Nel 2024 si prevede un aumento dell’uso dell’Ai, soprattutto conversazionale, anche nel procurement. Le aziende globali si affidano molto sui dati, ma la gestione di una supply chain contemporanea, con dati provenienti da molteplici fonti e processi terzi, creano una complessità che richiede una governance ottimale.
Dati e Ai nella supply chain
Ci sono pochissime aziende globali che non si affidano molto a dati, analisi e indicatori chiave di prestazione (KPI) per gestire efficacemente la propria catena di approvvigionamento. Ad esempio, se si considera il modo in cui un prodotto arriva alla porta di un cliente, i dati raccolti dal fornitore alla consegna dell’ultimo miglio provengono da molte piattaforme e processi, molti dei quali sono di terze parti. La complessità della moderna supply chain richiede disciplina e governance relative ai dati per sapere in modo efficace “dove sono le cose” e “quanto viene speso” realmente per spostarle dal punto A al punto B, e così via. Immaginando questo processo a livello globale – per ogni prodotto, servizio, ovunque, allo stesso tempo – si può comprendere la dimensione del problema che assume una dimensione quasi difficilmente comprensibile.
Una supply chain ottimale e resiliente è valida solo quanto le metriche che monitorano e controllano ciò che sta accadendo in ogni fase del processo. L’efficacia dell’intelligenza artificiale (Ai) è strettamente legata alla qualità dei dati che utilizza. Mentre l’Ai può svolgere compiti chiari con dati ben strutturati, la sua capacità di gestire incertezze e complessità dipende dalla validità dei dati. L’apprendimento automatico (ML) svolge un ruolo fondamentale nell’identificare modelli, distinguendo tra dati validi e cattivi. Tuttavia, senza una base solida di dati affidabili, l’IA perde di efficacia. È cruciale comprendere che la correzione delle pratiche sui dati è un passo essenziale per ottimizzare l’uso dell’IA nella supply chain. Senza dati di alta qualità, l’IA non può produrre previsioni affidabili né prendere decisioni informate.
L’importanza della gestione del dato
Oltre all’importanza della loro validità, e di comprenderne il significato profondo, le conversazioni sui dati di solito portano all’argomento della gestione dei dati master (Mdm), incentrata su una torre di controllo dei dati utile per la misurazione, l’analisi e la governance. Secondo Gartner, entro il 2026, il 20% delle grandi aziende utilizzerà un’unica piattaforma di governance di dati e analisi per combinare e automatizzare programmi precedentemente separati.
Attualmente questa è solo un’aspirazione per la maggior parte delle aziende, a causa di una gestione in silos. Una situazione che rappresenta un problema per ogni spedizioniere, vettore, fornitore, consulente, poiché molte fonti di dati creano sfide per la normalizzazione e il consolidamento. Per questo motivo si è ormai consolidata almeno la mentalità di gestione olistica e di visibilità end-to-end, andando oltre la gestione a compartimenti stagni e in ottica di condivisione.
L’approccio ecosistemico e la flessibilità nel procurement digitale
L’adozione di un pensiero ecosistemico nel procurement è essenziale per costruire collaborazioni più solide, sia con le unità aziendali interne che con i partner esterni. Questo approccio agevola la creazione di ecosistemi componibili e aiuta a stabilire relazioni vantaggiose con i partner della catena di fornitura, ampliando la comprensione delle condizioni, delle minacce e delle opportunità. L’integrazione di dataset provenienti da fonti esterne arricchisce la visione complessiva e, parallelamente, la personalizzazione dei contenuti, adattati alle specifiche esigenze dei diversi ruoli nel procurement, è essenziale per sfruttare a pieno il potenziale delle informazioni disponibili.
Nel contesto della digitalizzazione del procurement, le tecnologie emergenti offrono opportunità senza precedenti. L’intelligenza artificiale e l’automazione svolgono ruoli chiave nell’ottimizzazione dei processi. L’Ai, in particolare, consente l’identificazione e l’estrazione di informazioni rilevanti dai vasti dataset disponibili, permettendo agli esperti di concentrarsi sulle competenze cruciali. Allo stesso tempo, l’automazione semplifica le attività di base, consentendo ai team di dedicare più tempo a iniziative strategiche. L’approccio ecosistemico e la personalizzazione giocano un ruolo significativo, poiché permettono di creare valore lungo l’intera catena di fornitura adattandosi alle diverse esigenze in modo flessibile.
