AI在并购交易撮合中的应用：基准研究报告

AI发展速度何以超越企业掌控，领导者该如何破局 联合制作 目录 贡献者 Lúcia Soares首席信息官兼技术转型负责人凯雷投资集团 (The CarlyleGroup) Amias Gerety合伙人兼美国区负责人QED Investors John Stecher首席技术官黑石集团 (Blackstone) Hari Gopalkrishnan首席技术与信息官美国银行 (Bank of America) Byron Vielehr首席运营官阿波罗全球管理公司 (Apollo) 前言 Ken Bisconti高级副总裁兼联席总经理SS&C Intralinks 过去十二个月，并购 (M&A) 交易人争论了两年之久的一个问题终于尘埃落定。如今，人工智能 (AI) 不再处于试验阶段，而已切实嵌入到交易流程之中。如何有效部署 AI 成了撮合商能否取得竞争优势的关键所在。本次报告调查中，近半数的专业人士表示，AI 已完全整合到其交易流程的大部分阶段，另有四成表示 AI 已实现部分整合。 显示，高管比经理和分析师更倾向于认为AI 已完全整合。这暗示着对 AI 的整体使用体验可能存在分歧：高管们可能认为数字化转型已经取得更大规模的进展，但具体负责运营的员工却对此有着迥然不同的看法。 如果说行业对是否采用 AI 已经有了定论，那么取而代之的是一系列更为棘手的问题。我们的研究发现，交易人如今不仅要应对日益增多的 AI 工具（通常每个团队三到五个工具，有些情况下甚至还要更多），还要 然而，只有 38% 的受访者认为 AI 工具与进行交易撮合所用的核心平台实现了“良好整合”，这表明这些 AI 功能大多并未嵌入平台之中。同样值得注意的是，统计数据 了信任，哪些方面得不到信任？交易人眼中2030 年的行业将呈现怎样的面貌？尤为关键的是，本报告详实记录了 AI 安全与治理现状。我们相信，这对于任何希望在交易撮合中调整 AI 具体应用方式的企业而言，都具有非常重要的参考价值。 同时面对安全风险、治理漏洞以及来自组织层面的阻力——这种阻力非但没有减弱，反而恰在此时愈演愈烈。 让本报告得以完成。我们希望本次的研究发现能助您在 AI 驱动交易撮合的下一阶段征程中，获得有益的参考与启发。 本年度的《AI在并购交易撮合中的应用：基准研究报告》基于对来自多个地区 5 类组织的 400 位资深交易专业人士的调研，揭示了对处于转折点的并购交易撮合市场的关键洞察。如今，AI 技术的发展速度明显快于旨在对其进行治理的组织架构。 此外，过去一年中，有五分之四的企业经历过与 AI 相关的安全事件。或许正因如此，近六成受访者表示来自高层的抵制有所增加。这些迹象统统表明，这项技术转型尚未被完全消化吸收。 我们谨向 400 位受访专业人士致以诚挚谢意，正是他们的坦诚分享与深刻洞察， 本报告将审视三个问题：AI 在哪些领域正在创造可衡量的价值？AI 在哪些方面获得 AI 在交易生命周期各阶段中的作用 估值与建模 历史交易分析 交易执行 交易营销 尽职调查 项目寻源与筛选 分析师和经理更倾向于经常使用 AI 进行估值与建模，但 12% 的合伙人和董事总经理避免将AI 用于估值任务。 交易撮合团队利用 AI处理问答相关任务并发现任何警示信号，预计可在交易执行阶段节省超过11% 的时间。 AI 主要用于早期尽职调查和确认性问答环节，此外还用于财务分析、异常检测与文档审查。 AI 在识别成功交易模式方面应用最广，而不使用AI 进行历史分析的交易人仅占 3%。 团队借助 AI 捕捉财务/市场信号、发掘潜在标的公司，预计可因此节省21% 至 30% 的时间。 65% 的受访者使用 AI生成执行摘要，60%使用 AI 制定营销和交易定位策略。 主要发现 80% 33% 49% AI在整个交易生命周期中切实节省了时间。 AI已跨越应用临界点，但复杂性才刚刚显现。 80%的交易人在过去12个月内遭遇过AI相关的安全性与准确性问题。 近一半 (49%) 的交易人表示，AI 已完全整合至其交易流程的大部分阶段，另有 41% 的受访者表示 AI 已实现部分整合。仅十分之一仍停留在试点或实验项目阶段。目前，典型的交易团队同时管理着 3 到 5种 AI 工具 (52%)，近四分之一 (24%) 使用 6 种或更多工具。 三分之一的受访者表示，AI 助其在尽职调查阶段节省了 21% 至 30%的时间；81% 的受访者在交易执行阶段节省了超过 11% 的时间。绝大多数受访者在交易筛选阶段也节省了至少 11% 的时间。然而，在任一阶段实现省时过半的受访者占比不足 6%。这表明 AI 在未来仍有显著的提效空间。 绝大多数受访者表示，过去一年中发生过或险些发生与 AI 相关的安全事件。访问控制漏洞是最为常见的问题 (48%)，其次是 AI 产生幻觉导致尽职调查获得的信息不准确 (40%)。 80% 49% 57% 市场需要的是专业化，而非一体化。 即便AI正在加速普及，来自高层的阻力仍在增加。 交易人已为自主型AI做好准备，但治理能力必须同步跟上。 近半数 (49%) 的交易人更倾向于使用多种在某一功能领域表现出众的专业化 AI 工具，而非单一的集成平台 (20%)。超过半数 (54%)的受访者预计，AI 将成为交易撮合软件的标配功能。 超过半数 (57%) 的交易人表示，过去 12 个月内，高层对 AI 的抵制有所加剧。其主要驱动因素包括：对 AI 准确性的担忧、AI 的可解释性与受托责任风险，以及客户对 AI 的认知。 五分之四 (80%) 的交易人对 AI 自主执行多步骤交易工作流程表示放心。近半数 (43%) 受访者认为，到 2030 年，自动化盈利质量分析将成为最具颠覆性的创新成果。 研究方法 本报告基于 2026 年第一季度进行的一项专项调查，调查对象为 400 位资深交易专业人士。此项调查由 ReutersInsights 与 SS&C Intralinks 共同设计、协同分析。交叉列表数据中的各列比较基于 95% 的置信水平，并在适用情况下以 99.9% 的置信水平进行额外标注。 样本结构采用等额配额方式，在以下 5 类组织中各抽取80 名受访者：私募股权 (PE) 公司、企业并购公司、并购咨询服务公司与投资银行、风险投资 (VC) 公司以及律师事务所。这种结构化抽样方法既能确保各细分公司之间的可比性，又可呈现专业交易撮合生态系统的全貌。 05 AI在交易撮合中的整合现状 关于交易团队是否使用 AI 这一问题，已有明确定论。近半数 (49%) 的受访者表示，AI 工具已完全整合到其交易流程的大部分阶段。另有41% 的受访者表示 AI 已实现部分整合，而只有十分之一仍停留在试点或实验项目阶段（图 1）。对于交易撮合行业的绝大多数从业者而言，AI 已不再是试点技术，而是演变为一项必不可少的工作能力。高盛集团公司 (Goldman Sachs)投资银行服务部门的全球负责人 Kim Posnett 在 2026 年 1月接受《财富》(Fortune) 杂志采访时对此进行了概括：全球企业现已越过试点阶段，进入“深度结构性转型”时期。 图1：AI现已成为交易人的基础性设施，九成交易团队已跨越试点阶段。 按组织类型分析时，这一趋势变得更加清晰。咨询公司与投资银行在 AI 应用方面走在前列，超过三分之二 (69%) 的受访者表示已实现完全整合，显著高于其他任何细分公司。私募股权公司紧随其后，为 58%，风投公司为 51%。企业收购方 (29%) 和律师事务所 (39%) 则明显落后（图 2）。相反，近五分之一 (19%) 的企业收购方仍停留在试点阶段，这一比例远高于其他任何细分组织，并且与咨询公司和私募股权公司相比具有统计学上的显著差异。这明确表明，企业收购方仍处于 AI 应用的早期阶段。这种细分方式揭示了一个规律，即那些深度嵌入交易流程的组织（如以执行交易为核心业务的咨询机构）在追求运营效率和竞争优势的过程中，对 AI 的采用最为积极。 图2：咨询公司与投资银行在AI整合方面处于领先地位；企业收购方与律所则明显落后 而并购频率相对较低的企业收购方，以及将审慎监管与责任风险置于首位的律所，则表现得更为谨慎。对于这些 AI普及速度较慢的组织而言，问题不在于采用 AI 是否必要，而在于竞争差距正在拉大：他们所聘用的咨询机构已处在截然不同的技术环境之中。 然而，按资历划分时，存在一个有意思的认知分歧。超过三分之二的组织领导（合伙人/董事总经理/高管）认为 AI 工具已完全整合到交易流程的大部分阶段，但仅有 29% 的副经理和分析师持相同看法。事实上，超过半数 (54%) 的初级员工表示，AI 工具仅实现了部分整合。 多工具并存的现实 交易撮合行业中 AI 普及程度的差异，至少可以部分归因于所用的工具。我们的研究表明，AI 的应用并非局限于单一平台。大多数交易团队 (52%) 同时使用三到五种 AI 工具， 另有 20% 管理六到九种工具，极少数团队同时使用十种或更多工具（图 3）。仅有四分之一 (24%) 的团队只使用一两种工具。 通用大语言模型 (LLM) 平台在 AI 工具中占据主导地位。OpenAI 的 ChatGPT 以 48% 的普及率居于首位，其次是谷歌 (Google) 的 Gemini/Vertex 平台 (23%) 以及微 “今后，我们需要开始在少数几个解决方案上加大投入，因为我们需要对现有的工具组合进行精简优化。” 软 (Microsoft) 的 Copilot/Azure 生态系统（22%）。这三种工具如今成为大众广泛使用的通用生成式 AI 系统的主力，或许不足为奇。受访者提到的其他工具包括 Claude、Perplexity AI、Meta AI 等，这些工具的市场份额都只有个位数（图 4）。 Lúcia Soares，The Carlyle Group首席信息官兼技术转型负责人 在Reuters Events的Momentum AI Finance活动上的发言（2025 年 11 月） 这可能表明，在 AI 整合方面，相当一部分受访者将使用通用 AI 工具提升生产力视同为在交易流程中整合 AI，而非与核心交易撮合能力整合。这一观点得到了另一数据的支持：仅有 28% 的受访者表示 AI 工具与当今交易撮合所用的核心平台“良好整合”。 值得注意的是，超过四分之一 (26%) 的受访者提到了未进入前十的“其他 AI 工具/平台”，这表明市场上存在大量正在使用的各种专业工具和专有工具。 功能的自动化。Westlaw、Lex Machina、Harvey 以及Kira Systems 等工具被应用于法律和合同流程中；IBMWatson、Databricks 以及 Datarails 用来提升工作流程的分析效率；此外，受访者还提到了 Kruncher 以及彭博(Bloomberg) 终端内置的 AI 功能等金融方面的专用工具。 在这些“其他”工具中，团队显然正在利用 AI 实现特定 治理框架普遍确立，但可能仍有欠缺 图5：正式的AI治理已近乎普及，但框架采用的广度并不保证其深度。 几乎所有受访者 (94%) 表示，其组织至少遵循一项正式的AI 政策或合规框架。国际标准化组织/国际电工委员会(ISO/IEC) 42001 标准以 50% 的采用率领先，紧随其后的是美国国家标准与技术研究院 (NIST)《人工智能风险管理框架》(45%)、欧盟《人工智能法案》(36%) 以及经济合作与发展组织 (OECD) 人工智能原则 (36%)。虽然部分受访者指出其组织已经建立了内部框架，但只有极少数表示未制定具体的 AI 治理政策（图 5）。 全球大多数交易撮合组织都会至少采用某种形式的 AI治理或合规框架。如图 5 所示，尽管欧盟《人工智能法案》在欧