הסיפור שהנתונים לא מספרים בפתיח
כל הדוחות על שוק ה-M&A ב-2026 מציגים תמונה דומה: עסקאות גדולות יותר, סלקטיביות גבוהה יותר, ושוק שחוזר לעצמו אחרי שנתיים של קיפאון. מה שהם פחות מדגישים הוא שבתוך ענף הטכנולוגיה עצמו יש פיצול חד שמשנה את כללי תמחור העסקאות באופן מבני ולא מחזורי.
חברות תוכנה שגייסו הון ב-2021 עד 2023 על בסיס מכפילי ARR גבוהים, ושמיקמו את עצמן כ"חברות AI", מגלות כעת שקונים אסטרטגיים מסרבים לאמת את אותן הנחות. לא בגלל שהשוק קר. בגלל שהקונים למדו להבחין בין חברה שמשתמשת ב-AI כמילת שיווק לבין חברה שבנתה יתרון תחרותי שקשה לשכפל.
הפער בין שתי הקבוצות הזה הוא אחד מגורמי התמחור הלא-מדוברים של שוק ה-M&A הנוכחי.
מה קרה למכפילי ה-AI בין 2025 ל-2026
ב-2025 רכישות תוכנה שמטרתן רכישת יכולות AI נסחרו בפרמיה משמעותית. הלוגיקה הייתה פשוטה: מי שלא יירכוש גישה ל-AI עכשיו יישאר מאחור. הדחיפות הזו יצרה עיוות תמחור שמימן רוכשים רבים בחרטה.
נתוני 2026 מראים שינוי. לפי PwC, פעילות ה-M&A בתוכנה ירדה ביחס ל-2025, והמגזר עבר "re-rating" כלפי מטה. לפי EY, רוכשים מרכזים כעת על נכסי נתונים קנייניים ופלטפורמות workflow שמעמיקות שילוב ארגוני. שתי ההגדרות האלה שונות מהותית מ"חברת תוכנה שמשתמשת ב-GPT לאוטומציה של תהליכים".
מה שקרה הוא שהקונים האסטרטגיים הגדולים פשוט השלימו מספיק עסקאות כדי לפתח אינטואיציה. הם ראו מה עובד בתוך הפורטפוליו שלהם ומה לא. והם מתרגמים את זה להגדרות ספציפיות יותר של מה הם מוכנים לרכוש ובאיזה מכפיל.
שלושה סוגי נכסי AI, שלושה מסלולי תמחור שונים
הטעות הנפוצה ביותר שרואים בתהליכי M&A בתחום הזה היא אחידות בהגדרת "חברת AI". בפועל, השוק כבר מבחין בין שלוש קטגוריות שונות לחלוטין מבחינת הגיון התמחור שלהן.
קטגוריה ראשונה: תשתית AI. מדובר בחברות שמאפשרות את הכלכלה של ה-AI, כולל כוח חישוב, קישוריות, רכיבים ייעודיים, ותשתיות קירור ואנרגיה. לפי PwC, הסגמנט הזה ממשיך לסחור בפרמיה, כי הביקוש פיזי ומדיד. אין כאן ויכוח על "האם ה-AI ייצור ערך", כי הצמיחה בצריכת מחשוב כבר מתורגמת לתזרים.
קטגוריה שנייה: תוכנה עם AI אמיתי ומשולב. חברות שבנו מודלים בעלי נתונים קנייניים, שיפרו ROI מדיד ללקוחות, ושיצרו עלות מעבר גבוהה. הקונים מוכנים לשלם מכפילים גבוהים אם הנחות האלה עומדות בבדיקת הנאותות. הבעיה היא שהבדיקה הזו כיום הרבה יותר מחמירה מאשר ב-2024.
קטגוריה שלישית: תוכנה שרכשה שכבת AI מבחוץ. חברות שהוסיפו יכולות AI על גבי מוצר קיים, מבלי לשנות את המודל העסקי, את מבנה הנתונים, או עלות המעבר של הלקוח. הקטגוריה הזו היא מוקד ה"re-rating" שמתואר בדוחות 2026. הרוכשים שואלים שאלה פשוטה: אם ה-AI שלך בנוי על API של OpenAI או Anthropic, מה קורה ל-moat שלך כשכל המתחרים שלך יכולים לעשות את אותו הדבר בשלושה חודשים?
הנקודה שבה ה-M&A פוגש מימון
הפיצול הזה לא רלוונטי רק לרוכשים. הוא רלוונטי גם לחברות שמתכוננות לתהליך גיוס הון או מכירה, כי הוא משפיע ישירות על האופן שבו ייבנה מבנה העסקה.
חברה בקטגוריה השלישית שמנסה להיכנס לתהליך M&A עם מכפיל ARR שמבוסס על השוואה לעסקאות מ-2023 עד 2024, תגלה פער תמחור שמקשה על סגירה. אם הגפ הזה לא מטופל מראש, הוא מופיע בשלב המו"מ ופוגע בלוחות זמנים, ולפעמים גם בסגירה עצמה.
הדרך לטפל בזה אינה להתווכח עם הרוכש על המכפיל. הדרך היא לבנות מראש הערכת שווי שמודה בפיצול הקטגורי, ולתמחר את הפרמיה שמגיעה לחברה הספציפית על בסיס מה שהיא כן הוכיחה. זה מחייב עבודה נפרדת על ניתוח NRR, ניתוח עלות מעבר, ומפת נתונים קנייניים, לפני שנכנסים לתהליך.
מה קורה כשיש פער בין ציפיות המוכר לציפיות הקונה
הנתון של BCG שמדבר על עסקאות גדולות יותר אבל פחות בנפח, מתאר תופעה שיש לה גם פרשנות נוספת: חלק גדול מהעסקאות שלא נסגרו פשוט לא הגיעו לסגירה בגלל פערי תמחור שלא גושרו.
בשוק שבו הקונים יותר סלקטיביים ויותר מחמירים בבדיקת הנאותות, חברות שנכנסות לתהליך עם הנחות תמחור שלא נבדקו מראש, מסתכנות בשלושה דברים: בזבוז זמן הנהלה, חשיפת מידע פנימי לתהליך שלא מסתיים, ופגיעה במיצוב בשוק אם יוודע שהתהליך נפל.
הסיבה שזה קורה היא לא בהכרח תמימות. לפעמים זה נובע מכך שמוכרים מתבססים על המחאות שהם עשו לעצמם, כלומר השוואה לעסקאות מוצהרות בתקשורת, מבלי לנתח מה בדיוק נרכש ובאיזה מבנה. עסקאות של Amazon ב-Anthropic, למשל, הן עסקאות השקעה עם זכויות שימוש ולא רכישות שמשקפות מכפיל ARR רגיל. להשתמש בהן כנקודת ייחוס לתמחור חברת SaaS היא טעות ניתוח בסיסית שרואים שוב ושוב.
הצד התעשייתי של הסיפור
בינתיים, ב-M&A תעשייתי קורה משהו אחר לגמרי. הנתונים מ-PwC, BCG, ו-Bain מציגים תמונה עקבית: תעשיות שנהנות מהביקוש ל-AI, כולל בנייה, תשתיות, מערכות קירור, אנרגיה, ורכיבים, מושכות תשומת לב ממשקיעים אסטרטגיים שלא היו שם ב-2022.
הדינמיקה הזו יוצרת הזדמנות M&A לא מובנת מאליה: חברות תעשייתיות קטנות ובינוניות שתמיד נסחרו במכפילי EBITDA צנועים, עשויות למצוא עצמן ביקושות אסטרטגיים שנובעים מתחרות הרוכשים על שרשרת האספקה של כלכלת ה-AI. הרוכשים כאן הם לפעמים דווקא חברות הטכנולוגיה הגדולות שרוצות לאבטח גישה לתשתיות פיזיות, ולא רק חברות תעשייה שרוצות לאחד.
עבור חברה תעשייתית שלא נחשבת "חברת טכנולוגיה", ההשלכה היא שהצגת עצמה לתהליך M&A מחייבת הבנה של מיהם הקונים הסבירים. חברת ייצור רכיבי קירור לצנטרי נתונים תמוצב ותתומחר אחרת מחברת ייצור רכיבי קירור לבניינים מסחריים, גם אם הטכנולוגיה זהה.
המשמעות לתהליך בדיקת הנאותות
אחת המסקנות המעשיות ממה שקורה בשוק ב-2026 היא שבדיקת הנאותות הופכת יותר ויותר להיות מקום שבו עסקאות נופלות, ולא רק מאומתות. לפי Bain, לוחות מנהלים ומשקיעים שואלים שאלות קשות יותר על track record אינטגרציה לפני אישור עסקאות. זה לא רק על הרוכש. זה גם על המוכר.
חברה שרוצה לסגור עסקה ב-2026 ב-multiples ראויים צריכה להגיע מוכנה לתשאול על מדדים שלפני שלוש שנים לא היו מרכזיים. כמה מהתכונות שמבוססות על AI השימוש בהן הלך ועלה ולא ירד. מה קורה ל-retention כשהפיצ'ר ה-AI מוסר. כמה מהנתונים שמאמנים את המודל שייכים לחברה ולא ניתנים לשכפול. האם ה-AI משפר מרג'ינים או רק פיצ'ר.
אלה שאלות שצריך לבנות תשובות מוכנות עליהן לפני שנכנסים לתהליך, לא במהלכו.
