L’intelligenza artificiale è entrata nelle priorità del procurement, ma per molte organizzazioni il passaggio dalla sperimentazione all’implementazione strutturata resta ancora incompleto.
Solo l’8% dei responsabili acquisti intervistati dichiara di avere una roadmap AI definita, con obiettivi e tappe chiare, già in fase di esecuzione. Il 68% sta invece sperimentando applicazioni di intelligenza artificiale senza un piano formale.
È uno dei risultati più significativi del 2026 State of Procurement Report, realizzato da ProcureCon Insights in collaborazione con ProcureAbility, società del gruppo Jabil. La ricerca, diffusa il 7 ottobre, ha coinvolto 100 senior procurement leader di diversi settori industriali.
Il dato fotografa una situazione nella quale la disponibilità delle tecnologie e l’interesse delle aziende sembrano precedere la definizione di una strategia per utilizzarle.
Il procurement deve generare più valore, ma le capacità non crescono allo stesso ritmo
Il divario sull’AI si inserisce in una trasformazione più ampia delle aspettative verso la funzione acquisti. Secondo la ricerca, il 69% degli intervistati riferisce che alla propria organizzazione viene richiesto al procurement di contribuire sia alla riduzione dei costi sia alla creazione di valore strategico.
Un ulteriore 26% descrive la funzione come un abilitatore della crescita, chiamato a sostenere ricavi e innovazione. Soltanto il 3% la identifica principalmente con attività di controllo dei costi e compliance.
Il procurement è quindi sempre più coinvolto in obiettivi che vanno oltre il saving. Tuttavia, la capacità di rispondere a queste aspettative dipende dalla disponibilità di dati, processi, competenze e strumenti adeguati.
L’intelligenza artificiale potrebbe contribuire a colmare alcune di queste lacune, ma il semplice avvio di progetti pilota non garantisce che le nuove tecnologie diventino parte integrante dei processi decisionali.
Il 68% sperimenta senza una roadmap formale
Il risultato relativo all’adozione dell’AI è particolarmente interessante perché distingue la sperimentazione dalla capacità di implementazione.
Testare strumenti per analizzare la spesa, classificare categorie merceologiche, esaminare contratti o supportare la ricerca di fornitori rappresenta un primo passo.
Un programma strutturato richiede però decisioni ulteriori: quali attività automatizzare, quali dati utilizzare, come misurare i risultati, chi mantiene la responsabilità delle decisioni e come integrare le applicazioni nei sistemi aziendali.
Senza questi elementi, il rischio è moltiplicare iniziative isolate, difficili da confrontare e da estendere all’intera organizzazione. La questione non riguarda necessariamente la quantità di tecnologie adottate. Un procurement potrebbe ottenere risultati rilevanti concentrandosi su pochi casi d’uso, purché collegati a obiettivi operativi misurabili.
La differenza tra sperimentazione e trasformazione sta quindi nella capacità di scegliere dove intervenire e con quali criteri valutare l’efficacia degli investimenti.
Il problema dei dati e delle competenze
La ricerca evidenzia anche quali capacità saranno considerate più importanti nei prossimi tre anni. Il 59% degli intervistati indica data analytics e capacità di interpretazione dei dati tra le competenze più rilevanti per il futuro del procurement. Il 51% segnala invece risk e resilience management.
Sono due ambiti strettamente collegati alla possibilità di utilizzare l’AI in modo efficace. Sistemi di analisi e automazione possono supportare il monitoraggio dei fornitori, la classificazione della spesa e l’individuazione di anomalie, ma la qualità dei risultati dipende dai dati disponibili e dalla loro coerenza.
Allo stesso tempo, trasformare un’indicazione prodotta da un algoritmo in una decisione di acquisto richiede competenze di interpretazione, valutazione del rischio e conoscenza del business.
L’AI non elimina quindi la necessità di sviluppare capacità analitiche all’interno della funzione. Può, al contrario, renderle ancora più importanti.
La resilienza mostra lo stesso divario tra ambizioni e capacità
Un segnale analogo emerge dalle strategie di gestione del rischio. Il 70% dei responsabili intervistati descrive la propria strategia di resilienza della supply chain come ancora in fase di sviluppo, mentre soltanto l’8% la considera proattiva.
Il dato suggerisce che il problema non riguarda esclusivamente l’intelligenza artificiale. Le organizzazioni devono rafforzare la capacità di trasformare priorità strategiche in processi operativi, responsabilità e strumenti di monitoraggio.
AI e resilienza condividono infatti alcuni prerequisiti: visibilità sui dati, integrazione tra funzioni, chiarezza dei processi decisionali e capacità di misurare i risultati.
La ricerca segnala inoltre che soltanto l’11% degli intervistati coinvolge il procurement già nella fase di costruzione del business case e definizione dei requisiti.
Anche questo elemento limita il potenziale strategico della funzione: intervenire quando le decisioni sono già state prese riduce la possibilità di influenzare costi, rischi e opportunità.
Dalla sperimentazione alla strategia: la prossima sfida del CPO
Per i CPO, il tema non è più soltanto individuare le applicazioni possibili dell’intelligenza artificiale, ma stabilire quali meritino di essere sviluppate e integrate nei processi.
Una roadmap efficace dovrebbe partire dai problemi da risolvere: ridurre i tempi di analisi, migliorare la qualità delle informazioni, aumentare la visibilità sui rischi o supportare decisioni di sourcing più tempestive.
A questi obiettivi devono corrispondere indicatori misurabili, responsabilità definite e criteri per valutare se un progetto possa essere esteso oltre la fase pilota.
I risultati di ProcureCon Insights non dimostrano che le sperimentazioni in corso siano inefficaci. Evidenziano però che, nella maggior parte delle organizzazioni intervistate, manca ancora un percorso formalizzato per trasformarle in capacità operative.
La vera maturità digitale del procurement potrebbe quindi misurarsi sempre meno dal numero di applicazioni AI sperimentate e sempre più dalla capacità di integrarle nei processi, dimostrarne il valore e renderle scalabili.
