Due diligence är ofta flaskhalsen i en företagsaffär: massor av avtal, korta tidsfönster och höga insatser. Missar i granskningen kan bli dyra efterköpsproblem, men manuellt arbete gör att risker lätt göms i mängden. Rätt implementerad ger AI för due diligence snabbare genomlysning, bredare risktäckning och bättre fokus på det som verkligen påverkar köpeskilling och villkor.^[2]

I denna guide får ni en konkret plan för hur AI används före, under och efter VDR-öppning, hur ni kombinerar AI med juridisk expertis, vilka verktygsfunktioner som spelar störst roll och hur effekten mäts. Vi pekar även på fallgropar (hallucinationer, dataåtkomst, sekretess) och hur de hanteras.^[1][3]

Vad innebär AI för due diligence i praktiken?

Kärnan är att använda maskininlärning och språkmodeller för att läsa stora dokumentmängder, hitta mönster och extrahera nyckeldata. AI kan kategorisera, sammanfatta och upptäcka avvikelser i standardiserade dokument (t.ex. sekretessavtal), vilket frigör tid för jurister att hantera de komplexa delarna i affären.^[2][5] Samtidigt är AI inte en ersättning för juridiskt omdöme – den missar ibland kontext, särskilt i icke-standardiserade avtal och tvärjurisdiktionella frågor.^[2][6]

Två kapabiliteter driver nyttan: maskininlärning (lär sig mönster utan explicit programmering) och språkteknik (NLP/LLM) som ”förstår” och genererar text.^[1] Investeringarna i AI växer snabbt, vilket accelererar utvecklingen; global AI-investering förutspås nå 200 miljarder USD till 2025.^[1]

Vill ni fördjupa er i klausulnivåanalys och kontraktsspecifika tekniker, se AI för kontractsanalys.

Process: så använder ni AI före, under och efter VDR

1) Utanför-in-analys (före VDR): Generativ AI kan skanna publika källor – pressmeddelanden, finansiella rapporter, prospekt, mediebevakning – för att hitta pågående tvister eller regulatoriska frågor. Resultatet ger vassa input till frågelistan och intervjuer.^[1] AI kan även hjälpa er att utforma due diligence request list baserat på praxis och bransch, samt konsolidera överflödiga punkter.^[8]

2) Säljsida: VDR‑uppsättning. AI indexerar automatiskt dokument, föreslår kategorisering och föreslår redaktion (maskning) av känsliga uppgifter – särskilt värdefullt vid stora datarum med personuppgifter, konkurrenskänslig info och IP.^[1][2] Vissa plattformar rapporterar upp till 90% tidsreducering för VDR‑strukturering och smart maskning med 90%+ recall, vilket även stödjer GDPR‑efterlevnad.^[7]

3) Köpsida: VDR‑granskning. Här briljerar AI med att:

• Sammanfatta dokument och flagga saknade underlag (t.ex. notariehandling vid fastighetsförsäljning eller avvikande köpeskilling mot redovisning).^[1]
• Identifiera kritiska klausuler: change-of-control, konkurrensförbud, ansvar, exklusivitet, GDPR-termer och licensvillkor, samt jämföra variationer över många avtal.^[1][5]
• Producera strukturerade, klausulnivå-rapporter med röda flaggor och gap-analys – och dessutom anonymisera data automatiskt så att person- och företagsnamn skyddas under granskning.^[4]

4) Sammanfatta fynd och förbered avtal. AI kan ta fram första utkast till exekutiva sammanfattningar, lyfta frågor för särskilda garantier/ersättningar, och skapa issues lists inför SPA‑förhandling. Det kan även föreslå closing checklists och utkast till beslut och fullmakter – alltid med mänsklig kvalitetskontroll.^[8]

För reglerings- och regelefterlevnadsaspekter, komplettera gärna med AI för legal compliance och AI GDPR guide.

Vad AI hittar – och vad människor måste avgöra

Exempel på risker AI kan flagga: saknat källskatteavdrag vid utdelning, köpeavtal med ovanligt köparvänliga skadeståndsvillkor, kreditfaciliteter med change‑of‑control‑klausuler som kräver waivers, styrelseprotokoll utan nödvändiga signaturer, oreglerade kundfordringar eller stora off‑balance‑poster från produktansvarsprocesser.^[1]

Men AI kan också hallucinerar – det vill säga hitta på dokument eller dra fel slutsatser. Ett fall gällde en LLM‑sammanfattning som ”intygade” skatteefterlevnad efter en fastighetsförsäljning och refererade till en obefintlig deklaration; efter affär städades en skatteskuld om 1,5 MUSD upp – en dyr läxa som understryker behovet av mänsklig validering.^[3]

Bildens andra halva är kontext. AI presterar bäst på högvolym och standardiserade dokument, men varje affär har unika nyanser. Ledande jurister betonar att AI sparar tid och kostnad men inte ersätter professionellt omdöme – särskilt i komplexa, gränsöverskridande strukturer.^[2] I praktiken ser många 50% tidsbesparing i den initiala kontraktsextraktionen, varefter jurister gör riskbedömningen för just denna köpare och affär.^[6]

Implementera säkert: arbetsflöden, sekretess och kvalitet

Nyckeln är en hybridmodell där AI gör det repetitiva och människor beslutar. Rekommenderat upplägg:

• Playbooks: definiera ”röda flaggor”, toleranser och fallback‑positioner (t.ex. NDA‑villkor, change-of-control, ansvarstak).^[8]
• Datasäkerhet: använd anonymisering, inneslut granskning i er Microsoft 365‑miljö och säkerställ att data inte lämnar er infrastruktur eller tränar externa modeller.^[4]
• Maskning och åtkomst: smart redaktion (GDPR), granular behörighet, watermarking och audit trails i VDR.^[7][2]
• Kvalitetskontroll: jurister validerar AI‑sammanfattningar, granskar avvikande klausuler och säkerställer att ändringsavtal och bilagor tolkas sammantaget.^[6]
• Transparens: informera parter om hur AI används och dokumentera beslut och avvägningar.^[3]

Kom ihåg begränsningar kring VDR‑data: säljsidan vill sällan tillåta att konfidentiellt material används för AI‑träning, och hallucinationer är oacceptabla när känsliga uppgifter hanteras. Därför behövs lösningar med hög tillförlitlighet och robust dataskydd.^[1]

Vill ni förstå hur denna typ av AI fungerar under huven, läs Vad är generativ AI?

Mät effekten: tid, kostnad och risktäckning

Definiera KPI:er innan start: tid till första riskbild, antal granskade avtal/dag, andel avtal med identifierade kritiska klausuler, antal maskade PII‑träffar, samt hur många manuella timmar som flyttas från juniora repetitiva uppgifter till senior analys.^[2][7]

Rimliga riktvärden (utfallsberoende): 50% tidsvinst i initial extraktion/sammanställning av standardavtal,^[6] kraftigt kortad VDR‑strukturering (rapporterat upp till 90%),^[7] samt snabbare avtalssammanfattningar inför SPA‑förhandling.^[8] På makronivå växer investeringarna – en indikator på att verktygen mognar och skalar.^[1]

Beräkna ekonomisk effekt gärna ihop med er CFO. Ni kan också använda vår AI ROI kalkylator för att strukturera antaganden och scenarioanalys.

Verktygslandskap: vad ska ni titta efter?

Olika verktyg adresserar olika delar av flödet. VDR‑plattformar med AI (t.ex. auto‑indexering, maskning, aktivitetsanalys), kontraktsanalys med klausulnivå‑rapporter och anonymisering, samt stöd för marknads- och dokumentintelligens för utanför‑in‑analys.^[2][4][5][7] Värdefulla urvalskriterier är:

• Datasäkerhet och privacy-by-design (anonymisering, data lämnar inte er miljö, ingen obehörig modellträning).^[4][7]
• Multispråk och juridiska playbooks på klausulnivå (change‑of‑control, ansvar, GDPR m.m.).^[4][7]
• Flerdokumentjämförelse och avvikelseanalys, tydliga exekutiva rapporter, audit‑spår.^[4][5]
• Integration med era kärnsystem (t.ex. Microsoft 365) för säker och smidig adoption.^[4]