הכינו את עצמכם לאקזיט ב-2026 ואל תתנו ל-AI להפיל לכם את העסקה
דני טובי, שון פולטון וקורן דרלינג, פרקטיקת הבינה המלאכותית וניתוח הנתונים של פירמת עורכי-הדין הבינ"ל DLA Piper
בעסקאות מיזוגים ורכישות, האינסטינקט הראשוני של צוותי העסקה הוא לנתב כל מה שנראה טכני למסלולים המוכרים של קניין רוחני, פרטיות וסייבר וחוזים מסחריים. ההנחה היא שדיסציפלינות אלה, בשילובן, יצליחו ללכוד את מרבית סיכוני הטכנולוגיה. אך בשנת 2026, עבור סטארט-אפים וחברות טכנולוגיה רבות, הבינה המלאכותית שהייתה עד היום יתרון תחרותי, היא כעת ליבת הערך של החברה. ובעוד שיזמים מתמקדים בשיפור הביצועים של המודל, הם עלולים להחמיץ את הצד השני של המטבע: בדיקת הנאותות הדיגיטלית.
ה-AI מתפקד כ"מכפיל סיכון". בבואו של האקזיט או סבב הגיוס הבא, בדיקות הנאותות המסורתיות של קניין רוחני וסייבר כבר לא יספיקו. הכלים של 2025 משאירים שטחים מתים עצומים של מודלים אטומים, נתוני אימון "מורעלים" ותלות נסתרת בצדדים שלישיים. סיכוני AI הם דינמיים – המערכות לומדות מנתונים ומשתנות בהתאם להקשר, מה שעלול להוביל ל"נדידת מודל" שבו הביצועים מתדרדרים ללא שינוי בקוד. אם לא תכינו את התשתית המשפטית והארגונית של ה-AI שלכם מראש, הנכס הכי יקר שלכם עלול להיתפס בעיני הרוכש כ"פצצת זמן" רגולטורית שתשפיע על שווי העסקה ומבנה הסיכונים שלה.
הגיע הזמן להודות: ה-DD של העבר דורש חשיבה מחודשת. אז מה באמת בודקים הרוכשים?
מה באמת בודקים הרוכשים ב-2026? הטעות הנפוצה של חברות היא לחשוב שאם הקוד רשום כחוק, הן מוגנות. בפועל, בדיקת נאותות מודרנית צוללת לעומקם של שלושה תחומים עיקריים שעל כל יזם להכיר:
1. ממשל נתונים ואימון המודל: הרוכשים בודקים את המודל, אך לא פחות מכך, ממה הוא ניזון. מאיפה הגיעו נתוני האימון? השאלה החשובה היא נתוני האימון הושגו כחוק? בייחוד אם הם כוללים מידע אישי או תוכן המוגן בזכויות יוצרים. שימוש בנתונים שנסרקו מהרשת ללא הרשאות מתאימות, עלול להוביל לתביעות קניין רוחני או לדרישה מצד הרגולטורים ל"מחיקה" של המודל המאומן. חוסר סדר בתיעוד מקורות המידע והתהליכים כמו מפות נתונים ומודל קארד מעיד על חוסר בשלות ומהווה דגל אדום עבור הרוכש.
2. תלות בצדדים שלישיים ושרשרת האספקה של ה-AI: רוב החברות לא בונות הכל מאפס, הן נשענות על ספקי ענן, ספריות קוד פתוח או מודלים קיימים. חשוב להבין כי תלות כזו היא סיכון עסקי ומשפטי. רוכש מיומן יבדוק האם יש לכם "תוכנית ב'" למקרה שספק ה-API ישנה את תנאיו באופן חד-צדדי? והאם חוזי הספקים שלכם מעבירים אליכם אחריות בשקט. חשוב לוודא כי כל התאמה אישית שביצעתם על גבי מודל של צד שלישי נשארת בבעלותכם וניתנת להעברה לאחר הרכישה.
3. שקיפות, אתיקה ויכולת הסבר: ככל שהרגולציה (כמו חוק ה-AI האירופי) מתהדקת, חברות נדרשות להסביר כיצד המערכת שלהן מקבלת החלטות. במידה וה-AI שלכם מקבל החלטות משמעותיות על אנשים (כמו בגיוס עובדים או פיננסים), עליכם להוכיח כי ביצעתם בדיקות הטיות ושיש לכם מנגנוני פיקוח אנושיים. חברה שלא יכולה לספק הסבר טכני ומשפטי למנגנון שלה, נתפסת כסיכון גבוה מדי, במיוחד במגזרים מפוקחים כמו פיננסים ורפואה.
ממשל תאגידי ככלי להעלאת שווי
הערך המוסף הגדול ביותר שחברה יכולה לייצר לקראת בדיקת נאותות הוא אימוץ של מדיניות AI פנימית פורמלית. זה כבר לא נחמד שיש, זה הכרחי. חברה שמציגה מראש פרוטוקולים לבדיקת סיכונים, הגנה על פרטיות בתוך המודל ותוכנית תגובה לתקלות AI, משדרת לרוכש שהיא בוגרת ומוכנה להטמעה בארגון גדול.
ההבדל בין אקזיט מוצלח לבין כישלון בחדר המשא ומתן טמון במוכנות. ה-AI מביאה איתה דינמיות שדורשת מעורבות של מומחים שיודעים לגשר על הפער בין העולם הטכני לעולם המשפט וכמובן, תשומת לב יומיומית. מנהלים שישכילו להטמיע "בדיקת נאותות דיגיטלית" כבר היום, יגנו על החברה שלהם ויבטיחו שהטכנולוגיה שהם בנו תזכה להערכת השווי המקסימלית לה היא ראויה. מי שלא יגיע עם כלי המדידה החדשים ל-2026, יישאר מאחור.
