Due diligence de maturidade em IA em fusões e aquisições

Due diligence de maturidade em IA em fusões e aquisições é a avaliação, antes do fechamento do negócio, de quanto os sistemas de inteligência artificial da empresa-alvo realmente valem, quanto custam para manter e que risco trazem depois da assinatura — não uma checagem genérica de TI com "IA" adicionada como item a mais. Isso importa porque a avaliação técnica de uma empresa-alvo já move o múltiplo de aquisição entre 15% e 30%, segundo checklist de due diligence tecnológica da Mind Group, e a variável dados-e-IA é hoje uma das áreas obrigatórias dessa avaliação — não um extra opcional. Este guia é para quem lidera ou assessora uma transação — corporate development, M&A, diretoria compradora ou vendedora — e precisa saber, antes de assinar o SPA, se a IA que está sendo comprada é ativo ou passivo disfarçado de ativo.

Por que a IA virou item obrigatório de due diligence em M&A

O mercado brasileiro de M&A não está em pausa: o valor agregado das transações subiu 114% no primeiro trimestre de 2026 na comparação anual, para US$ 17,7 bilhões, mesmo com o número de operações caindo 43%, segundo dados do Times Brasil. O padrão é "menos deals, mais capital por operação" — o comprador está mais seletivo e faz diligência mais profunda em cada transação, não menos. Tecnologia e SaaS já respondem por cerca de 36% desse valor agregado, com filtros de comprador mais rigorosos exatamente nesse segmento.

Nesse cenário, o checklist de due diligence tecnológica 2026 da Mind Group já trata "dados e IA" como a sétima de oito áreas obrigatórias de avaliação, cobrindo qualidade e propriedade dos dados, aplicações de IA já em produção com sua respectiva governança, conformidade regulatória (PL 2338, AI Act europeu quando aplicável) e a capacidade da base de dados de sustentar a próxima geração de casos de uso — "variável que ganhou peso material em 2026", segundo o próprio checklist. Uma empresa-alvo com bom histórico financeiro, mas cuja arquitetura de dados não sustenta IA, está sendo reprecificada para baixo mesmo quando o resultado passado foi positivo. O motivo estrutural: IA muda o que "ativo de tecnologia" significa numa transação — não é só licença de software e servidor, é modelo, pipeline de dados e dependência de fornecedor externo. Ignorar essa camada não elimina o risco, só transfere ele, sem preço, para o comprador.

O que avaliar: as quatro dimensões da due diligence de IA em M&A

A avaliação de maturidade de IA de uma empresa-alvo em M&A cobre território parecido com o modelo de maturidade de IA nas empresas usado numa autoavaliação interna — mas com uma diferença que muda tudo: aqui o objetivo não é "melhorar com o tempo", é precificar um ativo antes de uma data de fechamento fixa, com um comprador de um lado e um vendedor tentando maximizar valor do outro. A régua também muda com o porte da empresa-alvo: uma startup adquirida tem perfil de dado, orçamento e governança bem diferente de uma divisão de uma grande corporação, na mesma lógica detalhada em adoção de IA em PME vs. grande empresa — aplicar o mesmo padrão de exigência aos dois portes distorce a avaliação. Quatro dimensões concentram a maior parte do risco:

1. Inventário e propriedade dos sistemas de IA

O primeiro passo é saber o que existe: quais modelos estão em produção, quais são de terceiros versus desenvolvidos internamente, quem detém a propriedade intelectual do que foi construído e se algum modelo depende de dado de treinamento cuja origem não pode ser comprovada. Empresa-alvo que não produz esse inventário em poucos dias já entrega um sinal de maturidade baixa antes de qualquer análise técnica mais profunda.

2. Qualidade e governança dos dados que alimentam a IA

Modelo sem dado de qualidade por trás não vale o que parece valer no discurso comercial da empresa-alvo. A diligência precisa checar se os dados usados nos casos de uso de IA têm governança documentada, classificação de sensibilidade e conformidade com a LGPD — a mesma lógica detalhada em governança de dados para IA: classificação e controle, aplicada aqui sob pressão de prazo de fechamento em vez de ciclo interno de melhoria contínua.

3. Dívida técnica de IA herdada

Este é o ponto que mais surpreende compradores despreparados. A McKinsey estima que dívida técnica representa 20% a 40% do valor do parque tecnológico antes da depreciação — um número que vira desconto direto aplicável ao valor do parque tecnológico na composição do múltiplo de aquisição. Em sistemas de IA especificamente, essa dívida aparece como modelo não documentado, pipeline de dados frágil que quebra sob volume maior, ausência de monitoramento de deriva de modelo (model drift) e dependência de uma única pessoa que entende como o sistema funciona de fato. O comprador que não mede essa dívida antes de assinar está comprando o custo de corrigi-la sem desconto no preço — o mesmo tipo de custo recorrente e estrutural detalhado em TCO de projetos de IA: o custo que vem depois, só que herdado de uma operação que o comprador não construiu e não controlou.

4. Contratos e dependência de fornecedores de IA

Boa parte da "capacidade de IA" de uma empresa-alvo não é dela — é de um fornecedor de modelo, de uma plataforma de IA generativa ou de um parceiro de implementação. A diligência precisa mapear cada contrato: o que acontece com o acesso ao modelo e aos dados de treinamento se o fornecedor mudar de dono, aumentar preço ou descontinuar o produto logo após o fechamento — o mesmo raciocínio de gestão de risco de fornecedores de IA aplicado sob prazo de transação, não de operação contínua. A resposta frequentemente determina se um "ativo de IA" sobrevive à mudança de controle ou desaparece junto com o contrato antigo.

Como a própria IA está acelerando a due diligence

Há uma segunda camada nessa história: a IA não é só o que está sendo avaliado — é também a ferramenta que está mudando como a avaliação é feita. Segundo a Datarooms, citando o relatório Global M&A Industry Trends da PwC, 68% dos bancos de investimento e consultorias financeiras globais já usam ferramentas de IA em alguma etapa do processo de due diligence, e algoritmos de machine learning conseguem reduzir em até 40% o tempo médio da fase de due diligence, segundo a McKinsey citada na mesma análise. Na revisão de contratos especificamente, a mesma fonte aponta queda de 5–10 dias para 2–4 horas.

O relatório M&A Report 2026 da Bain & Company confirma a tendência com outro corte: 45% dos executivos de M&A já usam IA no processo, adoção que mais que dobrou em relação a 2025, concentrada em sourcing, triagem e diligência, mas já se expandindo para integração pós-fechamento. Num exemplo citado pela Bain, uma integração bancária europeia usou IA para reduzir em 25% o tempo de planejamento — 240 horas de trabalho especializado economizadas entre teses de investimento, decisões e planos de integração.

A implicação prática: se a contraparte de M&A já usa IA para acelerar diligência, times que ainda fazem esse trabalho manualmente entram na negociação em desvantagem de velocidade — e velocidade frequentemente decide quem chega primeiro a um ativo concorrido.

Checklist prático: due diligence de IA antes de assinar

Uma sequência que cobre a maior parte do risco de IA numa transação, na ordem em que costuma fazer sentido conduzi-la:

1. Peça o inventário completo de sistemas de IA em produção — modelo, dado que o alimenta, fornecedor por trás e responsável interno por cada um.
2. Avalie a maturidade real por dimensão, com critério externo objetivo — as cinco dimensões (estratégia, dados, pessoas, governança, mensuração) do modelo de maturidade de IA nas empresas — em vez de aceitar "somos avançados em IA" como resposta de diligência.
3. Quantifique a dívida técnica de IA com apoio técnico especializado, não só jurídico — modelo não documentado e pipeline frágil não aparecem em contrato, aparecem em código.
4. Mapeie todo contrato de fornecedor de IA com cláusula de mudança de controle — o que acontece com o acesso a modelo e dado se a empresa mudar de dono.
5. Cruze o custo de correção com o preço da transação, tratando dívida técnica e governança pendente como ajuste de preço, não como trabalho pós-fechamento gratuito.
6. Desenhe o plano de integração de IA antes do fechamento — inclui capacitar o time herdado nos padrões de governança do comprador desde o primeiro dia.

Cláusulas de IA que deveriam entrar no SPA

O Share Purchase Agreement (SPA) é onde o risco identificado na diligência vira proteção contratual — e a maioria dos modelos de SPA em uso hoje ainda trata tecnologia de forma genérica, sem cláusula específica para IA. Pontos que merecem redação própria:

• Declarações e garantias (representations & warranties) específicas de IA: dado de treinamento de origem lícita e documentada, ausência de violação de propriedade intelectual de terceiros, e conformidade regulatória dos sistemas de IA em uso no momento do fechamento.
• Cláusula de continuidade de acesso a fornecedor de IA crítico, para que a mudança de controle não vire gatilho de cancelamento ou reprecificação abusiva de contrato essencial.
• Mecanismo de ajuste de preço (holdback ou escrow) vinculado a achados de IA ainda não quantificados com precisão até a data de assinatura.
• Indenização específica para passivo de dado de treinamento, cobrindo reclamação de propriedade intelectual ou de dado pessoal com origem em prática anterior à aquisição.

Nenhuma dessas cláusulas substitui a due diligence técnica — só funcionam se a diligência já identificou o risco a que se referem. Um SPA genérico com "declarações usuais de tecnologia" não protege o comprador de um passivo de IA que ninguém foi procurar.

O que muda na integração pós-fechamento

Due diligence de IA não termina na assinatura — ela define o ponto de partida da integração. Uma empresa que herda sistemas de IA de baixa maturidade tem o mesmo desafio de qualquer empresa que decide implementar IA na empresa do zero, com uma complicação a mais: precisa fazer isso sobre uma base que não desenhou e um time que aprendeu a trabalhar sob outra cultura de governança. Os passos que costumam definir se essa integração dá certo:

• Auditar de novo, com os próprios critérios, o que foi avaliado na diligência — o tempo entre a última verificação e o fechamento é suficiente para mudança material em produção.
• Unificar governança sob um único padrão, sem deixar a empresa adquirida operando com política de uso de IA própria enquanto o resto do grupo segue outra — o cenário clássico que alimenta shadow AI corporativo.
• Recalcular o TCO combinado: unir dois parques de sistemas de IA raramente soma linearmente, entre sobreposição de licença e integração de dado mais cara do que qualquer uma das duas empresas orçava sozinha — ver TCO de projetos de IA.
• Capacitar o time herdado nos padrões do comprador, em vez de assumir que "já usam IA" equivale a "usam do jeito que a governança do comprador exige".

Como a Jetpacks apoia essa avaliação

O diagnóstico Launchpad, primeira etapa do método Flight Plan da Jetpacks (Launchpad → Flight Plan → Booster → Mission Control), aplica a mesma lógica de mapa de impacto usada para priorizar investimento em IA a um contexto de M&A: avaliar, com critério externo e não com a palavra da empresa-alvo, em que estágio real de maturidade os sistemas de IA estão — estratégia, dados, pessoas, governança e mensuração — antes de qualquer decisão de integração ou de preço, a mesma metodologia usada com empresas como Hypera Pharma, Volvo, BMR Medical e C12 Brasil.

Depois do fechamento, o Booster capacita o time herdado nos padrões de governança do comprador — pelos programas Foundations, Productivity, Leadership, Builders, Custom ou Premium, com certificação Jetpack Certified — e o Mission Control acompanha se a integração está de fato unificando maturidade, ou só empilhando dois sistemas de IA sob um único CNPJ.

FAQ

O que é due diligence de IA em M&A?

É a avaliação, antes do fechamento de uma fusão ou aquisição, dos sistemas de inteligência artificial da empresa-alvo — inventário, qualidade dos dados que os alimentam, dívida técnica acumulada e dependência de fornecedores externos. O objetivo é precificar corretamente o que está sendo comprado, não apenas confirmar que "a empresa usa IA".

A due diligence de IA é diferente da due diligence de TI tradicional?

Sim. A due diligence de TI tradicional avalia infraestrutura, licenciamento e segurança de sistemas em geral. A due diligence de IA soma uma camada específica: procedência e governança do dado de treinamento, propriedade intelectual sobre modelos construídos internamente, deriva de modelo não monitorada e risco regulatório específico de IA (PL 2338, AI Act quando aplicável) — riscos que um checklist genérico de TI não captura.

Quem deve conduzir a due diligence de maturidade em IA numa transação?

Idealmente uma equipe combinada: especialistas técnicos em IA e dados para avaliar arquitetura, qualidade de dado e dívida técnica, e assessoria jurídica de M&A para traduzir os achados em cláusulas de representations & warranties e mecanismos de ajuste de preço no SPA. Diligência de IA feita só por advogados, sem avaliação técnica direta do código e dos dados, tende a não capturar o risco real.

Dívida técnica de IA afeta o preço final da aquisição?

Sim, diretamente. Segundo a McKinsey, dívida técnica pode representar de 20% a 40% do valor do parque tecnológico antes da depreciação, e a avaliação técnica em geral já move o múltiplo de aquisição entre 15% e 30%. Empresas compradoras experientes tratam dívida técnica de IA identificada na diligência como item de negociação de preço, não como problema a resolver depois, de graça.

Que cláusulas de IA devem constar no contrato de compra e venda (SPA)?

No mínimo: declarações e garantias sobre origem lícita dos dados de treinamento, ausência de violação de propriedade intelectual de terceiros, continuidade de acesso a fornecedores de IA críticos após a mudança de controle, e mecanismo de ajuste de preço (holdback ou escrow) vinculado a achados de IA que ainda não foram totalmente quantificados na data de assinatura.

A inteligência artificial está sendo usada para acelerar a própria due diligence?

Sim. Segundo a PwC, citada pela Datarooms, 68% dos bancos de investimento e consultorias financeiras globais já usam ferramentas de IA em alguma etapa da due diligence, com redução de até 40% no tempo médio do processo. A Bain & Company confirma a tendência: 45% dos executivos de M&A já usam IA no processo, mais que o dobro do ano anterior.

O que acontece se a due diligence de IA for pulada ou feita de forma superficial?

O comprador herda o risco sem desconto no preço: dívida técnica vira custo de correção pós-fechamento, dependência de fornecedor não mapeada pode travar a operação, e passivo de dado de treinamento mal documentado pode virar disputa jurídica sem mais alavanca de negociação com o vendedor.

Como integrar sistemas de IA herdados de uma aquisição sob um único padrão de governança?

Auditando de novo os sistemas herdados com os critérios do comprador, unificando política de uso de IA entre as organizações, recalculando o TCO combinado — que raramente soma de forma linear — e capacitando o time herdado nos padrões e ferramentas do comprador, sem assumir que familiaridade prévia com IA equivale a aderência à governança exigida.

Conclusão: preço, não promessa

Due diligence de maturidade em IA em fusões e aquisições existe para responder a uma pergunta concreta antes de assinar: o que está sendo comprado é um ativo de IA que sustenta o valor declarado, ou uma promessa técnica com dívida embutida que só vira visível depois do fechamento? Com o mercado brasileiro de M&A movimentando mais capital por operação e comprando de forma mais seletiva, essa camada de avaliação deixou de ser opcional — é o que decide se o múltiplo pago reflete a realidade dos sistemas herdados.

Se sua empresa está avaliando uma aquisição, negociando a venda de um ativo com componente de IA relevante, ou já fechou a transação e precisa integrar a capacidade herdada, o diagnóstico gratuito da Jetpacks mapeia, em 30 a 45 minutos e sem custo, o estado real de maturidade em IA por trás do número que está na mesa de negociação. Para levar essa avaliação à diretoria com a estrutura certa de risco e investimento, o business case de uma página ajuda a transformar o diagnóstico em decisão.