1 juni 2026 · 13 min leestijd

Legal AI voor M&A-due diligence: praktische lessen uit de Google–Wiz-deal van $32 mld

Legal AIM&A-due diligenceDataroom-onderzoekMededinging

Toen Alphabet in maart 2025 besloot het cloudsecuritybedrijf Wiz over te nemen voor ongeveer $32 miljard, was dat meteen een van de grootste transacties uit de recente geschiedenis. De deal werd pas in maart 2026 afgerond, na bijna een jaar intens juridisch werk (1) (2). Bij deals van deze omvang wordt succes niet bepaald door één briljante clausule, maar door gedisciplineerde due diligence op basis van duizenden documenten. Precies daar verandert brongebaseerde legal AI de werkpraktijk van juristen.

Waarom een megadeal thuishoort in een legal-AI-discussie

De Google–Wiz-transactie is een relevant voorbeeld, geen uitzondering, maar een herkenbaar patroon van groot M&A-werk. Een koper stelt een prijs, en daarna bewijst het transactieteam maandenlang dat het verwachte beeld van het doelbedrijf overeenkomt met de praktijk. De berichtgeving volgde de deal van de eerste onderhandelingen, via een afgewezen bod van $23 miljard naar een hernieuwde overeenkomst van $32 miljard, en eindigde met goedkeuring door de Europese Commissie in februari 2026, gevolgd door de afsluiting in maart 2026 (1) (2) (3).

Achter die tijdlijn zit het werk dat juristen dagelijks doen: contracten lezen, een dataroom doorzoeken, risico's in kaart brengen, openbaarmakingslijsten opstellen, toezichthouders informeren en een dossier opbouwen dat juridisch verdedigbaar blijft. Niets glamoureus, wel precies wat transacties vertraagt, kosten opdrijft en soms na afronding tot procedures leidt.

De praktische vraag voor elk dealteam is daarom direct: bij tienduizenden contracten, beleidsdocumenten, financiële cijfers, IE-portefeuilles, personeelsdossiers en regelgevende indieningen: hoe maak je risico's eerder zichtbaar, vollediger beoordeelbaar en met broncontrole onderbouwd?

Het due diligenceprobleem op dealschaal

Elke overname begint met een controlevraag. Een dataroom voor een complexe transactie bevat duizenden documenten in domeinen als corporate, commercieel, arbeidsrecht, IE, data-privacy, geschillen en fiscaliteit. Het team moet de bepalingen vinden die werkelijk waarde verschuiven: change-of-control-triggers, exclusiviteits- en non-concurrentievoorwaarden, overdrachtsbeperkingen, bijzondere vrijwaringen, beëindigingsmechanismen, privacyrisico's en lopende claims.

De druk is structureel. Due diligence draait onder een strakke ondertekenings- en afsluitingsplanning, terwijl de documentverzameling blijft groeien naarmate de verkoper meer stukken aanlevert. Vaak liggen de kernpunten verborgen in lange teksten die routineus lijken, tot één specifieke formulering alles verandert. De kernuitkomst zit zelden in één document, maar in de signalen over veel documenten heen.

Bij internationale transacties verdubbelt die druk. Google–Wiz omvatte meerdere jurisdicties, toezichthouders en sektorkaders, waardoor mededingingscontrole, investeringsscreening en sectorspecifieke regelgeving op hetzelfde dossier terechtkwamen (3) (4). Elk regime vraagt een eigen bewijsvoering en eigen tijdpad uit één onderliggend dossier.

Wat brongebaseerde legal AI praktisch verbetert

Legal AI doet het in due diligence het best wanneer het van hoeveelheid naar structuur helpt. De nuttige vraag is niet of AI een mooie samenvatting kan schrijven. De nuttige vraag is of AI het team helpt relevante bepalingen sneller te vinden, logischer te ordenen en de onderliggende bron direct beschikbaar te houden.

Eerste triage: sorteer een grote dataroom op documenttype, contractwaarde, tegenpartij en verwachte risicocategorie, zodat de controle start bij het kritieke materiaal.
Clausule-extractie: brengt change-of-control-, overdracht-, exclusiviteits-, beëindigings-, vrijwaring- en aansprakelijkheidsbepalingen naar voren, telkens met contract- en paginaverwijzing.
Risicomarkering: signaleert afwijkende voorwaarden, ontbrekende handtekeningen, verlopen overeenkomsten en bepalingen die botsen met de dealassumpties.
Bevindingen structureren: groepeer bevindingen onder werkdomeinen als corporate, commercieel, intellectueel eigendom, arbeid, privacy, procedures en regulering voor het rapport en de openbaarmakingslijsten.
Regelgevingsdossiers: verzamel direct de documenten, feiten en overlapanalyses die concentratie- en investeringsdossiers vereisen, met bronverwijzingen.
Vraag-en-antwoordondersteuning: laat teams vragen stellen over geverifieerd dataroom-materiaal zonder dat één samengevatte antwoord de onderbouwing vervangt.
Controle-overdracht: vertaalt een onoverzichtelijke dataroom naar controleklare werkpakketten voor analisten, associates, specialisten en de partner.

Een dergelijke aanpak vervangt de advocaat niet. Ze verandert wel de startpositie: niet eindeloos zoeken naar de juiste tekst, maar werken met een brongekoppelde kaart die je actief kunt testen en aanscherpen.

Een robuuste werkwijze voor dataroom-beoordeling

Bij grote transacties begint een legal AI-werkwijze met methodiek, niet met conceptteksten. De eerste oplevering is geen afgerond due diligence-rapport, maar een betrouwbaar beeld van wat de dataroom écht bevat.

Bepaal de afbakening van de dataroom: definieer documenttypen, periodes, talen, jurisdicties, contractwaarden en toegangsrechten vóór de start van de controle.
Prioriteer op risico: gebruik AI-ondersteunde prioritering voor strategisch relevante contracten, gereguleerde activiteiten en change-of-control-dossiers.
Extraheer kernbepalingen: identificeer bepalingen die waarde en risico bepalen, en koppel elke passage aan het exacte brondocument en de pagina.
Scheid feit van interpretatie: onderscheid wat het contract stelt, wat de verkoper verklaart, welke conclusies het team trekt en welke vragen nog openstaan.
Stel de puntenlijst samen: ordneer bevindingen per werkdomein en wijs elk punt toe aan de juiste controleur of specialist.
Publiceer pas controleklaar: stel het due diligence-rapport, roodlichtmemo en openbaarmakingslijsten pas op nadat de bevindingen bron- en controlematig zijn getest.

Daar levert legal AI vooral waarde voor corporate- en mededingingsteams. Niet om de dealbeslissing te vervangen, maar om te voorkomen dat een materieel risico in de datavolume ondersneeuwd raakt.

De megadeal-les: bronkoppelingen bepalen de uitkomst

Bij transacties van miljarden is een niet-onderbouwde samenvatting gevaarlijk. Een nette opsomming maakt niet duidelijk of iets een bindende verplichting is, een concepttekst, een side letter, een verlopen overeenkomst of slechts een interpretatie van de jurist. Dat onderscheid bepaalt niet alleen de onderhandelingstafel, maar ook vrijwaringen, openbaarmaking en risicoverdeling na afsluiting.

Een professioneel legal-AI-platform moet daarom elke bronroute tonen. Als een model een change-of-control-bepaling markeert, moet de advocaat direct het contract kunnen openen. Als twee overeenkomsten conflicteren, moet dat zichtbaar zijn door beide documenten naast elkaar te leggen. Ontbreekt onderbouwing, dan moet het systeem dat expliciet aangeven in plaats van een zekere maar niet-verifieerbare conclusie te geven.

Dat is geen detail. Het is kernkwaliteit. Het team moet kunnen bepalen of een bevinding onder een verklaring valt, hoe en waar die in een openbaarmakingsverklaring thuishoort en welke consequenties dit na ondertekening heeft.

Waar legal AI de regulatorische route ondersteunt

Grote deals vragen naast contractuele due diligence ook robuuste regulatorische werkwijzen. De Google–Wiz-transactie onderging mededingingstoetsing en kreeg in februari 2026 een goedkeuring van de Europese Commissie (3) (4). Concentratiecontrole, investeringsscreening en sectorspecifieke toezichthouders lopen parallel, elk met een eigen documentintensief tempo. Legal AI kan daar praktisch helpen:

Indieningen voorbereiden: verzamel corporate-, markt- en overlapdocumentatie voor concentratiemeldingen, met directe bronverwijzing.
Informatieverzoeken afhandelen: koppel regulatorische vragen aan specifieke documenten en signaleer hiaten vroegtijdig.
Overlapanalyse structureren: orden materiaal over activiteitskruisingen, zodat juristen en economen sneller met dezelfde bronset werken.
Regulatoire planning: bewaak deadlines, verplichtingen en toezeggingen per jurisdictie via één uniforme bronlaag.
Consistentiecontroles: detecteer afwijkingen tussen indieningen, contracten en interne notulen die later governance-risico's opleveren.
Privilege-begrenzing: bewaak vertrouwelijkheid en privilegegrenzen als hetzelfde dossier commerciële, regulatoire en procesmatige werkstromen bevat.

Het voordeel zit niet alleen in snelheid, maar in eerder zicht op welke vragen toezichthouders zullen stellen en of het dossier die vragen juridisch kan onderbouwen.

Waar je AI níet moet laten beslissen

In een professioneel perspectief moet legal AI zijn grenzen hebben. AI mag niet bepalen of een risico materieel is, geen vrijwaringen finaliseren, geen openbaarmakingslijst ondertekenen en ook niet het oordeel van fiscalisten, mededingingsspecialisten of privacyjuristen vervangen. AI weegt geen strategische commerciële afwegingen en kan de zakelijke intentie van de wederpartij niet vervangen door een modelinschatting.

Daarnaast zijn de operationele risico's concreet. Een model kan een nuance missen, een korte side letter onderschatten, te veel gewicht geven aan standaardclausules of een verplichting en intentieverklaring met elkaar verwarren. Het risico groeit wanneer output niet terugleidbaar is naar het primaire document.

Daarom blijft een betrouwbare due diligence-werkwijze conservatief: AI helpt de dataroom te vinden, ordenen en doorzoeken; de beslissing van de advocaat blijft menselijk.

Hoe je de les nu direct toepast

De Google–Wiz-transactie is uitzonderlijk in omvang, maar het werkpatroon is herkenbaar in vrijwel alle transactietypen: mid-market overnames, carve-outs, joint ventures, financieringen, vastgoedportefeuilles en private-equity bolt-ons. Altijd dezelfde combinatie van veel documenten, krappe termijnen en hoge impact van één overgeslagen bepaling. Een team kan meteen met praktische dossierregels starten.

Elke door AI gemarkeerde bepaling krijgt een klikbare bron met contract en pagina.
Elke bevinding onderscheidt feit, verkopersverklaring, juridische interpretatie en open vraag.
Elk rode-vlagpunt krijgt advocatentechnische controle vóór opname in de koopovereenkomst of openbaarmakingslijst.
Elke regulatorische indiening wordt getoetst op onderliggend dossiermateriaal, niet op samenvattingen.
Elke dataroom-zoekopdracht respecteert rechten, vertrouwelijkheid en ethische muren.
Elke pilot wordt op een herhaalbare due diligence-werkwijze getest, pas daarna opgeschaald.

Deze principes zijn geen rem op AI. Ze zorgen voor controleerbare AI in een context waar een fout antwoord doorwerkt in prijsmechanismen, vrijwaringen en procedures na afsluiting.

Hoe LexVera hierbij past

LexVera is opgezet om legal AI toe te passen binnen controleerbare juridische werkwijzen, niet als bronloze beantwoording. In een documentintensieve transactie ondersteunt het teams bij de afstemming tussen dataroommaterialen, juridisch onderzoek, precedentkennis, interne notities en concepten, met bronverwijzingen die op elk moment controleerbaar blijven.

Voor corporate- en mededingingsteams helpt LexVera onder meer met het structureren van grote sets, het opbouwen van brongebaseerde samenvattingen, het samenstellen van puntenlijsten, het vinden van bepalingen, conceptondersteuning en het koppelen van bevindingen aan inspecteerbare bronnen. Dat betekent niet dat complexiteit verdwijnt; onder druk wordt het wel beheersbaar.

Dat is essentieel, omdat due diligence zelden uit één vraag aan de AI bestaat. Het is een keten van activiteiten: afbakening bepalen, risicoprioritering uitvoeren, bronnen toetsen, concepten voorleggen en professionele controle, en dat alles herhalen zodra de verkoper nieuwe stukken uploadt. Legal AI levert waarde als die keten wordt versterkt in plaats van vervangen.

Vragen voor je AI op een transactie inzet

Bij een overname, financiering of regulatorische indiening mag de vraagstelling scherper zijn dan “werkt het?”. Dit zijn de vragen die het verschil maken:

Kan het platform direct het contract en de relevante pagina tonen bij elke gemarkeerde passage?
Kan het platform doelbedrijfmateriaal, publiek recht, kantoorprecedenten en modelveronderstellingen duidelijk scheiden?
Kan toegang per deal, werkwijze, rol en ethische muur fijnmazig worden ingesteld?
Hoe wordt omgegaan met vertrouwelijke dataroominformatie en privilege-gevoelige analyses?
Wat gebeurt er als een bevinding niet met de geüploade bronnen te onderbouwen is?
Kan het team ongebruikelijke voorwaarden, hiaten en onzekerheden als eerste-klas output beoordelen?
Kan output mee-evolueren wanneer de dataroom groeit en de dealinhoud verandert?
Blijft de partnercontroleketen intact voor naleving en latere audit?

Die antwoorden zijn praktisch en controleerbaar. Juristen hebben systemen nodig die laten zien wat het dossier draagt, niet systemen die doen alsof het systeem alles al kent.

Conclusie

De Google–Wiz-overname bevestigt dat ook de grootste transacties uiteindelijk terugkomen op één principe: gestructureerd, herhaalbaar werk op basis van documenten, onder tijdsdruk en onder toezicht, in meerdere rechtsgebieden tegelijk. Legal AI kan niet beoordelen of de prijsstrategie correct is of contractstext juridisch finaliseren. Goed toegepast kan zij wel de bepalingen prioriteren, ze per vraag structureren en de bronkoppeling permanent zichtbaar houden.

Dat is de meest waardevolle positie voor legal AI in 2026: geen autonoom besluit, maar snellere en betrouwbaardere due diligence met een sterkere bronbasis. In deals waar bedragen hoog en deadlines strak zijn, kan dat het verschil maken tussen een advies dat standhoudt en een advies dat later niet meer verdedigbaar is.

Legal AI moet niet de deal sluiten. De echte taak is juristen te helpen de documenten scherp genoeg te zien om de deal zelf met controle en overtuigingskracht te adviseren, onderhandelen en te verdedigen.