פער ה-Due Diligence Blind Spot: למה חברות ישראליות מאשרות רכישת נכס טכנולוגי בשיא גל ה-AI ומגלות אחרי הסגירה שרכשו את הדבר הלא נכון

בשנת 2026, שוק ה-M&A הגלובלי חוזר בעוצמה. לפי נתוני EY, עסקאות מעל 100 מיליון דולר עלו ב-88% בשווי וב-29% בנפח ביחס לשנה הקודמת. חברות ישראליות נגררות לגל, חותמות על עסקאות תוך לחץ אדיר, וחלק מהן מגלות אחרי הסגירה שמה שנכנס למאזן שלהן הוא נכס אחר לגמרי ממה שהן חשבו שקנו.

זה לא עניין של מרמה. זה עניין של מה שנבדק, מה שלא נבדק, ומה שאיש לא ידע לשאול.

הגל האמיתי: לא AI, אלא פחד מפיגור

כשפרמקט קלוד נוסף של Anthropic מגייס עשרות מיליארדים, כשאמזון ומיקרוסופט וגוגל מוציאות יחד מעל 700 מיליארד דולר בשנת 2026 על תשתית AI, כשכל דוח אנליסטים מסביר שמי שלא יאמץ AI יישאר מאחור, מנהלי חברות ישראליות מרגישים לחץ שהוא כמעט פיזיולוגי. הם צריכים לעשות עסקה. הם צריכים יכולת AI. הם צריכים את זה עכשיו.

לחץ כזה הוא הסביבה הנוחה ביותר לקבלת החלטות רעות.

PwC מאשרים בדוח האמצע שנתי שלהם ל-2026 דבר חשוב: שוק ה-M&A בתחום התוכנה, שנועד לרכוש יכולות AI, כבר התקרר לעומת 2025. מכפילי הסקטור ירדו. הסיבה? רוכשים זיהו שהם שילמו על יכולות שמתרחשות על ידי הענף המהיר. אבל הידיעה הזו לא עצרה את כל הגל, היא רק סיננה את הרוכשים הסבלניים. הרוכשים הישראלים הממוצעים? הם עדיין בגל הקודם.

מה זה בכלל "due diligence blind spot" בעסקת טכנולוגיה

ה-due diligence הקלאסי בעסקת M&A בודק חמישה דברים: פיננסים, משפטי, מס, רגולציה, ו-HR. חברות מתוחכמות מוסיפות technical due diligence, שבודק קוד, ארכיטקטורה, חוב טכנולוגי.

אבל בעידן שבו הנכס שאתה קונה הוא בעצם יכולת AI, אף אחד מהאלמנטים האלה לא בודק את השאלה הנכונה.

השאלה הנכונה היא: האם היכולת שאני קונה היא נכס שהשוק עדיין מתמחר ייחודי, או שזה יכולת שהפכה לקומודיטי בין הזמן שהמוכר בנה אותה לבין הזמן שאני חותם?

זה הבלינד ספוט. לא הפיננסים. לא הקוד. אלא שאלת ה-timing של הרלוונטיות.

הפרדוקס של שוק שנע מהר מדי

דמיינו חברה ישראלית בתחום logistics שמחליטה לרכוש סטארט-אפ ישראלי קטן עם מערכת ניתוב חכמה מבוססת מודל שפה. לפני שנה זה היה יתרון תחרותי אמיתי. מחלקת הפיתוח של הסטארט-אפ בנתה משהו שלקח שנתיים. ה-DD בודק: ההכנסות אמיתיות, החוזים חתומים, הקוד עובד, הצוות קיים.

מה ה-DD לא בדק? שבין ה-LOI לבין הסגירה, OpenAI השיקה כלי שעושה בדיוק אותו דבר כ-API לכל אחד, ב-99 דולר לחודש. שהיתרון התחרותי של הסטארט-אפ לא היה הקוד, אלא ה-edge שהיה לו בחלון זמן מסוים שהסתגר.

הרוכש גילה את זה שלושה חודשים אחרי הסגירה, כשהלקוחות של הנכס הנרכש התחילו לשאול למה הם צריכים לשלם לחברה הישראלית כשהם יכולים לקבל את אותה תוצאה בשבריר המחיר.

שלושת הפערים שה-DD הרגיל לא תופס

1. פער ה-Moat Evaporation

חברות טכנולוגיה בונות ערך סביב "חפיר" – יתרון שמגן עליהן מתחרות. בעולם ה-AI של 2026, חפירים שנבנו על בסיס מודל ייחודי, על ידע מסוים, או על יכולת ספציפית, יכולים להתאדות בתוך רבעון. ה-DD הרגיל מזהה את קיום החפיר. הוא לא מודד את קצב ההתאיידות שלו.

חברות שביצעו ממש נכון את ה-DD ב-2026 מוסיפות שאלה: מה יידרש מהשוק כדי לסגור את הפער שהנכס הזה מנצל? ואז הן מעריכות כמה זמן ייקח לזה לקרות. אם התשובה היא "פחות מ-18 חודש", הן מבצעות תמחור מחדש של העסקה.

2. פער ה-Talent Dependency

בעסקות M&A בתחום הטכנולוגיה, לעיתים קרובות מה שקונים זה לא קוד ולא IP. מה שקונים זה צוות שיודע לעשות משהו. ה-DD הפיננסי בודק retention agreements וחוזי עבודה. הוא לא בודק אם הצוות רוצה להישאר.

PE ורוכשים אסטרטגיים שבצעו עסקאות ב-2025-2026 מדווחים שאחד הגורמים הגדולים לכישלון post-merger הוא בריחת כישרונות בחצי השנה הראשונה. בתחום ה-AI, שוק הטאלנט בישראל ובעולם חם מאוד. אנשי ML ו-AI שמחפשים עבודה מוצאים אותה תוך שבועות. הרוכש נשאר עם ארכיטקטורה שאיש לא מכיר.

3. פער ה-Customer Logic

לקוחות של הנכס הנרכש קנו ממנו בגלל סיבה מסוימת. ה-DD בודק את ה-ARR, את ה-churn, את ה-NPS. הוא לא תמיד שואל: מה הלקוח יעשה כשהוא יגלה שהבעלים החדשים הם חברה ישראלית גדולה עם מבנה עלויות שונה, שירות לקוחות שונה, ואג'נדה אסטרטגית שלא בהכרח תואמת את הצרכים שלו?

חברות רבות מגלות שה-churn האמיתי מתחיל רק אחרי הסגירה, כש"כבר מאוחר מדי" להוריד את המחיר.

למה ישראל במיוחד חשופה לבלינד ספוט הזה

יש לכך שלוש סיבות מבניות.

הראשונה: שוק ה-M&A הישראלי קטן. רוב הרוכשים הישראלים מבצעים שתיים-שלוש עסקאות בחייהם הקורפורטיביים, לעומת קונגלומרטים אמריקאים שמבצעים עסקאות בכל רבעון. ה-institutional memory של "מה יכול להשתבש" פשוט לא קיים ברמה מספקת.

השנייה: יועצי ה-DD בישראל מצוינים בבדיקה פיננסית ומשפטית, אבל הצוותים שיכולים לבצע AI capability assessment מעמיק, שיבינו לא רק אם הקוד עובד אלא אם הוא רלוונטי בעוד שנה, הם נדירים. רוב החברות הישראליות לא מוצאות אותם ולא מחפשות אותם.

השלישית, ואולי החשובה ביותר: הלחץ מהדירקטוריון. כשמנכ"ל מגיע עם עסקה שמסומנת כ"השגת יכולת AI קריטית", ספרינגבורד לשוק מסוים, הדחף הוא לסגור. שאלות שיעכבו את הסגירה נחשבות לחסמים, לא לחיסכון.

מה עושים בפועל

Clifford Chance ציינו בניתוח ה-M&A שלהם ל-2026 שהתחום הגיע ל-inflection point, כשרוכשים מתחילים לעבור מרכישת סטארט-אפים ראשוניים לעסקאות פלטפורמה טרנספורמטיביות. זה שינוי חשוב: הוא אומר שהשוק הבשיל. אבל בישראל, חלק גדול מהרוכשים עדיין פועל בלוגיקת הגל הקודם.

מה שאפשר לעשות הוא ספציפי:

לבנות שאלון capability decay. לפני כל LOI על נכס טכנולוגי, להגדיר רשימה של תנאים שאם יתקיימו, יכולת הנכס הופכת לקומודיטי. לבדוק כמה מהתנאים האלה כבר קיימים, וכמה יכולים להיות קיימים בתוך 24 חודש.

לבצע customer discovery עצמאי. לא לדבר רק עם הלקוחות שהמוכר מסמן. לדבר עם לקוחות שעזבו. לדבר עם לקוחות פוטנציאליים שלא הפכו ללקוחות. לשאול: למה לא?

לדרוש talent commitment מעבר לחוזים. לשלב מנגנוני retention שמבוססים על milestone ולא רק על vesting. ולוודא שהמייסדים והמפתחים המרכזיים מבינים שהתמריצים שלהם מיושרים עם הצלחת האינטגרציה, לא רק עם סגירת העסקה.

לבנות "reverse due diligence" מהצד של הרוכש. לשאול: האם אנחנו, כרוכשים, בנויים לנהל ולפתח את הנכס הזה? האם יש לנו את הידע הפנימי כדי לקבל