La gestione dei fornitori e delle gare d’appalto rappresenta una delle aree più dense di complessità per le imprese industriali. La quantità di documenti da analizzare, la varietà di parametri da confrontare e la dipendenza dall’esperienza individuale dei buyer rendono i processi di procurement lenti, costosi e spesso poco scalabili. L’adozione dell’AI nel procurement, in questo scenario, diventa una leva per superare limiti storici e introdurre un approccio realmente oggettivo alle decisioni d’acquisto. È il caso illustrato da Piergiorgio Stano, Director e Head of Data, Analytics & AI di BearingPoint, nel corso del convegno Data & Decision Intelligence: pilotare l’AI per usarla davvero! organizzato dall’Osservatorio Big Data & Business Analytics del Politecnico di Milano.

Dalla lettura manuale alla decisione data-driven

Nel suo intervento, Stano ha descritto l’esperienza di un gruppo manifatturiero internazionale alle prese con un processo di procurement complesso e ripetitivo. Ogni trimestre, il team era chiamato a gestire tra 250 e 300 risposte a gare RFP, documenti che variavano dalle 50 alle 80 pagine ciascuno e che coinvolgevano otto dirigenti in un’attività di analisi lunga settimane. «È come se ogni singolo dirigente dovesse leggere l’intera saga di Harry Potter ogni tre mesi, e presumo non sia altrettanto avvincente», ha commentato Stano, sottolineando l’assurdità di una mole di lavoro ancora interamente manuale.

Il processo si basava sull’interpretazione umana e sulla memoria storica dei membri del team: la conoscenza delle performance passate dei fornitori era tramandata informalmente, senza un archivio strutturato. La conseguenza era una dipendenza eccessiva dalle persone, con rischi di disomogeneità nei giudizi e di perdita di conoscenza al variare dei responsabili. «Serve innovazione, ma soprattutto il coraggio di cambiare», ha affermato Stano. Da questa esigenza è nata una soluzione fondata sull’intelligenza artificiale, costruita per ridurre la soggettività e accelerare la presa di decisione.

I tre pilastri dell’AI nel procurement

Il progetto, racconta Stano, si basa su tre direttrici fondamentali. La prima riguarda l’automazione dell’analisi documentale, con l’obiettivo di eliminare le attività più ripetitive e liberare tempo per le valutazioni strategiche. Grazie all’AI, l’azienda è riuscita a gestire automaticamente la raccolta, la lettura e la comprensione delle risposte alle RFP, garantendo un controllo di completezza e coerenza su centinaia di documenti.

La seconda direttrice è la creazione di un sistema di scoring quantitativo, che consente di confrontare le offerte dei fornitori su parametri oggettivi, superando la variabilità delle interpretazioni personali. Tale modello consente di riprodurre le valutazioni in modo stabile e verificabile, con una metodologia definita e condivisa tra gli stakeholder.

Il terzo pilastro riguarda la fruibilità delle informazioni. Tutti i dati raccolti vengono archiviati in una knowledge base interna, interrogabile tramite un’interfaccia conversazionale. «Si può chiedere, per esempio, qual è il fornitore che ha performato meglio negli ultimi tre anni su un determinato KPI di qualità e ricevere in pochi istanti una risposta puntuale e documentata», ha spiegato Stano.

L’integrazione tra uomo e macchina

L’architettura descritta da Stano unisce interazione umana e backend automatizzato. I fornitori caricano i documenti attraverso il portale acquisti, da cui parte un processo di automazione che prevede un controllo di completezza, un’analisi della leggibilità e, nei casi necessari, l’applicazione di sistemi OCR per convertire documenti scansionati in formato digitale.

Il passaggio decisivo è l’impiego di un Large Language Model (LLM), che analizza il contenuto di ogni risposta per verificare la presenza di tutte le informazioni richieste e per estrarre insight significativi. L’LLM legge, comprende e calcola automaticamente gli indicatori di performance stabiliti, alimentando così il sistema di scoring e lo storico dei dati aziendali.

Questo approccio, precisa Stano, non sostituisce il giudizio umano ma ne amplifica la portata. «Il ruolo decisionale delle persone non viene meno, perché tutti gli step sono controllabili, auditabili e governati dagli esperti del dipartimento», ha sottolineato. La responsabilità finale resta ai professionisti del procurement, che possono contare su una base informativa più solida e trasparente.

Dalle settimane alle ore: la rivoluzione dei tempi

L’impatto operativo del progetto è stato immediato. Il tempo medio per completare il processo di analisi e selezione dei fornitori è sceso da due-tre settimane a circa due ore, una riduzione resa possibile dall’automazione delle fasi più time consuming. Oltre alla velocità, il nuovo approccio ha introdotto un livello di rigore metodologico inedito. Ogni passaggio è tracciabile, le valutazioni sono replicabili e gli stakeholder condividono una griglia di criteri comune, riducendo la discrezionalità.

Il sistema, inoltre, è scalabile: l’aumento del numero di fornitori o delle gare non comporta un incremento proporzionale dei costi. Ciò permette di mantenere stabile la capacità di analisi anche in scenari di crescita del business, un aspetto che rende la soluzione sostenibile nel lungo periodo.

Accountability e cultura del dato

La definizione di un processo strutturato ha avuto anche un effetto culturale. La trasparenza dei criteri e la tracciabilità dei passaggi decisionali hanno rafforzato la fiducia interna e favorito l’adozione dell’AI da parte del team. Stano ha evidenziato come ogni step sia dotato di una chiara accountability, elemento chiave per garantire la credibilità del sistema e ridurre le resistenze al cambiamento.

La storicizzazione dei dati consente poi di costruire un archivio aziendale che cresce nel tempo, arricchendosi a ogni ciclo di gara. Questa memoria digitale diventa un asset strategico per migliorare le valutazioni future e per abilitare nuovi scenari di analytics e forecasting.

Dalla knowledge base al procurement predittivo

Il valore dei dati raccolti non si limita al supporto delle decisioni immediate. Secondo Stano, il passo successivo sarà sfruttare la knowledge base per costruire modelli predittivi di supplier management. La combinazione di dati storici, KPI di performance, sconti, qualità e indicatori macroeconomici potrà consentire di anticipare le tendenze e individuare in anticipo i fornitori più affidabili o quelli a rischio.

Questo tipo di approccio predittivo rappresenta una naturale evoluzione dell’AI nel procurement, capace non solo di automatizzare ma di orientare strategicamente le scelte aziendali. Le informazioni prodotte permettono di generare reportistica avanzata, identificare aree di efficientamento e supportare i processi di budgeting con una visione basata su dati reali e aggiornati.

L’intelligenza artificiale come amplificatore del giudizio umano

L’idea centrale dell’esperienza raccontata da Stano è che l’intelligenza artificiale non debba sostituire l’uomo, ma potenziarne la capacità di analisi e decisione. «L’obiettivo non è eliminare il giudizio umano, ma amplificarlo», ha spiegato. L’AI diventa quindi uno strumento per restituire tempo e consapevolezza ai professionisti, liberandoli dalle attività ripetitive e consentendo loro di concentrarsi su valutazioni a più alto valore aggiunto.In questa prospettiva, l’adozione dell’intelligenza artificiale nei processi di procurement segna una svolta non solo tecnologica ma culturale: le decisioni non sono più basate sull’intuizione individuale, ma su dati verificabili, strutturati e condivisi. Un’evoluzione che riduce la complessità, migliora la qualità delle scelte e prepara le organizzazioni a una gestione sempre più intelligente e sostenibile delle proprie catene di fornitura.