企業の顧問弁護士や法律事務所の業界リーダーからのメッセージは明確です。AIはすでに、レビューの迅速化、アウトプットの標準化、予算構造の変化など、M&Aにおけるデューデリジェンスを変革しています。しかし、当社の Sam Dormanが、Salesforce Venturesの Alex Haskell氏、Travers Smithの Ella Sharpley氏と 最近議論したように、AIで成功している企業は単にツールを使用しているのではなく、その使用方法を体系化し、ユースケースに期待値を合わせる一方で、判断とリスクは引き続き人間が行っています。

実質的な効果の創出と導入差異の要因

AIはすでに、M&Aにおけるデューデリジェンスのワークフローの中核プロセスを変革しています。ただし、それは法的判断を置き換えるものではなく、従来ボトルネックになっていたデータ量の多い作業を加速させることによっています。現時点で最も大きな効果が見られるのは3つの明確なユースケースであり、それぞれが定量的な業務効率化をもたらしています。一方、導入パターンは、社内チームと法律事務所との間で異なっており、その背景には、精度への要求水準、処理量、ワークフロー設計の違いがあります。

AIが最も大きなインパクトを与えている分野：

1.デューデリジェンス開始前の公開データの迅速な分析

初期段階のバイサイド・チームは、チャット・スタイルのAIを使用して、英国Companies Houseの開示情報、財務報告、ウェブサイトのコンテンツなどの一般に入手可能な情報から、構造化された意思決定可能なインサイトを作成します。よく見られる例として、さまざまな提出書類や定款から、正確に整理された資本構成表（株式クラス、議決権、経済的権利を含む）を作成することができます。以前は何時間もかかっていた作業が、今では弁護士が大枠の妥当性を素早く確認することで、数分でできるようになりました。

2.一貫性のある大量文書レビューのためのプレイブック

企業は、リース契約、商業契約、知的財産登録簿など、反復的な資産クラスに対応するため、標準化されたプロンプト（「プレイブック」）を構築しています。AIは、重要な商業・法務条件を抽出し、デューデリジェンス・レポートに添付される一貫性のある補足資料を作成します。その後、弁護士は正確性と重要性（マテリアリティ）を検証しますが、手作業によるレビューの負荷は大幅に軽減されます。

3.少数持分または大量案件型の投資におけるフルスタック型初稿作成

高頻度で投資を行う投資家はすでに、データルーム全体を主要な大規模言語モデル（LLM）にアップロードし、過去のレポートを参考にしながら、自社フォーマットに基づいたデューデリジェンス・レポートを作成させています。こうした用途では、95～98％程度の精度が許容されるため、チームは外部委託コストを大幅に削減し、AI支援プロセスを通じて業務を内製化する動きが進んでいます。

社内と法律事務所とで導入が異なる理由：

• 社内チームは、取扱案件数が多く、許容される精度基準も比較的柔軟です。そのため「95%正確な初稿」であっても実務上許容され価値があります。AIはスループットを向上させ、チームは情報抽出作業から戦略的な業務に集中することができるようになります。

• 一方、法律事務所は、重要度の高い取引では100%の正確性が要求されます。このため、異なる運用モデルになります。AIはレビューと情報抽出を加速させる一方で、人間の弁護士はアウトプットを検証し、「それが何を意味するのか（so what）」の分析を行い、それが交渉、価格設定、リスク配分の意思決定の基礎になります。

課題とM&Aチームによる解決方法

AIがM&Aのワークフローに深く入り込むにつれて、最大の課題は技術的なものではなく、運用面にあります。チームは、AI導入の成功が、明確性、一貫性、信頼性に左右されることを学びつつあります。最速の進歩を遂げている企業は、AIをその場限りのツールとして扱うのではなく、AIを中心とした再現可能なプロセスとして組み込んでいます。

主な課題とその対処方法：

1.プロンプトは具体的に指示します

「デューデリジェンス・レポートを作って」といった曖昧な指示だけでは不十分です。質の高いアウトプットを得るためには、次のような指示が必要です。

• 自社で評価の高い過去レポートに基づいた、明確でパターン化されたプロンプトを使用します
• 評価に常に用いる主要論点をリスト化します
• 役割ベースでの指示を設定します（X/Y/Zリスクに焦点を当てるバイサイドの弁護士として振る舞う、など）

2.システム化する価値のあるユースケースを優先します

プレイブックの構築には時間を要するため、標準化による効果が価値を高める、高頻度かつ反復性の高い業務に集中します。典型的な対象として、リース契約、顧客・ベンダー契約、資本構成表、知的財産一覧、人事方針、年金管理指標などがあります。

3.チーム全体で学習を制度化します

定期的な発表会（今週AIを使った人は？何がうまくいった？）を設けることで、試行錯誤の分断化を防ぎ、組織全体としての進化を加速します。若手弁護士が自動化に最も適した業務を発見するケースも多いため、彼らが主導できる環境を整えることが重要です。

4.エビデンスに基づいて信頼を構築します

人間とAIのアウトプットを並べて比較することで、情報抽出や要約といった領域においては、AIが人間と同等（場合によっては人間以上）の精度を持つことが示されています。一方で、重要性（マテリアリティ）の判断、ニュアンスの理解、交渉ポジションの設定といった領域においては、人間の関与を維持することが必要です。こうした領域はまさに判断力が問われることになります。

5.予算、報酬、価値期待の変化に対応します

定型化されたデューデリジェンス業務に対する報酬には、すでに下押し圧力がかかっています。特に社内チームには「すでに導入しているAIを活用せよ」という方針があるため、その傾向が強まっています。こうした状況で、外部弁護士が引き続き評価されるのは、次のような価値を提供できる場合です。

• 誤った安心感を回避するための、検証された正確性
• 何が重要で、なぜ重要なのかについての判断力
• ディール戦略：調査結果を株式譲渡契約の条項、課題リスト、買収後統合における施策に落とし込む能力

つまり、AIは情報抽出に要するコストを圧縮することはできますが、解釈の価値を低下させることはありません。効率性と専門的な判断力を両立できる企業が、引き続き競争優位を維持します。

今後の展望とM&Aチームの準備

今後12〜24カ月の間に、AIは「試験段階のユースケース」から、M&Aプロセス全体にわたって深く組み込まれたエンド・ツー・エンドのワークフローへ移行することが予想されます。最大の変化は、AIへの移行によりデューデリジェンスがどこで実施されるか、初稿がどのように作成されるか、プロセスのどの領域が引き続き人間主導で残るのかという点に現れるでしょう。こうした変化に先んじて対応するためには、ディールチームは今後起こる変化を理解するだけでなく、将来に備えてプロセスを強化するための具体的な対応策を現時点から講じる必要があります。

予想される主な展開と準備方法：

1.プラットフォーム上のデューデリジェンス

AIエージェントはVDR内に直接配置されるため、ファイルのダウンロード・アップロードの手順は不要になります。その結果、セキュリティが担保された環境下で、役割に応じた分析が可能となり、すべての操作は完全な監査証跡として記録されます。

2.要約を上回るドラフトの自動作成

基本契約書、株式譲渡契約の課題リスト、条項単位の修正案の初稿を、プレイブックの方針に合わせてさらに信頼性高く作成することが期待できます。

3.業務の二分化

重要度の高い「エリート」レベルのM&A案件は、引き続き人間が主導しつつAIが支援する形にとどまるでしょう。一方で、それ以外の業務はよりコモディティ化が進み、より高速かつAI主導のプロセスへ移行するでしょう。

4.プレイブックの成文化

リース契約、主要顧客契約、雇用・福利厚生関連などの文書カテゴリーのうち、優先度の高い上位3分野を特定し、それらについて標準化されたプロンプトとアウトプット形式を整備することが重要です。

5.モデルパックの作成

過去の優良レポートを体系的に蓄積し、AIツールが自社の標準的な構成、文体、そしてリスク評価の優先順位を一貫して再現できるようなナレッジライブラリを構築します。

6.受け入れ基準の設定

ディールの種類に応じて許容される精度水準を明確に定義します。例えば、少数持分の成長投資では95〜98％程度の精度を許容する一方で、重要なバイサイドの取引では完全検証を求める、といった形です。

7.責任者の割り当て、改善の追跡

プロンプトのライブラリや週ごとのAI学習に責任者を指名し、短縮できた時間や精度を測定することで、継続的な改善効果を積み上げます。

8.「それが何を意味するのか（so what）」の判断は人間

AIは情報抽出、要約、構造化を行うことはできますが、そこで得られた事実を、交渉ポジション、価格調整、契約上の保護条項に変換することは人間の付加価値領域にとどまっています。

AIが専門家によるディール判断に取って代わることはないでしょう。しかし、スピード、一貫性、コストの面で誰が優位に立つかは再定義されるでしょう。今の段階で業務プロセスを仕組み化できる企業が、デューデリジェンスの品質とスピードにおける新たな基準を打ち立てるでしょう。