Att tänka på när jurister möter DD-robotar

DD-robot
Standard

Jag skrev härförleden en så kallad expertkommentar i den digitala nyhetstjänsten Lexnova. Artikeln har rönt visst intresse varför jag här kort vill lyfta fram några av punkterna i artikeln som kan bistå de affärsjuridiska advokatbyråer som är i startgroparna att upphandla eller utpröva olika verktyg som tillämpar kognitiv teknik (KT, i folkmun ’artificiell intelligens’) för leverans av due diligence (DD, företagsbesiktning). Vad ska jurister tänka på i mötet med DD-robotar?

Det kognitiva problem som KT-verktygen i DD framförallt försöker komma till rätta med är:

(1) Överflöd av information

 

dvs. att säljare, målföretag och säljarrådgivare (informationslämnarna) ställer mer information till förfogande än vad mänskliga DD-konsulter kan gå igenom före beslut, förhandling och tillträde i affären (anledningen till varför informationen inte analyseras fullständigt kan vara flera, bl.a. budget och tidsramar).

De kognitiva problem vi ställs inför i samband med en DD är därutöver (se Sevenius, Robert, Due diligence – besiktning av företag, Sanoma, 2013):

(2) Underskott av information

 

dvs. informationslämnarna begränsar informationen så att DD-konsulter och köpare har otillräcklig information inför beslut, förhandling och tillträde (anledningen till informationsbristen kan vara flera, bl.a. informationen är ej tillgänglig, konkurrenskänslig, rättsligt skydda eller negativt prispåverkande).
(3) Variation i syfte och målsättning dvs. informationsmottagarna (köparen, beställaren) har inte någon enhetlig målbild som gäller för alla typer av intressenter. Syftet med besiktningen är inte heller likadant för alla beställare. Mottagarens mål kan även förändras under besiktningen eller till och med på grund av besiktningen. DD involverar asymmetriska mål.
(4) Valmöjligheter vid implementering

 

dvs. i beslut, förhandling och tillträde av affären kan flera lösningar användas för att hantera de risker och osäkerheter som blottlagts i analysdelen av besiktningen. Lösningarna blir ofta överlappande och förment förstärkande i en hängslen & livrem-strategi. Implementering och verkställighet är ett kritiskt moment av besiktningen som inte bara involverar DD-konsulterna utan även affärens övriga parter.

KT-verktygen är främst utvecklade för kategori 1-problem och det medför att de (för närvarande) endast kan ge en viss produktivitetsökning i samband med den initiala delen av besiktningen. Denna förbättring kommer dock i överskådlig tid troligen understiga de kostnader i tid, pengar och kompetens som måste investeras i att skola DD-roboten (se artikeln).

De ytterligare utmaningar (kategori 2 – 4) som DD-konsulter ställs inför, och som ger upphov till det viktigt värdeskapande i samband med tjänsteleveransen, är tills vidare inte adresserad av DD-robotarna. Här sker därför inte någon produktivitetsförbättring och det krävs ”handpåläggning” för att hantera detta.

Skälen till varför inga förbättringar i produktivitet eller lönsamhet på kort eller medellång sikt kan förväntas är flera, bl.a. mätsvårigheter, fördröjningar pga. inlärning och anpassningar, omfördelning av vinster samt misslyckad implementering och förvaltning av resurser (se Brynjolfsson 1993). Dessa effekter kommer att vara som störst för de som är först ut.

I nuläget är satsningar på DD-robotar således mer drivna av farhågor om att bli förbisprungen (den s.k. röd drottning-hypotesen) och kanske ängslig trendmedvetenhet än av att rationellt söka åstadkomma verkliga förbättringar i verksamheten. Detta innebär dock inte att advokater och andra typer av DD-konsulter ska vara ointresserade av eller oengagerade i utveckling av DD-robotar. Istället är ett aktivt och nyfiket förhållningssätt till frågan att rekommendera. Advokatbyråerna har allt att vinna på under de närmaste åren bygga upp en egen skräddad och detaljerad behovsanalys och kravspecifikation för den snart förestående upphandlingen och implementeringen av DD-robotar.