L'AI generativa nel procurement: hype, realtà, e quello che funziona davvero oggi

Ho passato gli ultimi mesi a testare strumenti di AI generativa su processi di procurement reali. Non demo, non proof of concept preparati per una presentazione: attività quotidiane, con dati aziendali veri, in condizioni normali di pressione temporale. L'obiettivo era distinguere cosa funziona davvero da cosa funziona solo sul palco di un convegno.

Quello che ho trovato è più sfumato di quanto mi aspettassi. In nessuno dei due estremi.

La prima categoria di applicazioni che ha dato risultati subito è quella che chiamerei "copilota documentale". Estrarre dati strutturati da contratti fornitori, confrontare clausole tra più bozze, riassumere lunghi documenti tecnici per preparare una riunione, tradurre e adattare comunicazioni verso fornitori esteri, generare la prima bozza di una lettera di qualifica o di una richiesta di chiarimento. Su queste attività il risparmio di tempo è reale e misurabile — tra il 40% e il 70% a seconda della complessità.

La seconda è l'analisi di spesa. Dare in pasto a un modello una spesa fornitori di qualche anno, anche in formato sporco, e chiedergli di identificare pattern, concentrazioni di rischio, opportunità di consolidamento, anomalie rispetto al trend. Non sostituisce l'analisi del category manager, ma produce una prima mappa in poche ore invece di giorni, e solleva domande che a volte nessuno aveva visto.

La terza, più delicata ma promettente, è il supporto alla negoziazione. Preparare una matrice di argomenti per un tender, simulare le obiezioni probabili del fornitore, costruire scenari alternativi con impatti economici. Qui l'AI non decide nulla — decide sempre il buyer — ma accorcia la preparazione e migliora la qualità delle argomentazioni.

Il supplier scouting automatizzato è la delusione più grossa del 2025-2026. L'idea di dare al modello un capitolato e ricevere una short list di fornitori qualificati non funziona, o meglio, produce liste di aziende che esistono e sembrano rilevanti ma che quasi sempre includono errori, fornitori cessati, attribuzioni di capacità produttive inventate. I modelli "hallucinano" volentieri su questi temi, e un buyer che si fida della short list senza verificare si ritrova in imbarazzo.

Anche la previsione automatica di prezzi di commodity su orizzonti medi è ancora lontana dall'essere affidabile. I modelli linguistici non sono nati per questo, i modelli specifici hanno bisogno di così tanti dati puliti che quasi nessuna azienda li ha.

Il supplier risk monitoring basato su news scraping produce tanto rumore e poco segnale. Un alert ogni volta che un fornitore finisce su un articolo di giornale è utile i primi tre giorni e insopportabile dalla settimana dopo.

La prima cosa che ho imparato è che il valore arriva quando l'AI è incastonata nel processo, non appesa al processo. Un chatbot generico a disposizione del team procurement produce curiosità e poche trasformazioni. Uno stesso modello integrato nel sistema di gestione contratti, nel portale fornitori, nelle RDA, produce effetti reali. La differenza la fa il lavoro di processo, non il modello.

La seconda è che l'AI è utile più dove c'è tanta scrittura e lettura di documenti che dove c'è da decidere. I processi procurement sono pieni di attività testuali ripetitive (capitolati, lettere, confronti, riassunti) e su queste si ottengono risultati subito. Le decisioni vere — scegliere un fornitore, chiudere una trattativa, gestire un conflitto — rimangono saldamente in mano alle persone, e va bene così.

La terza è che il confine etico e di controllo va scritto prima, non dopo. Un modello che prepara comunicazioni verso fornitori può essere utilissimo, ma senza un sistema di revisione umana sistematica può anche produrre danni reputazionali in poche settimane. Le aziende serie stanno introducendo procedure semplici — "nessuna comunicazione esterna firmata senza revisione umana" — che non rallentano ma proteggono.

Siamo in un momento strano. L'AI generativa non è la rivoluzione che qualcuno racconta, ma non è neanche l'hype fumoso che qualcun altro vorrebbe far credere. È uno strumento che cambia davvero alcune attività e ne lascia altre identiche. Il problema è che spesso non coincidono con quelle dove i convegni promettevano rivoluzioni.

Le aziende che stanno ricavando valore vero non sono quelle che hanno comprato le piattaforme più costose. Sono quelle che hanno identificato tre o quattro attività precise nel loro processo procurement, hanno integrato strumenti di AI su quelle specifiche attività, e hanno misurato onestamente i risultati.

Meno epica, più sartoria. Meno platform, più workflow. Meno annunci, più pratica quotidiana.

È un approccio che non fa notizia, ma funziona.