Buyer-AI interaction in the procurement process: redefining roles and skills

Background and objectives: This thesis investigates the evolving interaction between procurement professionals and AI systems in AI-enabled procurement processes. The study addresses three main research questions related to the balance between human and AI involvement across procurement activities, how AI redefine the responsibilities of procurement professionals, and which skills should buyers have to favour the effective collaboration with AI systems. Methodology: A comprehensive literature review is conducted to identify theoretical insights and research gaps. Based on this, a preliminary research framework is developed and validated through an exploratory multiple case study analysis. Data is collected through interviews with eight procurement experts from companies providing or using AI systems in their procurement processes. Key findings: Many procurement activities follow a recurring pattern of buyer-AI interaction. Procurement professionals are often required to exploit their prompt engineering skills to provide AI with input data, particularly in activities like supplier scouting and negotiation. However, for processes like performance monitoring, risk management, and spend analysis, AI can independently extract and process quantitative data. Once data is acquired, AI typically performs the core operations, scouting suppliers, conducting negotiations with long-tail suppliers, computing performance metrics, assessing risks, and analysing spending patterns. After that, the necessity of buyers’ involvement for validating and interpreting AI-driven outputs is questioned among scholars and interviewed experts, with divergent perspectives between providers of AI tools and end-users. Many still consider human oversight essential, especially when AI is involved in decisions with significant strategic or financial impact. Despite the growing role of AI, buyers remain indispensable for tasks where human judgment and relational skills are critical, such as strategic decision-making and the management of relationships with key internal stakeholders and external suppliers. To succeed in this evolving role, beyond new AI-related technical skills, professionals should maintain and further develop their traditional strategic and interpersonal capabilities. Additionally, procurement managers are responsible for overseeing AI integration, facilitating effective buyer-AI collaboration, and addressing potential resistance to AI adoption within their teams.

Contesto e obiettivi: Questa tesi analizza l’evoluzione dell’interazione tra i professionisti del procurement e i sistemi di IA all’interno dei processi di approvvigionamento guidati dall’IA. Lo studio affronta tre domande di ricerca che esplorano il bilanciamento tra coinvolgimento umano e IA nelle diverse attività del procurement, il modo in cui l’IA ridefinisce le responsabilità dei buyer e le competenze che dovrebbero possedere i buyer per favorire una collaborazione efficace con i sistemi di IA. Metodologia: È stata condotta una revisione sistematica della letteratura per individuare spunti teorici e gap di ricerca. Sulla base di questa analisi, è stato sviluppato un framework preliminare, poi validato tramite uno studio esplorativo su casi multipli. I dati sono stati raccolti attraverso interviste a otto esperti di procurement di aziende che forniscono o utilizzano sistemi di IA nei propri processi di approvvigionamento. Risultati principali: Molte attività di procurement seguono uno schema ricorrente di interazione tra buyer e IA. I buyer devono spesso impiegare competenze di prompt engineering per fornire input ai sistemi di IA, specialmente in attività come lo scouting e la negoziazione con i fornitori. Tuttavia, per processi come il monitoraggio delle performance, la gestione dei rischi e l’analisi delle spese, l’IA è in grado di estrarre e trattare autonomamente dati quantitativi. Una volta acquisiti i dati, l’IA esegue le operazioni principali: scouting di fornitori, negoziazioni con fornitori “long-tail”, calcolo delle performance, valutazione dei rischi e analisi della spesa. Successivamente, il coinvolgimento umano nella validazione e interpretazione dei risultati generati dall’IA è oggetto di dibattito tra studiosi e intervistati, con visioni divergenti tra fornitori di strumenti IA e utenti finali. Molti considerano ancora fondamentale il controllo umano, soprattutto quando si tratta di decisioni ad alto impatto strategico o finanziario. Nonostante il crescente ruolo dell’IA, i buyer restano essenziali per le attività che richiedono giudizio umano e capacità relazionali, come il decision-making strategico e la gestione delle relazioni con stakeholder interni e fornitori esterni. Per affrontare efficacemente questo nuovo contesto, oltre a sviluppare competenze tecniche legate all’IA, i buyer devono conservare e rafforzare le tradizionali competenze strategiche e interpersonali. I procurement manager hanno inoltre il compito di supervisionare l’integrazione dell’IA, favorire una collaborazione efficace tra buyer e IA e gestire eventuali resistenze al cambiamento da parte dei team.