L'EVOLUZIONE DELL'INTELLIGENZA ARTIFICIALE NELLA GESTIONE DEL RISCHIO DI APPROVVIGIONAMENTO: TREND EMERGENTI E ANALISI BIBLIOMETRICA.

Il ruolo dell’Intelligenza Artificiale è oggi al centro di un ampio dibattito scientifico e manageriale volto a valutarne l’efficacia nel Procurement Risk Management. Sebbene i sistemi intelligenti vengano descritti come soluzioni potenzialmente efficaci per prevenire le interruzioni della filiera e garantire la continuità operativa, l’effettivo grado di maturità e di adozione dell’AI in questa specifica funzione aziendale rimane oggetto di un dibattito ancora aperto. Per fare chiarezza su questo divario, il presente lavoro analizza lo stato dell’arte della ricerca attraverso l’interrogazione del database Scopus tramite una query strutturata, i cui termini sono stati selezionati a seguito di uno studio preliminare sulla rilevanza delle parole chiave nell’ambito d’indagine. Questo processo ha permesso di estrarre un dataset iniziale di 204 pubblicazioni. Il passaggio al campione finale di 85 articoli è avvenuto attraverso una fase di screening del full-text, selezionando i contributi sulla base della presenza dei quattro costrutti chiave del framework concettuale d’indagine: le dimensioni dell’AI, relative a benefici, sfide, livelli di implementazione e funzionalità; le fasi del Risk Management, con particolare riferimento a assessment e treatment; gli stadi della Supply Chain; e le fasi del processo di Purchasing. I contributi così identificati sono stati sottoposti a un’analisi bibliometrica che integra una mappatura quantitativa dei trend e un’analisi qualitativa dei contenuti basata sul framework concettuale. I risultati evidenziano una forte accelerazione della ricerca negli ultimi anni, con un picco di produzione scientifica raggiunto nel 2025. L’esame dei testi mostra come l’AI non sia studiata per sostituire il decisore umano, ma per potenziarne le capacità predittive di fronte alle vulnerabilità della supply chain, sebbene l’adozione reale sia ancora frenata da barriere quali la scarsa qualità dei dati e la resistenza al cambiamento. Il lavoro si conclude dimostrando come la mappatura concettuale di questi fattori e la panoramica bibliometrica forniscano alle imprese utili parametri di riferimento per misurare la propria maturità digitale e strutturare catene di fornitura più resilienti.