Immaginate con me per un momento. Supponete di essere il direttore degli acquisti di un’azienda manifatturiera di medie dimensioni specializzata in componenti di controllo nel Midwest. Entrate in ufficio un luminoso lunedì mattina e dite al vostro assistente digitale da scrivania: “Ok, ‘Bridget’, mostrami il consumo dei componenti passivi utilizzati sulla linea di assemblaggio 2 nell’ultimo mese, e dammi una previsione degli ordini a 90 giorni da esaminare, basata sul consumo attuale e sulle spedizioni previste ± 10%”.

Nel giro di pochi secondi, sullo schermo del computer compare un foglio di calcolo e il vostro assistente digitale vi chiede se desiderate confrontare il fabbisogno previsto di componenti con le scorte stimate disponibili sul mercato aperto, e tenere conto delle fluttuazioni di prezzo dovute ai previsti aumenti tariffari.

Questa è la promessa dell’intelligenza artificiale (IA), che continua a trasformare il settore degli acquisti. La domanda è però: quanto siamo lontani da questo scenario?

Da quando il termine “intelligenza artificiale” (IA) fu coniato per la prima volta nel 1956 dall’informatico di Stanford John McCarthy, la sua definizione si è evoluta considerevolmente. L’uso iniziale definiva l’IA come “sistemi informatici o macchine in grado di svolgere compiti che normalmente richiederebbero l’intelligenza umana”.

Nel 1961, lo scienziato e matematico britannico Alan Turing scrisse dell’idea di macchine in grado di “simulare gli esseri umani e compiere azioni intelligenti”. La parola chiave allora era “simulare”.

La definizione del termine, così come viene usata oggi, è tuttavia la capacità di un computer o di una macchina non solo di “simulare”, ma di svolgere effettivamente operazioni equivalenti all’apprendimento e al processo decisionale umano. La differenza sta nell’aggiunta della parola “apprendimento”, che indica macchine capaci di adattarsi in base alle esperienze vissute con il proprio ambiente, o come parte di esso, modificando di conseguenza le proprie azioni.

L’apprendimento automatico definisce davvero la nuova IA, il che rende il suo utilizzo nei sistemi di approvvigionamento e nelle reti di fornitura particolarmente interessante. L’apprendimento automatico si basa sull’acquisizione e sull’analisi di enormi quantità di dati generati da un processo o da un sistema, per poi apprendere da questi dati al fine di fornire indicazioni o addirittura controllare direttamente altri sistemi.

Gli acquisti generano moltissimi dati da cui i sistemi di IA possono apprendere, e con sensori sofisticati, reti di sensori e l’Internet delle cose che diventano una componente sempre più cruciale dei sistemi di controllo dei processi, dei sistemi di gestione delle scorte e delle reti di trasporto e spedizione, gli insiemi di dati diventano sempre più ricchi.

In molti reparti acquisti, tuttavia, oggi regnano l’analisi e i big data, mentre la qualità e l’integrazione dei dati passano in secondo piano. Ciò significa che i guadagni relativamente modesti derivanti dal contenimento dei costi grazie a prezzi per volumi, consegne raggruppate o altre efficienze di acquisto hanno la precedenza rispetto a ciò in cui l’IA eccelle davvero, come l’individuazione di pregiudizi cognitivi negli acquisti, che potrebbe portare a efficienze molto più significative.  

Di fatto, l’IA potrebbe avere l’impatto immediato più rilevante nel segnalare alle aziende fattori che influiscono sulle loro prestazioni e che non erano stati presi in considerazione. Comprendere la spesa totale di un’organizzazione, grazie a software di analisi della spesa, può dare senso a enormi volumi di dati di spesa e portare a una spesa consolidata, costi ridotti, processi più rapidi e una maggiore efficienza complessiva.   

L’uso dell’IA nella funzione acquisti, unito all’impegno aziendale verso una raccolta dati integrata e processi intelligenti, può inoltre creare opportunità per un pensiero strategico complessivo e per l’approvvigionamento. Lo sviluppo di consulenti cognitivi per gli acquisti (CPA) e di assistenti personali virtuali (VPA) basati sull’elaborazione del linguaggio naturale, come “Bridget” nel nostro esempio iniziale, può portare a una maggiore automazione ed efficienza in tutta la funzione acquisti.

Ad esempio, i CPA possono produrre riepiloghi, fornire consigli e formulare raccomandazioni che riguardano la valutazione dei fornitori, le prestazioni, la gestione del rischio e la conformità. Il fornitore di software SAP Ariba offre già un pacchetto basato sull’IA in grado di comprendere le politiche e le procedure di acquisto aziendali e di applicarle nell’area della fatturazione e dei pagamenti, riducendo gli errori e velocizzando l’elaborazione.

In breve, i sistemi di IA esistono già, oppure sono in fase di sviluppo, e promettono funzionalità che includono, ma non si limitano a:

• Individuazione di dati di spesa interni incompleti o inesatti
• Automazione di compiti ripetitivi (negoziazione con i fornitori, aggiornamento degli elenchi di magazzino, ecc.)
• Confronto dei dati interni con le tendenze esterne e i dati dei singoli fornitori per gestire meglio il rischio
• Monitoraggio e rendicontazione della volatilità dei tassi di cambio e del suo effetto sulla spesa
• Suggerimenti di acquisto automatizzati basati sulle tendenze storiche
• Analisi delle prestazioni della funzione acquisti interna rispetto a quella esterna e degli andamenti di spesa
• Raccomandazione di fornitori in base a specifiche esigenze produttive
• Individuazione di opportunità per processi più rapidi, costi ridotti e maggiore efficienza
• Analisi delle tendenze della domanda esterna per prevedere gli andamenti dei prezzi

La disponibilità di questa potenza di elaborazione analitica, tuttavia, non significa che la sua adozione su larga scala stia procedendo di pari passo. Un recente studio dell’Hackett Group ha infatti dimostrato che, sebbene l’85% dei dirigenti aziendali delle grandi imprese ritenga che la tecnologia digitale cambierà il modo in cui erogano i propri servizi nei prossimi 3-5 anni, solo il 32% di loro ha effettivamente implementato una strategia digitale nella propria azienda.

Nonostante questo vuoto generale in termini di strategia digitale, Forrester Research rileva che il 55% delle aziende investirà in qualche forma di IA entro la fine del 2019, e una ricerca di Gartner Inc. afferma che quasi il 50% delle grandi aziende globali utilizzerà l’IA entro il 2023 nelle operazioni della catena di fornitura.

È evidente che la realtà di un qualche uso di software potenziato dall’IA in tutti i settori, e nella funzione acquisti, sta iniziando a raggiungere le aspettative. Se lavorate in una grande azienda globale, è probabile che siate già pienamente coinvolti nell’implementazione di varie strategie che impiegano l’IA. Di fatto, potreste già utilizzare tecnologie robotiche assistite dall’IA per l’evasione degli ordini e discutere di un maggiore utilizzo di robot guidati dall’IA per assistere il personale di magazzino.

Lo sviluppo tecnologico e la sua adozione pratica non vanno sempre di pari passo. Ma lo sviluppo tecnologico nella prima parte del 21^esimo secolo, in particolare l’uso dell’IA nei sistemi di acquisto intelligenti, sta procedendo sempre più rapidamente. Il lavoro transazionale si sta automatizzando. Le decisioni basate sull’analisi di enormi quantità di dati diventeranno presto la norma. Le previsioni basate sugli stessi dati seguiranno certamente.

Tutto ciò significa che la funzione acquisti nelle organizzazioni, grandi e piccole, si sposterà sempre più da un ruolo operativo a uno strategico. L’IA avrà un grande effetto sulla velocità di questo cambiamento. Una cosa è certa: l’IA è qui per restare.