. Selv om denne teknologien ikke er en direkte erstatning for mennesker, kan den være en kraftig brekkstang som legger til rette for økt tempo i prosessarbeidet og raskere avtalegjennomføring – mer effektivt og til lavere kostnader.

Due Diligence går raskere og mer nøyaktig med AI

Gjennomgang av leverandørkontrakter er standard prosedyre i en finansiell due diligence. Tidligere har arbeidsteamene jobbet seg gjennom utallige dokumenter for å finne slike kontrakter og registrere kritiske betingelser som “take-or-pay”-betingelser, fornyelsesdatoer og fastprisavtaler. Mens prisinformasjon ofte blir anonymisert eller tatt bort fra kontraktene under due diligence-prosessen, har bestemmelser som gjelder overføring av aktiva til andre lenge vært aggregert og oppsummert manuelt.

I dag kan AI-programvare aggregere disse dataene og fremstille dem visuelt for å gi kjøperen oversikt over potensielle tilhørende kostnader og økonomisk eksponering mye raskere og mye mer nøyaktig enn den manuelle gjennomgangen tillater. Teknologien kan også bidra i andre deler av due diligence-prosessen, blant annet når det gjelder:

 

  • Leasingavtaler— Nye regnskapsstandarder krever innsamling av data forbundet med leasingavtaler. Teknologien kan framskynde denne prosessen og informere kjøperen om eventuelle tilleggsforpliktelser, og den kan også redusere kostnadene knyttet til slike vurderinger. I olje- og gassindustrien, for eksempel, går advokater typisk gjennom avtaler for tomteleasing manuelt, og mange beregner salær for hver leasingavtale som blir gjennomgått, selv om det dreier seg om standardkontrakter.

 

  • Arbeidsavtaler— Teknologien kan brukes til å analysere disse avtalene og fange opp engangskostnader som sluttvederlag og bonusutbetalinger, i tillegg til andre personalkostnader.

 

For å illustrere de potensielle effektene av AI i en due diligence-prosess, kan en virksomhet som anslagsvis bruker et par måneder samt millioner av kroner på at et antall fagpersoner skal jobbe seg gjennom tusenvis av kontrakter, ved å bruke AI-verktøy sannsynligvis komme seg gjennom samme arbeidsmengde på bare noen få uker, og til en brøkdel av kostnadene.

Tre ting du må vite om kunstig intelligens

Les mer her

M&A med forståelse for hele eksponeringsbildet i forkant

På grunn av tidsbegrensningene som vanligvis er forbundet med M&A, er det mange bedrifter som typisk gjennomgår kun et utvalg av det totale antallet relevante kontrakter, for deretter å ekstrapolere funnene. Nå gjør AI-teknologi det mulig å foreta en mer omfattende gjennomgang på samme eller kortere tid, og dessuten gjøre analyser som ikke bare omfatte selve gjennomgangen, men også går inn på planlegging av de neste skrittene som skal tas. Dette gjør at bedriftene som er involvert i slike transaksjoner er i bedre stand til å realisere synergieffekter og raskt håndtere hindringer som oppstår på veien når avtalen skal inngås.

Teknologien kan også bidra i planleggingen av “dag én,” for eksempel gjennom standardisering av leverandørgrupper slik at lisensavtaler kan justeres etter behov. Den kan også bidra til å identifisere viktige detaljer på andre områder, som for eksempel:

  • Kontraktsforvaltning—sluttdatoer, utgiftsbindinger (minstekrav til
    kjøp), og krav ved opphør.
  • Innkjøp og forhandlinger—prising, servicenivåavtaler (SLA), og generelle vilkår.
  • Kunderevisjoner—prisrettigheter, betalingsvilkår, bruksrestriksjoner og kundeforpliktelser.
  • Allianse-/partnergjennomgang—varebalanse, opplæring og salgsforpliktelser.
  • Leverandørrevisjoner —prising, SLA og betalingsvilkår.
  • Risikovurdering—standardvilkår, forpliktelser og skadeserstatning, rettigheter ved opphør, tvisteløsning og forpliktelser knyttet til risikodemping.

I forbindelse med større oppkjøp kan for eksempel den kjøpende part bruke teknologien til å legge til rette for gjennomgang og vurdering av tusenvis av avtaler, sentralisering og effektivisering av kontraktsutskillelse for hundrevis av leverandører. Dette muliggjør en potensielt kostnadsfri overføring av lisenser der kontraktene er uten sluttdato, og kan følgelig gi besparelser langt opp i millionklassen.

Fusjon og oppkjøp: Tilstandsrapport 2019

Les mer her

Avhendelser, salg og spin-off

Til slutt er det høyeste potensialet for risiko ofte knyttet til avhendelse av bedrifter og utskillelse (carve-out) på kjøpssiden, ettersom selskapene ofte kobler sammen forbruk og kontrakter på tvers av flere avdelinger, noe som skaper kompleksitet når en avdeling skal skilles ut.

Kontraktene er vanligvis ikke satt opp spesifikt per avdeling innad i bedriften, og er heller ikke utformet for å ta høyde for en eventuell avhendelse. Videre inneholder leverandørkontrakter—spesielt de som er knyttet til programvare— ofte betydelige innebygde restriksjoner som mange bedrifter ikke er klar over.

AI kan hjelpe disse organisasjonene

med å forstå hele eksponeringsbildet før de bestemmer seg for å skille ut en del av bedriften. Det er ofte store gevinster å hente for de som tar seg tid til å vurdere kontraktene sine og fører en strategi for å få tak i de rettighetene det er behov for. Med proaktiv håndtering av lisensrestriksjoner, bevaring av fordelaktig prisfastsettelse i leverandøravtalene, eller forenkling av prosessen for overføring av kunder, kan transaksjonen gli lettere, gi en mer verdifull spin-off, og potensielt øke prisen på transaksjonen.

For eksempel kan en AI-basert kontraktsgjennomgang i forbindelse med en større carve-out gi rom for vurdering av tusenvis av avtaler med felles leverandører og gjøre det mulig å klone mange av dem, noe som igjen kan gjøre det mulig å fortsette bruken av de viktige leverandørene for bedriften.

Å kombinere strategi og teknologi er neste generasjons tilnærming til avtaleinngåelser, og dette hjelper bedrifter ved å spare ressurser og dra fordel av mer komplett og presis informasjon. Med AI kan det som tidligere var en prosess som både fremsto omstendelig, dyr, tidkrevende og utsatt for feil, utvikle seg til å bli en måte for bedriftene å turbolade sine M&A-aktiviteter på.


—av Joni Young, administrerende direktør, Deloitte Consulting LLP; Janet Roth, partner, Deloitte & Touche LLP, og Michael Joseph, senior manager, Deloitte Consulting LLP. Teksten er oversatt og dette kan medføre at den orginale orddlyden i formuleringene forsvinner.

Var denne siden nyttig?