L’intelligenza artificiale potrebbe presto entrare in una delle attività più tipicamente umane del procurement: la negoziazione.

Il segnale arriva da Gartner, che il 1° settembre ha pubblicato una ricerca dedicata agli AI negotiating agents nel commercio B2B. Secondo gli analisti, questi sistemi incideranno su pricing e deal making, consentendo alle aziende di costruire agenti capaci di rispondere dinamicamente alle proposte della controparte entro limiti economici e regole di governance predefiniti.

Se un agente può rappresentare il venditore, dall’altra parte potrebbe esserci un agente incaricato dal buyer di ridurre i costi, migliorare i termini di pagamento, garantire capacità produttiva o contenere il rischio.

La domanda è quali parti della trattativa possano già essere delegate e con quali risultati.

I primi esperimenti nelle negoziazioni buyer-supplier

Uno studio pubblicato sul Journal of Purchasing and Supply Management ha realizzato tre esperimenti di negoziazione nei quali i partecipanti assumevano il ruolo del supplier, mentre un chatbot basato su ChatGPT negoziava per conto del buyer. Uno degli esperimenti ha coinvolto negoziatori professionisti.

I ricercatori hanno confrontato due comportamenti dell’agente: competitivo e collaborativo.

• Con un approccio competitivo il chatbot otteneva sconti maggiori, migliori termini di pagamento e negoziazioni più rapide.

• I supplier dichiaravano però maggiore fiducia, soddisfazione e disponibilità a interagire nuovamente quando il chatbot adottava un comportamento collaborativo.

Un risultato che ripropone un dilemma noto ai buyer: massimizzare il risultato della singola trattativa oppure preservare la relazione con il supplier?

Quasi 10 mila negoziazioni tra AI

Un esperimento ancora più recente ha messo direttamente LLM contro LLM.

Una ricerca pubblicata nel luglio 2026 ha analizzato 9.840 negoziazioni tra agenti basati su nove modelli linguistici di OpenAI, Google e Alibaba. Lo scenario simulava una supply chain nella quale buyer e seller negoziavano quantità e condizioni economiche disponendo di informazioni private sulla domanda.

Gli agenti hanno raggiunto un accordo nel 98,9% delle negoziazioni e, senza considerare il costo del tempo, hanno catturato il 95,4% del surplus teoricamente disponibile.

Ma emerge anche un problema: i modelli meno capaci hanno accettato accordi economicamente irrazionali nel 19,2% dei casi. Nei modelli più avanzati il fenomeno scendeva allo 0-0,6%.

Per gli autori, è quindi necessario introdurre verifiche automatiche della convenienza economica prima che un agente possa concludere autonomamente un accordo. Delegare una negoziazione significa anche costruire guardrail che impediscano alla macchina di accettare un contratto che l’azienda non dovrebbe firmare.

La strategia può stare anche nel prompt

Dallo stesso esperimento emerge un altro risultato significativo. Il comportamento negoziale degli agenti cambiava in funzione delle istruzioni ricevute. In particolare, la “pazienza” attribuita all’agente attraverso il prompt risultava il principale fattore nella distribuzione del valore creato tra buyer e seller.

In una negoziazione tradizionale la strategia viene preparata dal buyer: target price, BATNA, concessioni possibili, soglie di interruzione. In una negoziazione agentica questi principi devono diventare istruzioni, dati e limiti leggibili dalla macchina.

La capacità negoziale non scomplete, ma si sposta in parte dall’esecuzione della trattativa alla progettazione delle regole secondo cui l’agente dovrà condurla.

L’uomo non sembra destinato a uscire dalla stanza

Anche i dati sul comportamento dei buyer B2B invitano alla prudenza. In una survey Gartner su 645 buyer B2B, il 45% dichiarava di aver utilizzato GenAI durante un acquisto recente, soprattutto per raccogliere informazioni su prodotti e vendor. Ma il 69% preferiva verificare con un commerciale le informazioni prodotte dall’AI.

Automazione e relazione umana potrebbero quindi non essere alternative. Una ricerca del Politecnico di Milano sulle negoziazioni buyer-supplier parla infatti di hybrid intelligence: modelli che combinano capacità umane e artificiali nelle diverse fasi, dalla preparazione alla trattativa fino alla valutazione finale.

Lo scenario più vicino potrebbe non essere quello di due algoritmi che negoziano completamente da soli, ma di buyer e supplier accompagnati dai propri agenti: sistemi capaci di analizzare informazioni, costruire scenari, suggerire concessioni e gestire autonomamente alcuni passaggi nelle categorie più semplici.

Chi decide fino a dove può arrivare l’agente?

È qui che il tema diventa rilevante per il CPO. Un agente potrebbe avere autonomia su negoziazioni ripetitive e di basso valore. Ma cosa succede quando il supplier è strategico, la capacità produttiva conta più del prezzo o una concessione può compromettere una relazione costruita negli anni?

Il punto non sarà soltanto stabilire cosa un agente AI è tecnicamente in grado di negoziare, ma cosa l’organizzazione è disposta ad autorizzarlo a negoziare.

• Prezzo massimo

• Termini di pagamento

• Volumi e durata del contratto

• Concessioni e condizioni di uscita

• Soglie oltre le quali richiedere l’intervento umano

Una parte della strategia negoziale dovrà essere tradotta in queste regole. Per il procurement potrebbe così emergere una nuova competenza: non soltanto saper negoziare, ma saper progettare il negoziatore artificiale che lo farà per noi.