A due diligence sempre exigiu a revisão de grandes volumes de informações em prazos curtos. Contratos, demonstrações financeiras, bases comerciais, documentos trabalhistas, registros fiscais e respostas da administração precisam ser conectados para revelar riscos e oportunidades que afetam o preço e os termos de uma transação. A inteligência artificial amplia a capacidade de organizar e examinar esse material. Ela pode acelerar tarefas repetitivas, aumentar a cobertura da análise e direcionar a atenção dos especialistas para pontos relevantes. Essa contribuição, porém, não elimina a necessidade de julgamento humano. Quanto maior a velocidade da ferramenta, mais importante se torna definir com clareza o que deve ser investigado, conferir as evidências e interpretar suas consequências.
A adoção já deixou de ser apenas experimental. Em pesquisa divulgada em janeiro de 2026 com mais de 300 executivos de M&A, a Bain & Company informou que 45% já utilizavam inteligência artificial em suas atividades e que a adoção havia mais do que dobrado em 2025. Originação, seleção de alvos e due diligence estavam entre as áreas com maior aplicação. Em outra pesquisa, realizada em 2025 com mil líderes corporativos e de private equity nos Estados Unidos, a Deloitte constatou que 35% dos usuários de inteligência artificial generativa em M&A a empregavam na diligência. Os mesmos participantes indicaram preocupações importantes: 67% mencionaram segurança de dados e 65%, qualidade e disponibilidade das informações. Os percentuais variam conforme a amostra e a definição de uso, mas apontam a mesma direção: a tecnologia avança rapidamente, enquanto a governança de sua aplicação ainda precisa amadurecer.
Na prática, a inteligência artificial pode classificar documentos de um data room, identificar arquivos ausentes, resumir contratos e localizar cláusulas de mudança de controle, exclusividade, renovação, rescisão e penalidades. Em uma diligência financeira, pode ajudar a reconciliar bases, comparar lançamentos, agrupar transações e destacar padrões incomuns. Na análise comercial, pode organizar dados de clientes, produtos e regiões para indicar concentração, perda de receita, variação de preços ou alterações de comportamento. Também pode estruturar perguntas e respostas, relacionar uma conclusão ao documento de origem e preparar listas de exceções para revisão. O ganho mais relevante não está em produzir um resumo mais rápido, mas em permitir que a equipe examine uma parcela maior das informações e use seu tempo para investigar as exceções.
Esses benefícios convivem com limitações que não podem ser tratadas como detalhes técnicos. Modelos podem apresentar conclusões plausíveis, porém incorretas, omitir uma ressalva decisiva ou interpretar uma cláusula sem considerar definições distribuídas em outros documentos. Informações confidenciais também podem ser expostas se a solução não tiver controles adequados de acesso, armazenamento e utilização dos dados. O perfil de riscos para inteligência artificial generativa publicado pelo NIST em 2024 destaca, entre outros temas, confabulação, privacidade, segurança da informação e necessidade de avaliação contínua. Em uma transação, cada achado produzido com apoio de inteligência artificial deve ser rastreável à fonte, revisto por um profissional qualificado e protegido pelas mesmas regras aplicáveis aos demais dados da diligência.
O julgamento humano permanece central porque a diligência não termina quando uma inconsistência é encontrada. É preciso avaliar sua materialidade, compreender a explicação da administração, relacioná-la a outras áreas e decidir como tratar o risco. Uma variação pode representar erro de classificação, prática recorrente, obrigação futura ou sinal de deterioração do negócio. Dependendo do contexto, a resposta poderá ser ajustar o preço, revisar projeções, exigir uma indenização específica, alterar uma condição de fechamento, propor uma ação de remediação ou abandonar a transação. Nenhum modelo assume a responsabilidade por essas decisões. Profissionais de finanças, direito, operações, tecnologia e recursos humanos precisam integrar as evidências e considerar tanto o histórico disponível quanto o funcionamento real da empresa.
Para o vendedor, a mesma capacidade analítica aumenta a importância da preparação antecipada. Inconsistências entre contratos, relatórios gerenciais, contabilidade e respostas fornecidas ao comprador tendem a aparecer mais cedo quando grandes conjuntos de documentos podem ser comparados em pouco tempo. Antes de abrir o data room, a empresa deve organizar os arquivos, reconciliar informações, documentar exceções, revisar permissões de acesso e preparar explicações sustentadas por evidências. A inteligência artificial tornará a due diligence mais rápida e abrangente, mas a qualidade da decisão continuará dependendo de contexto, materialidade e responsabilidade. A combinação mais eficaz é aquela em que a tecnologia amplia o alcance da análise e preserva tempo para aquilo que não pode ser automatizado: questionar, interpretar e decidir.
