私募股權盡職調查（Private Equity Due Diligence）：大量合約的風險審閱流程與 6 個步驟
盡職調查是投資人在交易前系統查核標的公司財務、法律與營運狀況，作為估值、交易架構與契約風險配置依據的程序。
在私募股權（private equity）交易中，盡職調查最耗時的部分通常不是判斷風險，而是讀完文件。一筆中型交易的合約母體可能包含數百至數千份客戶、供應商、租賃、授權、僱傭與融資文件，但審閱時間由交易時程決定，未必與風險分布相符。
盡職調查的結果會影響估值、交易架構、交割條件、賣方陳述與保證、揭露附表（disclosure schedules）、賠償安排及陳述與保證保險（R&W insurance），但不會單獨決定交割後的剩餘風險。依《ABA 2025 Private Target Mergers & Acquisitions Deal Points Study》，雙重重大性排除（double materiality scrape）的使用率由前次研究的 69% 升至 82%；這項數據衡量的是雙重排除，而非所有形式的 materiality scrape。
一、盡職調查是交易決策與契約風險配置的共同基礎
盡職調查是一方在重大投資、併購或策略合作前，對另一方進行的系統性查核。私募股權交易通常由財務、法律與營運三條工作線並行，各自回答不同問題，再由交易團隊整合為投資判斷。
財務、法律、營運三類盡職調查的分工
三類可能共用同一資料室，但只有法律盡職調查需要逐份閱讀合約文本——這也是風險最容易被抽樣漏掉的地方。財務團隊確認收入品質時，也常需回查客戶合約中的價格、續約、退款、終止及最惠客戶（MFN）條款。
| 類型 | 英文 | 查核範圍 | 主要輸出 |
|---|---|---|---|
| 財務盡職調查（FDD） | financial due diligence | 報表品質、應收應付、稅務、EBITDA 調整 | 品質調整後的財務數字 |
| 法律盡職調查（LDD） | legal due diligence | 股權結構、重大合約、訴訟、智慧財產、勞動及法遵 | 重大風險報告（red flag report）、交易文件條件 |
| 營運盡職調查 | operational due diligence（ODD） | 流程、系統、供應鏈及關鍵人員 | 整合方案與 100 天計畫 |
法律盡職調查要確認的四件事
交易能否依預定架構完成：股權結構、優先權、同意權，以及控制權變更（change of control）是否觸發第三人同意、終止權或其他限制。
買方取得的權利是否完整：智慧財產權歸屬、授權範圍，以及關鍵客戶與供應商合約能否持續履行。
是否存在未充分揭露的負債：擔保物權、第三人保證、賠償義務、未決訴訟與法遵缺口。
風險如何回到交易文件：把發現轉化為價金調整、交割前提、特別賠償、揭露附表或其他契約安排。
二、大量合約的「盲抽」源自母體、時程與抽樣方式不一致
「盲抽」通常不是審閱者缺乏紀律，而是三個結構性限制交會的結果。
母體太大、時間窗太短
合約母體常橫跨客戶約、供應商約、租賃、授權、僱傭與融資文件。獨家議約期通常只有數週，律師團隊能逐條讀完的份數是固定的。
抽樣比例由時程決定，不是由風險分布決定
實務上多半按金額排序取前 N 大，或按合約類型各抽幾份。問題是高風險條款不必然落在高金額合約裡——一份金額不高的獨家經銷約或含 MFN 條款的合約，可能比前十大客戶約更能影響交割後的營運自由度。
跨語言與跨法域讓抽樣更偏
台灣標的常同時持有中文、英文、日文合約，準據法橫跨台灣、新加坡、香港與美國。實務上會優先審閱審閱者讀得動的語言與熟悉的法域，這是一種沒有被記錄下來的抽樣偏誤。
三、大量合約風險審閱的 6 個步驟
步驟一至三：門檻、清冊與結構化
先定義什麼叫重大：金額門檻、期間門檻，以及不論金額都必須看的條款類型（例如控制權變更、擔保、獨家）。門檻要寫下來，因為它會在賠償談判時被對方檢視。
接著在讀任何一份合約之前把母體點清楚：份數、類型、當事人、期間、準據法、語言。清冊不完整，後面所有抽樣都沒有意義——你無法對一個沒有邊界的母體宣稱涵蓋率。
然後把每份合約的關鍵條款抽成同一張表的欄位：終止、續約、賠償上限與存續期間、擔保與保證、競業、獨家、MFN、資料保護、爭議解決。結構化之後，全量比對才成為可能。
步驟四至六：分級、複核與接回交易條件
依重大性門檻把每個條款標成三級：需在交割前處理、需在交易文件中處理、記錄備查。真正要交給資深律師的是例外，不是全部。
同類型合約放在一起看，偏離標準版本的條款自然浮出來；此時由律師複核例外項目與抽樣以外的高風險樣本。
最後，每一項紅旗都要對應一個處置：價金調整、特別賠償、交割前提、揭露附表，或接受並記錄。沒有接回交易條件的紅旗，等於沒有發現。
四、最常被漏掉的高風險條款
五、AI 輔助的合約審閱能做什麼、不能做什麼
把「讀完」從抽樣變成全量，是目前 AI 在盡職調查裡最務實的用途：建立清冊、把條款抽成結構化欄位、跨數百份文件比對差異、標出偏離標準版本的例外。這些工作可稽核、可重跑，且不需要對法律判斷下結論。
重大性門檻由律師定義，例外由律師複核，紅旗如何接回交易條件由律師與投資團隊決定。合約審閱工具屬於 decision-support，不構成法律意見。
七、如果你要把抽樣改成全量
Tenfold AI（天賦人工智慧）是 AI-native 法律智能平台，旗艦平台 LexGents 中有三項功能對應上述第二到第五步：LexTable 跨數百份合約抽取同一組條款欄位並排比對，輸出可稽核的清冊與差異表；LexRisk 進行合約風險審閱、紅線與反提案；Knowledge Management 把資料室裡的各種檔案格式轉成可搜尋的知識庫，中英文並行。
平台採 tenant isolation，客戶資料不會用於訓練共享模型；資訊安全控制依 SOC 2 Type II 與 ISO 27001 架構設計，認證作業進行中，並納入 GDPR 與台灣個人資料保護法的處理要求。跨法域覆蓋台灣、新加坡、香港與美國，中英雙語。所有輸出為 decision-support，仍需律師複核。
小結
私募股權盡職調查的合約風險，很少是因為看不懂而漏掉，多半是因為沒有看到。把流程拆成清冊、抽取、分級、複核四段之後，抽樣就從賭運氣變成一個可以被說明、被稽核的決定：哪些看完了、哪些只列冊、為什麼。
參考來源
美國律師協會，《ABA 2025 Private Target Mergers & Acquisitions Deal Points Study》——double materiality scrape 使用率 69%→82%
個人資料保護法（全國法規資料庫）
GDPR（EUR-Lex）
本文為實務說明，不構成法律意見。個案請洽您的法律顧問。本文法規狀態以 2026 年 9 月為準。
六、常見問題
盡職調查的合約要看到多完整才算足夠？
沒有絕對比例。務實的標準是：清冊必須是全量的，而審閱深度可以分級。你要能說明哪些合約被完整審閱、哪些只做條款抽取、哪些僅列冊，以及理由。
法律盡職調查和財務盡職調查誰先做？
多半並行。但合約清冊應該最早完成，因為財務盡職調查在確認收入品質時會回頭引用客戶約的條款。
中英文合約混雜要怎麼處理？
先統一條款欄位定義，再處理語言。同一個條款在中英文版本用語不一致時，以準據法與正本條款為準，並列為紅旗。
materiality scrape 會如何影響盡職調查的深度？
採用 materiality scrape 時，賣方陳述與保證中的重大性限定在特定情形下會被剔除；依剔除範圍是及於違反之認定、損害之計算或兩者，而有單一與雙重之分。買方可求償的範圍因此擴大，相對地買方對重大性的事前判斷也會被更嚴格檢視，門檻設定應留下書面依據。
大量合約可以只用關鍵字搜尋來篩嗎？
關鍵字可以找到部分條款標題或固定用語，但可能漏掉改寫、交叉引用或散落在附件中的實質條款。關鍵字適合第一層過濾，不宜單獨作為審閱涵蓋率的依據。