本篇是Nicole Park、Alexandra Lazar、Antonella Penta、Shanlee von Vegesack、Reina Mistry與Paul Blyschak合寫，Fasken 在2026年 9月 1日刊出的文章：The AI Due Diligence Dilemma: Why More Questions and Faster Answers Aren’t Always Better。
概觀與實務要點
人工智慧（AI）會促進多面向併購加速。買方為例，越來越多使用AI接觸潛在交易、過濾和評價初步的候選對象，再更深入瞭解最有吸引力的標的公司。
但是AI對併購的影響自然都是正面的嗎？簡單說不是。AI的效益和實用性是不可否認的。但AI也會帶來新的法律及實務風險，須小心管理。
AI在併購盡職調查（due diligence，DD）裡的問答是一個主要例子。我們的關鍵要點有：
*DD問題越多未必越好。AI的產出不能超越談判、偏離重大價值或風險、削弱人為專業或者對實施DD的品質有錯誤的信心。人為判斷對實際問題還是很重要。
*可說明性是DD回應的根本。賣方過度依靠AI會引發紅旗警訊並破壞可信度。越來越多證據顯示，買方因AI準備的DD回應而退出交易此狀況越來越多。不正確的DD因應會引發合約或侵權責任。
*即使在此複雜性下，併購各方應遵循的關鍵原則還是相當明確。買方應該要能驗證—為何被要求做DD，以及其處理的價值和風險為何。賣方應該要能說明已給出的DD回應，以及支持其回應之人員、材料或其他來源。
併購盡職調查中的AI：不是越多越好
毫無疑問的AI會增加生成DD問題的顯著價值，並處理賣方相應的回應。AI可依前例快速產出第一版DD問題草案，之後針對標的公司客製化，包括根據任何保密性資訊備忘錄（CIM）與/或管理階層報告。AI可跨工作流程進行DD問題比較，確認出落差、重複或不一致的用語。它可監控賣方回應、建議後續問題，並追蹤重大或未解決的點。它可標示出問題，比如在賣方回應、或者賣方回應與標的公司文件之間潛在的矛盾。
但是，一如很多其他AI的應用，AI只是工具而非解決方案。它最終的價值還是仰賴使用者的技能。
實務層次上，增加DD問題對脈絡未必會比較好。焦點始終在於品質而非數量。問太多DD問題，會使賣方挫折、傷害談判動態。也會讓管理標的公司過份負擔、不合理地增加成本，並不必要地拖延交易流程。買方的目的應該是緊密統合並高度將DD問題脈絡化，以便在尋找實質見解上直接瞭解價值或風險。
追求此目標需要瞭解狀況並具備人為判斷。DD問題應該專門針對該標的公司之產業、交易規模及交易時間等事宜。有效的盡職調查，也應該視判斷為基礎且持續更新。它應該以脈絡資訊為基礎，而非DD問題與回應本身（比如賣方是否在這一點上拖時間？）。AI可能會犯錯—看似正確但或許需要深入調查的事。同樣的，AI或許會太強調問題的重要性。這最好留予人為分析的問題，包括DD問題之分類，比如關於優先順序、重大性、潛在收購協議的影響。最終，僅交易律師才可就特定交易下對特定客戶真正重要的因素，提出建議。
將AI用到買方盡職調查，也需要仔細管理伴隨AI使用而來的各式風險。應該只能用適合的AI工具，在有安全防護下確保敏感標的公司資訊、交易策略和法律分析不會出問題。AI產出的品質基本上也仰賴於輸入的品質。在AI時代裡當個好的交易律師重點是，知道區辨好或壞的提示指令，以及盡可能在併購中善用手邊的AI。AI可能的「討好」（比如奉承）也必須小心管理。此處的風險是，AI可能會增強、而非挑戰買方交易的邏輯。
總的來說，毫不令人意外的是，買方的關鍵是別過度依賴AI盡職調查工具。AI的速度與量不能妨礙談判，偏離重大價值或風險、削弱人為專業知識或經驗之重要性，或者對實際不合格的盡職調查產生錯誤的信心。
併購盡職調查回應內的AI：可說明性才是根本
人們可能以為AI使用在DD回應中與在DD問題中是一樣的，就是一體兩面。並非如此。雖然某些問題是重疊的，但有重要的差異。此處的關鍵是，若不當草擬DD回應，會引發與不當草擬DD問題不一樣的潛在風險與責。
讓我們從適當使用AI對DD回應帶來的價值開始說起。一如DD提問，AI可從標的公司的內部紀錄快速準備DD回應的第一版草案。AI可協助從不同的工作群體中統整出DD回應。AI可辨識出在不同擬議回應之間可能不正確的回應或潛在衝突。它可突顯：擬議的回應無法適當回答的問題，或者可能缺乏事實支持。其可辨識出擬議回應超出提問問題之處，比如，太空泛的聲明。AI亦可統計已回答或未回答的問題，並在時間推移後就需要更新之處提供建議。
除這些效益外，使用AI會帶來的不同風險也需要考量。或許最為人所知的就是AI幻覺風險。同樣的，AI可推論事實、試著填補其視為落差之處、將原本應分開的概念或主題適當的結合起來，以及/或無論事實而更自信地表達。AI生成的DD回應，會與其所取得資訊以外的討論相矛盾。AI的分析也可能在標的公司業務內可能有問題之處反而表現順暢，而這些是標的公司管理階層應加以注意的。
再者，緩解這些風險需要在AI對DD回應流程發揮作用時適當的人為介入。這需要確保有遵守所有審查協議，而且敏感的公司、員工、客戶或交易資訊，不會在適當的防護機制之外無意間輸入進AI。標的公司或賣方人員在DD回應流程使用「影子AI」，是特別要注意的風險。人為監督對於確保不會讓受法律特權保護的溝通無意間洩漏出去，也很重要。
關於交易動態，賣方在準備DD回應上對AI過度信任，很快會引發紅旗警訊並破壞可信度。這會對定價與/或買方想要的交易等引發不利影響。對此的憂慮會起自於賣方DD回應或併購雙方的相關討論，比如買方與標的公司管理階層的討論，或者後續的DD要求。買方會期待(1)賣方的DD回應反映管理階層實際所知，以及(2)賣方要能夠說明並辯護他們已提供的回應。
越來越多證據顯示，買方在DD流程中會因為過度依賴AI而放棄交易。Pitchbook最近引述的兩個例子說明了這一點。第一個是投資人「在收到經營團隊明顯是AI寫成、不夠深入的盡職調查回應後」放棄了進行中的流程。第二個是在「創辦人被發現使用ChatGPT回答基本問題（比如該公司如何達成當前的成長率）後」，取消交易。
關於潛在不利的法律後果，不正確或誤導性的DD回應，會引發潛在的合約（比如根據收購協議）與/或侵權責任（比如不實報導或甚至舞弊）。應該也要注意的是，在「陳述與保證保險」（Representations and Warranties Insurance，RWI）交易裡，賣方的DD和其他盡職調查文件，會提供保單及其排除之處（並作為相關無索賠聲明的依據）。最後，再強調一次，必須注意AI潛在的「討好性」（奉承），並小心防範。在DD回應的脈絡下，風險在於AI可能衝動地選擇性忽視或淡化問題，而非詳細探究其真正的面向。Pitchbook稱之為「AI本來就會討好人」。
結論：瞭解你要問、要答的及其理由
DD問題與DD回應兩個對併購而言都是基本的，但會引發實務及法律上幾個不同的考量。
DD問題原則上是調查工具，而從法律觀點看，自身並非目的。其功用是協助買家更瞭解標的公司及其收購的潛在風險。當買家的DD問題不夠詳盡時，關鍵後果就是資訊有問題，買方無法有效談判，或許有原本可避免的風險。
DD回應有更複雜的問題。若DD問題不佳、DD回應管理不當，會無意間影響到交易動態及交易動力。但準備不足的DD回應，也會引發賣方對買方原本不存在的責任。在實際的狀況下，這會導致買家求償與/或買家有權中止交易。此外，要是交易內有不實報導或引發舞弊，則買家有權在交易完成後撤銷，或因賣家在其能力範圍內需要為不實聲明負責而被索賠。
所幸，對買賣雙方而言，指引仍相對明確。在準備DD問題與回應上使用AI很重要，但別讓AI阻礙了你清楚說明當前盡職調查中最基本問題的能力。對買方而言，這是你為何要問DD問題的理由、其價值和風險。對賣方而言，這是證實DD回應的人員、資料或其他諮詢及作法。
AI大幅提高了併購內DD的效率。但要提高能力，唯有加強控管。同樣的，雖然AI可加速DD方程式的雙邊，但人為判斷還是交易的核心。
沒有留言:
張貼留言