L\u2019intelligenza artificiale sta trasformando il procurement a una velocit\u00e0 senza precedenti. Attivit\u00e0 che fino a poco tempo fa richiedevano giorni possono essere completate in pochi minuti: analizzare la spesa, verificare contratti, individuare criticit\u00e0 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 responsabilit\u00e0: ogni decisione supportata dall\u2019AI dipende dalla qualit\u00e0 dei dati, dalla solidit\u00e0 dei processi e dal livello di controllo che l\u2019organizzazione \u00e8 in grado di esercitare.<\/p>\n\n\n\n
\u00c8 questa, oggi, la vera sfida per chi guida il procurement: aumentare velocit\u00e0 ed efficienza senza perdere qualit\u00e0, controllo e accountability. E questo \u00e8 particolarmente vero in Italia che presenta una struttura industriale unica: ad esempio il settore manifatturiero \u00e8 costruito su filiere multi-livello con migliaia di PMI fornitrici e subfornitrici. Secondo Confindustria, il settore manifatturiero italiano \u00e8 interconnesso con fornitori extra-UE per 364 categorie di prodotto, per un valore di circa 26 miliardi di euro. In un contesto cos\u00ec frammentato, il monitoraggio del rischio fornitori e la visibilit\u00e0 sulla supply base richiedono strumenti che vadano oltre le capacit\u00e0 manuali \u2014 e l’AI diventa un abilitatore naturale.<\/p>\n\n\n\n
Il tema \u00e8 inoltre particolarmente rilevante perch\u00e9 al procurement viene chiesto molto pi\u00f9 che ridurre i costi. La funzione \u00e8 chiamata a contribuire alla gestione del rischio, alla resilienza della supply chain, alla sostenibilit\u00e0 e alla trasformazione digitale dell\u2019intera organizzazione. L\u2019AI pu\u00f2 essere un acceleratore straordinario, ma il suo valore non si misura dal numero di attivit\u00e0 che riesce ad automatizzare. Si misura dalla sua capacit\u00e0 di produrre risultati migliori per il business.<\/p>\n\n\n\n
Una recente ricerca che abbiamo promosso con Economist Enterprise, Procurement at a crossroads: from optimism to realism<\/em>, coinvolgendo 2.648 executive in tutto il mondo, conferma questa direzione: il 56% degli intervistati considera la strategia sull\u2019AI il principale catalizzatore dell\u2019agenda digitale del procurement. Allo stesso tempo, emerge una minore fiducia nella capacit\u00e0 delle organizzazioni di trasformare gli investimenti tecnologici in outcome migliori e consistenti.<\/p>\n\n\n\n Il messaggio \u00e8 chiaro: la prossima fase dell\u2019AI nel procurement non riguarda pi\u00f9 l\u2019accesso alla tecnologia, ma la capacit\u00e0 di costruire le condizioni per trasformarne il potenziale in valore misurabile.<\/p>\n\n\n\n Quando si parla di AI, la tentazione \u00e8 spesso quella di partire dallo strumento: quale soluzione adottare, quale modello utilizzare, quale processo automatizzare. Per il procurement, credo che l\u2019approccio debba essere esattamente inverso.<\/p>\n\n\n\n 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\u2019organizzazione potrebbe voler aumentare la percentuale di acquisti effettuati secondo contratto, riducendo il cosiddetto maverick buying, cio\u00e8 l\u2019acquisto effettuato fuori dai processi, dai contratti o dai fornitori approvati dall\u2019azienda.<\/p>\n\n\n\n Sono obiettivi diversi e richiedono dati, livelli di automazione e controlli differenti.<\/p>\n\n\n\n Partire dal risultato consente anche di definire fin dall\u2019inizio quali decisioni l\u2019AI pu\u00f2 prendere autonomamente, quali raccomandazioni devono essere sottoposte a verifica e quali scelte devono necessariamente rimanere sotto la responsabilit\u00e0 di una persona. In questo modo la governance non diventa un controllo aggiunto alla fine del processo, ma una componente del suo stesso disegno.<\/p>\n\n\n\n C\u2019\u00e8 poi un elemento che considero imprescindibile: la qualit\u00e0 e la disponibilit\u00e0 dei dati.<\/p>\n\n\n\n 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\u2019AI pu\u00f2 essere sofisticata quanto si vuole, ma se non dispone del contesto corretto rischia di produrre indicazioni incomplete o, peggio, di trasformare un\u2019informazione incerta in una raccomandazione apparentemente certa.<\/p>\n\n\n\n Non \u00e8 necessario aspettare di avere dati perfetti per iniziare. \u00c8 per\u00f2 necessario sapere dove i dati sono affidabili, dove presentano lacune e quali decisioni possono essere prese sulla base delle informazioni disponibili.<\/p>\n\n\n\n Per questo una strategia AI efficace deve essere accompagnata da una solida data governance: definizioni condivise, responsabilit\u00e0 chiare, controlli sugli accessi e fonti tracciabili. Quando l\u2019informazione \u00e8 incompleta, l\u2019AI deve essere in grado di evidenziarlo.<\/p>\n\n\n\n La trasformazione del procurement non significa, quindi, trasferire ogni decisione all\u2019intelligenza artificiale.<\/p>\n\n\n\n La ricerca Economist Enterprise mostra che meno di un executive su dieci immagina di affidare all\u2019AI 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 attivit\u00e0 tattiche, mantenendo il controllo umano sulle decisioni strategiche.<\/p>\n\n\n\n \u00c8 un equilibrio che considero particolarmente importante. Un algoritmo pu\u00f2 confrontare rapidamente prezzi, condizioni contrattuali e indicatori di performance. Pu\u00f2 identificare un fornitore che presenta dati particolarmente favorevoli. Ma non pu\u00f2 necessariamente comprendere fino in fondo la qualit\u00e0 di una relazione, la capacit\u00e0 di un partner di collaborare durante una crisi o la disponibilit\u00e0 di un fornitore a innovare.<\/p>\n\n\n\n Queste valutazioni richiedono esperienza, conoscenza del mercato e capacit\u00e0 relazionali. In un contesto in cui molte organizzazioni avranno accesso a tecnologie e dati sempre pi\u00f9 simili, sar\u00e0 proprio questa capacit\u00e0 di interpretare gli output dell\u2019AI e combinarli con esperienza e giudizio a fare la differenza.<\/p>\n\n\n\n Il tessuto industriale italiano \u00e8 storicamente costruito su relazioni di filiera profonde, spesso radicate in distretti territoriali dove la fiducia, la prossimit\u00e0 e la conoscenza reciproca tra cliente e fornitore sono asset strategici. <\/p>\n\n\n\n Perch\u00e9 questo modello possa funzionare su larga scala, \u00e8 necessario misurare non soltanto l\u2019efficienza generata dall\u2019AI, ma anche la qualit\u00e0 delle decisioni e i rischi associati.<\/p>\n\n\n\n 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\u2019AI, gli errori legati alla qualit\u00e0 dei dati e le eventuali violazioni dei controlli. \u00c8 un passaggio fondamentale perch\u00e9 l\u2019AI pu\u00f2 produrre efficienza visibile senza necessariamente migliorare le decisioni che contano davvero.<\/p>\n\n\n\n La trasformazione richiede inoltre un cambiamento culturale. Le persone devono sapere come lavorare con l\u2019AI, quando mettere in discussione una sua raccomandazione e chi mantiene la responsabilit\u00e0 della decisione finale. Procurement, Finance, IT, Legal e Operations devono condividere regole e responsabilit\u00e0 prima che si verifichi un problema, non dopo.<\/p>\n\n\n\n Il futuro del procurement non sar\u00e0 quindi semplicemente pi\u00f9 automatizzato. Sar\u00e0 pi\u00f9 aumentato dall\u2019intelligenza artificiale, ma anche pi\u00f9 focalizzato sulle attivit\u00e0 dove esperienza, capacit\u00e0 di giudizio e relazioni fanno realmente la differenza.<\/p>\n\n\n\n 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.<\/p>\n\n\n\n Paolo Brida \u00e8 head of Spend Management di SAP Italia<\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" L\u2019intelligenza artificiale sta trasformando il procurement a una velocit\u00e0 senza precedenti. Attivit\u00e0 che fino a poco tempo fa richiedevano giorni possono essere completate in pochi…<\/p>\n","protected":false},"author":4771,"featured_media":139589,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"related_posts":[],"footnotes":"","_links_to":"","_links_to_target":""},"categories":[19013,5593722,5593723],"tags":[5592835,4645944,28],"series":[],"sapn-display":[5593714,5593712,45149],"sapn-type":[5593732],"class_list":["post-140620","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-corporate","category-gestione-finanziaria","category-spend-management","tag-intelligent-spend-management","tag-intelligenza-artificiale","tag-procurement","sapn-display-feature-hero","sapn-display-feature-spotlight","sapn-display-homepage-hero","sapn-type-feature"],"yoast_head":"\nPartire dal risultato, non dalla tecnologia<\/strong><\/h2>\n\n\n\n
Senza dati connessi, l\u2019AI non fornisce informazioni corrette<\/strong><\/h2>\n\n\n\n
L\u2019AI aumenta il valore del giudizio umano<\/strong><\/h2>\n\n\n\n
Misurare insieme valore e rischio<\/strong><\/h2>\n\n\n\n
\n\n\n\n