Intelligenza artificiale agentica negli acquisti: soluzioni e benefici

L’IA agentica è il primo paradigma in grado di completare i processi di acquisti end-to-end. Non si limita a consigliare, redigere o supportare: esegue. Per i responsabili degli acquisti, la domanda sull’adozione è ormai definita. La vera questione è come implementarla senza ricreare la frammentazione che ha caratterizzato la precedente generazione di strumenti per gli acquisti.

Questa guida illustra cosa significa IA agentica per gli acquisti, in cosa si differenzia dagli approcci precedenti, i casi d’uso che stanno generando un impatto misurabile e i requisiti fondamentali per un’implementazione efficace.

IA agentica negli acquisti: una panoramica pratica

L’IA agentica si riferisce a sistemi di intelligenza artificiale in grado di perseguire obiettivi in autonomia, scomponendo obiettivi complessi in fasi, eseguendo attività e adattandosi in base ai risultati. Negli acquisti, questo significa un’IA che non si limita a consigliare azioni o redigere contenuti, ma che completa effettivamente workflow multi-step: identifica fornitori, verifica la conformità, recupera documenti e prepara eventi di sourcing senza attendere che un umano attivi ogni singola fase.

In pratica, l’IA agentica funziona solo quando tre condizioni sono soddisfatte:

1. Il modello dati è unificato. Un’unica base di codice, un unico schema, un’unica fonte di verità per sourcing, contratti, fornitori e spesa. Se gli agenti ragionano su sistemi frammentati, producono risultati frammentati.
2. L’agente ha accesso completo alla piattaforma. Non un bot per il sourcing da una parte e un bot per i contratti dall’altra, ma un unico agente in grado di vedere e agire sull’intero perimetro S2P.
3. La governance è applicata dalla piattaforma, non dall’agente. Permessi, approvazioni e audit sono ereditati dall’utente: l’agente non può superare ciò che la persona potrebbe fare.

In assenza di tutti e tre questi elementi, ciò che viene definito “IA agentica” è spesso solo un chatbot collegato a una serie limitata di API.

Le piattaforme Source-to-Pay unificate offrono a un agente accesso diretto ai dati dei fornitori, ai contratti, agli eventi di sourcing e ai documenti, tutto in un unico ambiente. Ivalua rappresenta un esempio di questo approccio architetturale.

IVA, l’assistente virtuale intelligente di Ivalua, esegue queste attività multi-step su dati reali. Che si tratti di riassumere un contratto, correggere un RFX o costruire un piano di miglioramento dei fornitori, IVA opera sullo stesso modello dati S2P unificato, e non su agenti separati di soluzioni puntuali integrati tra loro.

Per comprendere perché questo rappresenti un cambiamento significativo, è utile chiarire come l’IA agentica si differenzi dagli approcci precedenti.

Come l’IA agentica si differenzia dall’IA tradizionale e generativa negli acquisti

L’IA tradizionale negli acquisti prevede i risultati, ad esempio segnalando un fornitore ad alto rischio. L’IA generativa crea contenuti, ad esempio redigendo una RFP a partire da un prompt. L’IA agentica va oltre entrambe: agisce su questi elementi, identificando il rischio, recuperando la documentazione e avviando il workflow per affrontarlo. Le precedenti generazioni di IA supportano gli esseri umani, che restano responsabili dell’esecuzione. L’IA agentica, invece, si assume la complessità operativa, consentendo ai team di concentrarsi sulle decisioni strategiche.

	IA tradizionale	IA generativa	IA agentica
Funzione principale	Prevede risultati	Crea contenuti	Esegue workflow multi-step
Esempio negli acquisti	Segnala un fornitore ad alto rischio	Redige una RFP a partire da un prompt	Identifica il rischio, recupera la documentazione, redige il piano di rimedio e lo inoltra per approvazione umana
Ruolo umano	Esegue ogni azione	Rivede e modifica i contenuti	Approva nei punti decisionali strategici
Output	Raccomandazione	Bozza di contenuto	Workflow completato

Le organizzazioni con una forte capacità di orchestrazione ottengono un ROI da 3 a 5 volte superiore rispetto a quelle che restano bloccate in progetti pilota limitati. Di conseguenza, il divario tra le aziende che sperimentano l’IA generativa e quelle che implementano sistemi agentici si sta ampliando.

Nella piattaforma per gli acquisti aziendali di Ivalua, questo si traduce nel modo in cui funziona l’IA agentica. Il RFX Proofreader esamina i documenti rispetto ai template di sourcing e corregge autonomamente le incoerenze. L’AI Guided Supplier Creation raccoglie le informazioni, le valida e prepara i record per l’approvazione. Questi agenti completano azioni, non semplici output.

Alla luce di queste capacità, gli acquisti sono una funzione particolarmente adatta all’IA agentica.

Perché la funzione acquisti è tra le più adatte all’IA agentica

Gli acquisti combinano processi strutturati, grandi volumi di dati, workflow ripetitivi e decisioni ad alto impatto che richiedono supervisione umana nei punti critici. Sono esattamente le condizioni in cui l’IA agentica genera valore.

La sfida è che la maggior parte dei team opera su sistemi frammentati, il che limita ciò che l’automazione può realmente ottenere. Una scarsa architettura dei dati rappresenta il principale ostacolo al valore dell’IA: sistemi frammentati riducono in modo significativo l’accuratezza dei modelli.

L’IA per gli acquisti di Ivalua affronta questo problema centralizzando dati anagrafici dei fornitori, contratti, eventi di sourcing, fatture e scorecard in un’unica piattaforma. Quando un agente valuta un fornitore o avvia una fase di sourcing, si basa su informazioni S2P complete, invece di ricostruire i dati da fonti frammentate.

Comprendere perché gli acquisti siano già pronti porta naturalmente a capire perché l’adozione stia accelerando proprio ora.

Il passaggio degli acquisti verso l’IA agentica: pressioni e benefici

I team di acquisti oggi gestiscono più fornitori, più categorie e più requisiti di compliance rispetto a cinque anni fa, spesso con organici invariati. Ogni passaggio manuale nell’onboarding dei fornitori, nella gestione delle richieste o nella revisione dei contratti si moltiplica su migliaia di transazioni.

In base alle osservazioni attuali, il modello operativo vigente — in cui gli esseri umani eseguono ogni singola fase del processo — sta raggiungendo i propri limiti.

I dati lo confermano. I programmi di sourcing abilitati dall’IA hanno generato riduzioni dei costi fino al 20% nelle organizzazioni che sono riuscite a scalare oltre la fase pilota.

Questi risultati derivano dalla rimozione delle inefficienze nei processi ad alto volume, come la raccolta dei dati dei fornitori, il routing delle richieste e la pianificazione delle performance: esattamente le attività che IVA è progettata per gestire, tra cui Guided Supplier Creation, Intake Capture, Improvement Plans, Category Intelligence e altre funzioni simili.

Il valore va oltre l’efficienza. Quando gli agenti assorbono la complessità operativa, i professionisti degli acquisti guadagnano tempo e capacità per concentrarsi sulle relazioni con i fornitori, sulla strategia di categoria e sulle decisioni basate sul giudizio umano che generano valore nel lungo periodo.

La sezione successiva analizza le sfide operative specifiche che stanno accelerando questo cambiamento. Comprendere questa trasformazione significa osservare entrambi i lati: le criticità operative che spingono verso l’IA agentica e i benefici strategici che ne favoriscono l’adozione.

Le sfide operative che accelerano l’adozione

La maggior parte dei team di acquisti descrive le stesse difficoltà: troppi sistemi, eccessiva riconciliazione manuale e visibilità limitata sui punti in cui il lavoro si blocca.

Quando i dati dei fornitori risiedono in un sistema, i contratti in un altro e la storia delle performance in un terzo, ogni workflow richiede un continuo lavoro di ricomposizione manuale. Questo rallenta i tempi di ciclo e crea punti ciechi sul rischio, in particolare per quanto riguarda la documentazione di conformità e la qualificazione dei fornitori.

L’IA riduce il carico operativo automatizzando estrazione, classificazione e normalizzazione dei dati, ma solo quando può accedere a informazioni unificate.

Funzionalità come Guided Supplier Creation, Intake e la sintesi automatica dei contratti in Ivalua rispondono a questa esigenza gestendo controlli di completezza, instradamento delle richieste e sintesi documentale all’interno di un’unica piattaforma.

Questi guadagni di efficienza preparano il terreno ai benefici strategici più ampi.

I benefici strategici: efficienza, accuratezza e decisioni migliori

L’efficienza operativa è importante, ma il cambiamento più significativo riguarda la qualità delle decisioni.

I responsabili degli acquisti spesso affermano che i loro team dispongono dei dati, ma non del tempo necessario per utilizzarli. Le scorecard dei fornitori esistono, ma la generazione di piani di miglioramento richiede ore.

Le librerie contrattuali crescono, ma estrarre i termini chiave da centinaia di documenti non è realisticamente sostenibile in modo manuale. L’IA agentica modifica questo equilibrio svolgendo il lavoro analitico che abilita decisioni migliori.

In Ivalua, the AI Improvement Plan transforms scorecard data into structured action plans, while Contract Summarization extracts renewal terms, notice periods, and obligation deviations across document libraries.

With the pressures and payoffs established, the next section explains the mechanics that make this work.

Dentro un sistema di IA agentica: come funziona realmente l’autonomia negli acquisti

Le sezioni precedenti hanno illustrato perché l’IA agentica negli acquisti è importante. Questa sezione spiega come funziona realmente.

La maggior parte dei contenuti dei vendor rimane a un livello concettuale: gli agenti vengono descritti come “autonomi”, senza spiegare cosa renda sicura l’autonomia in una funzione in cui un errore può tradursi in una violazione contrattuale, una non conformità o un pagamento al fornitore sbagliato.

Tre condizioni devono essere vere contemporaneamente. Il modello dati deve essere unificato, in modo che l’agente ragioni su un’unica fonte di verità. L’agente deve avere accesso completo alla piattaforma, non solo a una porzione limitata. E la governance deve essere applicata dalla piattaforma stessa, non dal giudizio dell’agente.

L’approccio di Ivalua collega questi tre elementi attraverso IVA, l’agente integrato nella piattaforma S2P, e IVA Studio, il motore e livello di governance che lo supporta.

Un unico agente, non una rete di bot

La maggior parte delle soluzioni di IA agentica negli acquisti oggi è composta da una serie di agenti specializzati e ristretti: un agente per la proposta di sourcing, uno per la sintesi dei contratti, uno per la gestione dell’intake. Questi strumenti vengono spesso inseriti in un’interfaccia chat e collegati tra loro tramite integrazioni. Ognuno vede solo una porzione dei dati. Nessuno ha una visione completa.

L’IA di Ivalua, IVA, è invece un unico agente con accesso completo alla piattaforma S2P. Quando un utente chiede a IVA di avviare un evento di sourcing, analizzare un contratto o gestire l’onboarding di un fornitore, è sempre lo stesso agente a eseguire il lavoro, sullo stesso modello dati e sotto le stesse regole di governance. Quando è necessaria una capacità di ragionamento più specializzata, IVA attiva sub-agenti all’interno dei propri stessi permessi. L’utente vede un workflow completato, non una serie di passaggi tra bot scollegati.

Questo è un punto chiave per l’IA agentica negli acquisti, perché i workflow attraversano più domini. Le decisioni di sourcing dipendono dalla storia contrattuale. L’onboarding dei fornitori dipende dalla strategia di categoria. L’intake dipende dalle policy aziendali. Un agente che vede solo un dominio non è in grado di ragionare in modo trasversale.

Il dato unificato è la base

L’orchestrazione funziona solo quando l’agente può fidarsi dei dati su cui opera. È qui che la maggior parte delle iniziative di IA agentica negli acquisti si blocca.

Quando i profili dei fornitori risiedono in un sistema, i contratti in un altro e gli eventi di sourcing in un terzo, l’agente produce output poco affidabili oppure richiede l’intervento umano per validare ogni passaggio. Le architetture frammentate non possono essere risolte aggiungendo agenti più intelligenti: è la frammentazione stessa a rappresentare il problema.

L’unica base di codice e il modello dati unificato di Ivalua affrontano direttamente questa criticità. Quando IVA verifica l’idoneità di un fornitore o riassume un contratto, opera su informazioni connesse tra loro, non su frammenti da ricomporre. È questo che rende l’output affidabile.

Governance applicata a livello di piattaforma

In Ivalua, la governance non viene aggiunta come elemento esterno all’agente. Viene applicata dalla piattaforma stessa e viene ereditata da IVA in fase di esecuzione.

Quando un utente attiva IVA, l’agente eredita il set di permessi di quell’utente. Può fare ciò che l’utente può fare, e nulla di più. Quando IVA opera in autonomia, lo fa all’interno di uno scope di autorizzazioni definito, con ogni azione completamente tracciata. IVA Studio è l’ambiente in cui questi controlli vengono configurati e versionati.

L’alternativa è una governance basata sul prompt: indicare all’agente cosa non deve fare e sperare che lo rispetti. Questo approccio fallisce nel momento in cui l’agente incontra un caso limite non previsto dalle istruzioni. La governance basata sui permessi, invece, non fallisce, perché l’agente non può proprio eseguire l’azione non consentita.

Con dati unificati, accesso completo alla piattaforma e governance applicata a livello di sistema, la sezione successiva mostra cosa questa architettura consente di ottenere nella pratica.

Casi d’uso dell’IA agentica con impatto misurabile negli acquisti

Ogni caso d’uso illustrato di seguito mostra in pratica il modello ibrido uomo-agente: gli agenti gestiscono la complessità operativa, mentre i professionisti degli acquisti mantengono la supervisione delle decisioni strategiche.

Caso d’uso	Cosa gestisce IVA
Sourcing autonomo	Ricerca fornitori, controlli di policy, assemblaggio delle offerte, raccomandazioni di aggiudicazione
Intelligence contrattuale	Estrazione degli obblighi, monitoraggio delle scadenze di rinnovo, rilevamento di pattern di rischio
Onboarding dei fornitori	Raccolta dati, validazione documentale, preparazione dei record
Automazione dell’intake	Interpretazione delle richieste, mapping delle categorie, instradamento delle approvazioni
Insight di categoria	Aggregazione dei segnali di mercato, sintesi dei dati di performance
Sourcing della long tail	Scoperta dei fornitori, richieste di preventivo, scoring, preparazione dell’aggiudicazione

Le catene di sourcing autonome sono oggi realizzabili grazie all’orchestrazione multi-agente, trasformando un processo che in precedenza richiedeva settimane di lavoro manuale in workflow strutturati e auditabili. Le sezioni seguenti descrivono come funziona ciascun caso d’uso.

Sourcing autonomo: dalla ricerca all’aggiudicazione

Nel processo di sourcing tradizionale, un professionista degli acquisti identifica manualmente i fornitori, verifica le qualifiche, recupera lo storico delle performance, costruisce i documenti di gara e valuta le risposte. Ogni fase richiede tempo e continui passaggi tra sistemi diversi.

Con l’IA agentica, questa sequenza viene eseguita automaticamente:

1. Un agente di sourcing avvia l’evento sulla base dei criteri di categoria.
2. Un agente web identifica potenziali fornitori da fonti esterne.
3. Un agente di qualità verifica ogni fornitore rispetto alle policy interne e ai requisiti di qualificazione.
4. Un agente documentale recupera certificazioni, dati di performance e storico delle attività.
5. L’agente di sourcing assembla i pacchetti di gara e genera raccomandazioni di aggiudicazione sulla base di criteri di scoring configurati.

Il team degli acquisti interviene per revisionare e approvare nei punti decisionali, invece di eseguire manualmente ogni singola fase.

Intelligence contrattuale, riepiloghi e insight sul rischio

La revisione dei contratti tradizionalmente richiede che i team legali o di acquisti leggano manualmente i documenti per estrarre i termini chiave, identificare i rischi e monitorare le scadenze di rinnovo. A scala, questo approccio diventa difficile da mantenere in modo coerente.

L’analisi dei contratti basata sull’IA modifica questo workflow. La funzionalità di Contract Summarization di Ivalua:

• Estrae automaticamente obblighi, termini chiave, date di rinnovo e periodi di preavviso
• Identifica eccezioni e deviazioni rispetto ai template standard
• Presenta i risultati sotto forma di sintesi strutturate per una revisione rapida

Questi riepiloghi alimentano direttamente i processi a valle, come i controlli di compliance, le decisioni di sourcing e le valutazioni delle performance dei fornitori, evitando che le informazioni restino confinate in report statici.

Onboarding dei fornitori, market intelligence e automazione dell’intake

Questi tre casi d’uso condividono uno schema comune: trasformare input non strutturati in workflow strutturati e azionabili.

• Onboarding dei fornitori: Guided Supplier Creation raccoglie le informazioni necessarie, identifica i documenti mancanti e valida i dati rispetto alle policy configurate, prima di preparare il record per l’approvazione.
• Market intelligence: Category Research aggrega dati di performance e segnali di mercato esterni, fornendo ai category manager insight sintetizzati invece di dati grezzi da analizzare manualmente.
• Automazione dell’intake: AI Intake Capture riceve le richieste in linguaggio naturale, identifica le esigenze, le mappa sulle categorie esistenti e le indirizza attraverso i relativi flussi di approvazione.

Ciascuna di queste funzionalità riduce il lavoro di traduzione manuale che tipicamente rallenta questi processi.

Automazione della long tail e ottimizzazione continua

La tail spend, ovvero gli acquisti ad alto volume e basso valore che spesso sfuggono ai processi di sourcing formali, rappresenta una fonte persistente di inefficienze per la maggior parte delle organizzazioni di acquisti. L’impegno necessario per avviare un processo completo di sourcing raramente è giustificato dall’entità della spesa, motivo per cui questi acquisti tendono a rimanere non gestiti.

L’IA agentica modifica questa dinamica. Le capacità di sourcing autonomo di Ivalua possono identificare categorie di spesa non gestite nella long tail e attivare automaticamente sequenze di sourcing senza intervento manuale: individuazione dei fornitori, richiesta di quotazioni, valutazione delle risposte e preparazione delle raccomandazioni di aggiudicazione anche per acquisti di basso valore.

Il risultato è una quota di spesa gestita che in precedenza non era economicamente conveniente controllare.

Con la copertura dei casi d’uso completata, la sezione successiva analizza come le piattaforme unificate amplifichino questi benefici.

Piattaforme unificate e IA agentica: guida ai benefici negli acquisti

I casi d’uso descritti sopra funzionano perché gli agenti operano all’interno di un ambiente unificato. A nostro avviso, questo è uno dei fattori più sottovalutati nel successo dell’IA agentica.

Le organizzazioni che riescono a scalare l’IA oltre la fase pilota ottengono un ROI da 3 a 5 volte superiore rispetto a quelle che gestiscono casi d’uso isolati. La differenza dipende tipicamente dall’architettura della piattaforma.

Le piattaforme Source-to-Pay unificate e AI-powered come quella di Ivalua consentono di abilitare simultaneamente i tre elementi fondamentali: dati affidabili, azione coordinata e governance adattiva in un unico ambiente.

Questa architettura genera benefici su tre dimensioni: velocità e visibilità, risultati in termini di costi e compliance, e capacità di eseguire workflow avanzati multi-agente.

Velocità, visibilità e fiducia nelle decisioni

Gli agenti che hanno accesso diretto a dati S2P unificati eliminano i ritardi legati alla raccolta manuale delle informazioni e alla riconciliazione tra sistemi. Di conseguenza, workflow come gli eventi di sourcing, il routing dell’intake e le revisioni contrattuali, che in precedenza richiedevano giorni, possono oggi essere completati in pochi minuti, con dati di qualificazione, mapping di categoria ed estrazione documentale disponibili in modo immediato.

Questi benefici si accumulano nel tempo. Inoltre, i responsabili degli acquisti ottengono visibilità in tempo reale sullo stato delle attività e sulle decisioni che richiedono attenzione, senza dover inseguire aggiornamenti tra i vari team.

Cicli più rapidi e dati più puliti consentono ai team di agire con maggiore sicurezza. Questo abilita direttamente risultati migliori in termini di costi e compliance.

Risparmi, compliance e performance dei fornitori

I risparmi generati dall’IA agentica non derivano da una singola automazione, ma si accumulano attraverso migliaia di transazioni in cui gli agenti gestiscono attività di validazione, documentazione e instradamento che in precedenza richiedevano intervento manuale.

La compliance migliora in parallelo. Gli agenti verificano automaticamente documenti richiesti, certificazioni e regole di policy prima che il processo avanzi, facendo emergere eventuali criticità in anticipo rispetto agli audit.

Nel frattempo, la performance dei fornitori beneficia di funzionalità come l’AI Improvement Plan di Ivalua, che trasforma i dati delle scorecard e i KPI storici in piani d’azione strutturati.

Questi risultati dipendono dall’architettura sottostante. La sezione successiva spiega come il design specifico di Ivalua abiliti workflow avanzati multi-agente.

Come l’architettura di Ivalua abilita workflow agentici avanzati

I benefici descritti sopra dipendono da come le capacità di IA sono connesse tra loro, non semplicemente dalla loro presenza.

Si può pensare a IVA Studio come alla sala macchine che sta dietro IVA. Quando un utente avvia un evento di sourcing, IVA pianifica il lavoro, richiama le Skills necessarie, interroga i dati S2P in tempo reale, attiva sub-agenti quando è richiesto un ragionamento specializzato e assembla il risultato finale. L’utente visualizza un workflow completato. Dietro le quinte, ogni azione opera su un unico modello dati e sotto un unico livello di governance, ed è questo che rende il risultato affidabile.

Questo è un aspetto fondamentale perché i workflow multi-agente richiedono un contesto coerente. Come approfondito nel nostro report sugli agenti AI nel Procurement, i modelli unificati consentono un’esecuzione multi-step accurata e in tempo reale proprio perché gli agenti condividono la stessa base dati e le stesse regole di governance lungo tutto il processo. Al contrario, aggiungere agenti sopra sistemi frammentati crea discontinuità in cui il contesto si perde e gli errori si accumulano.

La sezione successiva mostra come questo si traduce nella pratica in un’azienda che opera con ambienti di acquisti complessi e multi-ERP.

Come Körber sta utilizzando l’IA di Ivalua per modernizzare gli acquisti su larga scala

I principi architetturali descritti sopra diventano più chiari attraverso un esempio reale. Körber, un gruppo tecnologico globale, opera su oltre 7 sistemi ERP, rendendo il consolidamento degli acquisti estremamente complesso.

La loro sfida era fondamentale: prima di poter implementare agenti di IA, era necessario disporre di un livello S2P unificato in grado di fungere da sistema di riferimento affidabile attraverso sistemi legacy frammentati. Ivalua ha fornito questa base, consolidando dati dei fornitori, contratti e workflow di acquisto in un’unica piattaforma.

Con un dato unificato in posizione, l’IA è diventata utilizzabile in modo concreto. Körber ha iniziato a testare le funzionalità di IA di Ivalua nel 2023, partendo da casi d’uso legati all’automazione e all’analisi.

“Abbiamo iniziato il nostro percorso sull’IA nel 2023; attualmente stiamo portando avanti un pilota molto positivo con Ivalua IVA… ciò che emerge più spesso in questa fase sono casi d’uso legati all’automazione e all’analisi.” — Jan Van Hueth, Senior Project Manager, Körber

Leggi il caso studio completo di Körber qui.

L’esperienza di Körber rafforza un punto chiave: una volta costruita una base dati unificata, i workflow multi-agente e l’automazione avanzata diventano realizzabili, anche in contesti aziendali altamente complessi.

Un percorso chiaro verso la trasformazione con l’IA agentica

Il passaggio all’IA agentica negli acquisti segue una sequenza prevedibile: unificare la base dati, implementare agenti sui workflow ad alto volume dove possono generare risultati rapidi, ed estendere progressivamente l’orchestrazione man mano che la governance matura.

In base a quanto osservato, le organizzazioni che affrontano questo cambiamento come una decisione di piattaforma, e non come l’acquisto di una soluzione puntuale, avanzano più velocemente e ottengono benefici cumulativi nel tempo. Il lavoro fondamentale — consolidare dati dei fornitori, contratti ed eventi di sourcing in un unico modello S2P — abilita tutto ciò che segue.

La guida all’IA agentica negli acquisti di Ivalua offre una roadmap dettagliata di questo percorso, inclusi framework di maturità e considerazioni di implementazione per i responsabili degli acquisti pronti a superare la fase pilota.