Quando l'IA arriva agli acquisti, la resistenza maggiore non è nel software
C'è un pattern che si ripete in quasi tutte le organizzazioni che attraversano una trasformazione tecnologica profonda: la parte più difficile non è stata scegliere la piattaforma. È stata scoprire, settimane dopo il lancio, che il problema di fondo non era tecnologico.
Nel caso dell'intelligenza artificiale applicata alle aree acquisti e approvvigionamento — quello che il settore chiama procurement — quel pattern sta diventando così comune da avere già un nome proprio. McKinsey lo descrive con precisione chirurgica: le organizzazioni che riescono a scalare l'IA nel procurement non sono quelle che hanno scelto meglio il software, ma quelle che hanno ridisegnato i propri flussi di lavoro da cima a fondo prima di chiedere a un modello di automatizzarli. Quelle che non l'hanno fatto hanno scoperto che l'IA non corregge la frammentazione operativa. La amplifica.
Ciò che sta accadendo nel mondo degli acquisti aziendali non è un aggiornamento di strumenti. È un riordino di chi prende le decisioni, con quali informazioni, a quale velocità e con quale livello di intervento umano. Questo non si risolve acquistando una licenza. Richiede che l'organizzazione cambi ciò che intende per valore, per controllo e per responsabilità.
---
L'illusione del pilota riuscito
Prajkta Waditwar, direttrice senior dell'approvvigionamento tecnologico in Box e membro del Forbes Technology Council, ha descritto uno scenario che qualsiasi leader delle operazioni riconoscerà: un'organizzazione globale ha implementato l'IA per migliorare la visibilità dei fornitori e automatizzare la valutazione dei rischi in diverse regioni. I modelli funzionavano bene nell'ambiente di test. Ma quando è arrivato il momento di scalare, il sistema ha esposto dati di fornitori incoerenti, flussi di approvazione frammentati e sistemi di gestione aziendale disconnessi che erano sopravvissuti per anni grazie alla tolleranza umana all'ambiguità.
Questo tipo di fallimento successivo al pilota ha una logica interna che vale la pena nominare: i piloti funzionano perché si controllano le variabili. Si seleziona una categoria di spesa ordinata, un team motivato, un fornitore collaborativo. L'IA brilla. L'investimento viene validato. Si prende la decisione di scalare. E poi il sistema entra in contatto con la realtà operativa completa, con tutta la sua storia accumulata di processi improvvisati, dati mal etichettati e decisioni che venivano prese per telefono.
Il problema non è che l'organizzazione abbia fatto qualcosa di sbagliato. Il problema è che per anni l'efficienza è stata sostenuta dal giudizio umano di persone che conoscevano le scorciatoie, le eccezioni e i fornitori difficili da classificare. Quella conoscenza tacita non è mai stata documentata, mai strutturata, mai convertita in dato. L'IA non può operare su ciò che non esiste come dato.
Deloitte lo documenta nella sua indagine globale sui direttori acquisti del 2025: le organizzazioni con maggiore maturità digitale stanno ottenendo ritorni significativamente più alti dai loro investimenti in intelligenza artificiale generativa. Il divario non sta in chi ha accesso alla tecnologia. Sta in chi ha costruito le fondamenta sotto di essa.
---
Il problema strutturale che nessuno nomina ancora
C'è qualcosa che le organizzazioni tendono a sottovalutare quando si imbarcano in questa trasformazione, e che merita di essere nominato con precisione: la frammentazione operativa negli acquisti non è un accidente. È il risultato di anni di decisioni razionali prese a livello locale.
Ogni regione che ha negoziato i propri contratti aveva le sue ragioni per farlo. Ogni unità di business che ha costruito il proprio processo di approvazione risolveva un problema reale con le risorse disponibili. Ogni team che ha mantenuto un foglio di calcolo parallelo al sistema aziendale lo faceva perché il sistema aziendale non rispondeva con la velocità di cui aveva bisogno. La frammentazione è, in molti casi, l'impronta digitale di un'organizzazione cresciuta più velocemente della sua capacità di governance.
Il momento in cui quell'organizzazione introduce l'intelligenza artificiale nei suoi processi di acquisto è esattamente il momento in cui quella storia viene esposta. E ciò che viene esposto non è solo inefficienza tecnica. Viene esposto un modello di governance che dipendeva dal giudizio individuale di persone specifiche per funzionare.
Questo si collega a qualcosa che McKinsey segnala nel descrivere l'evoluzione verso quelli che chiama "agenti di IA": sistemi in grado di assorbire contesto, pianificare compiti complessi e agire con un certo grado di autonomia su più sistemi contemporaneamente. Quando quell'agente tenta di operare in un ambiente dove i dati dei fornitori hanno tre versioni diverse a seconda del sistema consultato, dove le politiche di approvazione variano per regione senza una logica documentata, e dove il contratto quadro si trova su un server locale che conosce soltanto una persona che non lavora più in azienda, l'agente non fallisce per limitazioni tecnologiche. Fallisce perché l'ambiente non ha l'architettura minima per sostenere decisioni automatizzate.
La domanda che questo pone all'alta direzione non è se implementare l'IA negli acquisti. È quanto siano onesti riguardo allo stato reale della loro infrastruttura di dati e governance prima di chiedere al sistema di decidere.
---
Quando la funzione acquisti smette di essere operativa
Zycus, nella sua guida all'intelligenza artificiale per il procurement del 2026, descrive la transizione in termini che all'inizio sembrano marketing ma che, letti con attenzione, rivelano qualcosa di più strutturale: l'IA non sta arrivando agli acquisti per rendere più efficiente ciò che già esiste. Sta arrivando per assorbire la maggior parte del lavoro transazionale e liberare capacità umana verso qualcosa di diverso.
Quel "qualcosa di diverso" è ciò che Waditwar descrive con chiarezza a partire dalla sua esperienza diretta: i team acquisti vengono convocati sempre prima nelle conversazioni strategiche, non per negoziare i prezzi, ma per valutare le implicazioni operative di lungo periodo di una decisione relativa a un fornitore. Quanta dipendenza genera un'integrazione profonda con un fornitore di software. Quanto sarebbe complesso uscire da quel contratto tra tre anni. Se l'architettura tecnologica che si sta acquistando aumenta o riduce la flessibilità futura.
Queste non sono domande che storicamente spettavano a una funzione acquisti. Sono domande di gestione dei rischi strategici. E il fatto che ora facciano parte dell'agenda del settore rivela qualcosa di importante su ciò che sta cambiando: l'automazione del lavoro transazionale non libera solo tempo, ridistribuisce autorità.
HFS Research lo formula in termini più diretti: le piattaforme di IA stanno consentendo alla leadership degli acquisti di spostarsi dall'esecuzione operativa all'abilitazione strategica. Ciò significa che il profilo di competenze richiesto nell'area sta cambiando, che gli indicatori con cui si misura il suo successo dovranno cambiare, e che la relazione tra acquisti, finanza, legale e operazioni dovrà essere ridisegnata perché i confini tra queste funzioni diventano più porosi quando c'è un sistema di intelligenza connesso che le attraversa tutte.
McKinsey stima che una funzione acquisti che completa questa trasformazione può essere tra il 25% e il 40% più efficiente rispetto ai modelli attuali. Ma quella cifra non deve essere letta come una proiezione di riduzione dell'headcount. Deve essere letta come una riallocazione di capacità: meno persone che elaborano transazioni, più persone che prendono decisioni che i sistemi non sono ancora in grado di prendere da soli.
---
La leadership che questo cambiamento richiede e quella che di solito trova
È qui che la trasformazione diventa più interessante da analizzare da una prospettiva organizzativa, perché il profilo di leadership che ha storicamente dominato le funzioni acquisti è stato costruito attorno a competenze molto specifiche: la negoziazione dura, la conoscenza approfondita dei fornitori, la capacità di far avanzare i contratti sotto pressione, la memoria istituzionale di quale fornitore abbia fallito in quale contesto dieci anni fa.
Quel profilo ha valore. Ma non è lo stesso profilo di cui ha bisogno una funzione acquisti il cui contributo principale al business è la qualità delle sue analisi del rischio, la velocità con cui riesce a integrare i segnali di mercato nelle decisioni di approvvigionamento e la capacità di lavorare con sistemi che generano raccomandazioni che occorre saper mettere in discussione quando il contesto lo richiede.
La transizione non è confortevole, e sarebbe ingenuo descriverla come se fosse semplicemente un'opportunità di crescita per tutti. Ci sono persone con vent'anni di esperienza nel procurement il cui valore centrale è stato fare bene cose che un sistema ora può fare più velocemente e con maggiore coerenza. Questo genera resistenza reale, e quella resistenza non è irrazionale. È la risposta comprensibile di qualcuno che vede che le regole del gioco sono cambiate senza che nessuno lo consultasse.
Deloitte segnala qualcosa che merita attenzione: le organizzazioni che investono nella preparazione dei propri team insieme alla modernizzazione tecnologica superano costantemente quelle che si concentrano esclusivamente sul deployment della tecnologia. Questo non è un risultato sorprendente. Ma il modo in cui si traduce nella pratica organizzativa conta davvero. Non si tratta di offrire corsi di IA a team che parallelamente vedono come i loro compiti principali vengono automatizzati. Si tratta di ridisegnare i ruoli in modo tale che le persone capiscano quale tipo di giudizio umano rimane insostituibile e in quale punto del processo quel giudizio è più prezioso.
Il rischio che molte organizzazioni affrontano non è che i loro team acquisti rifiutino l'IA. È che la adottino superficialmente, che la usino per accelerare ciò che già facevano senza cambiare la logica di fondo, e che nel processo perdano l'opportunità di costruire una funzione che operi davvero come uno strato di intelligenza strategica all'interno del business.
---
La maturità strutturale non si improvvisa dopo il deployment
Ciò che sta accadendo nel procurement è, nel profondo, una versione molto specifica di qualcosa che le organizzazioni affrontano in quasi tutte le loro trasformazioni tecnologiche radicali: il divario tra l'architettura che hanno e l'architettura di cui hanno bisogno per sostenere ciò che vogliono costruire.
L'IA negli acquisti non fa eccezione. È il caso d'uso in cui quel divario diventa visibile più velocemente, perché le conseguenze di una decisione di approvvigionamento mal automatizzata sono concrete e costose. Un fornitore selezionato da un algoritmo che ha operato su dati obsoleti. Un contratto rinnovato automaticamente perché il sistema non aveva accesso al segnale di rischio che già esisteva in un altro sistema. Un'approvazione elaborata autonomamente perché nessuno aveva definito chiaramente quale livello di spesa richiedesse supervisione umana.
Questi non sono errori dell'IA. Sono errori di progettazione organizzativa che l'IA esegue con precisione perfetta.
L'argomento che merita maggiore attenzione in tutto questo dibattito non è se l'intelligenza artificiale trasformerà gli acquisti aziendali. Quel risultato sembra sufficientemente supportato dalle prove disponibili. L'argomento che merita maggiore attenzione è quante organizzazioni arriveranno a quella trasformazione con l'architettura dei dati, i processi di governance e il ridisegno dei ruoli necessari affinché il sistema funzioni come promesso, e quante scopriranno di aver installato tecnologia sofisticata su una base che non era ancora pronta a sostenerla.
La risposta a questo non dipende dal fornitore di software che scelgono. Dipende da quanta onestà istituzionale sono disposte ad applicare prima del deployment, non dopo.
