Durum Tespiti Belge İncelemesi: Yapay Zeka Birleşme ve Satın Alma İnceleme Süresini Nasıl %70 Kısaltıyor?
Geçen yıl 340 milyon dolarlık bir satın alma işlemi sırasında, bir kurumsal hukuk firması 14.000 belge içeren bir veri odasıyla karşı karşıya kaldı. Alıcı, durum tespitinin 6 hafta içinde tamamlanmasını istiyordu. Geleneksel kadro modelleri, bu süreye yetişmek için tam zamanlı çalışan 20 sözleşmeli avukata ihtiyaç duyulacağını öngörüyordu ve yalnızca inceleme aşaması için tahmini maliyet yaklaşık 1,2 milyon dolardı.
Bunun yerine firma, ilk hafta tüm veri odasını yapay zeka destekli bir belge inceleme platformundan geçirdi. Sistem belgeleri türlerine göre sınıflandırdı, sözleşmelerden kilit hükümleri çıkardı, anormallikleri işaretledi ve ön risk raporu oluşturdu. Kalan 5 hafta, 8 kişilik bir avukat ekibi tarafından yapay zekanın bulgularını araştırmak, yüksek riskli belgeleri ayrıntılı olarak incelemek ve durum tespiti raporunu hazırlamak için harcandı. Toplam inceleme maliyeti 380.000 dolar olarak gerçekleşti.
14.000 Belge Gerçekte Nasıl Görünür?
Birleşme ve satın alma veri odaları karmaşıktır. İmzalanmış sözleşmeler, taslak anlaşmalar, değişiklikler, kurumsal kararlar, mali tablolar, vergi beyannameleri, istihdam kayıtları, düzenleyici başvurular, fikri mülkiyet tescilleri, sigorta poliçeleri ve yazışmaların bir karışımını içerirler. Birçok belge kötü etiketlenmiştir. Bazıları kopyadır. Önemli bir kısmı ise işlemle ilgisizdir.
Herhangi bir durum tespiti incelemesindeki ilk görev triyajdır: elinizde ne olduğunu ve neyin önemli olduğunu belirlemek. Manuel olarak bu günler sürer. Avukatlar belgeleri tek tek açar, ilgililiklerini değerlendirir ve kategorize eder. 14.000 belgeli bir veri odasında yalnızca ilk sınıflandırma 300-400 faturalandırılabilir saati tüketebilir.
Yapay zeka sınıflandırması triyajı saatler içinde halleder. Sistem her belgeyi okur, türünü (sözleşme, değişiklik, sertifika, yazışma, mali tablo) belirler ve uygun durum tespiti kategorisine yerleştirir. İyi eğitilmiş modeller için sınıflandırma doğruluğu %93 ile %97 arasında seyreder. Yanlış sınıflandırılan %3-7'lik kesim genellikle birden fazla kategoriye makul şekilde sığabilecek mektup anlaşmaları gibi belirsiz belgelerdir.
Sözleşmelerden Önemli Olanı Çıkarmak
Sözleşmeler genellikle belge sayısı bazında bir veri odasının %40-60'ını oluşturur ve anlaşma riskinin büyük bölümünü yönlendiren hükümleri içerir. Yapay zeka çıkarım araçları her sözleşmeden kilit terimleri çeker: taraflar, yürürlük tarihleri, süre ve yenileme hükümleri, devir kısıtlamaları, kontrol değişikliği tetikleyicileri, rekabet yasağı yükümlülükleri, tazminat üst sınırları ve fesih hakları.
Kontrol değişikliği hükümleri, işlemi doğrudan etkileyebildikleri için herhangi bir birleşme ve satın alma incelemesinde özel ilgiyi hak eder. Kilit bir müşteri sözleşmesi, hedef şirketin kontrol değişikliği üzerine otomatik olarak sona eriyorsa, alıcının bunu imzalamadan önce bilmesi gerekir. Yapay zeka araçları, veri odasındaki her sözleşmede kontrol değişikliği ifadelerini arar ve sonuçları tek bir raporda derler. Yakın zamandaki bir orta ölçekli satın alma işleminde bu arama, hedefin 180 müşteri sözleşmesinden 23'ünün onay gerektiren kontrol değişikliği hükümleri içerdiğini ve bu sözleşmelerden 4'ünün yıllık gelirin %31'ini temsil ettiğini ortaya koydu. Bu bulgu, anlaşma yapısını temelden değiştirdi.
İstihdam sözleşmelerindeki rekabet yasağı ve işe almama hükümleri de sistematik olarak çıkarılır. Yapay zeka, hangi çalışanların kısıtlayıcı taahhütleri olduğunu, hangi faaliyetlerin kısıtlandığını, coğrafi ve zamansal kapsamı ve herhangi bir istisna olup olmadığını belirler. Yüzlerce çalışanı olan hedefler için bu çıkarım manuel olarak haftalarca sürerdi.
Belge Seti Genelinde Anomali Tespiti
Çıkarımın ötesinde, yapay zeka araçları tüm belge seti genelinde kalıpları ve anormallikleri tespit eder. Hedefin tedarikçi sözleşmelerinin %95'i standart sorumluluk sınırlama hükümleri içeriyorsa ancak %5'inde sınırsız sorumluluk varsa, bu aykırı değerler işaretlenir. Müşteri sözleşmelerinin çoğunda 30 günlük ödeme koşulları varken birkaçında 90 günlük koşullar varsa, yapay zeka sapmayı not eder.
Bu belgeler arası kalıpları manuel incelemede tespit etmek neredeyse imkansızdır. Sözleşmeleri tek tek inceleyen bir avukat, neyin normal olduğuna dair sezgisel bir anlayış geliştirir, ancak 47 numaralı belgedeki bir hükmü 3.200 numaralı belgedeki benzer bir hükümle güvenilir şekilde karşılaştıramaz. Yapay zeka bunu yapabilir, çünkü raporlamadan önce tüm veri setini işler.
Boşluk analizi bir diğer güçlü yönüdür. Yapay zeka, mevcut olması gereken ancak eksik olan belge türlerini tespit edebilir. Hedef 200 aktif müşteri sözleşmesi olduğunu iddia ediyorsa ancak veri odasında yalnızca 180 tane varsa, tutarsızlık işaretlenir. Üst düzey yöneticiler için istihdam sözleşmeleri mevcutsa ancak kilit teknik personel için yoksa, bu boşluk not edilir. Bu eksiklikler genellikle satıcının veri odasının eksik olduğu alanları gösterir ve bu başlı başına bir kırmızı bayrak olabilir.
İnsan İnceleme Katmanı
Yapay zeka destekli durum tespiti, avukat incelemesini ortadan kaldırmaz. Onu yeniden yapılandırır. Avukatlar 14.000 belgeyi doğrusal olarak okumak yerine üç kategoriye odaklanır.
İlk olarak, yapay zekanın yüksek riskli olarak işaretlediği her şeyi incelerler: olağandışı hükümler içeren sözleşmeler, potansiyel düzenleyici etkileri olan belgeler, kilit terimlerin normdan saptığı anlaşmalar. Hukuki muhakemenin en çok önem taşıdığı yer burasıdır ve avukatların en fazla değer kattığı alan da burasıdır.
İkinci olarak, anlaşmanın risk profiline göre belirli belge kategorilerine derinlemesine inerler. Satın alma önemli fikri mülkiyet içeriyorsa, avukatlar fikri mülkiyet devirleri, lisans sözleşmeleri ve çalışan buluş sözleşmeleri üzerinde ekstra zaman harcar. Hedef düzenlemeye tabi bir sektörde faaliyet gösteriyorsa, düzenleyici başvurular ve uyum belgeleri öncelikli ilgi görür.
Üçüncü olarak, yapay zekanın çıkarım ve sınıflandırma çalışması üzerinde kalite kontrolleri yaparlar. Yapay zekanın çıktısından rastgele bir örneklemi incelemek, tüm veri odasını işlemekten çok daha az zaman alır ve genel doğruluğa güven sağlar.
Birleşme ve satın alma işlemlerini yürüten hukuk firmaları için bu iş akışı daha hızlı teslim süresi, müşterilere daha düşük maliyet ve daha kapsamlı kapsam anlamına gelir. 340 milyon dolarlık anlaşmayı tamamlayan firma, yapay zeka destekli 8 kişilik avukat ekibinin aslında 20 kişilik ekibin yapacağından daha fazla belgeyi daha dikkatli incelediğini tespit etti; çünkü yapay zeka dikkati gerçekten incelenmesi gereken belgelere yönlendirdi.
Anlaşma Sonrası Süregelen Değer
Yapay zekanın durum tespiti sırasında ürettiği yapılandırılmış veri seti, anlaşma kapandığında değerini kaybetmez. Çıkarılan sözleşme terimleri, birleşme sonrası entegrasyon planlamasının temelini oluşturur. Alıcı, hangi sözleşmelerin yeniden müzakere edilmesi gerektiğini, hangilerinin kontrol değişikliği onayı gerektirdiğini ve hangilerinin yeniden müzakere fırsatı sunan yaklaşan yenileme tarihlerine sahip olduğunu tam olarak bilir.
Bazı firmalar artık birleşme ve satın alma durum tespiti çalışmalarının devamı olarak kapanış sonrası sözleşme yönetimini ek bir hizmet olarak sunmaktadır. İnceleme sırasında terimleri çıkaran aynı yapay zeka araçları, süregelen bir temelde son tarihleri izleyebilir, yenileme tarihlerini işaretleyebilir ve uyum yükümlülüklerini takip edebilir. Bu hizmetin ek maliyeti düşüktür çünkü belge işlemenin ağır yükü zaten tamamlanmıştır.
%70'lik süre azaltma rakamı varsayımsal değildir. Firmalar, benzer büyüklük ve karmaşıklıktaki işlemlerde yapay zeka destekli durum tespitini geleneksel manuel incelemeyle karşılaştırdıklarında tutarlı olarak bildirdikleri sonuçları yansıtır. Maliyet azaltımı genellikle %70'ten bile fazladır çünkü yapay zeka yalnızca avukat başına saatleri değil, ihtiyaç duyulan avukat sayısını da azaltır. Onlarca yıldır temelden değişmemiş bir süreç için bu dönüşüm pratik ve ölçülebilirdir.