Buyer 2.0

DAL ROBOTIC PROCESS AUTOMATION AL MACHINE LEARNING SONO DIVERSE LE TECNOLOGIE CHE SI STANNO DIFFONDENDO TRA I CHIEF PROCUREMENT OFFICER. MODIFICANDO IL LORO LAVORO E RICHIEDENDO SEMPRE NUOVE SKILL E COMPETENZE

di Giuseppe Stabilini, SDA Associate professor of practice di procurement and supply management

I processi di acquisto stanno vivendo un periodo di grande cambiamento ed evoluzione dovuto ai forti investimenti in digitalizzazione e alle dinamiche di trasformazione verso una maggiore sostenibilità. La pandemia da Covid19 e la guerra in Ucraina hanno inoltre forzato le aziende a riprogettare la supply chain e a rivedere modelli di relazione con i fornitori.
In questo momento storico di forte discontinuità, i Chief Procurement Officer (CPO) hanno raccolto le varie sfide ricercando nelle nuove soluzioni a supporto dei processi di acquisto. In particolare, molte aziende si sono concentrate sull’adozione di tecnologie per aumentare la produttività dei procurement manager e la visibilità end-to-end delle supply chain, sfruttando il valore dei dati e le potenzialità dell’Artificial Intelligence. Da una ricerca condotta nel 2021 dal Procurement Lab di SDA Bocconi che ha coinvolto procurement managers di 132 imprese di medio-grande dimensione, il 37% del campione ha progetti attivi in ambito AI e il 16% vede lo strumento già adottato su larga scala.

L’applicazione della AI ai processi di acquisto può infatti fornire un importante contributo alla capacità di elaborare dati storici e di contesto, migliorando la capacità del buyer di possedere una visione più completa dello scenario di business e di prendere decisioni più solide e razionali. Recenti ricerche hanno indentificato diverse applicazioni sui processi di Vendor Management, eSourcing & Tender Management, Contract management e Spending Analysis.

Negli ultimi anni, numerose imprese hanno dedicato all’AI risorse economiche e persone, avviando un costruttivo dialogo con soggetti esterni quali aziende di consulenza e software vendor e, in alcuni casi, anche con start-up specializzate, come evidenziato nel progetto di ricerca.

L’obiettivo è stato in primo luogo quello di rendere più efficiente la macchina operativa dei processi di acquisto, introducendo algoritmi in grado di automatizzare e governare attività “time consuming” dei buyer e di supportare lo stesso nelle diverse fasi del processo di acquisto. Tecnologie come la basic data analysis and visualization, la Robotic Process Automation (RPA), il Natural Language Processing (NLP)/Text Analytics e l’Optical Character Recognition (OCR) sono risultate particolarmente diffuse in questo ambito.
In secondo luogo, come evoluzione conseguente, ci si è concentrati sull’applicazione della AI in ambiti complessi, ovvero a supporto di una migliore lettura e analisi del contesto competitivo. Vengono impiegati algoritmi come l’Advanced & Predictive / Prescriptive Analytics, il Machine Learning e il Deep Learning.

In questo caso, l’efficacia degli algoritmi nell’analizzare e processare i dati dipende sia dalla disponibilità di dati di qualità (prodotti dall’azienda, condivisi dalla supply chain o forniti da terze parti), sia dai sistemi apprendimento basati di feedback automatici o resi dal buyer di riferimento. Ad oggi, l’output del sistema di AI, ovvero la decisione finale, raramente viene lasciata alla autonomia della macchina (4% dei progetti analizzati). Questo aspetto non solo mantiene al centro il ruolo del buyer, decisore ultimo, ma evidenzia la necessità di una piena collaborazione uomo-algoritmo.

Le grandi imprese, ad oggi early adopters, dichiarano risultati molto positivi nell’introduzione di queste soluzioni (51% dei progetti), in diversi casi addirittura superiori alle aspettative (10%). Allo stesso tempo rilevano come le criticità dei progetti siano da associare ad aspetti organizzativi come la cultura aziendale, le competenze delle persone e la capacità di reingegnerizzare i processi.

Siamo ancora in una fase di early adopters, ma sia le tecnologie, sia l’esperienza accumulata da aziende e service provider stanno contribuendo ad una forte accelerazione del fenomeno. Guardando al futuro, si possono individuare due direttrici di investimento.
Per le aziende ancora non impegnate in progetti di AI il consiglio è quello di lavorare sulle strategie e sulla cultura aziendale al fine di ottenere una maggiore apertura alle tecnologie stesse, puntando su una leadership più proattiva verso le collaborazioni esterne.
Per le organizzazioni con progetti in corso o già operativi si delinea la necessità di sviluppare piani di formazione delle persone per rafforzare le competenze acquisite e sviluppare nuove skill qualificate, anche attraverso una maggiore integrazione e collaborazione con soggetti esterni. Inoltre, l’attrattività verso giovani risorse, più inclini all’impiego e alla valutazione di queste tecnologie, può essere di enorme supporto, soprattutto se associata alla valorizzazione della esperienza e della capacità di individuare i punti critici dei processi da parte dei buyer più senior.