Co to jest due diligence? Jak VC weryfikują startupy AI
Summary
Due diligence to ustrukturyzowana weryfikacja tego, co startup deklaruje, zanim przepłyną pieniądze, udziały lub podpis. W venture obejmuje pięć obszarów: finanse, prawo, technologię, komercję i zespół. W startupach AI dochodzą pytania o prawa do danych treningowych, o to, czy model jest własny czy wynajęty, o marżę inferencji i o możliwość odtworzenia wyników. Ustalenia nie kończą się zaliczeniem lub odrzuceniem: przesuwają wycenę, escrow i warunki zamknięcia, a przed otwarciem data room warto zrobić samokontrolę według tych samych pięciu obszarów.
Due diligence to ustrukturyzowana weryfikacja deklaracji firmy, zanim przepłyną pieniądze, udziały albo podpis. W venture capital oznacza to, że inwestor sprawdza finanse, sytuację prawną, technologię, rynek i zespół startupu w zestawieniu z tym, co obiecuje prezentacja. Co to jest due diligence w praktyce? Lista dokumentów, data room i kilka tygodni, w których każda liczba jest sprawdzana dwukrotnie. W przypadku startupów AI w 2026 roku lista ma dwie dodatkowe pozycje: kto jest właścicielem danych treningowych i jak koszty inferencji wpływają na marżę brutto.
Co obejmuje due diligence w transakcji venture?
Pięć obszarów działa równolegle. Każdy ma właściciela, listę dowodów i regułę zatrzymania.
Finanse: jakość przychodów, spalanie gotówki, runway, retencja kohort. Dowody: miesięczny rachunek zysków i strat, wyciągi bankowe, zestawienie ARR.
Prawo: tabela udziałowców, dokumenty spółki, umowy, spory sądowe. Dowody: statut, umowa wspólników, plan opcji, umowy z klientami.
Technologia: architektura, bezpieczeństwo, własność IP, skalowalność. Dowody: przegląd kodu, test penetracyjny, dostęp do repozytorium.
Komercja: wielkość rynku, pipeline, churn, koncentracja przychodów. Dowody: rozmowy z klientami, eksport z CRM, notatki z wygranych i przegranych ofert.
Zespół: doświadczenie założycieli, kluczowe zatrudnienia, referencje. Dowody: rozmowy referencyjne, umowy o pracę.
Im wcześniejszy etap, tym lżejsze pierwsze cztery obszary. Przed rundą seed kontrola opiera się niemal wyłącznie na zespole, bo nie ma czego innego sprawdzać. Przy Series A główny ciężar niosą finanse i prawo, a inwestor oczekuje uporządkowanych ksiąg. Kruze Consulting publikuje listy kontrolne due diligence dla poszczególnych etapów, które pokazują, o co inwestorzy zwykle proszą przy pre-seed, Series A i Series B.
Jedno rozróżnienie jest tu kluczowe. Due diligence nie jest audytem. Biegły rewident potwierdza, że sprawozdanie spełnia zasady rachunkowości. Zespół due diligence pyta, czy biznes jest tym, za co sprzedawca go uważa, i wycenia różnicę. Ustalenia nie kończą się zaliczeniem albo odrzuceniem. Przesuwają wycenę, warunki escrow i warunki zamknięcia transakcji.
Kto to prowadzi i ile to trwa?
Po stronie kupującego proces prowadzi partner lub principal, analityk buduje model, a zewnętrzni doradcy zajmują się częścią prawną. Księgowi i eksperci techniczni są zapraszani do konkretnych pytań, a nie do całości. Po stronie sprzedającego CFO lub zewnętrzny dyrektor finansowy przygotowuje data room i odpowiada na pytania.
Czas zależy od wielkości transakcji. Runda seed z liderem, który zna założycieli, może się zamknąć w ciągu dwóch do trzech tygodni. Series B z nowymi inwestorami to raczej sześć do ośmiu tygodni. Przejęcie kontrolne trwa dłużej, bo rozrastają się obszary prawne i podatkowe. Traktuj te wartości jako zakresy operacyjne, a nie benchmarki: nie istnieje publiczny zbiór danych o czasie trwania due diligence, a każdy, kto podaje dokładną średnią, zgaduje.
Głównym kosztem rzadko są stawki doradców. Jest nim uwaga założycieli. Zespół, który przez cztery tygodnie odpowiada na prośby, nie wdraża produktu, a inwestorzy, którzy to rozumieją, wysyłają jedną skonsolidowaną listę zamiast pięciu osobnych.
Siedem etapów, które przechodzi większość transakcji
Screening. Dopasowanie do tezy inwestycyjnej, etapu i wielkości czeku. Większość pipeline'u odpada właśnie tutaj i o to chodzi.
Rozmowa z zarządem. Założyciele przechodzą przez liczby. Inwestor słucha tego, czego prezentacja nie pokazuje.
Lista żądanych dokumentów. Uporządkowany plik z dokumentami, wysłany raz. Próbna lista VC od Cooley GO jest szeroko wykorzystywanym szablonem.
Przegląd data room. Obszary finansowy, prawny i techniczny są sprawdzane równolegle.
Rozmowy referencyjne i z klientami. Kontakty z dawnymi współpracownikami, a potem z trzema do pięciu klientami.
Memorandum z ustaleniami. Czerwone flagi sklasyfikowane jako blokujące, wpływające na cenę albo możliwe do naprawy po zamknięciu.
Korekta term sheet albo rezygnacja. Ustalenia przekładają się na oświadczenia i gwarancje, odszkodowania, escrow albo niższą cenę.
Pominięcie kroku piątego to najczęstszy skrót i najdroższy. Klient, który mówi „oceniamy alternatywy”, daje sygnał, którego żaden data room nie zawiera.
Co zmienia się, gdy celem jest startup AI?
Due diligence tradycyjnego oprogramowania bada jakość kodu, bezpieczeństwo i architekturę. To nadal obowiązuje. Warstwa AI dokłada cztery pytania, które rozstrzygają transakcję.
Czy firma jest właścicielem tego, na czym trenuje? Dane treningowe mogą być licencjonowane, pozyskane z sieci, kupione albo wygenerowane przez użytkowników, a każde źródło niesie inne prawa. Inwestor prosi o licencję dla każdego istotnego zbioru danych i sprawdza, czy trening modelu jest dozwolonym użyciem. Brak udokumentowanego pochodzenia danych nie jest przypisem. W poważnych przypadkach czyni model nieużywalnym. Regulatorzy pytają też o oceny skutków dla ochrony danych oraz podstawę prawną przetwarzania danych osobowych w zbiorze treningowym.
Czy możliwości są własne, czy wynajęte? Modele fundamentalne są towarem. Jeśli produkt to prompt i workflow owinięte wokół zewnętrznego API, konkurent z małym zespołem inżynierów może go skopiować. Sygnałem do szukania są własne dane, rygor ewaluacji i głębia integracji z workflow. Demo nie dowodzi żadnej z tych rzeczy.
Czy ekonomika jednostkowa wytrzyma skalę? Koszt inferencji rośnie wraz z użyciem. Startup, który podaje 80 procent marży brutto w pilotażu z dziesięcioma życzliwymi klientami, nie powiedział, jaka będzie marża przy dziesięciu tysiącach zapytań dziennie. Poproś o koszt na zadanie, w podziale na kohorty klientów, za ostatnie sześć miesięcy.
Czy model da się odtworzyć i obronić? Karty modeli, logi treningu, zbiory ewaluacyjne i historia wersji są odpowiednikiem badanego sprawozdania finansowego. Jeśli zespół nie potrafi ponownie uruchomić zeszłokwartalnego wyniku dokładności na świeżym zbiorze danych, prognoza adopcji zbudowana na tym wyniku jest krucha.
Bezpieczeństwo ma osobną pozycję. Agenci z szerokimi uprawnieniami, podatność na prompt injection i dostęp do danych zewnętrznych to powierzchnie ataku, których klasyczne przeglądy oprogramowania nie były zaprojektowane do testowania. Czerwona flaga jest prosta: wrażliwe dane są dostępne dla systemu, który nie ma powodu ich widzieć.
Dane z zewnątrz: warstwa outside-in
Zanim data room zostanie otwarty, zespół due diligence buduje obraz z zewnątrz na podstawie baz danych. Kto jeszcze finansował tę firmę, jak wygląda jej nabór, jak zmieniała się strona z cennikiem. Ta warstwa jest tania w porównaniu z resztą i wyznacza pytania do rozmowy z zarządem.
Crunchbase to punkt wejścia. Według ofert sprzedawców plan Pro w wersji self-serve kosztuje około $49 na użytkownika miesięcznie przy rozliczeniu rocznym, a eksport jest ograniczony do 2 000 wierszy miesięcznie. Ten limit trzeba uwzględnić w planie: wystarcza na kontrolę jednej firmy i jest za mały do mapowania całej branży.
PitchBook jest na drugim biegunie. Obejmuje około 4,5 mln firm i 525 tys. inwestorów, a sprzedawany jest na wycenę, w modelu za stanowisko, po cenie enterprise. Pokrycie uzasadnia koszt, gdy potrzebne są porównania transakcji, dane o funduszach i historia M&A w jednym miejscu. Nie uzasadnia go przy jednorazowej kontroli.
Dealroom jest mocniejszą opcją dla celów europejskich. Podawane ceny zaczynają się od około EUR 12 600 za minimum trzech stanowisk, więc to narzędzie zespołowe, a nie dla analityka pracującego samodzielnie.
Tracxn porządkuje firmy w kuratorowaną taksonomię sektorów z raportami branżowymi pisanymi przez analityków i jest najmocniejszy w Indiach oraz Azji Południowo-Wschodniej. Dla celu AI na tych rynkach często wskazuje konkurentów, których zachodnie bazy nie pokazują.
Żadna z tych baz nie zastępuje data room. Pokazują, które twierdzenia sprawdzić najpierw. Różnica między tym, co pokazuje baza, a tym, co mówi założyciel, to miejsce, w którym rozmowa z zarządem powinna spędzić najwięcej czasu.
Które czerwone flagi zmieniają cenę, a które kończą transakcję?
Nie każde ustalenie waży tyle samo. Użyteczny podział opiera się na tym, co inwestor może z tym zrobić.
Kończące transakcję:
IP założyciela lub kluczowego współpracownika nieprzypisane firmie
Dane treningowe pozyskane z naruszeniem licencji, bez ścieżki naprawy
Przychody, których nie da się uzgodnić z wyciągami bankowymi
Wpływające na cenę:
Koszty inferencji obniżające marżę brutto poniżej poziomu z prezentacji
Koncentracja klientów powyżej jednej trzeciej ARR na jednym koncie
Konflikty licencji open source wymagające przebudowy architektury
Możliwe do naprawy po zamknięciu:
Brakujące protokoły z zarządu albo nieaktualne przydziały opcji
Luki bezpieczeństwa z zdefiniowanym planem naprawy
Nieudokumentowane wersjonowanie modeli
Podział steruje dokumentacją. Pozycje kończące transakcję zatrzymują proces. Pozycje wpływające na cenę przekładają się na niższą wycenę albo earn-out powiązany ze zweryfikowanymi wynikami. Pozycje do naprawy stają się warunkami zamknięcia, escrow lub kwotami zatrzymanymi powiązanymi z kamieniami milowymi naprawy.
Jak założyciel powinien się przygotować, zanim otwarty zostanie data room?
Zacznij 60 do 90 dni przed rundą. Przeprowadź samokontrolę według tych samych pięciu obszarów i napraw to, co tanie w naprawie: przypisz IP, uporządkuj tabelę udziałowców, uzgodnij przychody z kontem bankowym, spisz licencje danych treningowych. Inwestorzy wyceniają to, co założyciele potrafią udowodnić, a w trakcie due diligence każde niedowiedzione twierdzenie zamienia się w dyskonto.
Buduj data room jako narzędzie operacyjne, a nie jednorazowe zrywanie się do pracy. Miesięczne zamknięcie, które wytwarza te same artefakty, o które zapyta inwestor, sprawia, że kolejna runda staje się kopiowaniem.
W firmach AI przygotuj z góry cztery dokumenty: inwentarz zbiorów danych z warunkami licencji, kartę modelu dla każdego modelu produkcyjnego, raport z ewaluacji z opisem zbioru testowego oraz tabelę kosztu na zadanie w podziale na kohorty. Te cztery dokumenty odpowiadają na większość pytań o AI za jednym razem.
Co my zrobilibyśmy w praktyce?
Przy czeku seed albo Series A pomiń pełny zewnętrzny pakiet doradczy. Zrób przegląd baz danych z zewnątrz, dwie rozmowy z klientami i jednostronicową kontrolę prawną dotyczącą przypisania IP oraz tabeli udziałowców. To pokrywa awarie, które faktycznie zabijają transakcje.
Przy Series B albo przejęciu zapłać za przegląd techniczny, jeśli twierdzenie o AI jest podstawą wyceny. Model wynajęty i model własny wyceniane są bardzo różnie, a jedyny sposób, by je odróżnić, to poprosić o dowody.
Sygnały, nie narracje: plik due diligence jest gotowy, gdy każde twierdzenie z prezentacji ma obok dokument albo dyskonto.