FACTUM.
Comparta un data room

Cómo lee la plataforma un data room

Qué pasa con sus documentos, paso a paso. 9 módulos leen el data room en un orden fijo, cada afirmación se comprueba contra su fuente y su propio revisor da el visto bueno.

Tres hallazgos materiales que su equipo aún no tenía, o el encargo es gratuito, en mandatos piloto.

Contrato de salida — cada hallazgo6/6
MóduloPredefinido, uno de la biblioteca
HallazgoUna afirmación, en una frase
Extracto literalCitado literalmente, por cita
GravedadUno de cinco niveles, de Info a Crítico
Fuente y ubicaciónData room o base de conocimiento, por cita
Revisión humanaEstado de revisión; exportar exige su aprobación

+3 campos, en una pantalla más ancha

El esquema que todo hallazgo debe cumplir. Detrás de cada uno, fuentes del data room o de la base de conocimiento (ley, IFRS, jurisprudencia, estudios de mercado), con su ubicación. Eso y la aprobación de su revisor se pueden abrir meses después.

Dentro del espacio de revisión

Un expediente construido sobre una empresa alemana ficticia: 8 hallazgos en 4 disciplinas. Abra uno, compruebe la fuente, decida.

Halvoria Antriebstechnik GmbH
  1. 1. Preparar el expediente
  2. 2. Revisar
  3. 3. Informe al cliente
Ejemplo construido

Empresa ficticia · 101 documentos en el data room8 hallazgos esperan su decisión

FIN-01Alta1 de 2

El EBITDA 2025 incluye 640.000 € no recurrentes

Módulo
Financiera · Calidad del resultado
Hallazgo
El EBITDA 2025 declarado, de 3,22 M€, incluye la reversión de una provisión por garantías de 640.000 €. El EBITDA ajustado es de 2,58 M€. Las cuentas de gestión no muestran normalizaciones.Halvoria Antriebstechnik GmbH
Por qué es un hallazgo

Constatado: La memoria califica la reversión de 640.000 € como ingreso de otro ejercicio 1. Está en otros ingresos de explotación, de 720.000 € 2. Las cuentas de gestión recogen cero normalizaciones 3. El IM afirma que no hubo partidas no recurrentes 4.

Criterio: La calidad del resultado elimina del EBITDA las partidas no recurrentes y de otros ejercicios. El borrador de SPA valora la empresa en 7,76 × EBITDA 2025 según las cuentas de gestión 5.

Aplicación: El EBITDA ajustado es de 2,58 M€, un margen del 10,5 % frente al 13,1 % del IM. Al múltiplo del SPA, la reversión arrastra unos 4,97 M€ de valor de empresa.

Extracto literal
In den sonstigen betrieblichen Erträgen ist die Auflösung der Rückstellung für Gewährleistungen aus dem Serienanlauf Baureihe HX-4 in Höhe von EUR 640.000 enthalten. Die Gewährleistungsfrist ist im Geschäftsjahr abgelaufen; Inanspruchnahmen erfolgten nicht. Es handelt sich um einen periodenfremden Ertrag.Marcado en la fuente, pág. 3 · ✓ Palabra por palabra del documento
Gravedad
Alta
Cálculo
EBITDA 2025 declarado 33.220.000 €
−Reversión de la provisión por garantías 1640.000 €
=EBITDA ajustado 2.580.000 €
EBITDA ajustado 2.580.000 €
÷Ingresos 2025 224.600.000 €
=Margen EBITDA ajustado 10,5 %
Reversión de la provisión por garantías 1640.000 €
×Múltiplo del SPA 57,76×
=Valor de empresa arrastrado 4.966.400 €
Cada operando cita su fuente.
Fuente y ubicación
  1. 1Jahresabschluss 2025 (HGB)pág. 3
  2. 2Jahresabschluss 2025 (HGB)pág. 2
  3. 3Management Accounts 2023–2027hoja GuV Management!D3:D4
  4. 4Information Memorandum (Auszug)pág. 1
  5. 5Geschäftsanteilskaufvertrag (Entwurf)§ 3.1
Revisión humana
Pendiente de su revisor. Nada llega al cliente sin su firma.

Solo es una demo. No se guarda nada.

Ejemplo construido. Halvoria Antriebstechnik GmbH y todos los nombres, documentos y cifras de aquí son ficticios. Las citas se quedan en el idioma del documento. Las decisiones no se guardan.

De la carga al hallazgo terminado

Seis etapas. Las mismas seis cada vez, mire alguien o no.

  1. 01

    Recuperación fundamentada

    El módulo entra en el data room y saca los pasajes que responden a su pregunta.

    Los datos financieros y personales confidenciales se seudonimizan antes de llegar a esta capa.

  2. 02

    Redacción contra el esquema

    Una afirmación sin documento y pasaje detrás no es un hallazgo.

  3. 03

    Generar-criticar-reintentar

    Un agente revisor evalúa el borrador y puede devolverlo una vez, con sus comentarios.

  4. 04

    Comprobación de fundamentación en cuatro capas

    Índice, cita, implicación, segunda opinión. Cada capa recoge lo que se le escapó a la anterior.

  5. 05

    Reconciliación entre disciplinas

    Los hallazgos se leen unos contra otros y se resuelven en un solo relato.

  6. 06

    Su revisión y aprobación

    Su revisor comprueba los hallazgos y los aprueba antes de exportar.

    La seudonimización solo se revierte aquí, en el entregable final.

Cuatro comprobaciones, cada una más estrecha que la anterior

Estas comprobaciones ayudan a mostrar lagunas de evidencia. Su revisor decide qué se puede utilizar.

  1. 01

    Calibración de citas

    Cada índice de cita se coteja con el conjunto de pasajes realmente recuperados.

    DetectaCitas que apuntan a un documento que la ejecución nunca abrió.
  2. 02

    Comprobación léxica de la cita

    El texto citado se coteja con el pasaje de origen, normalizando diferencias de formato y extracción de PDF.

    DetectaParáfrasis presentada como cita literal.
  3. 03

    Juez de implicación

    Un modelo aparte lee la afirmación y el pasaje y dicta si una se sigue del otro.

    DetectaCitas reales que no sostienen la afirmación construida sobre ellas.
  4. 04

    Verificación de segunda opinión

    Las afirmaciones aún discutidas tras la reparación pueden recibir un segundo juicio de modelo y una comprobación NLI local opcional. Sin respaldo de ninguno, el aviso permanece.

    DetectaPosibles rechazos incorrectos del primer juicio.

Las afirmaciones rechazadas pueden volver a citarse desde la fuente y comprobarse. Las lagunas restantes se marcan para revisión.

El contrato de salida, campo a campo

Seis campos. Un hallazgo que no puede rellenar los seis no se entrega como hallazgo.

  1. Módulo

    Cuál de los 9 lo produjo. Delimitado de antemano, así que la pregunta estaba escrita antes de abrir el data room.

    Cuando el campo queda vacíoNo hay carril de texto libre. Sin módulo, no hay hallazgo.

  2. Hallazgo

    Una afirmación, en una frase. Las afirmaciones compuestas se separan, porque una frase con dos solo se puede comprobar a medias.

    Cuando el campo queda vacíoDemasiado vago para comprobarlo cuenta como incorrecto.

  3. Cita literal

    El pasaje que lo sostiene, citado palabra por palabra. Ni resumido, ni pulido, ni recortado para que quepa.

    Cuando el campo queda vacíoUna paráfrasis presentada como cita no pasa la comprobación textual y vuelve atrás.

  4. Gravedad

    La consecuencia, medida contra el valor de la operación, en cinco niveles. La asigna el módulo que escribió el hallazgo.

    Cuando el campo queda vacíoUn hallazgo sin ponderar se lee igual que cualquier otra línea de la página.

  5. Documento y pasaje de origen

    Nombre de archivo y página, para que pueda abrirlo usted mismo. Es el campo que hace que un hallazgo sea discutible en lugar de autoritario.

    Cuando el campo queda vacíoUna referencia que no lleva a un pasaje real es un bloqueo duro, no un aviso.

  6. Revisión humana

    Su revisor aprueba o rechaza cada hallazgo; un rechazo exige un motivo. Antes de exportar deben estar aprobados los resúmenes de cada módulo, los diez riesgos principales y cada condición suspensiva.

    Cuando el campo queda vacíoSin aprobación, no hay exportación para el cliente. Lo no revisado va incluido con esa mención.

Una comprobación fallida puede activar una reparación y otro juicio. Las lagunas restantes se marcan para su revisor; el estado de revisión de cada afirmación sigue visible.

8 bloqueos duros

Un borrador rechazado tiene un reintento. Estas condiciones cierran el ciclo y llevan el borrador a su revisor, sin aprobar.

01

Fuga de privacidad

Datos que cruzaron un límite que no debían cruzar.

02

Fuente fabricada

Una cita que no resuelve a un pasaje real.

03

Sin confirmar tras la reparación

El control de fabricación sigue encontrando una afirmación sin respaldo después del reintento.

04

Rechazo por alcance

El módulo no puede responder dentro de su encargo, y lo dice.

05

Revisor no disponible

El agente revisor no pudo evaluar el borrador, así que no pasa como revisado.

06

Texto de relleno

Relleno dejado donde debería haber evidencia.

07

Borrador casi vacío

Demasiado poca sustancia para revisar.

08

Puntuación baja del revisor

El agente revisor puntuó el borrador por debajo del umbral.

Lo que hace su revisor

En el espacio de revisión, antes de exportar nada.

  1. Abre el pasaje citado y lo lee frente a la afirmación construida sobre él.
  2. Decide la materialidad: qué hallazgos cambian el precio, o si firmar en absoluto.
  3. Sopesa los conflictos entre módulos. Que dos disciplinas lean un mismo hecho de forma distinta es en sí un hallazgo.
  4. Ve lo que el pipeline retuvo y decide sobre ello.
  5. Aprueba los resúmenes de cada módulo, los diez riesgos principales y las condiciones suspensivas. Solo entonces puede salir la exportación.

8 bloqueos duros cortan antes el ciclo automático y llevan el borrador a su revisor, sin aprobar.

Para qué lee el motor el data room

Un módulo es una pieza de la máquina. Una dimensión es una pregunta que ya tiene, y hoy recibe una factura por cada una. Las 8 recorren el mismo data room en una sola pasada, así que lo que encuentra una queda sobre la mesa para la siguiente.

  1. Financiera
  2. Comercial
  3. Legal
  4. Fiscal
  5. RR. HH.
  6. IA
  7. Operativa
  8. Valoración y economía de la operación

Una dimensión sin las demás no es due diligence. La lista sale del código del producto, no de un folleto.

La biblioteca de módulos, en orden de despacho

Un módulo que espera el resultado de otro no puede empezar antes. Esa dependencia fija el orden. Cada módulo devuelve hallazgos.

  1. 01

    Lecturas independientes

    4 módulos

    Estos módulos no necesitan nada aguas arriba. Arrancan todos a la vez.

    • DD comercialHallazgo
    • DD de RR. HH.Hallazgo
    • DD operativaHallazgo
    • DD de IAHallazgo
  2. 02

    Legal

    1 módulo

    Lee RR. HH. y comercial antes de razonar: una exposición laboral o una reclamación contractual suele depender de hechos que esas dos lecturas ya han establecido.

    • DD legalZDRHallazgo
  3. 03

    Financiero

    1 módulo

    Lee las lecturas independientes y legal antes de razonar: una cifra de resultados se mueve en cuanto hay sobre la mesa una reclamación contractual o una exposición laboral.

    • DD financieraZDRHallazgo
  4. 04

    Fiscal

    1 módulo

    Lee financiero y legal antes de razonar: una posición fiscal es consecuencia de la estructura que la lectura financiera acaba de describir. A menudo se solapa con lo que legal encontró en ella.

    • DD fiscalZDRHallazgo
  5. 05

    Economía de la operación

    1 módulo

    Lee todo lo anterior y pregunta qué rinde realmente la operación.

    • Economía de la operaciónHallazgo
  6. 06

    Valoración

    1 módulo

    Lee economía de la operación encima de todo lo anterior, y recalcula el precio atravesando los hallazgos en lugar de rodearlos.

    • ValoraciónHallazgo

Derivado de los grafos de despacho del código fuente. ZDR marca los módulos cuyo enrutado exige retención cero. El procesamiento en la UE es la opción predeterminada.

La plataforma en cifras

Contado desde el código fuente del producto, sin estimaciones.

9

Módulos por encargo

Cada uno acotado a una disciplina. La pasada completa los ejecuta todos.

6

Olas de despacho

Ordenadas por dependencia. La ola 1 abre con 4 módulos a la vez.

3

Con retención cero obligatoria

Fiscal, legal y financiero nunca se ejecutan en un modelo que conserve datos.

8

Bloqueos duros

Condiciones que detienen un borrador, por muchos reintentos que haya habido.

Otras tres maneras de hacer esto

Comparadas como categorías de herramienta, no como productos con nombre. Cada marca responde a una pregunta: ¿hace esta categoría esto siquiera?

Data room virtualHerramientas de DD con IAIA de uso generalFactum
Módulo acotado por disciplinaData room virtualNoHerramientas de DD con IAEn parteIA de uso generalNoFactumSí
Corre sin que se le pidaData room virtualNoHerramientas de DD con IAEn parteIA de uso generalNoFactumSí
Cita exigida por el esquemaData room virtualNo aplicaHerramientas de DD con IAEn parteIA de uso generalNoFactumSí
Reconciliación entre disciplinasData room virtualNoHerramientas de DD con IANoIA de uso generalNoFactumSí
Produce el entregable, no una respuestaData room virtualNoHerramientas de DD con IAEn parteIA de uso generalNoFactumSí
Retención cero en el proveedor del modeloData room virtualNo aplicaHerramientas de DD con IAEn parteIA de uso generalNoFactumSí
Aprobación humana antes de exportarData room virtualNo aplicaHerramientas de DD con IANoIA de uso generalNoFactumSí
Auditoría de exactitud publicadaNadie en esta tabla la tiene, nosotros tampoco.Data room virtualNoHerramientas de DD con IANoIA de uso generalNoFactumNo
  • Sí
  • En parte
  • No
  • No aplica

Categorías, no proveedores. Los productos cambian cada trimestre y la mayoría de lo que se afirma públicamente sobre ellos lo publica el propio proveedor.

Lo que no afirmamos sobre la plataforma

Todo lo anterior describe un mecanismo. Nada de ello es una métrica certificada.

  • —Sin tasa de exactitud auditada. Los benchmarks internos son de un solo conjunto de datos y no están auditados.
  • —Sin afirmar que la puerta humana sea opcional. Es obligatoria.
  • —Todavía sin casos públicos cerrados.
  • —Factum no realiza due diligence técnica a nivel de producto, revisión de código fuente, evaluación de arquitectura ni pruebas de escalabilidad.
  • —Factum no realiza investigaciones de integridad o reputación ni comprobaciones de antecedentes sobre personas o contrapartes.
  • —Sin análisis legal y fiscal independiente de la jurisdicción. Ambos están ajustados al derecho neerlandés; para un target en otro país, que los revisen asesores locales.
  • —Sin disponibilidad general. Factum está en fase previa al lanzamiento.
Lo que la IA no puede hacer

Preguntas que recibimos

¿Qué significa due diligence con IA en Factum?

Due diligence sobre la empresa que usted compra o vende, realizada con IA. La IA de Factum lee el data room de esa empresa, cada documento que contiene. Cada hallazgo cita su documento fuente y su página. El uso que la propia empresa hace de la IA es una de las disciplinas que cubre Factum. Su propio revisor comprueba cada hallazgo y lo aprueba.

¿Por qué usar IA?

Lee cada documento del data room en lugar de una muestra, y encuentra lo que conecta un documento con otro. Las cuentas las hace el código: los recálculos entre los estados financieros, el modelo LBO y las comprobaciones del lado vendedor se ejecutan sin el modelo de lenguaje. Una cifra del modelo que no está en ningún pasaje citado se retiene. Las personas deciden: su revisor comprueba y aprueba.

¿No es esto un chatbot de IA con pasos de más?

Un modelo de IA generalista es una navaja suiza: hace de todo un poco, también revisar un data room. Factum es un bisturí quirúrgico: construido para este corte exacto. Esto son 9 módulos acotados de antemano, despachados en un orden de dependencia fijo, con cuatro comprobaciones de fundamentación y una puerta humana obligatoria. La diferencia es lo que pasa cuando nadie mira.

¿Por qué olas y no todo a la vez?

Fiscal no puede razonar sin las lecturas financiera y legal. Valoración no puede fijar precio sin fiscal. El grafo de dependencias marca el orden; la ola 1 sigue lanzando 4 módulos en paralelo.

¿Qué pasa cuando el modelo no lo sabe?

Un hallazgo lleva su evidencia y estado de revisión. Las lagunas siguen visibles. Las fuentes fabricadas son uno de los 8 bloqueos duros.

¿Cómo sé que los hallazgos se sostienen?

Los comprueba usted. Cada hallazgo lleva el pasaje en el que se apoya, y su propio revisor da el visto bueno antes de exportar nada. Aún no hay una tasa de exactitud auditada, y no insinuamos ninguna.

¿Cuánto tarda?

La pasada del pipeline dura horas. La revisión de su equipo viene después, a su ritmo. No damos una fecha antes de ver el data room.

¿Con qué frecuencia cita mal la IA sin más?

La IA puede atribuir mal las fuentes. Factum combina controles de citas, extractos e implicación con segundas opiniones específicas. Su revisor comprueba el resultado.

¿Para qué tamaño de operación está pensado esto?

Para las operaciones y add-ons donde una due diligence completa normalmente no compensa. En cuanto funciona ahí, escalarlo a cualquier tamaño de operación es cuestión de más documentos, no de otro sistema.

Véalo correr sobre su propio data room

Comparta un data room bajo NDA. Ejecutamos la pasada completa y seguimos con usted cada hallazgo hasta su pasaje de origen, en una llamada.

Primero el NDA, enviado el mismo día. Una operación que cerró el año pasado también sirve.

La garantía de hallazgos

Tres hallazgos materiales que su equipo no hubiera identificado ya, o el encargo es gratuito.

Solo para mandatos piloto. La garantía no se aplica a las demos.