Un buyer alla ricerca di un nuovo fornitore può già adesso fare la selezione senza aprire decine di siti, cataloghi e schede tecniche. Una parte del lavoro può essere affidata a un agente di Intelligenza Artificiale incaricato di individuare le aziende compatibili con determinati requisiti, confrontarne l'offerta, controllare le informazioni disponibili e proporre una shortlist. In alcuni processi più standardizzati, lo stesso agente può intervenire anche nelle fasi di acquisto e riordino.
Non è più soltanto uno scenario teorico. In una ricerca pubblicata il 25 agosto 2026, Gartner segnala che un numero crescente di team procurement B2B sta adottando degli AI buying agents in passaggi rilevanti dei processi di acquisto e riapprovvigionamento. Parallelamente, piattaforme enterprise come Oracle e SAP stanno introducendo funzionalità che utilizzano l'IA per ricercare fornitori, verificarne qualifiche e conformità, guidare gli acquisti e individuare le opzioni compatibili con contratti e policy aziendali.
Per i produttori alimentari il cambiamento apre una questione molto concreta: quanto è facile per un sistema automatico capire esattamente cosa produce l'azienda, con quali caratteristiche, certificazioni e condizioni di fornitura?
Cosa può fare un agente AI nel processo di acquisto
Gli agenti AI applicati agli acquisti vanno oltre la semplice ricerca tramite chatbot. Possono ricevere un obiettivo, interrogare le informazioni disponibili nei sistemi aziendali e svolgere una sequenza di attività sulla base di criteri e regole prestabiliti.
Oracle, ad esempio, ha introdotto funzioni che consentono ai responsabili degli acquisti di ricercare fornitori attraverso richieste formulate in linguaggio naturale. Il sistema può utilizzare informazioni contenute nei profili dei fornitori, categorie di prodotti e servizi, precedenti transazioni, classificazioni aziendali e altri dati presenti nella piattaforma per individuare i candidati più pertinenti.
Un'altra applicazione Oracle utilizza agenti AI per la qualificazione dei fornitori: identifica certificazioni o requisiti mancanti, segnala risultati di qualifica non conformi e aiuta a stabilire quali situazioni richiedano un intervento. SAP sta seguendo una direzione analoga, integrando agenti nei propri sistemi di acquisto per guidare le decisioni, applicare le policy e proporre opzioni coerenti con i contratti esistenti.
Il buyer umano continua ad avere un ruolo centrale nelle decisioni strategiche, nelle negoziazioni complesse, nello sviluppo di nuovi prodotti e nella gestione della relazione. Ma il primo filtro può agire sempre più spesso prima che il fornitore entri in contatto con una persona.
Il primo requisito diventa essere comprensibili dalla macchina
Un buyer esperto è in grado di interpretare informazioni incomplete. Può capire che due descrizioni indicano sostanzialmente lo stesso ingrediente, telefonare per conoscere un quantitativo minimo d'ordine o chiedere al commerciale se una certificazione è ancora valida.
Un processo automatizzato funziona meglio quando questi elementi sono espliciti, strutturati e aggiornati. Se un dato essenziale esiste soltanto all'interno di un PDF, nella casella email di un commerciale o nella conoscenza personale di chi segue il cliente, può essere molto più difficile utilizzarlo in una selezione automatizzata.
Essere "machine-readable" non significa necessariamente rendere pubbliche tutte le informazioni aziendali. Significa organizzare i dati in modo che possano essere utilizzati dai sistemi autorizzati attraverso cataloghi digitali, sito web aziendale, portali fornitori, piattaforme di procurement, PIM, ERP, EDI, API o altri strumenti di scambio dati.
Per un produttore alimentare, questo patrimonio informativo può comprendere:
- identificazione dell'azienda e degli stabilimenti, categorie produttive e mercati serviti;
- dati di prodotto, come GTIN, denominazione, formato, peso, ingredienti, allergeni e caratteristiche della referenza;
- certificazioni e qualifiche, con relativo stato di validità;
- shelf life, condizioni di conservazione e requisiti di temperatura;
- configurazioni logistiche, comprese unità per cartone, cartoni per pallet, dimensioni e pesi;
- MOQ, cioè quantitativo minimo d'ordine, lead time e disponibilità;
- quando pertinente, origine, tracciabilità e informazioni necessarie per la conformità nei diversi mercati.
Completezza e coerenza dei dati diventano fattori commerciali
La questione riguarda sia la quantità delle informazioni disponibili che la loro coerenza. Se il sito aziendale indica una certificazione, il catalogo ne riporta un'altra e il profilo presente sulla piattaforma del cliente non è stato aggiornato, un processo automatizzato può produrre richieste di chiarimento o non riconoscere correttamente il supplier come compatibile con i criteri impostati.
Le applicazioni già disponibili mostrano quanto questo aspetto possa diventare concreto. Le nuove funzioni Oracle possono ricercare i fornitori utilizzando le categorie di prodotti e servizi presenti nel loro profilo e utilizzare informazioni sulla qualificazione per supportarne la selezione. In un altro ambiente, gli agenti possono evidenziare proprio le qualifiche mancanti o non conformi.
Di conseguenza, l'aggiornamento del profilo fornitore su portali e piattaforme usate dai principali clienti non dovrebbe essere considerato soltanto un'attività amministrativa. Può diventare una parte della visibilità commerciale dell'azienda.
Certificazioni e claim devono poter essere verificati
Nel settore alimentare il problema è ancora più rilevante perché molti criteri di selezione riguardano requisiti verificabili. Un importatore può cercare, ad esempio, un produttore certificato secondo un determinato standard, un prodotto biologico, una specifica origine, determinate caratteristiche nutrizionali o un articolo compatibile con particolari requisiti di mercato.
In questi casi una frase promozionale sul sito non equivale necessariamente a un dato utilizzabile per la qualificazione. Diventano importanti denominazione esatta della certificazione, ente che l'ha rilasciata, stabilimento interessato, campo di applicazione, data di validità e documentazione associata.
Lo stesso vale per i claim di prodotto. Più il processo di acquisto viene automatizzato, più diventa utile separare ciò che appartiene al linguaggio di marketing dalle informazioni tecniche che possono essere confrontate e verificate.
Gli standard esistenti acquistano nuovo valore
Non è necessario inventare da zero un linguaggio destinato agli agenti AI. Nell'industria alimentare esistono già infrastrutture e standard utilizzati da anni per identificare prodotti, aziende e unità logistiche e per scambiare informazioni tra partner commerciali.
GS1, ad esempio, consente di identificare in maniera univoca prodotti e soggetti della filiera attraverso standard come GTIN e GLN. Il sistema Verified by GS1 permette di verificare informazioni associate a identificativi di prodotto, aziende e location, mentre il GS1 Digital Link consente di collegare identificativi GS1 a informazioni e servizi disponibili online.
Nell'agosto 2026 GS1 ha aggiornato anche le specifiche relative al Digital Link e al relativo sistema di risoluzione. Queste tecnologie non sono state create specificamente per gli agenti di acquisto, ma mostrano il valore crescente di identificativi univoci, dati strutturati e fonti informative interrogabili digitalmente: esattamente il tipo di infrastruttura che facilita anche i processi automatizzati.
Dal catalogo statico ai dati commerciali aggiornati
Per essere selezionati non basta però descrivere bene il prodotto. Una parte importante delle decisioni di acquisto riguarda informazioni che cambiano nel tempo.
Un agente incaricato di supportare un riordino può aver bisogno di conoscere disponibilità, tempi di consegna, quantità minime, condizioni logistiche o stato attuale dei requisiti. Se questi dati vengono aggiornati soltanto occasionalmente in un catalogo PDF, una parte del vantaggio dell'automazione viene meno.
La conseguenza, soprattutto nei rapporti con grandi distributori, retailer e clienti industriali, potrebbe essere una progressiva evoluzione dal semplice scambio di documenti verso flussi di dati più frequenti e integrati. EDI, API, portali supplier e connessioni tra sistemi possono assumere quindi anche una funzione commerciale, permettendo al cliente di verificare rapidamente se il fornitore è in grado di soddisfare una determinata esigenza.
Anche il lavoro della forza vendita cambia
Quando ricerca e confronto iniziale vengono svolti in parte dall'IA, il commerciale non perde importanza. Cambia però il momento nel quale entra nella trattativa e il tipo di valore che deve comunicare.
Informazioni standard come formati disponibili, certificazioni, capacità logistiche o caratteristiche tecniche dovrebbero essere reperibili senza richiedere necessariamente l'intervento di una persona. La forza vendita può così concentrarsi maggiormente su negoziazione, sviluppo di prodotti dedicati, private label, pianificazione commerciale, gestione delle eccezioni e costruzione della relazione con il cliente.
Allo stesso tempo, marketing, vendite, qualità, IT e supply chain diventano più interdipendenti. Se un'informazione importante per ottenere un nuovo cliente è gestita male nei sistemi aziendali, il problema può incidere in modo importante sull'accesso al mercato.
Un audit dei dati può diventare il primo passo
Per capire quanto un'azienda sia pronta a questo nuovo modello non serve necessariamente partire da grandi investimenti tecnologici. Un primo esercizio può consistere nello scegliere alcune delle referenze più importanti e verificare se un soggetto esterno sarebbe in grado di ricostruirne senza ambiguità le informazioni essenziali.
Le domande da porsi sono semplici: il prodotto è identificato univocamente? Le specifiche sono aggiornate? Le certificazioni sono facilmente verificabili? MOQ, lead time e configurazione logistica sono disponibili? I dati coincidono tra sito, catalogo, ERP e portali dei clienti? È chiaro chi, all'interno dell'azienda, è responsabile dell'aggiornamento di ciascuna informazione?
La stessa verifica può essere estesa ai dati aziendali e agli stabilimenti, identificando le informazioni che possono essere pubbliche, quelle da condividere soltanto con partner qualificati e quelle che devono rimanere riservate.
Essere facili da valutare può diventare un vantaggio competitivo
L'affermazione dell'agentic procurement diventa un aiuto reale per la scelta dei fornitori, senza trascurare il fattore umano. Nel settore alimentare, i requisiti di qualità, sicurezza, capacità produttiva, innovazione, affidabilità e relazione commerciale continueranno a richiedere valutazioni umane, soprattutto nelle forniture strategiche.
Il cambiamento può avvenire però a monte: nella costruzione della lista di aziende da valutare, nel controllo dei requisiti minimi, nel confronto delle alternative e nei riordini più standardizzati.
Per un produttore alimentare, quindi, diventerà sempre più importante fare in modo che prodotti, capacità e requisiti aziendali siano accessibili, confrontabili e verificabili anche dai sistemi AI che lavorano per quel buyer. Un processo di acquisto sempre più automatizzato, richiede di ridurre questa frizione informativa, in modo da diventare una vera componente della competitività commerciale.
