Due diligence: cos'è, come si fa e il ruolo dell'IA

2026-10-07 · Tommaso Maria Ricci

Una due diligence fatta male non si vede il giorno della firma. Si vede sei mesi dopo, quando il cliente principale non rinnova, quando un debito con il fisco emerge da una cartella che nessuno aveva aperto, quando i dipendenti chiave se ne vanno con il know how. Secondo KPMG, nel 2025 in Italia si sono chiuse circa 1.350 operazioni di fusione e acquisizione per oltre 70 miliardi di euro: dietro ognuna c'era una due diligence, e non tutte hanno guardato nei posti giusti.

Questa guida spiega cos'è la due diligence, come si fa passo per passo e cosa cambia quando si lavora con l'intelligenza artificiale. È scritta per imprenditori, direttori finanziari e soci che devono comprare un'azienda, venderla, farci entrare un investitore o semplicemente capire a cosa servono le settimane di domande che arrivano dalla controparte.

Il punto di partenza è semplice. La due diligence con intelligenza artificiale non sostituisce il giudizio di chi compra. Toglie il lavoro di lettura che oggi assorbe gran parte del tempo e lascia più spazio alle domande che contano davvero.

Due diligence: cos'è e a cosa serve davvero

La due diligence è l'insieme delle verifiche che chi sta per investire in un'azienda fa prima di chiudere l'accordo. L'espressione viene dal diritto anglosassone e significa letteralmente "la diligenza dovuta": il livello di attenzione che ci si aspetta da una persona ragionevole prima di prendere un impegno importante.

In pratica è un'indagine strutturata su conti, contratti, persone, rischi legali, tecnologia e mercato della società che si vuole acquisire o finanziare. Serve a tre cose concrete:

1. Confermare il prezzo. Il valore proposto si regge su numeri e ipotesi. La due diligence verifica che i numeri siano veri e le ipotesi ragionevoli.
2. Scoprire i rischi nascosti. Contenziosi, debiti fiscali, clausole di cambio di controllo, dipendenze da un solo cliente o fornitore.
3. Scrivere un contratto migliore. Quello che emerge diventa una riduzione di prezzo, una garanzia specifica, un deposito a garanzia o una condizione da soddisfare prima del closing.

C'è un quarto uso che molti imprenditori sottovalutano: la due diligence prepara l'integrazione. Chi compra e scopre in anticipo come funzionano i sistemi, i processi e le persone dell'azienda acquisita arriva al primo giorno con un piano, invece di improvvisare.

Chi la fa e quando

Nella maggior parte dei casi la fa chi compra o chi investe: un fondo di private equity, un'azienda concorrente, un gruppo industriale, un business angel o un fondo di venture capital. Esiste però anche la vendor due diligence, commissionata da chi vende prima di aprire il processo, per presentarsi al mercato con i problemi già noti e già spiegati.

Il momento tipico è dopo la firma di una lettera di intenti non vincolante e prima del contratto definitivo. Il venditore apre una data room, cioè un archivio, oggi quasi sempre virtuale, dove carica i documenti. Il compratore e i suoi consulenti li leggono, fanno domande scritte, incontrano il management e producono un rapporto.

I tipi di due diligence: quali servono davvero

Non esiste una sola due diligence. Esistono più verifiche parallele, ciascuna con il suo specialista. In un'operazione da qualche milione di euro su una PMI non servono tutte con la stessa profondità: la scelta dipende da dove sta il rischio.

La finanziaria: dove si decide il prezzo

La due diligence finanziaria è quasi sempre la più importante, perché è quella che tocca direttamente il prezzo. Il cuore è la qualità degli utili: quanto del margine operativo dichiarato è ricorrente, quanto viene da eventi una tantum, quanto è "normalizzato" in modo aggressivo.

Un esempio classico: l'azienda ha un margine di 2 milioni, ma 300 mila euro vengono da una vendita di macchinari usati e altri 200 mila da un cliente che ha appena comunicato di voler cambiare fornitore. Il margine su cui calcolare il prezzo non è 2 milioni. Se il multiplo è 6, la differenza vale 3 milioni di euro.

La legale e la fiscale: dove stanno le sorprese

Le sorprese più costose arrivano spesso da qui. Clausole di cambio di controllo nei contratti con i clienti principali, che permettono di recedere se l'azienda cambia proprietario. Licenze software intestate a un socio e non alla società. Marchi registrati a nome del fondatore.

In Italia c'è un aspetto che chi compra un ramo d'azienda deve conoscere: l'articolo 2560 del codice civile prevede che, nel trasferimento di un'azienda commerciale, l'acquirente risponda anche dei debiti dell'azienda ceduta se risultano dai libri contabili obbligatori. E l'articolo 2112 stabilisce che il rapporto di lavoro continua con il cessionario e che cedente e cessionario rispondono in solido dei crediti che il lavoratore aveva al momento del trasferimento. La forma dell'operazione, quote o ramo d'azienda, cambia quindi il perimetro della verifica.

La commerciale e la tecnologica: dove si decide il futuro

Le verifiche finanziaria e legale guardano al passato. La commerciale e la tecnologica guardano a quello che succederà dopo il closing. La domanda di fondo è: i ricavi di domani sono sostenibili? E i sistemi reggono la crescita che il piano promette?

Qui la tecnologia conta sempre di più, anche quando si compra un'azienda che non fa software. Un'impresa di distribuzione con un gestionale non aggiornato da dieci anni, senza backup verificati e con i dati dei clienti sparsi su fogli di calcolo, ha un costo nascosto che il piano industriale di solito non mette in conto.

Come si fa una due diligence: il processo in sette fasi

Il processo cambia con la dimensione dell'operazione, ma la sequenza è quasi sempre questa. Nella mia esperienza, su una PMI con ricavi tra i 5 e i 50 milioni, dall'apertura della data room al rapporto finale passano in genere dalle quattro alle otto settimane.

Fase 1: definire il perimetro

Prima di aprire un solo documento bisogna decidere cosa verificare e con quale profondità. Il perimetro si scrive partendo dalla tesi di investimento: perché compro questa azienda? Se la risposta è "per il suo portafoglio clienti", la due diligence commerciale sui clienti diventa centrale. Se è "per la tecnologia", la verifica sul codice e sulla proprietà intellettuale non può essere superficiale.

Un perimetro scritto male produce due errori opposti: si spendono settimane su aspetti irrilevanti e si dedica mezza giornata a quello che poi farà saltare il valore.

Fase 2: la richiesta documentale

Il compratore invia una lista di richiesta documenti, spesso di centinaia di voci: bilanci, dichiarazioni fiscali, contratti, verbali, organigrammi, elenco dei dipendenti, polizze, autorizzazioni. Il venditore carica tutto nella data room.

Il consiglio pratico per chi vende: preparare la data room prima di aprire il processo. Una data room ordinata, con indice e documenti completi, accorcia i tempi e manda un segnale di serietà. Una data room caotica fa pensare al compratore che anche l'azienda lo sia.

Fase 3: lettura e analisi

È la fase più lunga e quella dove l'intelligenza artificiale ha l'impatto maggiore. Si leggono i contratti, si ricostruiscono i numeri, si confrontano le versioni dei documenti, si cercano incoerenze. In un'operazione media la data room può contenere migliaia di file.

Fase 4: domande e risposte

Ogni dubbio diventa una domanda scritta al venditore. Il processo di domande e risposte va gestito con ordine: un registro con numero progressivo, data, area, risposta, stato. Molte operazioni rallentano perché le domande si accumulano senza un responsabile.

Fase 5: incontri con il management

Le carte non dicono tutto. Gli incontri con il management servono a capire come ragiona chi guida l'azienda, quanto conosce i propri numeri, dove vede i rischi. Qui l'esperienza di chi fa le domande conta più di qualsiasi strumento.

Fase 6: il rapporto

Ogni area produce un rapporto con i rischi trovati, classificati per gravità e con una proposta di trattamento: rettifica del prezzo, garanzia specifica, condizione sospensiva o semplice nota per l'integrazione. Il rapporto migliore mette in prima pagina le tre o quattro cose che cambiano la decisione.

Fase 7: dal rapporto al contratto

I rischi trovati entrano nel contratto di compravendita. Le dichiarazioni e garanzie del venditore coprono i rischi generici. Gli indennizzi specifici coprono i rischi noti. Un deposito a garanzia o un pagamento differito protegge il compratore se qualcosa emerge dopo.

Se stai preparando un'operazione e vuoi capire quali verifiche puoi accelerare con l'intelligenza artificiale senza abbassare la guardia, puoi richiedere una consulenza dalla pagina dedicata del sito: partiamo dalla tesi di investimento e costruiamo il perimetro insieme.

Due diligence con intelligenza artificiale: cosa cambia nel 2026

Fino a pochi anni fa la tecnologia nella due diligence voleva dire una data room virtuale con un motore di ricerca per parole chiave. Oggi i modelli linguistici leggono contratti, estraggono clausole, riassumono documenti lunghi e confrontano versioni. Il cambiamento è reale, ma va misurato con i dati e non con le promesse dei fornitori.

Cosa dicono i numeri

La fotografia più ampia l'ha scattata Deloitte con la sua indagine 2025 sull'IA generativa nelle operazioni di M&A, condotta su 1.000 dirigenti di aziende e fondi di private equity negli Stati Uniti. I risultati principali:

• l'86% delle organizzazioni ha integrato l'IA generativa nei propri processi di M&A;
• l'83% ha investito almeno un milione di dollari in queste tecnologie per i team M&A;
• tra chi la usa, il 35% la applica alla due diligence, il 35% alla ricerca e selezione dei target e il 40% alla strategia e all'analisi di mercato;
• i freni principali sono la sicurezza dei dati (67%) e la qualità e disponibilità dei dati (65%).

Il rapporto M&A 2025 di Bain, costruito su 307 professionisti, dà un quadro più prudente: il 21% usava l'IA generativa per le operazioni, contro il 16% del 2023, e più della metà prevede di integrarla entro il 2027. Tra gli acquirenti più attivi la quota sale al 36%. Gli utilizzatori iniziali raccontano che il riassunto dei dati di due diligence richiede circa un giorno invece di una settimana.

Perché i due numeri sono così diversi

Deloitte dice 86%, Bain 21%. Non è una contraddizione: cambiano il campione e la domanda. Deloitte ha intervistato organizzazioni grandi, che hanno budget dedicati; Bain chiede ai professionisti se usano l'IA nel proprio lavoro sulle operazioni. La lettura corretta è che le grandi strutture hanno già comprato gli strumenti, mentre l'uso quotidiano da parte di chi fa le verifiche è ancora una minoranza.

Per una PMI italiana questo significa una cosa precisa: l'intelligenza artificiale nella due diligence non è più sperimentale, ma il vantaggio sta nel saper usare lo strumento dentro un processo controllato, e averlo comprato conta poco.

Dove l'IA aiuta davvero nella due diligence

Ci sono attività in cui l'intelligenza artificiale porta un guadagno netto e misurabile. Hanno una caratteristica comune: grandi quantità di testo, struttura ripetitiva, risultato verificabile da una persona.

1. Classificazione e indicizzazione della data room

Una data room arriva spesso disordinata: file con nomi casuali, scansioni senza testo, documenti duplicati. Un sistema di IA può leggere ogni file, riconoscere il tipo di documento (contratto di fornitura, verbale di assemblea, visura, polizza) e costruire un indice. Quello che prima richiedeva giorni di lavoro di un junior si fa in ore, e la persona controlla l'indice invece di costruirlo.

2. Estrazione delle clausole dai contratti

È l'uso più maturo. Su centinaia di contratti con clienti e fornitori si chiede al sistema di trovare clausole specifiche:

• cambio di controllo e diritto di recesso;
• esclusiva e non concorrenza;
• durata, rinnovo automatico e preavviso;
• penali, limitazioni di responsabilità, foro competente;
• cessione del contratto e necessità di consenso.

Il risultato è una tabella con contratto, clausola, testo estratto e pagina. Il legale non legge più 400 contratti dall'inizio alla fine: legge la tabella e approfondisce i 30 contratti che contano.

3. Analisi dei numeri e ricerca di anomalie

Sui dati contabili l'IA serve a fare domande che prima richiedevano molte ore di fogli di calcolo. Concentrazione dei ricavi per cliente negli ultimi tre anni. Andamento dei giorni di incasso per cliente. Fatture emesse a fine trimestre e stornate all'inizio del trimestre successivo. Note di credito anomale. Fornitori pagati senza contratto.

Qui l'IA non trova la frode da sola. Segnala le anomalie, e un analista capisce se hanno una spiegazione. È lo stesso principio che vale nel controllo di gestione con intelligenza artificiale: la macchina riduce il campo, la persona decide.

4. Confronto tra versioni e coerenza tra documenti

Il piano industriale dice una cosa, il verbale del consiglio un'altra, la presentazione agli investitori una terza. Un sistema che legge tutto insieme può segnalare le incoerenze: un cliente indicato come "strategico" nel piano che nel verbale risulta in contenzioso, un dato di organico diverso tra il bilancio e l'elenco dei dipendenti.

5. Gestione delle domande e risposte

L'IA può proporre le domande da fare al venditore partendo dai documenti mancanti o incoerenti, raggruppare le domande duplicate e collegare ogni risposta ai documenti che la supportano. Il registro diventa più pulito e il processo più veloce.

6. Due diligence commerciale: ascoltare il mercato

Recensioni online, offerte di lavoro pubblicate dal target, comunicati, notizie, profili dei concorrenti: sono fonti pubbliche che un sistema di IA può leggere e sintetizzare per capire come il mercato percepisce l'azienda. Se il target dichiara clienti soddisfatti e le recensioni dicono il contrario, è una domanda da fare.

7. Preparazione del rapporto

Il sistema può produrre una prima bozza dei capitoli descrittivi del rapporto: descrizione dei contratti, sintesi dei verbali, quadro dell'organico. Il professionista scrive le conclusioni. Questa divisione del lavoro è il modo più sicuro per usare la tecnologia senza delegarle il giudizio.

Dove l'IA sbaglia: i limiti da conoscere prima di usarla

Chi usa l'intelligenza artificiale in una due diligence deve conoscere i suoi errori tipici, perché in questo contesto un errore non costa una brutta figura: costa milioni.

Le allucinazioni esistono anche negli strumenti specializzati

Il dato più utile viene da uno studio dello Stanford Institute for Human-Centered AI pubblicato nel maggio 2024 sugli strumenti di ricerca giuridica basati sull'IA. Su oltre 200 domande costruite dai ricercatori, Lexis+ AI e Ask Practical Law AI hanno prodotto informazioni errate in più del 17% dei casi, Westlaw AI-Assisted Research in più del 34%. Sono strumenti specializzati, costruiti da editori giuridici, e comunque sbagliano in modo rilevante.

La conseguenza pratica: ogni estrazione che entra nel rapporto deve avere il riferimento al documento e alla pagina, e una persona deve controllarla.

Il silenzio è il rischio più grande

L'errore più pericoloso è la clausola che il sistema non ha trovato, più ancora della risposta sbagliata. Se chiedi "ci sono clausole di cambio di controllo?" e il sistema risponde di no, non sai se non esistono o se non le ha viste perché erano in un allegato scansionato male. Per questo i controlli a campione sono obbligatori: si prende un gruppo di contratti, li legge una persona, si confronta con l'output del sistema.

Le scansioni e la lingua

Le data room delle PMI italiane sono piene di documenti scansionati, spesso di bassa qualità, con firme e timbri sopra il testo. Il riconoscimento ottico dei caratteri sbaglia, e se il testo di partenza è sbagliato anche l'analisi lo sarà. Contratti in dialetto giuridico, con rinvii a norme abrogate o a usi locali, sono un altro punto debole.

La riservatezza

Una data room contiene dati riservati della società target, dati personali di dipendenti e clienti, segreti commerciali. Caricare questi documenti su uno strumento di IA pubblico senza garanzie contrattuali è una violazione dell'accordo di riservatezza firmato con il venditore e, spesso, del GDPR. Non a caso la sicurezza dei dati è il primo freno indicato dal 67% degli intervistati da Deloitte.

La regola è semplice: si usano solo strumenti con contratto aziendale, dati non usati per l'addestramento, localizzazione dei dati nota e registrazione degli accessi. E l'accordo di riservatezza con il venditore va letto prima, perché a volte vieta espressamente il trattamento dei documenti con strumenti di terzi.

Come impostare una due diligence assistita dall'IA

Il modo sbagliato di usare l'intelligenza artificiale in una due diligence è comprare uno strumento e "farlo girare" sulla data room. Il modo giusto è decidere prima il processo, poi scegliere lo strumento che lo serve.

Il modello a tre livelli

Funziona bene una divisione in tre livelli di responsabilità:

1. Livello macchina. Classificazione dei documenti, estrazione delle clausole, calcoli ripetitivi, prima bozza delle sintesi. Nessuna conclusione.
2. Livello analista. Verifica a campione delle estrazioni, approfondimento delle anomalie, scrittura delle domande al venditore.
3. Livello decisore. Valutazione dei rischi, impatto sul prezzo, scelte contrattuali. Qui l'IA non entra.

Ogni output del livello macchina che sale al livello successivo porta con sé il riferimento al documento originale. Senza riferimento, non entra nel rapporto.

Le regole minime di controllo

• Campione di verifica: almeno il 10% dei documenti analizzati dalla macchina va letto integralmente da una persona, scegliendo per primi quelli di valore più alto.
• Doppio controllo sui contratti principali: i primi 20 clienti e i primi 20 fornitori per valore si leggono sempre per intero.
• Registro delle domande poste al sistema: chi ha chiesto cosa, quando, su quali documenti. Serve se più tardi qualcuno contesta il rapporto.
• Separazione dei dati: ogni operazione in uno spazio di lavoro separato, cancellato a fine progetto secondo quanto previsto dall'accordo di riservatezza.

Chi ha già impostato le regole di segregazione dei compiti e controlli interni nella propria azienda riconoscerà la logica: chi produce il dato non è chi lo approva.

Un esempio concreto: dove avrei guardato con l'IA

Ho seguito come imprenditore e advisor diverse aziende che oggi sarebbero ottimi target di acquisizione proprio perché hanno usato bene la tecnologia. Il caso di un hotel che ho accompagnato è istruttivo: i ricavi sono passati da 9 a 10 milioni di euro.

Un acquirente che facesse oggi la due diligence su quell'hotel dovrebbe chiedersi tre cose:

1. Quanto di quella crescita è ricorrente? Un aumento di ricavi è strutturale se i sistemi, i processi e le competenze che lo hanno prodotto restano in azienda. Se dipendono da una persona che se ne va il giorno dopo il closing, il valore va scontato.
2. I sistemi sono di proprietà della società? Licenze, account, dati storici delle prenotazioni: devono essere intestati all'azienda, non a un fornitore o a un socio.
3. I dati sono puliti e accessibili? Un acquirente che vuole continuare a usare l'IA ha bisogno dei dati storici in un formato utilizzabile.

Lo stesso ragionamento vale per un distributore sportivo che ho seguito, dove l'IA applicata al marketing ha portato le vendite a crescere del 30%. In una due diligence commerciale, dopo "quanto è cresciuto?", viene la domanda decisiva: "il motore della crescita passa al compratore insieme all'azienda?".

L'altra faccia: prepararsi alla due diligence quando vendi

Molti imprenditori italiani la due diligence la subiscono, invece di condurla. Arriva un fondo, o un concorrente più grande, e chiede in tre settimane quello che l'azienda non ha mai organizzato in trent'anni.

Prepararsi prima cambia il risultato economico dell'operazione. Una vendor due diligence ben fatta riduce le sorprese, quindi riduce le riduzioni di prezzo negoziate all'ultimo momento.

Cosa sistemare dodici mesi prima

• Contratti: ogni cliente e fornitore rilevante con un contratto scritto, firmato, archiviato. Le clausole di cambio di controllo vanno conosciute in anticipo.
• Proprietà: marchi, domini, software, account intestati alla società.
• Personale: contratti aggiornati, inquadramenti corretti, collaboratori esterni regolari.
• Numeri: bilanci coerenti con la gestione, capitale circolante spiegabile, poste una tantum documentate.
• Dati: un archivio digitale ordinato. Qui l'IA aiuta anche chi vende: la stessa tecnologia che il compratore userà per leggere la data room può servire a prepararla, trovando prima i documenti mancanti e le incoerenze.

Chi sta pensando a un'apertura del capitale o a un round di investimento troverà utile anche la guida su come costruire un business plan per una startup e quella sui finanziamenti per startup: gli investitori fanno la loro due diligence su quei documenti.

Checklist di autovalutazione: la tua due diligence è pronta per l'IA?

Rispondi sì o no a ciascuna domanda. Conta i sì.

Processo

1. Il perimetro della due diligence è scritto e collegato alla tesi di investimento?
2. Esiste un registro unico di domande e risposte con un responsabile?
3. Per ogni area è definito chi produce l'analisi e chi la approva?

Dati e documenti

4. La data room ha un indice coerente e i documenti sono in formato leggibile, non solo scansioni?
5. I contratti principali sono identificati per valore?
6. Sai quanti documenti contiene la data room e quanti sono duplicati?

Strumenti e riservatezza

7. Lo strumento di IA che userai ha un contratto aziendale con clausole sul trattamento dei dati?
8. Hai verificato che l'accordo di riservatezza con la controparte permetta l'uso di strumenti di terzi?
9. I dati di ogni operazione sono separati e cancellabili a fine progetto?

Controllo

10. È previsto un campione di verifica umana su almeno il 10% dei documenti?
11. Ogni estrazione dell'IA riporta documento e pagina di origine?
12. Le conclusioni del rapporto sono scritte da una persona e non dal sistema?

Come leggere il punteggio

• 10-12 sì: sei pronto a usare l'IA in modo esteso. Concentrati sulla misura dei tempi risparmiati.
• 6-9 sì: puoi partire su attività limitate, come l'estrazione delle clausole, mentre chiudi i buchi su riservatezza e controllo.
• 0-5 sì: prima di introdurre la tecnologia, sistema il processo. L'IA applicata a un processo disordinato produce disordine più velocemente.

Roadmap 30/60/90 giorni per introdurre l'IA nella due diligence

Questa roadmap vale per chi fa operazioni con una certa regolarità: un gruppo che cresce per acquisizioni, un family office, un piccolo fondo, uno studio professionale che assiste clienti nelle operazioni.

Primi 30 giorni: processo e regole

• Scrivi il processo standard di due diligence in sette fasi, con responsabili e tempi.
• Definisci le regole di riservatezza: quali strumenti sono ammessi, dove stanno i dati, chi vi accede.
• Scegli un'operazione chiusa negli ultimi due anni come banco di prova: avrai il risultato "giusto" con cui confrontare quello della macchina.
• Prepara una lista di 20 clausole da estrarre dai contratti, scritta con i legali.

Da 30 a 60 giorni: test su un caso reale

• Fai girare lo strumento sulla data room dell'operazione chiusa.
• Confronta le estrazioni della macchina con quello che i professionisti avevano trovato a mano.
• Misura tre cose: tempo risparmiato, clausole trovate in più, clausole mancate.
• Correggi le istruzioni date al sistema dove ha sbagliato.

Da 60 a 90 giorni: prima operazione dal vivo

• Usa l'IA su un'operazione nuova, limitandola a classificazione, estrazione delle clausole e registro delle domande.
• Mantieni il campione di verifica umana al 20% per la prima operazione, non al 10%.
• A fine operazione fai una revisione: cosa ha funzionato, cosa no, dove la macchina ha fatto risparmiare tempo e dove ne ha fatto perdere.
• Solo dopo questa revisione estendi l'uso ad altre aree, come l'analisi dei numeri.

Chi lavora in uno studio professionale troverà spunti specifici nelle guide sull'intelligenza artificiale per i commercialisti e per gli studi legali, che sono i soggetti che più spesso conducono materialmente le verifiche.

Quanto costa una due diligence e quanto si risparmia con l'IA

Il costo dipende dalla dimensione dell'operazione, dal numero di aree verificate e dalla qualità della data room. Non esistono tariffari ufficiali, ma alcune regole di buon senso aiutano a ragionare.

Da cosa dipende il costo

• Numero di aree: una due diligence solo finanziaria e fiscale costa una frazione di quella che aggiunge legale, giuslavoristica, tecnologica e commerciale.
• Qualità della data room: documenti ordinati riducono le ore di lavoro. Documenti caotici le moltiplicano.
• Complessità societaria: un gruppo con più società, sedi all'estero e partecipazioni incrociate richiede più tempo di una società unica.
• Tempi: una due diligence da chiudere in due settimane costa di più di una che ne ha otto, perché richiede più persone in parallelo.

Dove l'IA riduce i costi

Il risparmio vero sta nelle ore di lettura. I dati di Bain parlano di un riassunto della due diligence che passa da circa una settimana a circa un giorno per gli utilizzatori iniziali, e quasi l'80% delle aziende che usano l'IA generativa nelle operazioni dichiara di beneficiare di uno sforzo manuale ridotto.

Attenzione però a due effetti. Il primo: parte del tempo risparmiato va reinvestito nei controlli a campione, altrimenti il risparmio è finto. Il secondo: il valore più grande spesso sta nella possibilità di guardare tutti i contratti invece di un campione, più che nel costo più basso. Una due diligence tradizionale su 400 contratti ne legge in profondità 50. Una due diligence assistita può leggerli tutti e approfondire quelli che contano.

Gli errori più comuni nella due diligence

Ecco gli errori che vedo più spesso, con o senza intelligenza artificiale:

1. Partire dalla lista documenti invece che dalla tesi di investimento. Si chiede tutto e non si guarda niente con attenzione.
2. Fidarsi delle sintesi senza aprire i documenti. Vale per le sintesi fatte da un junior e vale, ancora di più, per quelle fatte da una macchina.
3. Trascurare la tecnologia. Si compra un'azienda senza sapere se i dati dei clienti sono di sua proprietà, se i sistemi reggono, se c'è un rischio di sicurezza informatica.
4. Sottovalutare le persone. Le competenze chiave sono spesso in tre o quattro teste. Se quelle persone non restano, il valore se ne va con loro.
5. Caricare la data room su strumenti non autorizzati. È una violazione dell'accordo di riservatezza e può far saltare l'operazione.
6. Scrivere un rapporto troppo lungo. Chi decide deve trovare in prima pagina le tre cose che cambiano il prezzo o la struttura.
7. Non collegare la due diligence all'integrazione. Quello che si scopre prima del closing deve diventare il piano dei primi cento giorni.

Il punto di vista di chi compra e di chi vende

Ho fondato e guidato più aziende, e ho visto la due diligence da entrambi i lati del tavolo. Da venditore la vivi come un esame. Da compratore come una corsa contro il tempo. In tutti e due i casi, fa la differenza la chiarezza delle domande, molto più della quantità di documenti.

L'intelligenza artificiale sta spostando il lavoro. Meno ore a cercare la clausola giusta in un faldone, più ore a capire se quella clausola cambia il prezzo. È un cambiamento sano, a condizione di non scambiare la velocità della macchina per la qualità della verifica.

Se devi comprare, vendere o aprire il capitale della tua azienda e vuoi impostare un processo di due diligence che usa l'IA dove conviene e la tiene fuori dove non serve, la richiesta di consulenza è il modo più diretto per partire: guardiamo insieme l'operazione, il perimetro e i rischi, prima di aprire la data room.

FAQ

Che cos'è la due diligence in parole semplici?

La due diligence è l'insieme di verifiche che chi sta per comprare un'azienda, o investirci, fa prima di firmare il contratto definitivo. Si controllano conti, contratti, aspetti fiscali, legali, personale, tecnologia e mercato per confermare il prezzo, scoprire rischi nascosti e scrivere garanzie adeguate. In genere avviene dopo una lettera di intenti e prima del closing, attraverso una data room in cui il venditore carica i documenti richiesti.

Quanto dura una due diligence su una PMI?

Su una PMI italiana con ricavi tra i 5 e i 50 milioni di euro la due diligence dura in genere dalle quattro alle otto settimane dall'apertura della data room al rapporto finale. I tempi si allungano se i documenti sono disordinati, se la società fa parte di un gruppo o se servono verifiche tecniche approfondite. Una data room preparata in anticipo dal venditore è il modo più efficace per accorciarli.

Come si fa una due diligence con intelligenza artificiale?

L'intelligenza artificiale nella due diligence si usa soprattutto per classificare i documenti della data room, estrarre clausole dai contratti, segnalare anomalie nei dati contabili, confrontare versioni di documenti e gestire il registro delle domande. Non sostituisce il giudizio professionale: ogni estrazione deve riportare documento e pagina di origine e una parte dei documenti va sempre verificata da una persona, perché anche gli strumenti specializzati commettono errori.

La due diligence con intelligenza artificiale è sicura per i dati riservati?

Lo è solo se si usano strumenti con un contratto aziendale che escluda l'uso dei dati per l'addestramento, indichi dove sono conservati e registri gli accessi. Prima di caricare documenti bisogna anche leggere l'accordo di riservatezza firmato con la controparte, che a volte vieta il trattamento con strumenti di terzi. Usare un chatbot pubblico gratuito su una data room è un rischio legale e contrattuale.

Quali sono i principali tipi di due diligence?

I principali tipi sono la due diligence finanziaria, fiscale, legale, giuslavoristica, commerciale, tecnologica, operativa e ambientale. Non tutte servono con la stessa profondità in ogni operazione. La scelta dipende dalla tesi di investimento: se si compra un'azienda per i suoi clienti, la verifica commerciale diventa centrale; se la si compra per la tecnologia, la verifica sul software e sulla proprietà intellettuale non può essere superficiale.

Cos'è la vendor due diligence e conviene farla?

La vendor due diligence è una verifica commissionata da chi vende, prima di avviare il processo di vendita. Serve a individuare in anticipo i problemi, risolverli o spiegarli, e presentarsi ai compratori con un rapporto già pronto. Conviene soprattutto quando ci sono più acquirenti potenziali o quando l'azienda ha aspetti complessi, perché riduce le sorprese e quindi le riduzioni di prezzo negoziate negli ultimi giorni.

Da dove parto se voglio usare l'IA nelle mie prossime operazioni?

Il punto di partenza è il processo, non lo strumento. Scrivi le fasi della tua due diligence con responsabili e regole di riservatezza, poi prova uno strumento di IA su un'operazione già chiusa, confrontando i risultati con quelli ottenuti a mano. Solo dopo aver misurato tempo risparmiato ed errori lo usi su un'operazione nuova, limitandolo all'inizio a classificazione dei documenti ed estrazione delle clausole.