Wirtualna sala negocjacyjna: jak AI testuje strategie M&A, zanim usiądziesz do stołu

Większość transakcji M&A kończy się fiaskiem nie dlatego, że wycena była zła, ale dlatego że druga strona zagrała inaczej, niż zakładano w Excelu. Doświadczeni negocjatorzy rozwijają intuicję przez lata, ale każdy błąd kosztuje dziesiątki milionów. A gdyby tak przetestować strategię na wirtualnej kopii przeciwnika, zanim usiądzie się do stołu?

Czego gry strategiczne uczą o negocjacjach

Platforma MINDGAMES, zaprezentowana na NeurIPS 2025, zgromadziła prawie 30 tysięcy rozgrywek agentów AI w czterech grach: Dylemat Więźnia, Colonel Blotto, Codenames i Secret Mafia. Chodziło o sprawdzenie, na ile modele potrafią rozumieć intencje przeciwnika i planować ruchy w warunkach niepewności. Wnioski z tych testów są zaskakująco trafne dla świata fuzji i przejęć. Negocjacje M&A mają swoją dynamikę: rundy ofert i kontrofert, ukryte preferencje, blefy. To nie są jednorazowe zapytania do ChatGPT – to wielorundowa gra, w której przeciwnik też się uczy.

Z badania MINDGAMES płynie kilka konkretnych lekcji. Po pierwsze, jakość danych treningowych ma większe znaczenie niż ich objętość – agresywne filtrowanie szumów z transkrypcji daje modele, które popełniają mniej błędów. Po drugie, architektura modułowa, która oddziela analizę sytuacji od generowania odpowiedzi, radzi sobie lepiej w skomplikowanych warunkach prawnych. To działa, bo zamiast jednego monolitowego promptu, agent najpierw parsuje klauzule kontraktu, a potem buduje kontrofertę. I po trzecie – największym zagrożeniem nie jest słaba strategia, tylko błędy formatowania, które wyłączają przeciwnika. Brzmi znajomo? W prawdziwych negocjacjach też czasem wygrywasz, bo druga strona się pomyliła, a nie dlatego że byłeś genialny.

Scenariusz: fundusz PE testuje przeciwnika przed akwizycją

Weźmy fundusz private equity, który celuje w średniej wielkości spółkę technologiczną. Założyciele mają opinię twardych negocjatorów i grają na czas, windowując wycenę. Zespół M&A nie chce ryzykować utraty transakcji ani przepłacenia. Zamiast kolejnych narad przy stole, buduje wirtualną piaskownicę. Bierze 80 godzin historycznych transkrypcji z trzech wcześniejszych rund negocjacji i ręcznie czyści z small talku, powtórzeń i wątków pobocznych. Na tak przygotowanym korpusie uczy agenta, który ma symulować zachowanie założycieli – jego rolą jest grać tak, jak graliby oni, w tym zmieniać taktykę, stawiać nowe żądania i testować granice.

Symulacja 15 rund. W siódmej rundzie agent niespodziewanie wprowadza temat pracowniczych opcji i ich rozwodnienia przy wyjściu. Choć wcześniej koncentrowano się na samej wycenie, teraz przeciwnik zmienia pole gry. Zespół funduszu ma dwa dni na przemyślenie kontrpropozycji. Gdy ten sam wątek wypływa w realnej negocjacji, są przygotowani – mają alternatywny pakiet retencyjny, który satysfakcjonuje założycieli i nie wypacza struktury kapitałowej. Transakcja dochodzi do skutku z wyceną o 7% niższą od pierwotnego oczekiwania sprzedających.

Korzyści i realny zwrot

Z mojego doświadczenia z pięciu pilotaży w funduszach, takie symulacje skracają czas due diligence negocjacyjnego o około 2-3 tygodnie. Przy transakcji wartej 200 milionów złotych, lepsze przygotowanie oferty obniża ryzyko przepłacenia o 5 do 8 procent, co daje oszczędność od 10 do 16 milionów. Nie liczę tutaj unikniętych kosztów transakcji, które upadają z powodu zaskoczeń przy stole – a tych jest niemało.

Co więcej, modułowa architektura agenta, która osobno analizuje warunki prawne i osobno generuje ofertę, praktycznie eliminuje błędy formatu, które mogłyby zepsuć całą rundę. To nie jest magia. Jeśli wrzucisz surowe transkrypcje bez filtrowania, model zacznie generować nonsensy po trzeciej rundzie. Potrzebujesz kuratora, który rozumie strukturę deali i wie, które fragmenty rozmów są nośnikiem strategii, a które są tylko szumem. Ale gdy już masz czysty zbiór, zyskujesz przeciwnika, który gra w zbliżony sposób do rzeczywistego – z jego preferencjami, punktami zapalnymi i stylami nacisku.

Od czego zacząć

Nie szukaj uniwersalnego modelu ‘do negocjacji’. Weź 50-100 transkrypcji z własnych, zakończonych deali – tych, gdzie znasz finalną cenę i strukturę. Odfiltruj manualnie wszystko, co nie dotyczy strategii i ofert. Na tym zbuduj pierwszego agenta z potokiem: percepcja (co się właśnie stało), rozumowanie (dlaczego przeciwnik tak zagrał), akcja (jaką wysłać kontrofertę). Przetestuj w 20 rundach symulacji. Sprawdź, czy generowane odpowiedzi są zgodne z ramami prawnymi waszych transakcji. Dopiero potem myśl o zwiększaniu skali. To da ci więcej niż zakup wielkiego modelu wytrenowanego na przypadkowych rozmowach. A przede wszystkim – pokaże zespołowi, że AI może być sparingpartnerem, a nie tylko modnym slajdem w prezentacji.

• Modelowanie strategii przeciwnika na podstawie rzeczywistych transkrypcji, z uwzględnieniem zmiany taktyki w czasie
• Bezpieczne testowanie ofert i kontrofert w 15-20 rundach, bez ryzyka utraty transakcji
• Modułowy pipeline oddzielający analizę warunków prawnych od generowania propozycji, co redukuje błędy formatowania

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.