L’intelligenza artificiale applicata alla supply chain sta entrando in una fase diversa da quella che ha caratterizzato gli ultimi anni. Forecast più accurati, analisi di grandi quantità di dati e assistenti generativi rimangono importanti, ma l’attenzione si sta spostando verso sistemi in grado di intervenire direttamente nei processi, assumendo una parte crescente delle attività necessarie per arrivare a una decisione e, in alcuni casi, per eseguirla.
Un segnale arriva dal World Economic Forum, che il 21 settembre ha pubblicato insieme ad Accenture il rapporto “The Role of Start-Ups in AI-Enabled Supply Chain Resilience”. La ricerca ha analizzato più di 600 soluzioni sviluppate da startup per mappare le tecnologie AI che stanno trovando spazio lungo la supply chain e fornire alle imprese un criterio con cui decidere quando sviluppare internamente una soluzione, quando acquistarla sul mercato e quando affidarsi a una partnership.
Dagli assistenti digitali agli agenti semi-autonomi
Il dato interessante non riguarda soltanto il numero di startup. La presenza di un ecosistema così ampio mostra quanto rapidamente l’offerta tecnologica si stia specializzando intorno a problemi specifici della supply chain. Per un’impresa questo significa poter accedere a competenze e applicazioni che sarebbe difficile replicare internamente, ma significa anche dover distinguere tra una sperimentazione interessante e una tecnologia capace di integrarsi davvero nei processi aziendali.
La questione diventa ancora più evidente osservando quanto sta accadendo nei magazzini. Gartner ha individuato quattro aree di sviluppo dell’AI nel warehousing, che vanno dall’evoluzione dei tradizionali sistemi di ottimizzazione fino agli agenti fisici. In mezzo si collocano l’intelligenza artificiale generativa orientata alle attività operative e gli agenti suggestivi e semi-autonomi.
Questi ultimi rappresentano un cambiamento rilevante perché possono analizzare informazioni e suggerire oppure eseguire parzialmente workflow composti da più passaggi, mantenendo l’intervento umano sulle decisioni considerate critiche. Nel magazzino possono essere utilizzati nell’assegnazione dei compiti, nella gestione delle eccezioni e nell’allocazione delle risorse. La Physical AI porta il concetto un passo più avanti, combinando software, robotica e sensori per attività come picking, packing, sorting e movimentazione dei materiali.
Cosa significa l’Agentic AI per il procurement
L’aspetto interessante per procurement e supply chain management è che questa evoluzione non riguarda soltanto l’automazione fisica. La logica dell’agente può essere applicata a processi nei quali oggi una persona deve raccogliere informazioni da sistemi differenti, confrontarle, identificare un’eccezione e avviare un’azione.
Nel procurement esistono numerosi processi con questa struttura. Un sistema può rilevare un’anomalia nelle performance di un fornitore, incrociarla con informazioni esterne, verificare quali alternative siano già qualificate e preparare una proposta di intervento. Può supportare lo scouting analizzando una platea di potenziali supplier, oppure seguire alcune fasi operative di un processo di sourcing. La differenza rispetto agli strumenti di analytics utilizzati da anni è che l’agente non si limita necessariamente a produrre un’informazione da consegnare all’utente: può accompagnare il processo attraverso più attività consecutive.
È qui che il tema tecnologico incontra quello organizzativo. Affidare all’AI la produzione di un report richiede un livello di fiducia diverso rispetto a consentirle di intervenire su un ordine, modificare una priorità o avviare un workflow che coinvolge un fornitore. Gartner sottolinea infatti l’importanza di mantenere supervisione umana e trasparenza delle decisioni mentre le aziende estendono l’utilizzo degli agenti.
Per i responsabili procurement diventa quindi importante definire non soltanto quali attività possano essere automatizzate, ma quale autonomia attribuire ai sistemi. Le attività ripetitive e a basso impatto possono consentire margini di azione più ampi; quando aumentano valore economico, rischio o rilevanza della relazione con il fornitore, il presidio umano continua ad avere un peso determinante.
Sviluppare, acquistare o costruire una partnership
C’è poi un secondo problema, che riguarda il mercato delle soluzioni. Di fronte a centinaia di applicazioni specializzate, sviluppare tutto internamente rischia di essere costoso e lento, mentre acquistare strumenti senza una chiara architettura può creare una nuova frammentazione tecnologica. Il framework proposto dal World Economic Forum invita a considerare in modo più strutturato la scelta tra sviluppo interno, acquisto e partnership.
Per il procurement questo passaggio ha una doppia valenza. La funzione può diventare utilizzatrice dell’AI per trasformare i propri processi, ma contemporaneamente assume un ruolo nella selezione dell’ecosistema tecnologico attraverso cui l’azienda costruirà quelle capacità. La valutazione di un fornitore AI richiede criteri che non si esauriscono nel prezzo o nelle funzionalità dichiarate: entrano in gioco integrazione con i sistemi esistenti, sicurezza, qualità dei dati, governance e controllo sulle decisioni automatizzate.
La stagione della GenAI ha reso familiare l’idea di un’intelligenza artificiale che affianca le persone nella produzione e nell’analisi delle informazioni. La diffusione degli agenti pone una questione più profonda, perché sposta gradualmente il confine tra assistenza ed esecuzione. Per supply chain e procurement la tecnologia comincia quindi a incidere sul disegno stesso dei processi e sulla distribuzione delle responsabilità tra persone e sistemi.
Prima ancora di immaginare organizzazioni autonome, sarà necessario capire quali decisioni possano essere affidate a una macchina, quali debbano rimanere sotto controllo umano e quali dati siano sufficientemente affidabili da alimentare entrambe. È probabilmente da queste scelte, più che dalla disponibilità di un nuovo software, che dipenderà il valore dell’AI nella supply chain.
