The role of artificial intelligence in the procurement process

The central objective of my research is to study the role of Artificial Intelligence (AI) in the procurement process, addressing the overarching research question “What is the role of Artificial Intelligence in the Procurement process?”. With the mission to answer this research question, I conducted several studies during my PhD path, which converge in the four papers part of this thesis. In the development of the research, I followed two phases: a first exploratory phase, to understand the state of the art and the fundamental constructs for my studies, and a second explanatory phase, to explain the role of AI in selected purchasing activities. The exploratory phase starts with Paper 1, which forms the basis and framing of the whole thesis. Paper 1 applies multiple methodologies: a structured literature review to systematize the academic knowledge and a practitioner perspective study to complement the literature analysis. In the practitioner study, I made a screening of AI-based procurement solutions offered by established IT providers and start-ups, and a focus group with procurement managers. Results map the functionalities of AI-based solutions throughout the procurement process, describe benefits and challenges to their adoption, and identify future research directions at the intersection of AI and procurement. Some of these directions have already been bridged in my Ph.D. thesis: Papers 2, 3 and 4 dig into three activities of the procurement process described among the future research directions in Paper 1. Through a multiple actor perspective, Paper 2 studies the adoption of Supply Chain Finance (SCF) to identify the phases of the SCF innovation process impacted by AI. Leveraging ten case studies of SCF providers, the activities impacted by AI are classified along with the phases and sub-phases of the SCF innovation process, and benefits and challenges are identified for buyers, suppliers, and SCF providers. Papers 3 and 4 are part of the explanatory phase of my Ph.D. research. They adopt the same theoretical lens, i.e. the Information Processing Theory (IPT). Paper 3 investigates the impact of AI on the spend classification performed by a buyer firm, identifying the information Processing Needs and Capabilities underlying the adoption of AI in spend classification. The case study methodology involves the IT providers currently offering AI-based spend classification solutions as privileged respondents. Information Processing Needs in spend classification are high for buyer firms. Often, they are not supported by internal Information Processing Capabilities and the AI-based solutions offered by IT providers for spend classification compensate for the lacking Capabilities of the buyer, enabling the Fit between Information Processing Needs and Capabilities. With a similar approach, the research in Paper 4 investigates the role of AI in the supplier scouting activity. Again, IPT constitutes the overarching theoretical structure. Twelve case studies of IT- and information-providers offering AI-based scouting solutions were developed. In the buyer firms, Information Processing Needs in supplier scouting are high. IT and information providers can meet the buyers’ needs through the Information Processing Capabilities enabled by AI-based solutions. In this way, the fit between needs and capabilities can be reached. Although the papers in this thesis only partially cover the knowledge gap at the inter- section between the domain of AI and the procurement discipline, they exert an initial effort in structuring a novel phenomenon. Indeed, this doctoral thesis contributes from a scientific point of view in several ways. Identifying and mapping the fundamental con- structs contribute to the systematization and advancement of the research, converging in future research directions, which serve as an invitation for future developments. The theoretical structure of the research frameworks in the papers makes the results robust and generalizable. My doctoral thesis is also valuable for practitioners, conveying a comprehensive picture of AI in the procurement process in its current state and charting the trajectories for a possible evolution, also highlighting the challenges and benefits in adopting AI in the procurement process.

L'obiettivo centrale della mia ricerca è studiare il ruolo dell'Intelligenza Artificiale (IA) nel processo di acquisto, affrontando la domanda di ricerca "Qual è il ruolo dell'Intelligenza Artificiale nel processo di acquisto?". Con l'obiettivo di rispondere a questa domanda di ricerca, ho condotto diversi studi durante il mio percorso di dottorato, che confluiscono nei quattro articoli raccolti in questa tesi. Nello sviluppo della ricerca, ho seguito due fasi: una prima fase esplorativa, per comprendere lo stato dell'arte e i costrutti fondamentali per i miei studi, e una seconda fase esplicativa, per spiegare il ruolo dell'IA in attività di acquisto selezionate. La fase esplorativa inizia con il Paper 1, che costituisce la base e l'ossatura dell'intera tesi. Il Paper 1 applica diverse metodologie: una revisione strutturata della letteratura per sistematizzare le conoscenze accademiche e uno studio sulla prospettiva dei professionisti per integrare l'analisi della letteratura. Nello studio relativo alla prospettiva industriale, ho effettuato uno screening delle soluzioni di acquisto basate sull'IA offerte da provider IT consolidati e da start-up, e un focus group con i responsabili degli acquisti. I risultati hanno tracciato una mappa delle funzionalità delle soluzioni basate sull'IA lungo il processo di approvvigionamento, descritto i vantaggi e le sfide per la loro adozione e identificato le future direzioni di ricerca nell'intersezione tra IA e gestione degli acquisti. Alcune di queste direzioni sono già state intraprese nella mia tesi di dottorato: i Paper 2, 3 e 4 approfondiscono tre attività del processo di approvvigionamento descritte tra le direzioni di ricerca future nel Paper 1. Attraverso una prospettiva a più attori, il Paper 2 studia l'adozione del Supply Chain Finance (SCF) per identificare le fasi del processo di innovazione SCF impattate dall'IA. Utilizzando dieci casi di studio di fornitori di SCF, le attività impattate dall'IA sono classificate insieme alle fasi e alle sotto-fasi del processo di innovazione SCF, e sono identificati i benefici e le sfide per le imprese buyer, i fornitori e i provider di soluzioni SCF. I Paper 3 e 4 fanno parte della fase esplicativa della mia ricerca di dottorato. Adottano la stessa lente teorica, ovvero la Information Processing Theory (IPT). Il Paper 3 analizza l'impatto dell'IA sulla classificazione della spesa effettuata da un'impresa buyer, identificando le esigenze e le capacità di elaborazione delle informazioni alla base dell'adozione dell'IA nella classificazione della spesa. La metodologia dello studio di caso coinvolge i fornitori IT che attualmente offrono soluzioni di classificazione della spesa basate su IA. Le esigenze di elaborazione delle informazioni nella classificazione della spesa sono elevate per le aziende buyer. Spesso non sono supportate da capacità interne di elaborazione delle informazioni e le soluzioni basate sull'IA offerte dai fornitori di IT compensano le capacità carenti del buyer, consentendo il match tra le esigenze di elaborazione delle informazioni e le capacità di data processing. Con un approccio simile, la ricerca del Paper 4 indaga il ruolo dell'IA nell'attività di scouting dei fornitori. Anche in questo caso, la IPT costituisce la struttura teorica generale. Sono stati sviluppati dodici casi di studio di fornitori di IT che offrono soluzioni di scouting basate su IA. Nelle aziende buyer, le esigenze di elaborazione delle informazioni nello scouting dei fornitori sono elevate. I fornitori di IT possono soddisfare le esigenze dei buyer grazie alle capacità di elaborazione delle informazioni abilitate dalle soluzioni di IA. In questo modo, è possibile raggiungere il match tra esigenze e capacità di data processing. Sebbene i lavori di questa tesi coprano solo in parte il divario di conoscenza tra il dominio dell'IA e la disciplina degli acquisti, essi compiono uno sforzo iniziale nella strutturazione di un fenomeno nuovo. Infatti, questa tesi di dottorato contribuisce da un punto di vista scientifico in diversi modi. L'identificazione e la mappatura dei costrutti fondamentali contribuiscono alla sistematizzazione e all'avanzamento della ricerca, convergendo in direzioni di ricerca future, che fungono da invito per sviluppi futuri. La struttura teorica conferita alla ricerca nei paper rende i risultati robusti e generalizzabili. La mia tesi di dottorato è interessante anche per gli operatori del settore, in quanto trasmette un quadro completo dell'IA nel processo di approvvigionamento allo stato attuale e traccia le traiettorie per una possibile evoluzione, evidenziando anche le sfide e i vantaggi nell'adozione dell'IA nel processo di approvvigionamento.