AI w M&A – jak technologia zmienia sprzedaż firmy i pracę doradców

Jeszcze kilka lat temu prowadzenie procesu M&A wymagało dużego nakładu pracy analitycznej. Zespoły doradców tygodniami analizowały rynek, wyszukiwały potencjalnych inwestorów, porównywały transakcje, przygotowywały materiały, przeglądały dokumenty i budowały kolejne wersje analiz.

Generatywna sztuczna inteligencja szybko zmienia ten model. Według badania Deloitte przeprowadzonego w 2025 r. wśród 1000 przedstawicieli korporacji i funduszy Private Equity w USA aż 86% badanych organizacji wykorzystywało już generatywną AI w przynajmniej części procesów M&A. Około 40% deklarowało stosowanie jej w ponad połowie prowadzonych transakcji.

McKinsey pokazuje również pierwsze wymierne efekty tej zmiany. Organizacje wykorzystujące generatywną AI w M&A deklarowały średnio około 20% redukcji kosztów, a 40% respondentów wskazało, że technologia pozwoliła skrócić cykl transakcyjny o 30–50%.

Nie oznacza to jednak, że AI przeprowadzi transakcję za właściciela albo zastąpi dobrego doradcę. Zmienia raczej coś bardziej fundamentalnego: miejsce, w którym doradca tworzy wartość.

Źródło: Deloitte 2025 M&A Generative AI Study.

AI w M&A nie jest już eksperymentem

Pierwsza fala wykorzystania generatywnej AI dotyczyła przede wszystkim prostych zastosowań: podsumowania dokumentów, researchu, tworzenia pierwszych wersji materiałów czy analizy dużych zbiorów informacji. Obecnie zastosowania obejmują już praktycznie cały cykl transakcyjny.

W badaniu Deloitte wykorzystanie GenAI koncentrowało się m.in. na strategii M&A i analizie rynku, screeningu potencjalnych celów przejęć, due diligence, wycenie, realizacji transakcji oraz późniejszej integracji. Jednocześnie Deloitte wskazuje, że firmy wdrażające AI szerzej nadal przywiązują dużą wagę do jakości danych, bezpieczeństwa, compliance i nadzoru nad wynikami generowanymi przez modele.

McKinsey na podstawie badania 200 uczestników rynku wskazuje z kolei, że do najczęściej dostrzeganych korzyści należą lepsze informacje wykorzystywane przy podejmowaniu decyzji, uproszczenie procesów, skrócenie czasu transakcji, ograniczenie kosztów oraz poprawa dokładności części analiz.

AI staje się więc elementem infrastruktury transakcyjnej, podobnie jak wcześniej bazy danych, elektroniczne data roomy czy systemy CRM.

Które elementy procesu zmieniają się najszybciej?

Najbardziej podatna na zmianę jest praca, która dotychczas wymagała przede wszystkim czasu.

Research i analiza rynku

Jeszcze niedawno przygotowanie mapy rynku oznaczało ręczne przeglądanie baz danych, raportów, stron internetowych i rejestrów przedsiębiorstw. Dziś AI potrafi w krótkim czasie:

• analizować setki podmiotów,
• grupować je według określonych kryteriów,
• identyfikować potencjalnych inwestorów lub cele przejęcia,
• porównywać modele biznesowe,
• wyszukiwać powiązania sektorowe,
• analizować informacje znajdujące się w wielu źródłach jednocześnie.

Nie oznacza to, że automatycznie powstaje dobra lista inwestorów. Znacznie zmniejsza się jednak koszt jej pierwszego przygotowania.

Analiza danych finansowych

AI może pomagać w:

• analizowaniu sprawozdań finansowych,
• identyfikowaniu nietypowych pozycji,
• porównywaniu wyników historycznych,
• przygotowaniu pierwszych wariantów normalizacji EBITDA,
• analizie kapitału obrotowego,
• wyszukiwaniu anomalii,
• tworzeniu scenariuszy i zestawień.

To samo dotyczy analizy dużych ilości danych operacyjnych, które wcześniej wymagały ręcznej obróbki.

Materiały transakcyjne

Teaser, memorandum informacyjne czy prezentacja dla inwestora nadal wymagają dobrego pomysłu na to, jak sprzedać historię firmy, ale ich przygotowanie techniczne jest obecnie znacznie łatwiejsze. AI może przyspieszyć:

• zebranie informacji,
• przygotowanie struktury dokumentu,
• tworzenie pierwszych wersji opisów,
• analizę danych źródłowych,
• porównywanie kolejnych wersji materiałów,
• przygotowanie wykresów i zestawień.

Samo stworzenie profesjonalnie wyglądającej prezentacji staje się więc coraz mniejszą przewagą.

Due diligence

To prawdopodobnie jeden z obszarów, w których wpływ AI będzie szczególnie duży. Modele mogą wspierać analizę tysięcy dokumentów, identyfikować klauzule umowne, wyszukiwać rozbieżności, grupować ryzyka oraz przygotowywać pierwsze zestawienia dla zespołów transakcyjnych.

PwC w swoim outlooku M&A na 2026 r. wskazuje, że AI już przyspiesza due diligence, wycenę oraz przygotowanie materiałów dla komitetów inwestycyjnych, choć jednocześnie podkreśla, że ludzka ocena nadal pozostaje kluczowa.

Łatwiej stworzyć analizę. Nie zawsze łatwiej stworzyć dobrą analizę

To jedna z najważniejszych konsekwencji obecnej zmiany. Nowoczesne modele potrafią w kilka minut przygotować analizę, która:

• jest logicznie uporządkowana,
• wygląda profesjonalnie,
• używa właściwej terminologii,
• zawiera liczby i argumenty,
• brzmi przekonująco.

To jednak nie oznacza, że jest prawidłowa. AI może korzystać z niewłaściwych danych, błędnie interpretować kontekst, mieszać pojęcia, przyjmować nieadekwatne założenia albo formułować wnioski z większą pewnością, niż pozwalają na to informacje źródłowe.

PwC zwraca uwagę, że zbudowanie rzeczywistej kompetencji AI w procesach transakcyjnych wymaga czegoś więcej niż zakupienia dostępu do narzędzia. Potrzebne są m.in. możliwość prześledzenia źródeł wyników, odpowiednio zdefiniowane procesy, systematyczna walidacja oraz wykorzystanie wiedzy zgromadzonej podczas poprzednich transakcji.

Dostęp do AI nie jest równoznaczny z kompetencją. Im łatwiej tworzyć profesjonalnie wyglądające analizy, tym większego znaczenia nabiera umiejętność oceny, czy stojące za nimi dane, założenia i wnioski mają rzeczywiście sens.

Co w takim razie pozostaje rolą doradcy?

Jeżeli research, analiza danych i produkcja materiałów stają się szybsze, nie oznacza to, że znika potrzeba doradztwa. Zmienia się natomiast jego środek ciężkości.

Zrozumienie, co naprawdę sprzedajemy

Dwie firmy z takim samym przychodem i EBITDA mogą mieć bardzo różną wartość dla konkretnych inwestorów. Doradca powinien zrozumieć:

• które elementy biznesu są rzeczywiście wartościowe,
• jakie ryzyka zobaczy kupujący,
• gdzie istnieje potencjał synergii,
• które wskaźniki będą najważniejsze,
• co może uzasadniać wyższą wycenę.

AI może pomóc w analizie, ale samo nie wybierze właściwej strategii pozycjonowania firmy.

Ocena tego, co ma znaczenie

Transakcja generuje ogromną liczbę danych. Nie wszystkie mają taką samą wagę. Doświadczony doradca powinien potrafić odróżnić:

• problem istotny od technicznego,
• realnego inwestora od podmiotu jedynie zbierającego informacje,
• atrakcyjną ofertę od oferty, która dobrze wygląda tylko na pierwszej stronie,
• ustępstwo możliwe do zaakceptowania od takiego, które istotnie zmienia ekonomikę transakcji.

Realne dotarcie do inwestorów

AI potrafi sprawnie przygotować listę potencjalnych inwestorów, ale sama lista kontaktów rzadko przekłada się na realne zainteresowanie. Dotarcie do właściwych osób i przekonanie ich do poświęcenia czasu na proces wymaga czegoś, czego żaden model nie wygeneruje: relacji, znajomości sposobu myślenia poszczególnych funduszy i inwestorów branżowych oraz umiejętności prowadzenia rozmowy w sposób dopasowany do konkretnego adresata. Dobry doradca wie, do kogo zadzwonić osobiście, jak ułożyć kolejność kontaktów, kiedy warto wykorzystać nieoczywiste połączenie sieciowe, a kiedy lepiej poczekać z pierwszym kontaktem do właściwego momentu w procesie. To właśnie network i kreatywne podejście do outreachu – a nie sama obecność na liście – decydują, czy proces przyciągnie realnych, zaangażowanych kupujących.

Stworzenie konkurencji pomiędzy inwestorami

Jedna z największych wartości dobrego procesu sprzedaży firmy powstaje wtedy, gdy sprzedający nie negocjuje z jednym kupującym. Różnica pomiędzy jedną ofertą a kilkoma realnymi ofertami dotyczy nie tylko ceny. Konkurencja może wpływać również na:

• wysokość i warunki earn-outu,
• sposób rozliczenia długu i kapitału obrotowego,
• zakres odpowiedzialności sprzedającego,
• warunki pozostania właściciela w biznesie,
• kapitał pozostawiony przez sprzedającego w spółce,
• zakaz konkurencji,
• warunki zawieszające,
• czas i pewność zamknięcia transakcji.

Żadne narzędzie nie tworzy tej konkurencji automatycznie.

Negocjacje i decyzje

W pewnym momencie każda transakcja przestaje być problemem analitycznym. Staje się problemem decyzyjnym. Czy przyjąć ofertę? Czy udzielić wyłączności? Czy ryzykować utratę inwestora, negocjując wyższą cenę? Czy zaakceptować część ceny w earn-oucie? Czy lepiej sprzedać 100% firmy, czy pozostać z częścią udziałów?

Do takich decyzji potrzebne są nie tylko dane, ale również doświadczenie, ocena ryzyka i zrozumienie interesów obu stron.

AI może zmienić tradycyjną strukturę firm doradczych

Przez wiele lat typowy model bankowości inwestycyjnej i doradztwa transakcyjnego opierał się na piramidzie. Partner lub senior odpowiadał za klienta i najważniejsze decyzje. Znaczną część pracy analitycznej wykonywali młodsi analitycy. Kolejne poziomy organizacji sprawdzały przygotowane materiały, zanim trafiały one do osób najbardziej doświadczonych.

Taki model miał ekonomiczne uzasadnienie: czas seniora był ograniczony, a duża część pracy była pracochłonna. AI zmniejsza znaczenie tego ograniczenia. Doświadczony doradca może obecnie samodzielnie przeprowadzić znacznie większą część analizy, wykorzystując technologię do szybkiego przetwarzania danych i przygotowywania kolejnych wariantów, jednocześnie na bieżąco oceniając jakość uzyskiwanych wyników.

W naszej ocenie może to sprzyjać modelowi mniejszych, bardziej senior-led zespołów, w których mniej czasu i kosztu pochłania przekazywanie zadań pomiędzy kolejnymi szczeblami organizacji.

Nie oznacza to, że duże organizacje nie będą korzystały z tych samych technologii. Będą – i już to robią. Różnica może polegać raczej na tym, jak szybko technologia przełoży się na strukturę zespołów, sposób pracy i ekonomikę usług dla klienta.

Czy AI obniży koszty doradztwa M&A?

Na razie jest za wcześnie, żeby mówić o nowym standardzie cenowym rynku M&A. Dostępne badania pokazują jednak, że technologia może istotnie ograniczyć czas i koszt części prac transakcyjnych. McKinsey wskazuje średnio około 20% redukcji kosztów wśród organizacji wykorzystujących GenAI w M&A, a część respondentów deklaruje bardzo znaczące skrócenie czasu prowadzenia procesów.

Naszym zdaniem z czasem powinno to znaleźć odzwierciedlenie również w sposobie rozliczania usług doradczych. Nie oznacza to, że stałe wynagrodzenie za prowadzenie procesu – często określane jako retainer – przestaje mieć uzasadnienie.

Retainer pokrywa bowiem nie tylko koszt researchu i przygotowania materiałów. Wynagradza również rzeczywiste zaangażowanie zespołu, dostępność seniorów, wielomiesięczne prowadzenie procesu oraz ryzyko doradcy związane z tym, że transakcja może zostać przerwana albo właściciel może zmienić swoje plany. Te elementy nie znikają wraz z pojawieniem się AI.

Zmniejsza się jednak koszt części pracy, którą tradycyjny retainer pomagał finansować: manualnego researchu, przetwarzania informacji, screeningu inwestorów, przygotowania pierwszych wersji analiz czy produkcji materiałów.

Jak rozumiemy uczciwy model wynagrodzenia

W PROMETEIA uważamy, że korzyść wynikająca z wykorzystania technologii nie powinna pozostawać wyłącznie po stronie doradcy. Jeżeli część pracy można obecnie wykonać szybciej i przy mniejszym nakładzie zasobów, klient również powinien uczestniczyć w tej korzyści.

Nie oznacza to konkurowania najniższą ceną. Oznacza natomiast, że stała część wynagrodzenia powinna odpowiadać rzeczywistemu nakładowi pracy, zaangażowaniu seniorów i ryzyku procesu, a nie kosztowi struktury organizacyjnej zaprojektowanej dla technologii dostępnej dziesięć czy dwadzieścia lat temu.

Dlatego preferujemy model, w którym:

• retainer pokrywa rzeczywistą pracę i zaangażowanie wymagane do prowadzenia procesu,
• jego wysokość uwzględnia efektywność, jaką dają współczesne narzędzia,
• istotna część ekonomiki doradcy pozostaje związana z powodzeniem transakcji,
• w odpowiednich przypadkach dodatkowe wynagrodzenie może być powiązane z uzyskaniem wyniku przekraczającego wcześniej uzgodniony poziom.

Technologia nie powinna służyć wyłącznie zwiększeniu marży doradcy. Powinna również poprawiać ekonomikę procesu dla klienta. Nie chodzi o to, aby doradca był „tańszy dzięki AI” – chodzi o to, aby klient płacił mniej za produkcję procesu, a więcej za doświadczenie, trafną ocenę i rezultat.

Czy AI może zastąpić doradcę?

Naszym zdaniem to źle postawione pytanie. AI prawdopodobnie zastąpi lub znacząco ograniczy część czynności, które jeszcze niedawno wykonywali ludzie. Już obecnie wpływa na research, analizę dokumentów, screening, modelowanie, przygotowanie materiałów i inne elementy procesu.

Ale równie dobrze można powiedzieć, że arkusze kalkulacyjne zastąpiły znaczną część ręcznej pracy analityków finansowych, a elektroniczne repozytoria dokumentów zastąpiły fizyczne pokoje pełne dokumentów. Nie wyeliminowało to potrzeby podejmowania decyzji. Zmieniły się narzędzia. Podobnie będzie z AI.

Najlepsi doradcy nie będą konkurowali z AI. Będą wykorzystywali je do wykonywania większej części pracy szybciej i dokładniej, jednocześnie koncentrując własny czas na tym, gdzie ich doświadczenie tworzy największą wartość.

PwC trafnie wskazuje, że samo posiadanie licencji na narzędzie nie buduje trwałej przewagi. Przewaga może powstawać dopiero poprzez połączenie technologii z własnymi procesami, zgromadzoną wiedzą, walidacją wyników i doświadczeniem z wcześniejszych transakcji.

AI zmienia nie tylko sposób prowadzenia transakcji, ale również to, co jest kupowane

Zmiana nie ogranicza się do pracy doradców. AI coraz częściej wpływa również na samą strategię akwizycyjną. Według analizy PwC około jedna trzecia ze 100 największych transakcji korporacyjnych ogłoszonych w 2025 r. zawierała AI jako element deklarowanego strategicznego uzasadnienia transakcji. Szczególnie silnie było to widoczne w technologii, ale również w produkcji oraz energetyce i sektorze usług użyteczności publicznej.

Źródło: PwC, Global M&A Industry Trends 2026.

Kupujący analizują więc nie tylko obecne wyniki firmy, jej rynek, klientów, marże i przepływy pieniężne, ale coraz częściej również:

• na ile jej model biznesowy jest odporny na AI,
• czy AI może poprawić jej produktywność,
• czy technologia może obniżyć bariery wejścia w jej sektorze,
• czy istnieje ryzyko zastąpienia części produktów lub usług,
• czy firma posiada dane, kompetencje lub aktywa, które stają się bardziej wartościowe w środowisku AI.

PwC w outlooku na 2026 r. wskazuje wręcz, że ocena wpływu AI na model biznesowy celu przejęcia staje się częścią nowoczesnego due diligence i procesu oceny ryzyka inwestycyjnego.

Dla właścicieli przygotowujących firmę do sprzedaży oznacza to, że pytanie „jak AI wpływa na mój biznes?” będzie coraz częściej elementem rozmowy o wartości przedsiębiorstwa.

Co ta zmiana oznacza dla właściciela firmy?

Przede wszystkim warto inaczej patrzeć na to, za co płaci się doradcy M&A. Jeszcze niedawno wielkość zespołu mogła być pośrednim sygnałem możliwości analitycznych doradcy. Dzisiaj sama liczba analityków ma coraz mniejsze znaczenie. Ważniejsze stają się pytania:

• Kto faktycznie będzie prowadził mój proces?
• Kto ocenia przygotowane analizy?
• Czy seniorzy pozostają zaangażowani również pomiędzy spotkaniami?
• Czy doradca potrafi właściwie wykorzystać technologię?
• Jak powstaje lista inwestorów?
• W jaki sposób doradca chce stworzyć konkurencję pomiędzy kupującymi?
• Jak będzie wspierał mnie w negocjacjach?
• Czy sposób jego wynagradzania jest zgodny z moim interesem?

Profesjonalnie wyglądający materiał jest dziś łatwiejszy do przygotowania niż kiedykolwiek wcześniej. Znacznie ważniejsze jest to, czy stoi za nim właściwe rozumowanie.

Technologia zwiększa skalę analizy, ale to doświadczenie decyduje, co z niej wynika.

W PROMETEIA traktujemy AI jako narzędzie, a nie substytut kompetencji. Wykorzystujemy technologię tam, gdzie pozwala szybciej analizować dane, rynek i możliwe scenariusze. Dzięki temu doświadczeni doradcy mogą pozostawać bezpośrednio zaangażowani w większą część procesu zamiast opierać model pracy na wielopoziomowej strukturze zespołu.