Ricchi di IA, poveri di esperienza: il prossimo divario di competenze negli acquisti

L'IA permette oggi a chi è all'inizio della carriera di produrre lavoro che un tempo richiedeva molta più esperienza. Una sintesi di mercato può essere pronta in pochi minuti. Gli argomenti del fornitore possono essere anticipati. Un piano di negoziazione può essere messo alla prova prima dell'incontro.

È un progresso. Cambia anche il modo in cui si accumula esperienza.

La nuova ricerca Pearson For Every Future, pubblicata il 24 settembre 2026, descrive un triplo gap di capacità nei mestieri qualificati, nei ruoli tecnici e nei servizi. L'IA modifica queste professioni più rapidamente di quanto i sistemi formativi riescano ad adattarsi, mentre lavoratori esperti vanno in pensione portando con sé conoscenze pratiche difficili da formalizzare. Pearson avverte quindi del rischio di una nuova generazione molto ricca di supporto IA ma povera di esperienza vissuta.

Lo studio non riguarda gli acquisti. Qui va letto come un segnale proveniente da professioni adiacenti, non come prova specifica sui professionisti degli acquisti. Il meccanismo merita comunque attenzione perché anche negli acquisti il giudizio si costruisce attraverso l'esposizione ripetuta a situazioni che non hanno una risposta netta.

Un benchmark ProcureAbility del 2026 rende il tema delle competenze direttamente rilevante per gli acquisti. Tra 160 responsabili senior, il 71% descrive il proprio team come moderatamente o fortemente limitato dalla capacità disponibile. Solo il 19% sta aumentando l'organico, mentre il 46% investe nello sviluppo delle competenze delle persone già presenti. Questo non dimostra il meccanismo descritto da Pearson negli acquisti, ma mostra perché oggi la progettazione dello sviluppo interno conta.

Ripensare i ruoli prima che l'esperienza venga a mancare

Una ricerca Gartner dell'8 ottobre 2026 mostra la dimensione organizzativa del problema. Il 63 per cento dei responsabili acquisti prevede miglioramenti significativi grazie all'IA entro tre anni, mentre soltanto il 25 per cento riferisce di aver riprogettato i ruoli in seguito alla sua introduzione. Le percentuali provengono da due indagini distinte, concluse ad aprile 2026, e non rappresentano risposte abbinate degli stessi partecipanti.

Un ruolo può mantenere lo stesso nome mentre scompaiono le attività attraverso cui un giovane buyer acquisiva esperienza. Se l'analisi iniziale dei costi viene automatizzata, bisogna creare un'altra occasione per imparare a valutare le ipotesi economiche. Se le comunicazioni semplici con i fornitori passano all'IA, servono comunque confronti reali o simulati in cui affrontare obiezioni, compromessi e decisioni difficili. Imparare a utilizzare uno strumento non equivale a sviluppare giudizio commerciale.

Gartner invita quindi a riprogettare responsabilità e attività, investendo in capacità umane come influenza, adattabilità e giudizio. Per una direzione acquisti il lavoro consiste nell'individuare quali decisioni restano alle persone e come sostituire le opportunità di apprendimento che l'automazione elimina. Il Capability Report può rendere visibili le difficoltà ricorrenti del team, ma è l'organizzazione a dover creare le occasioni per superarle.

Una parte del lavoro inefficiente era anche pratica

Non c'è motivo di conservare un'attività lenta solo perché in passato qualcuno imparava facendola.

Un professionista junior degli acquisti non diventa migliore perché passa tre ore a formattare un confronto tra fornitori che l'IA può strutturare in cinque minuti. Non c'è valore formativo nemmeno nel riscrivere note o cercare manualmente informazioni che uno strumento può recuperare meglio.

Il problema nasce quando l'organizzazione elimina l'attività e presume di aver eliminato soltanto spreco.

Leggere dieci offerte significa anche vedere dieci strutture commerciali diverse. Affiancare un responsabile di categoria durante la preparazione mostra quali informazioni considera decisive e quali ignora. Scrivere una risposta costringe il professionista junior a scegliere una posizione prima di vedere quella del collega più esperto. Partecipare a una conversazione con un fornitore a basso rischio permette di sentire resistenza, sbagliare, correggersi e ricordare l'esperienza la volta successiva.

L'IA può comprimere molto del lavoro intorno a queste situazioni. Non sostituisce automaticamente l'esperienza che esse contenevano.

Il tema è vicino, ma diverso, da quello affrontato nel nostro articolo su PISA 2026 e IA. Lì la domanda è se l'IA possa ridurre lo sforzo cognitivo attraverso cui si impara. Qui la questione è l'esposizione: il sistema di lavoro offre ancora abbastanza situazioni reali perché il giudizio pratico possa formarsi?

Gli acquisti hanno un problema di apprendistato professionale

Il giudizio commerciale è difficile da insegnare come insieme di regole perché la risposta giusta dipende dal contesto.

Un fornitore chiede un aumento dell'otto per cento. Il buyer può contestarlo duramente, scambiare una contropartita, prendere tempo, escalare internamente oppure accettarne una parte. La scelta dipende dalla struttura dei costi, dalle alternative, dal rischio di fornitura, dalle tempistiche, dalla storia della relazione, dalla credibilità della richiesta e da ciò che altro si muove nell'accordo.

I professionisti esperti riconoscono questi schemi perché ne hanno già visto varianti. Hanno visto una minaccia debole crollare, sentito come suona un vincolo reale e osservato una posizione apparentemente fissa iniziare a muoversi.

Se l'IA permette ai giovani professionisti di arrivare meglio preparati prima nella loro carriera, è un vantaggio. L'organizzazione deve comunque creare gli incontri in cui imparano che cosa significa quella preparazione quando un'altra persona oppone resistenza.

Questo diventa ancora più importante quando gli esperti senior hanno meno tempo o lasciano l'azienda. La conoscenza tacita non passa soltanto attraverso documenti. Una parte emerge solo quando qualcuno spiega perché ha ignorato un segnale, seguito un altro o cambiato direzione a metà conversazione.

Il lavoro iniziale cambia più velocemente dei sistemi di sviluppo

Nuovi dati sul mercato del lavoro tedesco rendono il problema meno teorico.

Uno studio rappresentativo della IU International University pubblicato il 24 settembre 2026 ha intervistato 2.000 lavoratori tra i 16 e i 65 anni. Il campione è stato ponderato per rappresentare il mercato del lavoro tedesco per età e genere.

Il 41,3% concorda in parte o pienamente sul fatto che l'IA stia assumendo compiti che in passato erano tipicamente svolti da chi iniziava la carriera. Nello stesso tempo, il 43,9% non aveva dedicato alcun tempo di lavoro alla formazione sull'IA nei dodici mesi precedenti. Solo il 33,6% ha dichiarato che la propria azienda sostiene molto o abbastanza lo sviluppo del pensiero critico.

Lo studio non riguarda gli acquisti e misura percezioni dei lavoratori, non una perdita osservata di competenze. Tuttavia rafforza il meccanismo del problema: le organizzazioni possono eliminare attività di ingresso più rapidamente di quanto riprogettino il modo in cui i giovani professionisti costruiscono giudizio.

Negli acquisti, il rischio non è che un buyer junior smetta di formattare manualmente un confronto tra fornitori. Il rischio nasce se insieme a quel compito scompaiono osservazione, domande, discussione e ripetizione, senza che venga creato un sostituto intenzionale.

La risposta resta quindi la stessa: non conservare attività inefficienti, ma identificare quali occasioni di apprendimento contenevano e ricostruirle in modo migliore.

L'adozione dell'IA può crescere mentre l'accesso allo sviluppo diminuisce

La Global Workforce Hopes and Fears Survey 2026 di PwC, pubblicata il 29 settembre 2026, aggiunge un segnale più ampio sullo stesso problema.

PwC ha raccolto le risposte di 49.364 lavoratori in 48 paesi e regioni. Solo il 51% ha dichiarato di avere accesso alle risorse di apprendimento e sviluppo di cui ha bisogno, rispetto al 59% dell'anno precedente. Tra il 56% dei lavoratori che PwC definisce il "motore" operativo della forza lavoro, meno del 40% riferisce un accesso sufficiente allo sviluppo.

Nello stesso tempo, quasi due terzi dei lavoratori utilizza ormai l'IA e l'uso quotidiano è aumentato di oltre il 50%.

Questo non dimostra che l'IA causi meno sviluppo. Mostra però che adozione tecnologica e costruzione delle capacità possono muoversi in direzioni opposte.

Negli acquisti, la distinzione conta. Dare strumenti migliori ai buyer non sostituisce automaticamente coaching, osservazione, ripetizione e feedback, che fanno parte della costruzione del giudizio commerciale. Se la tecnologia avanza mentre l'accesso allo sviluppo diminuisce, la funzione può diventare più veloce senza diventare più forte.

La domanda manageriale non è quindi soltanto se le persone abbiano accesso all'IA. È anche se una parte della capacità liberata venga trasformata intenzionalmente in pratica e sviluppo.

L'IA amplia ciò che si può fare, ma non dimostra l'autonomia professionale

Un esperimento sul campo randomizzato pubblicato nell'ottobre 2026 offre un contrappunto importante all'idea che l'IA indebolisca necessariamente l'apprendimento. La ricerca ha coinvolto 673 apprendisti dell'ultimo anno in ambito informatico, provenienti da dodici scuole professionali tedesche. Nelle attività che andavano oltre il programma di formazione, l'accesso all'IA ha migliorato i risultati di 26-31 punti percentuali, senza peggiorare la comprensione misurata subito dopo. I benefici erano generalmente maggiori tra gli apprendisti con una competenza nell'uso dell'IA superiore alla mediana.

È un risultato incoraggiante, ma non dimostra che i partecipanti fossero poi in grado di svolgere autonomamente quei compiti avanzati. Lo studio riguarda attività informatiche, non negoziazioni negli acquisti. La comprensione immediata non equivale alla capacità di ricordare, trasferire quanto appreso a una situazione diversa o lavorare senza assistenza mesi dopo. Sarebbe altrettanto scorretto presentare l'esperimento come una prova che l'IA riduce le competenze. La distinzione utile è tra ciò che una persona riesce a produrre con uno strumento, ciò che comprende nell'immediato e ciò che sa fare in modo affidabile da sola.

Una ricerca successiva permette di osservare più da vicino che cosa rimane quando il supporto viene tolto. In uno studio randomizzato pubblicato il 26 ottobre 2026 su Nature Human Behaviour, 487 consulenti di direzione hanno affrontato problemi di analisi dei dati al di fuori delle proprie competenze abituali. Chi aveva ricevuto accesso a ChatGPT e indicazioni su come usarlo ha ottenuto risultati migliori in tre attività. Quando però i partecipanti hanno risposto senza ChatGPT a domande tecniche successive, i ricercatori non hanno trovato evidenza di maggiori conoscenze acquisite dal gruppo assistito. L'immagine scelta dagli autori è quella di un esoscheletro: sostiene la prestazione mentre lo si indossa, ma non dice quanto si saprà fare senza.

Questo risultato non smentisce quello degli apprendisti tedeschi. Il primo esperimento misurava anche la comprensione immediata, il secondo cercava un vantaggio nelle conoscenze verificabili senza aiuto. Nessuno dei due ha seguito nel tempo la capacità di negoziare, né ha valutato un percorso di esercitazioni orali ripetute. Lo studio sui consulenti è stato reso possibile da BCG e annovera fra gli autori ricercatori legati a BCG e una dipendente di OpenAI. Per una direzione acquisti vale quindi la pena tenere distinti due controlli: la qualità della preparazione svolta con l'IA e la capacità del buyer di sostenere da solo, davanti a un fornitore, le conclusioni a cui è arrivato.

Immaginiamo un buyer junior che utilizzi l'IA per individuare le debolezze di una richiesta di aumento dell'otto per cento. La preparazione può migliorare e il buyer può imparare qualcosa sui fattori di costo. Ma quando il fornitore contesta l'analisi, mette in discussione le ipotesi e pretende una risposta durante la telefonata, il buyer deve spiegare la propria posizione, fare domande e negoziare uno scambio credibile. L'esperimento sugli apprendisti informatici non ha misurato queste capacità conversazionali.

Per chi guida gli acquisti, la risposta è sfruttare le opportunità offerte dall'IA e verificare anche l'applicazione autonoma. Si può affidare ai professionisti junior una preparazione più ambiziosa con l'IA, chiedere loro di difendere le ipotesi senza suggerimenti, esercitarsi ad alta voce sulle obiezioni più difficili e ripetere la situazione dopo il feedback. Non serve decidere se l'IA sia in assoluto positiva o negativa. Serve trasformare una maggiore produttività assistita in una competenza professionale che resista anche senza assistenza.

Non conservare il vecchio lavoro. Sostituisci le ripetizioni perse

La risposta non è rallentare l'adozione dell'IA per mantenere attività amministrative come esercizio di sviluppo.

Produttività e costruzione delle competenze vanno progettate separatamente.

Se l'IA fa risparmiare due ore di preparazione, una parte di quel tempo può tornare sotto forma di esperienza strutturata: osservare un incontro difficile con un obiettivo di apprendimento chiaro, confrontare il suggerimento dell'IA con la decisione di un professionista senior degli acquisti, fare un breve debriefing, assumersi una parte della conversazione successiva oppure provare la situazione prima che sia reale.

Osservare passivamente non basta. Le persone devono decidere, pronunciare le parole, ricevere un riscontro e riprovare. Qui il tema incontra il nostro articolo su IA e capacità conversazionali nel lavoro: man mano che la tecnologia assorbe il lavoro attorno alle conversazioni, i momenti umani rimasti possono diventare meno frequenti ma più difficili.

Per una leadership acquisti, quindi, la domanda non è se i buyer junior debbano usare l'IA. Dovrebbero usarla. La domanda è che cosa sostituisce l'esperienza che scompare quando il vecchio flusso di lavoro diventa più veloce.

Una funzione che automatizza la routine senza riprogettare come si forma il giudizio può diventare più produttiva oggi e indebolire il proprio bacino di talenti per domani. Una funzione che usa il tempo risparmiato per osservazione, responsabilità, riscontri e pratica orale realistica può ottenere entrambe le cose.