Digitalizzazione del procurement con l’IA: un grande miglioramento della funzione acquisti

Il procurement, ovvero l’approvvigionamento strategico di beni e servizi, sta subendo una trasformazione radicale grazie all’intelligenza artificiale (IA). Strumenti avanzati, basati su algoritmi di machine learning, analisi predittiva e automazione, stanno rivoluzionando i processi tradizionali, migliorando la gestione delle relazioni con i fornitori, ottimizzando i costi e aumentando l’efficienza delle supply chain.

In passato, il procurement si basava principalmente sull’esperienza del personale e su dati storici. Oggi, grazie all’IA, è possibile elaborare enormi quantità di dati in tempo reale, identificare pattern nascosti e anticipare tendenze di mercato.

Ma secondo un recente articolo di Aasheesh Mittal, Charles Cocoual, Mauro Erriquez, and Theano Liakopoulou pubblicato da McKinsey & Co.: “La maggior parte dei CPO non si sente pronta per la rivoluzione guidata dai dati”.

Questo articolo, scritto con l’importante contributo di Francesco Tozzato*, temporary manager per l’area acquisti, esplora come l’IA sta modificando il panorama del procurement, con una particolare attenzione al ruolo strategico del temporary management.

Come opera l’IA? (h2)

L’IA si basa su diversi processi e strumenti per svilupparsi e diventare sempre più potente ed efficace. Tali innovazioni sono preziose per il procurement. In questo ambito, l’intelligenza artificiale utilizza:

1. Algoritmi di machine learning

• Supervised Learning (apprendimento supervisionato): utilizzato per prevedere tendenze di mercato, prezzi delle materie prime e comportamenti dei fornitori basandosi su dati storici.
• Unsupervised Learning (apprendimento non supervisionato): utile per segmentare fornitori, identificare pattern nei dati e rilevare anomalie.
• Reinforcement Learning (apprendimento per rinforzo): adatto per ottimizzare processi iterativi come il riordino delle materie prime o la pianificazione delle scorte.

2. Natural language processing (NLP)

Il NLP consente di analizzare testi non strutturati provenienti da contratti, e-mail e documenti di gara. Estrapola informazioni chiave come termini contrattuali, rischi e opportunità. Il NLP è anche alla base di chatbot e assistenti virtuali che gestiscono richieste operative in linguaggio naturale.

3. Sistemi di Robotic Process Automation (RPA)

Grazie a questi sistemi, si automatizzano attività ripetitive e basate su regole precise, come l’inserimento di ordini, il monitoraggio delle fatture o l’invio di richieste di offerta (RFQ).

4. Algoritmi di analisi predittiva

Essi prevedono la domanda futura, fluttuazioni di prezzo e disponibilità delle risorse. Supportano la pianificazione strategica del procurement, ottimizzando tempistiche e volumi di acquisto.

5. Sistemi di analisi prescrittiva

Offrono raccomandazioni su azioni da intraprendere, come selezionare un fornitore o diversificare gli acquisti. Si basano su dati storici e scenari simulati.

6. Integrazione con Big Data

L’IA sfrutta dati provenienti da diverse fonti (ERP, CRM, database di mercato, piattaforme IoT) per creare una visione completa e in tempo reale della supply chain.

7. Strumenti di simulazione e modellazione

Permettono di simulare scenari di mercato, confrontare strategie di approvvigionamento e ottimizzare decisioni critiche.

8. Blockchain integrata all’IA

In questo modo, si garantiscono la tracciabilità e la sicurezza dei dati nella catena di approvvigionamento. La blockchain integrata all’IA supporta la verifica dell’autenticità dei materiali e la conformità dei fornitori alle normative.

L’IA applicata al procurement

L’IA permette, dunque, di trasformare radicalmente il processo di acquisto, rendendolo più efficiente. La digitalizzazione degli strumenti del procurement (es. RFI – RFQ – Market test comparativo RFQ) e dei cicli di approvvigionamento riduce i tempi di gestione e minimizza gli errori umani. Soluzioni di benchmarking avanzato utilizzano algoritmi di machine learning che possono confrontare automaticamente le offerte dei fornitori, evidenziando le opzioni più competitive sia dal punto di vista tecnico che economico.

L’IA consente di simulare scenari complessi per ottimizzare le decisioni di approvvigionamento, come il consolidamento degli ordini, l’individuazione del fornitore con la giusta tecnologia, l’allocazione geografica dei fornitori. La tracciabilità digitale garantisce una visione in tempo reale delle forniture, riducendo i rischi di interruzione.

Di seguito si riportano alcuni esempi di applicazione dell’intelligenza artificiale negli acquisti.

Analisi predittiva

Relativamente all’analisi predittiva, l’IA:

• analizza grandi volumi di dati storici e di mercato per prevedere fluttuazioni nei prezzi delle materie prime, identificando il momento migliore per effettuare gli acquisti;
• ottimizza l’emissione degli ordini per ridurre le eccedenze di magazzino sulla base dei trend di vendita e/o la stagionalità;
• consente di individuare le tendenze emergenti nelle tecnologie, permettendo all’azienda di anticipare i cambiamenti del mercato;
• normalizza, organizza, rende leggibili e utilizzabili quei dati su cui si basano i modelli predittivi. Questi dati, strutturati e non, provengono da diverse fonti, come ricerche di mercato, brevetti registrati, pubblicazioni scientifiche, report delle vendite e dei comportamenti dei consumatori;
• identifica correlazioni tra variabili, come l’aumento delle richieste per una specifica tecnologia, prodotto, volumi di mercato o la crescita di brevetti in un settore emergente;
• rileva pattern nei dati storici.

Automazione nel procurement

In ambito approvvigionamenti, molto è stato sviluppato in termini di automazione sia di processi che di strumenti. Ad esempio:

• Digitalizzazione delle RFI e RFQ:

• • I sistemi di gestione del procurement basati sull’IA automatizzano la creazione e l’invio delle richieste di offerta, integrandosi direttamente con i dati presenti nel sistema ERP.
  • Le informazioni necessarie (specifiche tecniche, quantità richieste, termini di consegna) vengono estratte automaticamente dal sistema e inserite nelle richieste senza intervento umano, riducendo errori e incongruenze.

• Market test comparativo delle RFQ:

• • Gli algoritmi di machine learning analizzano le risposte dei fornitori, confrontando automaticamente i parametri tecnici ed economici delle offerte ricevute creando modelli unici e standardizzati per tecnologia e/o famiglia merceologica.;
  • I dati vengono elaborati per creare una classifica delle offerte più competitive, basata su criteri predefiniti come prezzo (con breakdown delle voci di maggiore impatto), qualità, tempi di consegna, flessibilità e sostenibilità.

• Benchmarking avanzato:

• • Gli algoritmi di machine learning confrontano le offerte non solo tra i fornitori partecipanti, ma anche rispetto a database storici e benchmark di mercato.
  • Il sistema evidenzia automaticamente opportunità di risparmio o eventuali anomalie, come prezzi fuori mercato o condizioni contrattuali non competitive, o in ogni caso dati e simulazione falsi.

In sintesi, l’IA accelera i processi decisionali nel procurement, consentendo di:

1. 1. Ridurre il lead time decisionale: grazie all’elaborazione immediata di grandi quantità di dati, l’IA permette di prendere decisioni rapide e informate.
   2. Migliorare la trasparenza: dashboard interattive e reportistica automatizzata offrono una visione completa delle performance del procurement, supportando il miglioramento continuo.
   3. Potenziare la collaborazione con i fornitori: soluzioni digitali basate sull’IA facilitano lo scambio di informazioni, migliorando la comunicazione e le relazioni strategiche.

Il ruolo del temporary management nel cambiamento generato dall’applicazione dell’IA nel procurement

L’introduzione di strumenti di IA nel procurement richiede una gestione del cambiamento efficace. Qui entra in gioco il temporary management, che offre competenze per:

1. Analizzare la situazione: il temporary manager valuta le tecnologie IA già disponibili in azienda (se presenti) e il livello di maturità digitale; identifica aree critiche e processi chiave che possono beneficiare dell’IA (es. gestione fornitori, analisi dei costi, monitoraggio della supply chain).
2. Guidare la trasformazione digitale: il temporary manager, a valle dell’analisi condotta, identifica aree critiche, sviluppa una roadmap per l’implementazione dell’IA, identificando gli strumenti adatti alle esigenze dello specifico contesto aziendale.
3. Formare il personale: un interim manager coordina programmi formativi per il team, garantendo competenze adeguate a sfruttare le nuove tecnologie.
4. Gestire la resistenza al cambiamento: con leadership autorevole, il temporary manager affronta resistenze interne e promuove una cultura dell’innovazione.
5. Misurare l’impatto: monitorando i KPI, il temporary manager assicura che i benefici attesi siano effettivamente realizzati.
6. Ottimizzare la struttura organizzativa: analizzando i processi aziendali, il temporary manager aiuta a ridurre costi e migliorare l’efficienza operativa complessiva.

Benefici del Temporary Management nel cambiamento

1. Rapidità di implementazione: esperienza e conoscenze specifiche consentono di accelerare il processo di adozione dell’IA.
2. Minimizzazione dei rischi: una gestione esperta riduce gli errori nella fase di implementazione.
3. Flessibilità strategica: il temporary manager adatta il piano alle esigenze e alle peculiarità dell’azienda.
4. Sostenibilità del cambiamento: il temporary manager promuove una cultura aziendale orientata all’innovazione.

In conclusione

L’integrazione dell’IA nel procurement rappresenta una svolta epocale per le aziende, offrendo opportunità di ottimizzazione, risparmio e trasparenza senza precedenti. Tuttavia, l’efficacia di questa trasformazione dipende da come viene gestito il cambiamento. Proprio per questo, può essere utile affidarsi al temporary management.  Grazie alla sua capacità di guidare l’implementazione, formare i team e garantire risultati misurabili, il temporary manager è un acceleratore di innovazione, permette alle imprese di sfruttare appieno i vantaggi dell’IA e di acquisire un vantaggio competitivo nel mercato globale.

*Francesco Tozzato: Temporary Manager e Senior Consultant, ha un’esperienza consolidata trentennale nella gestione strategica degli Acquisti e della Supply Chain. Ha ricoperto ruoli dirigenziali come Supply chain e Purchasing Director in aziende multinazionali, guidando team interfunzionali e coordinando progetti complessi di approvvigionamento e acquisti corporate. È specializzato in marketing d’acquisto, analisi del valore.

Nota: In questo articolo vengono utilizzate le espressioni Manager, Imprenditore, Temporary Manager e simili in maniera neutra, cioè senza alcun riferimento al genere della persona, potendosi ovviamente trattare di un manager o imprenditore donna o uomo allo stesso modo.