L’intelligenza artificiale sta entrando rapidamente nelle funzioni di procurement e supply chain, promettendo maggiore efficienza, automazione e capacità decisionale. Tuttavia, dietro l’entusiasmo crescente emerge un paradosso che molte aziende stanno iniziando a sperimentare: i benefici ottenuti dai singoli professionisti non si trasformano automaticamente in vantaggi per l’intera organizzazione.
Secondo le analisi presentate da Gartner durante il Supply Chain Symposium/Xpo di Barcellona, il problema non risiede tanto nelle capacità dell’AI, quanto nella difficoltà delle aziende di ripensare il proprio modello operativo.
Una ricerca Gartner che ha coinvolto oltre cento CPO mostra infatti come appena il 36% dei responsabili acquisti si dichiari pienamente fiducioso nella propria capacità di ridisegnare ruoli, processi e modalità operative attorno alle nuove tecnologie AI.
Il paradosso della produttività AI
Le implementazioni di intelligenza artificiale generativa stanno già mostrando risultati concreti a livello individuale: i dipendenti riescono a svolgere attività in meno tempo, producono volumi maggiori di lavoro e migliorano la qualità di alcuni output.
Il problema emerge quando si osserva la produttività del team o dell’intera funzione aziendale.
Se un sistema AI automatizza una parte delle attività di un buyer, di un planner o di un analista, il singolo può diventare più veloce ed efficace. Tuttavia, se l’organizzazione continua a operare con gli stessi ruoli, le stesse responsabilità e gli stessi flussi decisionali, il guadagno resta confinato a livello personale.
In altre parole, aumentare l’efficienza individuale non equivale automaticamente a generare valore aziendale. Questo fenomeno, definito da Gartner come “AI productivity paradox”, evidenzia un limite strutturale: molte organizzazioni stanno adottando nuove tecnologie mantenendo però processi progettati per un contesto pre-AI.
Dall’automazione alla riprogettazione del lavoro
La sfida diventa quindi meno tecnologica e più organizzativa. I ruoli tradizionali del procurement e della pianificazione della supply chain potrebbero evolvere verso attività a maggiore valore cognitivo: interpretare scenari complessi, supervisionare modelli AI, valutare compromessi strategici e orientare le decisioni verso risultati economici.
L’obiettivo non è semplicemente “fare di più in meno tempo”, ma generare nuovo valore. Questo richiede anche un cambiamento nel modo in cui viene misurata la produttività. I tradizionali indicatori basati sul rapporto tra output e tempo impiegato rischiano infatti di diventare insufficienti in un contesto in cui l’AI contribuisce alla creazione di idee, innovazioni e nuove modalità operative.
Le aziende dovrebbero quindi iniziare a introdurre metriche capaci di valutare:
- impatto finanziario delle decisioni;
- capacità di innovazione;
- complessità delle attività gestite;
- nuovi risultati ottenuti grazie alla collaborazione uomo-macchina.
Il rischio dell’“agent washing”
Parallelamente alla questione organizzativa emerge un secondo elemento critico: distinguere le reali capacità dell’AI dalle aspettative create dal mercato.
Gartner ha messo in guardia i responsabili della supply chain dal fenomeno definito “agent washing”: la tendenza di alcuni fornitori a presentare sistemi di automazione tradizionale come vere soluzioni di AI agentica.
L’AI agentica rappresenta uno degli argomenti più discussi del momento e viene spesso descritta come una tecnologia capace di prendere decisioni autonome e gestire processi senza intervento umano.
La realtà attuale appare però più sfumata.
Molte delle soluzioni oggi disponibili migliorano principalmente l’esperienza utente attraverso funzioni come:
- interpretazione delle richieste;
- suggerimenti automatici;
- supporto conversazionale;
- raccomandazioni operative.
Queste funzionalità possono aumentare la produttività, ma non equivalgono a una reale autonomia decisionale.
Un sistema realmente autonomo dovrebbe invece essere in grado di:
- generare piani operativi;
- selezionare automaticamente l’alternativa migliore;
- eseguire le decisioni senza supervisione umana.
Secondo Gartner, molte piattaforme attualmente sul mercato sono ancora lontane da questo livello di maturità.
Un approccio graduale per creare valore
La corsa verso l’automazione totale potrebbe quindi rivelarsi controproducente. Piuttosto che avviare trasformazioni radicali o investire in progetti ad alto rischio, Gartner suggerisce un percorso progressivo basato su tre direttrici fondamentali.
La prima consiste nell’identificare casi d’uso con benefici immediati e misurabili: attività ripetitive, ad alto volume e con basso rischio di errore, come previsioni automatizzate per prodotti stabili o aggiornamenti di parametri di riordino.
La seconda riguarda la costruzione delle fondamenta tecnologiche: dati affidabili, sistemi integrati e modelli di governance chiari.
Infine, è necessario ampliare il ruolo dell’intelligenza artificiale oltre i semplici assistenti conversazionali, utilizzandola anche per simulazioni avanzate, gestione dei dati e supporto alle decisioni.
La vera trasformazione è culturale
La lezione che emerge dalle analisi Gartner è che l’adozione dell’AI non è soltanto un progetto tecnologico. L’impatto reale dipenderà dalla capacità delle organizzazioni di ridefinire competenze, processi e modelli decisionali. Senza questa evoluzione, le aziende rischiano di ottenere strumenti più sofisticati ma continuare a lavorare secondo logiche del passato.
L’intelligenza artificiale può aumentare la produttività dei singoli. Trasformare quel vantaggio in valore aziendale richiede però un cambiamento molto più profondo. Ripensare il modo stesso in cui il lavoro viene progettato e organizzato.
