In una data room di M&A convivono migliaia di documenti eterogenei: bilanci IFRS e OIC, relazioni semestrali, contratti commerciali, finanziamenti, garanzie, term sheet, perizie, contenzioso. Il team di deal ha settimane, a volte giorni, per trasformare quella massa in una visione difendibile del rischio e del valore. La parte costosa non è il giudizio: è la lettura. Sfogliare PDF, incrociare numeri tra prospetti e note integrative, cercare la clausola di change of control nascosta a pagina 47 di un contratto di fornitura. È qui che un'AI verticale per la finanza cambia l'economia della due diligence, a una condizione non negoziabile: ogni affermazione deve essere riconducibile a una fonte precisa.
Dalla pila di PDF a domande con risposta citata
Il primo lavoro di Amaril non è generare testo, è leggere. La piattaforma ingerisce l'intera data room, normalizza formati, riconosce la struttura di un bilancio (stato patrimoniale, conto economico, rendiconto finanziario, note) e indicizza ogni paragrafo, tabella e nota a piè di pagina mantenendo il puntatore al documento, alla pagina e alla riga.
Da qui l'analista non cerca file, fa domande. "Qual è l'indebitamento finanziario netto al 31/12 e come si concilia con il covenant di leva del contratto di finanziamento?" Amaril estrae il dato dalla nota sui debiti finanziari, recupera la definizione di Net Debt dal loan agreement (che spesso differisce dalla definizione contabile) e mostra entrambe le fonti affiancate. Ogni numero nella risposta è cliccabile e porta esattamente al punto del documento da cui proviene.
Questo è il pilastro che distingue uno strumento finance da un chatbot generalista: niente allucinazioni. Se un'informazione non è nei documenti, Amaril lo dichiara invece di inventarla. Per un memo che finirà davanti a un investment committee o a un comitato crediti, la differenza tra una risposta plausibile e una risposta verificabile è la differenza tra utilizzabile e inutile.
Estrarre numeri, clausole e red flag su scala
La vera leva è applicare la stessa domanda a centinaia di documenti contemporaneamente. Su un portafoglio di contratti, Amaril individua e tabella in modo coerente le clausole che spostano il rischio del deal:
- •Change of control: quali contratti consentono alla controparte di recedere o rinegoziare in caso di acquisizione, con la citazione della clausola.
- •Covenant finanziari: soglie di leva, interest cover, limiti agli investimenti, e il loro stato rispetto agli ultimi numeri di bilancio.
- •Garanzie e indemnity: cap, franchigie, sopravvivenza temporale, scope delle representations.
- •Esclusività, non concorrenza, MFN, penali: termini che incidono su valutazione e integrazione post-deal.
Sul lato finanziario, la piattaforma costruisce serie storiche pluriennali partendo dai bilanci depositati, evidenzia discontinuità (un salto nei crediti commerciali, una variazione di principio contabile segnalata nelle note, capitalizzazioni aggressive di costi di sviluppo) e collega ogni voce alla riga di origine. I red flag non arrivano come sentenze opache ma come osservazioni tracciabili che l'analista può confermare in pochi secondi aprendo la fonte.
Un esempio concreto: su un emittente quotato a Piazza Affari o a Euronext, Amaril può confrontare la relazione finanziaria annuale con i comunicati price sensitive e i filing successivi, in coerenza con gli obblighi di trasparenza Consob ed ESMA e con il regime MAR sulle informazioni privilegiate. Lo stesso vale per un target tedesco sotto vigilanza BaFin o francese sotto AMF: il perimetro regolamentare europeo resta il riferimento, non un dettaglio.
Comparabilità, comps e il memo che si scrive quasi da solo
Una volta strutturati i dati, la comparable analysis smette di essere un esercizio manuale di copia-incolla. Amaril estrae multipli e metriche operative da un set di peer europei a partire dai rispettivi bilanci e relazioni, mantiene la base di calcolo esplicita e segnala dove le definizioni divergono tra OIC e IFRS, così i comps poggiano su numeri omogenei e non su approssimazioni. Da lì, la bozza di IC memo o di credit memo nasce già popolata con i numeri giusti e, soprattutto, con le citazioni a corredo: chi rivede il memo può risalire a ogni cifra senza richiedere il file originale.
Questo riduce drasticamente il tempo morto tra raccolta e decisione, e sposta l'analista dove serve davvero: interpretare, sfidare le assunzioni, negoziare. La macchina legge e cita; la persona giudica.
Perché conta dove vivono i dati
Una data room contiene informazione altamente sensibile e spesso coperta da accordi di riservatezza stringenti. Per questo l'architettura è parte della proposta di valore, non un dettaglio IT. Amaril opera su cloud europeo, con crittografia end-to-end e politica di zero retention: i documenti non alimentano modelli di terzi e non lasciano il perimetro previsto. Per le istituzioni con requisiti più severi, banche, asset manager, fondi soggetti a DORA e alle aspettative di EBA e Banca d'Italia sulla resilienza operativa e l'esternalizzazione, è disponibile il deployment on-premise. La conformità GDPR e il trattamento dei dati personali eventualmente presenti nei contratti sono gestiti by design.
Takeaway
L'AI non sostituisce il giudizio di chi fa due diligence: ne elimina il collo di bottiglia. Leggere un'intera data room, estrarre numeri, clausole e red flag e presentarli con la fonte sempre allegata trasforma settimane di lettura in ore di analisi. I tre pilastri restano la condizione perché tutto questo sia utilizzabile in un contesto finanziario europeo: ogni risposta citata alla fonte, nessuna allucinazione, e i dati custoditi su cloud UE o on-premise nel rispetto di GDPR e del quadro regolamentare. Su queste basi, l'accelerazione della due diligence non è una scommessa, è un processo difendibile davanti a un comitato.
