Nel procurement l’AI non coincide più soltanto con dashboard, automazioni puntuali e supporti analitici. Il report “Redefining procurement performance in the era of agentic AI”, pubblicato da McKinsey il 5 febbraio 2026, descrive una fase diversa: quella in cui l’AI agentica entra nei processi di acquisto come infrastruttura operativa e non più come semplice strumento di supporto. Il cambiamento, secondo gli autori, sposta il baricentro della funzione acquisti dalle attività transazionali verso la creazione di valore su più piani: risparmi, continuità operativa, sostenibilità, rapidità decisionale e capacità di risposta alla volatilità.
Indice degli argomenti:
Dal procurement amministrativo al procurement strategico
Negli ultimi anni la funzione procurement ha dovuto confrontarsi con una pressione crescente. Alla tradizionale ricerca di saving si sono aggiunti shock geopolitici, instabilità nelle catene di fornitura, inflazione, oscillazioni dei mercati e una quantità di dati sempre più difficile da interpretare in tempi utili. In questo quadro, molte organizzazioni continuano a operare con modelli pensati per un contesto meno dinamico: team appesantiti da attività amministrative, sistemi separati, cicli di sourcing lenti e capacità di insight distribuite in modo frammentato.
McKinsey osserva che il problema non è soltanto tecnologico, ma soprattutto di leadership e di modello operativo.
Il punto centrale del report è netto: il procurement non può più limitarsi a presidiare costi e conformità. Deve diventare una funzione capace di incidere su crescita, resilienza, innovazione ed ESG. In questo passaggio l’AI agentica assume un ruolo decisivo perché promette di riorganizzare il lavoro, ridefinire le priorità e aumentare la qualità delle decisioni lungo tutto il ciclo source-to-pay.
Che cosa cambia nel procurement con l’AI agentica
McKinsey distingue in modo chiaro la fase dell’analytical AI, che risponde alla logica del “mostrami i dati”, da quella dell’agentic AI, che si avvicina alla logica del “fallo per me”. Gli agenti AI, nella descrizione del report, sono in grado di affrontare compiti multistep, usare grandi moli di dati strutturati e non strutturati, produrre raccomandazioni, simulare scenari e migliorare nel tempo attraverso cicli di apprendimento. In altre parole, non si limitano a supportare la lettura delle informazioni: partecipano all’esecuzione del lavoro.
Per il procurement questo significa, per esempio, analizzare offerte di fornitori durante la notte, monitorare indici di mercato in tempo reale, individuare scostamenti di costo, preparare basi informative per la negoziazione e generare contromosse commerciali. Il valore, secondo McKinsey, non risiede solo nell’automazione di singoli passaggi, ma nell’orchestrazione di risultati end-to-end.
È qui che il procurement entra davvero in una nuova fase: quella di una forza lavoro ibrida, nella quale le persone presidiano giudizio, relazione, eccezioni e scelta strategica, mentre gli agenti AI assorbono scala, velocità e sintesi. 
I primi risultati misurabili
Uno degli aspetti più interessanti del report riguarda i casi d’uso già osservati. McKinsey cita un’azienda tecnologica che ha utilizzato una rete di agenti AI per ripensare la strategia di sourcing dei servizi esterni. In quel caso l’approccio ha portato all’individuazione di opportunità di saving tra il 12% e il 20% nelle operazioni di contact center e tra il 20% e il 29% nella spesa per outsourcing di processi di business e servizi finanziari.
Un’azienda chimica sta invece sperimentando agenti AI per gestire in autonomia parti del sourcing nella categoria dei consumabili: preparazione delle gare, identificazione e prequalifica dei fornitori, analisi delle offerte, sintesi delle richieste di chiarimento. In questo caso McKinsey riporta un incremento dell’efficienza del personale procurement tra il 20% e il 30%, insieme a una crescita del valore catturato tra l’1% e il 3%.
Il report cita anche un operatore telco che usa agenti AI per supportare le trattative su una spesa “long tail” relativa a software specialistici. Gli agenti preparano la base informativa pre-negoziale, suggeriscono mosse in tempo reale, valutano il trade-off tra costo, livelli di servizio e rischio, e generano controproposte.
Il risultato, secondo McKinsey, è una riduzione fino al 90% del tempo speso dai team tra analisi ed email, con saving tra il 10% e il 15% sui fornitori coinvolti.
L’AI agentica, inoltre, non agisce solo nelle attività ad alto valore strategico. McKinsey segnala casi anche nel purchasing operativo: una società farmaceutica ha applicato agenti AI al controllo della conformità tra fatture, ordini e contratti, riducendo del 4% il valore perso per leakage; un produttore aeronautico ha automatizzato l’esecuzione degli ordini e la gestione delle scorte sulla base dei dati di pianificazione produttiva, con una riduzione del 30% dell’inventario attivo e un impatto sull’EBIT di circa 700 milioni di dollari.
Perché il vero nodo è il modello operativo
L’idea più solida del report è che l’adozione dell’AI, da sola, non basti. McKinsey parla infatti di “rewired procurement model”, cioè di una funzione acquisti riprogettata attorno a dati, agenti, processi e persone. La premessa è semplice: senza dati connessi, aggiornati e governati, anche gli agenti più sofisticati perdono efficacia. McKinsey stima che oggi le funzioni procurement usino meno del 20% dei dati disponibili per supportare le decisioni.
Da qui nasce il concetto di data spine, una dorsale comune capace di unificare spesa, fornitori, contratti e benchmark di mercato in una single source of truth.
Il secondo passaggio riguarda il ruolo degli agenti, che non vanno letti come funzioni isolate o interfacce migliorate di strumenti già esistenti. Nel modello descritto da McKinsey gli agenti diventano infrastruttura operativa: moduli specializzati che importano dati da fonti non strutturate, li analizzano, dialogano in linguaggio naturale e collaborano tra loro all’interno di workflow più ampi. Questo approccio rende il procurement più modulare, più rapido e più adattabile ai diversi domini operativi.
Il terzo snodo riguarda il rapporto tra persone e sistemi. Il procurement “rewired” non elimina il ruolo umano, ma lo sposta. I professionisti della funzione acquisti devono guidare, validare e correggere i loro corrispettivi digitali. Di conseguenza cambiano anche le competenze richieste: maggiore familiarità con prompt, scenari, lettura critica degli output, governo dell’eccezione e change management. È una traiettoria coerente anche con altre analisi McKinsey sul lavoro ibrido tra persone, agenti e robot, dove la creazione di valore dipende sempre più dal redesign dei workflow e non dalla sola automazione di singole attività.
Le implicazioni per i C-level
Il report attribuisce un ruolo preciso al top management. Per McKinsey il procurement può diventare una leva da livello board, ma solo a condizione che l’azienda lo colleghi in modo esplicito agli obiettivi di impresa. Questo significa usare l’AI non soltanto per comprimere i costi, ma per sostenere la resilienza della supply chain, accelerare il time to market, rafforzare la collaborazione con i fornitori e supportare obiettivi ESG.
Da qui discende una richiesta di leadership piuttosto esigente. I vertici devono ripensare ruoli e responsabilità, investire nella qualità dei dati, ridisegnare KPI e rituali operativi, e soprattutto evitare che l’AI resti confinata a una serie di test senza impatto strutturale.
Il procurement, in questa visione, smette di essere una funzione ancillare e si presenta come un punto di intersezione tra strategia, tecnologia e governance.
Dal risparmio al procurement ROI
Un altro elemento utile del report è la proposta di una metrica più ampia per misurare l’impatto: il procurement ROI. McKinsey lo definisce come il valore complessivo creato diviso per il costo totale necessario a produrlo. Nel valore rientrano non solo i saving realizzati, ma anche leakage evitato, benefici sul capitale circolante, riduzione del rischio e capacità di abilitare ricavi. Sul lato dei costi, invece, entrano persone, tecnologia, dati e change management.
È una lettura importante perché segnala un cambio di linguaggio. Se l’AI nel procurement viene misurata solo come riduzione di tempi o numero di task automatizzati, il rischio è sottostimare l’effetto reale.
Se invece la si collega al ritorno complessivo della funzione, l’investimento acquista una dimensione più strategica e più leggibile anche per CFO e CEO.
Procurement e AI agentica: una traiettoria concreta, non teorica
McKinsey insiste sul fatto che il percorso non richiede necessariamente programmi IT pluriennali o sostituzioni massive di ERP. Il report sostiene che, con alcuni dataset chiave e casi d’uso ben definiti, si può passare da prototipo a pilota in poche settimane e dal pilota alla scala in meno di un anno. La roadmap proposta parte da agenti “no-regret”, cioè soluzioni già applicabili su ambiti come category copilot, generazione RFx, analisi, ottimizzazione contrattuale, invoice-to-contract compliance e repricing della tail spend. Poi chiede di definire una visione di lungo periodo, partire da due o tre domini ad alto impatto, costruire team trasversali e investire da subito in capability building.
Questo approccio rende il report particolarmente interessante anche fuori dai contesti più maturi dal punto di vista digitale. Il messaggio, infatti, non è che serva un procurement già perfetto per introdurre l’AI agentica. Il messaggio è quasi opposto: proprio perché molti modelli attuali sono lenti, frammentati e incapaci di sfruttare i dati disponibili, l’AI agentica può rappresentare il grimaldello per una trasformazione più ampia della funzione.
Perché questo tema conta adesso
Nel report compare anche un dato che aiuta a inquadrare il momento: in una survey di executive del procurement citata da McKinsey, il 40% dei leader vede l’AI come una forza dirompente per la funzione. È una percentuale significativa perché segnala il superamento della fase esplorativa. Il procurement non guarda più l’AI come un accessorio interessante, ma come un fattore che può modificare struttura dei team, competenze richieste e priorità operative.
Per le imprese questo passaggio arriva in una fase in cui i fornitori stessi stanno accelerando l’adozione dell’AI nelle funzioni commerciali. Di conseguenza cambia anche l’equilibrio negoziale.
Chi compra con modelli tradizionali rischia di trattare con controparti già potenziate da strumenti di analisi, simulazione e ottimizzazione più avanzati. Il ritardo, quindi, non pesa solo in termini di efficienza interna, ma anche di posizione competitiva sul mercato.
