AI inom M&A: En studie om dataprocesser, beslutsfattande och konkurrensfördelar ur ett VRIO-perspektiv : En kvalitativ intervjustudie med verksamma aktörer inom M&A.

Sammanfattning

Intåget av artificiell intelligens (AI) har gjort att digitaliseringen i finansbranschen har ökat. Men hur AI faktiskt har påverkat transaktionsprocesser är fortfarande relativt outforskat. Denna studie syftar till att ge en ökad förståelse för hur AI påverkar datainsamling, datapresentation och strategiskt beslutsfattande inom M&A-processen. Den har även för avsikt att undersöka om AI kan betraktas som en strategisk resurs som erbjuder hållbara konkurrensfördelar. Studien är utförd enligt en kvalitativ forskningsdesign där empirin har samlats in genom semistrukturerade intervjuer med 12 M&A-rådgivare som är verksamma på den svenska marknaden. Det teoretiska ramverket som används är VRIO-modellen från det resursbaserade synsättet (RBV). Resultatet visar att AI har tagit plats som ett operativt stödverktyg som bidrar med betydande tidsvinster inom både datainsamling och due diligence-fasen. Detta sker genom automatisering rutinuppgifter, textgenerering, samt förmågan att snabbt ge en översiktlig branschanalys. Men det framkommer även begränsningar som är kopplade till källkritik, kundförtroende och konfidentialitet. Detta gör att generella AI-modeller inte kan användas när det kommer till behandling av känslig transaktionsdata. Utifrån VRIO-ramverket konstateras det att generella AI-modeller har blivit en konkurrensnödvändighet snarare än en hållbar konkurrensfördel då de inte kan ses ha en hög sällsynthet. AI kan bara ses som en strategisk resurs när den utvecklats inhouse, är unik samt bidrar med unika förmågor som generella modeller inte kan återskapa. AI behöver även kombineras med mänsklig slutanalys och relationsbyggande för att kunna anses ge hållbara konkurrensfördelar. AI har förbättrat beslutsunderlaget och gett möjlighet till bättre precision i beslutsfattande. Men det slutgiltiga strategiska beslutsfattandet förblir en mänsklig kärnkompetens.