L’intelligenza artificiale generativa cambia la gestione degli approvvigionamenti e in generale della supply chain, sia nel settore privato che in quello pubblico. Sono tre in particolare le aree di interesse da approfondire: l’efficientamento dei processi di acquisto, l’analisi dei dati e alla gestione del rischio.
AI gen e procurement, le applicazioni
L’AI promette nello specifico dei guadagni di efficienza nella gestione dei processi di acquisto, dal sourcing all’esecuzione del contratto, grazie alla possibilità di automatizzare – dalla redazione dei documenti di gara, alla gestione dei pagamenti e delle comunicazioni con i fornitori – le attività e velocizzarle.
Una seconda area di miglioramento è quella legata all’analisi non solo dei dati relativi ai consumi / costi per cui grazie agli agenti il processo stesso di analisi diventa più veloce e intuitivo, accrescendo, inoltre, la capacità di mettere in relazione diverse fonti di dati, analizzare il mercato, individuandone le tendenze, fino all’analisi e comparazione delle offerte ricevute in sede di gara e alla verifica dei contratti.
Una terza area di miglioramento è legata alla gestione del rischio per cui l’AI nel contesto del risk management può aiutare a identificare, anche anticipandoli, eventuali rischi di fornitura grazie nuovamente alla capacità di riconoscimento di anomalie, verifica della salute finanziaria dei fornitori, analisi delle notizie relative ai fornitori. Sempre in quest’area l’AI consentirebbe di rafforzare la verifica della compliance dei fornitori rispetto a nuove norme, standard di settore e policy aziendali proponendo anche azioni di miglioramento relative ai contratti.
Dati e machine learning AI gen per il procurement
Tutte queste attività saranno non solo possibili, ma anche “accessibili” abbattendo le complessità e i costi di programmazione per eseguire le singole analisi. Il nodo vero diventa quindi la disponibilità di dati su cui fare training dei modelli di machine learning.
Il tema del dato è particolarmente sensibile in ambito pubblico. Ambito in cui, i guadagni di efficienza nella gestione di processi e procedure, potrebbero essere notevoli dal momento che la spinta verso la digitalizzazione si è tradotta, nei fatti, nella trasposizione in formato numerico dei documenti e delle procedure, senza un vero ripensamento delle modalità di gestione dei processi, né, tanto meno di sfruttamento delle reali opportunità che la digitalizzazione offre. Il ragionamento per certi versi è sempre stato impostato in termini di controllo sulla procedura e trasparenza in chiave di anticorruttiva e di compliance anziché di miglioramento delle performance sia in chiave di efficienza del processo – diminuzione dei tempi e dei costi di transazione – sia di efficacia – risparmi sui costi, aumento della qualità, innovazione, accesso delle PMI al mercato degli appalti, sostenibilità ecc.
Come il procurement cambia con l’AI gen
L’AI di fatto apre le porte a quello che Nicoletti (2018)[1] oppure Bienhaus & Haddud (2018)[2] chiamano “procurement 4.0”. Nella sua versione 1.0 il procurement cerca manualmente di ottenere il prodotto giusto nel posto giusto, al momento giusto e nelle condizioni corrette. Nella sua evoluzione 2.0 offre dei servizi integrati ai propri clienti interni. L’evoluzione successiva, il procurement 3.0, si basa sulle collaborazioni e partnership cliente-fornitore. L’ultima e più recente iterazione del procurement si fonda sulle nuove tecnologie IoT – internet of things, big data e da ultimo AI per una gestione smart degli approvvigionamenti e della supply chain che stimoli la velocità nelle relazioni, flessibilità, innovazione e allineamento dei modelli di business verso una maggiore sostenibilità Bienhaus & Haddud (2018).
Procurement pubblico e intelligenza artificiale generativa
Viene naturale domandarsi dove si collochi il procurement pubblico che sembra ancora troppo spesso ancorato, seppur in forma digitale, a modelli analogici che faticano a raggiungere gli obiettivi della versione 1.0 ovvero assicurare il raggiungimento degli obiettivi “base” degli approvvigionamenti e navigando troppo spesso a vista, senza mettere a frutto l’enorme mole di dati che le piattaforme di e-procurement generano, per non parlare, della capacità di mettere in relazione i dati sugli approvvigionamenti rispetto a quelli di consumo e di produzione.
Le opportunità offerte dall’AI per essere colte anche in ambito pubblico richiedono, prima ancora interventi regolatori – che in realtà sono già presenti in Europa in seguito all’adozione del regolamento 2024/1689 (cosiddetto AI act europeo) – un cambiamento culturale e di competenze. Serve una maggiore cultura del dato, per migliorarne la qualità e la tempestività nella raccolta e nelle analisi. Serve una cultura che guarda agli acquisti come dei processi – progetti e non a delle procedure, per cui l’esecuzione e la successiva valutazione dei contratti sono parti integranti degli approvvigionamenti. Assicurate queste basi si può ragionare su come sfruttare le possibilità che le nuove tecnologie offrono. Questo non significa non sperimentare, dove possibile, o non cercare di introdurre innovazione nella gestione degli approvvigionamenti. Ma significa introdurre l’innovazione in modo consapevole e avendo chiari gli obiettivi di miglioramento che si vogliono perseguire e i potenziali rischi che si corrono.
Un discorso a parte meriterebbe l’acquisizione in sé di AI o la disciplina dei dati raccolti dai fornitori (specialmente in ambito sanitario) per alimentare modelli di machine learning. Temi che l’AI Act europeo tocca e che meriterebbero le stesse riflessioni e impegno che oggi si dedica all’esame delle conseguenze del correttivo al Codice dei Contratti.
Note
[1] Nicoletti, B. (2018). The Future: Procurement 4.0. In: Agile Procurement . Palgrave Macmillan, Cham.
[2] Bienhaus, F. and Haddud, A. (2018), “Procurement 4.0: factors influencing the digitisation of procurement and supply chains“, Business Process Management Journal, Vol. 24 No. 4, pp. 965-984.
