Структурирование сделок M&A c ИИ-активами: ключевые аспекты

С началом коммерциализации ИИ-продуктов многие игроки российского рынка M&A активно рассматривают возможности инвестирования в ИИ-активы и их приобретения в стратегических целях. В России число подобных сделок сегодня исчисляется десятками, включая как ИИ-проекты ранних стадий, так и совместные предприятия и приобретение зрелых активов. В данной статье рассматриваются ключевые аспекты структурирования сделок M&A c продуктовыми ИИ-компаниями. В частности, авторы анализируют различия в подходах к сопровождению сделок M&A с ИИ-активами и иными типами бизнесов, раскрывают структуру типового ИИ-продукта, описывают принципы распределения ответственности за ИИ-риски между сторонами сделки, приводят детальные чек-листы для проверки ИИ-компаний, а также освещают подходы к управлению рисками в рамках сделок M&A с ИИ.

1. ПОДХОДЫ К СОПРОВОЖДЕНИЮ СДЕЛОК M&A С ИИ-ПРОДУКТАМИ

По сделкам M&A с ИИ-активами приобретаются бизнесы, в основе которых лежит готовый ИИ-продукт, а не просто набор отдельных ИИ-компонентов или функций. Чаще всего объектами M&A выступают прикладные ИИ-решения, генерирующие выручку и имеющие свой рынок, то есть представляющие собой самостоятельный бизнес. В данной статье рассматриваются сделки с компаниями такого типа.

1.1. Что такое ИИ-продукт

С правовой точки зрения ИИ-продукт — это ИИ-система, комплексный актив, состоящий из различных компонентов, одним из которых является ИИ-технология, например большая языковая модель (далее — ИИ-модель) или иное нейросетевое решение. Архитектура типового ИИ-решения, основанного на нейросетевой технологии, включает следующие компоненты:

1. ИИ-модель. Это ключевой компонент продукта, обеспечивающий его ИИ-функционал. Сама по себе ИИ-модель в отрыве от прикладного ИИ-решения является внешней утилитой, не кастомизированной под конкретную практическую реализацию. Она генерирует общий ответ на основе входных данных, задействуя для этого набор параметров (весов), сформированный разработчиком в процессе ее предобучения. Функционал ИИ-модели, интегрированной в ИИ-решение, приобретает специфику, определяющую конкурентные преимущества продукта.

2. Массивы обучающих данных. Разработчик ИИ-модели изначально обучает ее на огромных датасетах. Впоследствии создатель ИИ-продукта может дообучить ту же ИИ-модель, если условия лицензии это позволяют, на другом наборе данных и сделать ее узкоспециализированной. В рамках конкретного ИИ-решения важно различать предобучающие и дообучающие (развивающие) ИИ-модель датасеты, а также форматы ее адаптации (полное или частичное дообучение, RAG).

3. Надстройки над ИИ-моделью. Часто в рамках ИИ-продукта используется надстройка RAG, расширяющая контекстное поле диалога пользователя с ИИ-моделью.

4. Оркестрационный слой. Это важная часть ИИ-продукта, отвечающая за бесшовное взаимодействие всех его компонентов. В функции оркестратора входит определение данных, которые загружаются в ИИ-модель, сервисов, к которым она обращается, формата генерации ответов. Оркестратор является комплексным объектом, включающим специализированное ПО, библиотеки системных промптов, логику обработки контекста, механизмы поиска и извлечения информации, обеспечивающие взаимодействие всех прочих компонентов ИИ-решения с ИИ-моделью.

5. Базы данных. В ИИ-решение включаются векторные базы данных, обеспечивающие работу RAG и долгосрочную память ИИ-агентов, ре... ✂