AI nella due diligence M&A: cosa cambia concretamente nelle operazioni?

L’introduzione dell’AI nella due diligence M&A non è ipotesi accademica: nel 2026 è già pratica operativa nei principali studi internazionali e nei top-tier advisor italiani, con metriche di efficienza documentate. La trasformazione opera su quattro dimensioni concrete del processo di due diligence: velocità di analisi documentale, profondità di identificazione di anomalie, costo di gestione del processo, qualità della reportistica finale per il decision-maker.

Velocità di analisi documentale è il delta più tangibile. Un VDR mid-market tipico contiene 800-2.500 documenti tra contratti commerciali, bilanci, contenziosi, brevetti, certificazioni, comunicazioni interne. Una due diligence tradizionale con team di 3-5 analyst impiega 4-6 settimane per la prima passata di review. Con AI specializzata su contract review e document intelligence — strumenti come Kira, Luminance, Harvey, integrati a workflow ad hoc — il tempo di prima passata scende a 7-12 giorni con copertura più completa: invece di campionare i contratti rappresentativi, il sistema processa il 100% dei documenti e identifica autonomamente quelli che richiedono review umana approfondita.

Profondità di identificazione di anomalie è la dimensione qualitativa che più sorprende. L’AI individua pattern che il junior umano sistematicamente perde: cross-reference tra contratti commerciali separati che insieme creano change-of-control issue, anomalie nelle date di rinnovo contrattuale che concentrano rischio nei primi 12 mesi post-closing, clausole di esclusiva incompatibili tra contratti fornitori e clienti, omissioni sistematiche in certificazioni regolatorie. Questi sono i “surprise” che storicamente emergono solo a 3-6 mesi post-closing, quando ormai il contratto è chiuso e il buyer scopre obblighi non disclosed.

Costo di gestione del processo si riduce in proporzione inversa alla complessità del dossier: deal piccoli e standard vedono risparmio modesto (10-20% sul costo team), deal complessi con migliaia di documenti vedono risparmio significativo (35-50%). Per il venditore questo si traduce in due benefici: budget DD più contenuto su buy-side se sta supportando offerte concorrenti, e ridotta sensibilità del buyer al costo della propria DD (che diventa meno argomento di sconto sul prezzo).

Qualità della reportistica finale è il fattore meno enfatizzato ma forse il più impattante. L’AI permette di generare automaticamente report DD strutturati con citazioni dirette ai documenti sorgente, dashboard di sintesi quantitative dei rischi identificati, scenari di sensitivity sui termini contrattuali identificati come problematici. Il senior advisor passa meno tempo a impaginare e più tempo a interpretare strategicamente — il valore aggiunto si sposta verso il giudizio dove l’umano è insostituibile.

Due avvertenze critiche, però. La prima: l’AI non sostituisce il senior — lo potenzia. Tutte le decisioni di materialità, di rilevanza strategica, di calibrazione del rischio restano e devono restare umane. Affidare la decisione finale all’output AI è errore grave e fonte di responsabilità. La seconda: la qualità dell’AI dipende fortemente dalla customizzazione al settore e al case specifico. Un sistema generico produce output mediocri; un sistema customizzato sul tipo di transazione, lingua dei contratti, framework regolatorio locale produce risultati superiori. Nel contesto italiano questo significa adattamento alle peculiarità di Codice Civile, normative settoriali (industria, banche, energy, healthcare) e prassi contrattuale italiana — area dove gli advisor con esperienza M&A italiana hanno vantaggio sui tool generici importati.