L’intelligenza artificiale sta trasformando il procurement a una velocità senza precedenti. Attività che fino a poco tempo fa richiedevano giorni possono essere completate in pochi minuti: analizzare la spesa, verificare contratti, individuare criticità nella supply base, monitorare i rischi o guidare le persone verso acquisti conformi alle policy aziendali. Ma la stessa tecnologia che accelera i processi introduce anche nuove responsabilità: ogni decisione supportata dall’AI dipende dalla qualità dei dati, dalla solidità dei processi e dal livello di controllo che l’organizzazione è in grado di esercitare.
È questa, oggi, la vera sfida per chi guida il procurement: aumentare velocità ed efficienza senza perdere qualità, controllo e accountability. E questo è particolarmente vero in Italia che presenta una struttura industriale unica: ad esempio il settore manifatturiero è costruito su filiere multi-livello con migliaia di PMI fornitrici e subfornitrici. Secondo Confindustria, il settore manifatturiero italiano è interconnesso con fornitori extra-UE per 364 categorie di prodotto, per un valore di circa 26 miliardi di euro. In un contesto così frammentato, il monitoraggio del rischio fornitori e la visibilità sulla supply base richiedono strumenti che vadano oltre le capacità manuali — e l’AI diventa un abilitatore naturale.
Il tema è inoltre particolarmente rilevante perché al procurement viene chiesto molto più che ridurre i costi. La funzione è chiamata a contribuire alla gestione del rischio, alla resilienza della supply chain, alla sostenibilità e alla trasformazione digitale dell’intera organizzazione. L’AI può essere un acceleratore straordinario, ma il suo valore non si misura dal numero di attività che riesce ad automatizzare. Si misura dalla sua capacità di produrre risultati migliori per il business.
Una recente ricerca che abbiamo promosso con Economist Enterprise, Procurement at a crossroads: from optimism to realism, coinvolgendo 2.648 executive in tutto il mondo, conferma questa direzione: il 56% degli intervistati considera la strategia sull’AI il principale catalizzatore dell’agenda digitale del procurement. Allo stesso tempo, emerge una minore fiducia nella capacità delle organizzazioni di trasformare gli investimenti tecnologici in outcome migliori e consistenti.
Il messaggio è chiaro: la prossima fase dell’AI nel procurement non riguarda più l’accesso alla tecnologia, ma la capacità di costruire le condizioni per trasformarne il potenziale in valore misurabile.
Partire dal risultato, non dalla tecnologia
Quando si parla di AI, la tentazione è spesso quella di partire dallo strumento: quale soluzione adottare, quale modello utilizzare, quale processo automatizzare. Per il procurement, credo che l’approccio debba essere esattamente inverso.
La prima domanda dovrebbe essere: quale ambito vogliamo migliorare? Un team di sourcing potrebbe voler ridurre il tempo necessario per preparare una gara. Un category manager potrebbe avere bisogno di intercettare prima variazioni nei prezzi o segnali di rischio nella supply base. Un’organizzazione potrebbe voler aumentare la percentuale di acquisti effettuati secondo contratto, riducendo il cosiddetto maverick buying, cioè l’acquisto effettuato fuori dai processi, dai contratti o dai fornitori approvati dall’azienda.
Sono obiettivi diversi e richiedono dati, livelli di automazione e controlli differenti.
Partire dal risultato consente anche di definire fin dall’inizio quali decisioni l’AI può prendere autonomamente, quali raccomandazioni devono essere sottoposte a verifica e quali scelte devono necessariamente rimanere sotto la responsabilità di una persona. In questo modo la governance non diventa un controllo aggiunto alla fine del processo, ma una componente del suo stesso disegno.
Senza dati connessi, l’AI non fornisce informazioni corrette
C’è poi un elemento che considero imprescindibile: la qualità e la disponibilità dei dati.
Dati sui partner, informazioni sulla spesa, contratti, performance dei fornitori e indicatori di rischio sono spesso distribuiti tra sistemi diversi e gestiti secondo logiche differenti. Un’AI può essere sofisticata quanto si vuole, ma se non dispone del contesto corretto rischia di produrre indicazioni incomplete o, peggio, di trasformare un’informazione incerta in una raccomandazione apparentemente certa.
Non è necessario aspettare di avere dati perfetti per iniziare. È però necessario sapere dove i dati sono affidabili, dove presentano lacune e quali decisioni possono essere prese sulla base delle informazioni disponibili.
Per questo una strategia AI efficace deve essere accompagnata da una solida data governance: definizioni condivise, responsabilità chiare, controlli sugli accessi e fonti tracciabili. Quando l’informazione è incompleta, l’AI deve essere in grado di evidenziarlo.
L’AI aumenta il valore del giudizio umano
La trasformazione del procurement non significa, quindi, trasferire ogni decisione all’intelligenza artificiale.
La ricerca Economist Enterprise mostra che meno di un executive su dieci immagina di affidare all’AI un ruolo decisionale prevalente nella maggior parte delle scelte di procurement nei prossimi tre anni. Al contrario, il 46% prevede che la tecnologia possa soprattutto assistere le persone nelle attività tattiche, mantenendo il controllo umano sulle decisioni strategiche.
È un equilibrio che considero particolarmente importante. Un algoritmo può confrontare rapidamente prezzi, condizioni contrattuali e indicatori di performance. Può identificare un fornitore che presenta dati particolarmente favorevoli. Ma non può necessariamente comprendere fino in fondo la qualità di una relazione, la capacità di un partner di collaborare durante una crisi o la disponibilità di un fornitore a innovare.
Queste valutazioni richiedono esperienza, conoscenza del mercato e capacità relazionali. In un contesto in cui molte organizzazioni avranno accesso a tecnologie e dati sempre più simili, sarà proprio questa capacità di interpretare gli output dell’AI e combinarli con esperienza e giudizio a fare la differenza.
Il tessuto industriale italiano è storicamente costruito su relazioni di filiera profonde, spesso radicate in distretti territoriali dove la fiducia, la prossimità e la conoscenza reciproca tra cliente e fornitore sono asset strategici.
Misurare insieme valore e rischio
Perché questo modello possa funzionare su larga scala, è necessario misurare non soltanto l’efficienza generata dall’AI, ma anche la qualità delle decisioni e i rischi associati.
Riduzione dei tempi di ciclo, aumento della compliance contrattuale, spesa gestita, performance dei fornitori e adozione da parte degli utenti sono indicatori importanti. Ma devono essere affiancati da metriche come il numero di eccezioni, gli interventi umani sulle raccomandazioni dell’AI, gli errori legati alla qualità dei dati e le eventuali violazioni dei controlli. È un passaggio fondamentale perché l’AI può produrre efficienza visibile senza necessariamente migliorare le decisioni che contano davvero.
La trasformazione richiede inoltre un cambiamento culturale. Le persone devono sapere come lavorare con l’AI, quando mettere in discussione una sua raccomandazione e chi mantiene la responsabilità della decisione finale. Procurement, Finance, IT, Legal e Operations devono condividere regole e responsabilità prima che si verifichi un problema, non dopo.
Il futuro del procurement non sarà quindi semplicemente più automatizzato. Sarà più aumentato dall’intelligenza artificiale, ma anche più focalizzato sulle attività dove esperienza, capacità di giudizio e relazioni fanno realmente la differenza.
Le organizzazioni che riusciranno a collegare AI, dati affidabili, governance e competenze delle persone saranno quelle che potranno trasformare la tecnologia da semplice strumento di automazione in una vera leva strategica.
