Intelligenza artificiale e supply chain: agenti AI e PMI

Gartner prevede che entro il 2030 metà delle soluzioni di gestione della supply chain userà agenti intelligenti capaci di eseguire decisioni in autonomia. Nel frattempo, secondo l'ISTAT, in Italia usa almeno una tecnologia di intelligenza artificiale il 16,4% delle imprese con almeno dieci addetti. Fra queste due cifre c'è tutto il problema dell'intelligenza artificiale nella supply chain per un'azienda italiana: la tecnologia corre, le imprese no, e chi si muove adesso compra un vantaggio che dura anni.

Questa guida parla di agenti AI nella supply chain in modo concreto. Cosa fanno davvero, dove servono e dove no, quali dati chiedono, quali regole valgono per i dati di fornitori e trasporti, quanto costano e come si parte in novanta giorni. È scritta per imprenditori, direttori operativi, responsabili acquisti e logistica di PMI e medie imprese, non per chi vende software.

Ho fondato e guidato aziende in settori diversi, dalla distribuzione all'ospitalità, e ho visto lo stesso schema ripetersi: il collo di bottiglia non è quasi mai l'algoritmo. È il dato sporco, il processo non scritto, la decisione che nessuno sa chi debba prendere. L'AI amplifica quello che trova. Se trova ordine, accelera. Se trova caos, lo rende più veloce.

Intelligenza artificiale e supply chain: a che punto siamo nel 2026

Partiamo dai numeri, perché il dibattito sulla supply chain intelligente è pieno di promesse e povero di misure.

Il comunicato ISTAT Imprese e ICT 2025, pubblicato il 15 dicembre 2025, dice che l'uso dell'IA nelle imprese italiane con almeno dieci addetti è raddoppiato in un anno: dall'8,2% del 2024 al 16,4% del 2025. La forbice per dimensione resta enorme. Usa l'IA il 53,1% delle grandi imprese e il 15,7% delle PMI.

Due dettagli dello stesso comunicato interessano chi gestisce acquisti e logistica.

• L'ambito più diffuso è marketing e vendite (33,1%), seguito dai processi amministrativi (25,7%). La logistica compare soprattutto come area dove si usano macchine che lavorano in autonomia, senza una percentuale dedicata. Tradotto: in Italia l'AI nella catena di fornitura è ancora un territorio quasi vergine.
• Il 58,6% delle imprese che non usano l'IA indica la mancanza di competenze come ostacolo principale. Il freno non è il prezzo del software. È sapere cosa chiedergli.

Sul fronte globale, Gartner ha pubblicato il 21 maggio 2025 la previsione citata in apertura: entro il 2030 il 50% delle soluzioni di supply chain management che attraversano più funzioni userà agenti intelligenti per eseguire decisioni nell'ecosistema. La sintesi con le parole dell'analista Kaitlynn Sommers è riportata da Material Handling & Logistics.

Il secondo dato Gartner è più recente e più scomodo. Il 25 febbraio 2026 la società ha diffuso un sondaggio su 509 responsabili di supply chain in tutto il mondo, raccolto fra luglio e ottobre 2025. Il 55% si aspetta che l'AI agentica riduca il bisogno di assumere profili junior, il 51% prevede riduzioni complessive della forza lavoro e l'86% ritiene che serviranno processi nuovi per formare i talenti di domani.

Il quadro, quindi, è questo: i fornitori di software stanno già mettendo agenti dentro i prodotti, i grandi gruppi stanno ridisegnando i ruoli, e la maggior parte delle PMI italiane deve ancora fare il primo progetto. È una posizione scomoda ma anche un'occasione: chi parte nel 2026 lo fa con tecnologia matura e prezzi più bassi di quelli pagati dai pionieri.

Perché la catena di fornitura è il posto giusto per l'AI

Ci sono funzioni aziendali dove l'AI è un'ottima idea in teoria e un incubo in pratica. La supply chain è il contrario: ha tre caratteristiche che la rendono uno dei terreni più fertili.

Primo, produce dati strutturati in quantità. Ordini, consegne, giacenze, tempi di attraversamento, prezzi d'acquisto, resi. Quasi tutto è già in un gestionale, anche se sparso e non sempre pulito.

Secondo, le decisioni sono ripetitive e misurabili. Quanto riordinare, da chi, quando. Quale vettore usare. Quale fornitore sollecitare. Sono decisioni che si prendono centinaia di volte al mese e il cui esito si vede in euro: scorte ferme, vendite perse, penali, trasporti urgenti.

Terzo, il costo dell'errore è alto ma raramente catastrofico. Un riordino sbagliato costa margine, non la reputazione dell'azienda. Questo permette di sperimentare con un perimetro controllato.

C'è poi il tema del rischio. Il McKinsey Global Institute, nel rapporto del 2020 su rischio e resilienza delle catene del valore, stimava che le aziende possono aspettarsi un'interruzione della supply chain lunga un mese o più ogni 3,7 anni, e che nell'arco di un decennio queste interruzioni possono costare in media oltre il 40% dei profitti di un anno. Sono stime di sei anni fa, precedenti all'AI generativa, ma il punto regge: la volatilità non è un incidente, è la condizione normale.

L'AI non elimina la volatilità. Ti permette di vederla prima e di reagire più in fretta di chi lavora con il foglio Excel aggiornato il lunedì.

Cosa sono gli agenti AI nella supply chain

La parola "agente" oggi viene appiccicata a tutto, quindi conviene una definizione operativa.

Un agente AI è un sistema che riceve un obiettivo, legge dati da più fonti, decide una sequenza di azioni e le esegue usando strumenti software, con un margine di autonomia definito da chi lo configura. La differenza rispetto all'automazione classica sta nella capacità di gestire l'imprevisto: un'automazione RPA segue un percorso fisso, un agente sceglie fra percorsi possibili.

Nella supply chain questo si traduce in quattro famiglie di agenti, ordinate dalla più semplice alla più delicata.

1. Agenti di monitoraggio. Leggono ordini aperti, conferme dei fornitori, tracking dei vettori e segnalano scostamenti. Non decidono nulla, avvisano. Sono il punto di partenza ideale.
2. Agenti di preparazione. Preparano una proposta di riordino, una bozza di sollecito, un confronto fra offerte. Una persona approva prima che qualcosa esca dall'azienda.
3. Agenti esecutivi con soglie. Eseguono da soli sotto una certa soglia (per esempio riordini sotto i 2.000 euro su articoli di classe C con fornitore già qualificato) e passano la mano sopra quella soglia.
4. Agenti negoziali o di coordinamento. Dialogano con sistemi o agenti di terzi per fissare slot di consegna, ripianificare spedizioni, negoziare condizioni standard. Oggi sono rari nelle PMI e vanno introdotti per ultimi.

Gartner, nella stessa nota del maggio 2025, consiglia di partire da flussi con dati affidabili e ritorni misurabili, di ridisegnare i ruoli attorno agli agenti e di fissare confini operativi chiari. È un consiglio banale solo in apparenza: la maggior parte dei progetti che vedo fallire salta proprio il terzo punto.

Se vuoi una panoramica più ampia degli agenti fuori dalla logistica, l'articolo sugli agenti AI per le aziende copre vendite, assistenza e amministrazione.

Sette applicazioni dell'AI nella supply chain che funzionano

Non tutte le applicazioni hanno lo stesso rapporto fra sforzo e risultato. Le elenco nell'ordine in cui, per una PMI, conviene valutarle.

1. Previsione della domanda

È il caso d'uso più maturo. I modelli di machine learning combinano lo storico vendite con variabili esterne (calendario promozionale, meteo, prezzi, ordini aperti dei clienti principali) e producono una previsione per articolo, canale e settimana.

Il guadagno non sta nel numero più preciso in astratto. Sta nella capacità di distinguere gli articoli prevedibili da quelli che non lo sono, e di trattarli in modo diverso. Su un catalogo di 3.000 codici, di solito poche centinaia generano la maggior parte del fatturato e meritano un modello sofisticato. Gli altri si gestiscono con regole semplici.

Una nota di metodo: il primo indicatore da guardare non è l'accuratezza media della previsione, ma la distorsione. Un modello che sbaglia sempre per eccesso gonfia le scorte anche quando l'errore medio sembra basso.

2. Scorte e punto di riordino dinamico

Fra le domande che arrivano a questa pagina da Google c'è "quali sono le alternative ai sistemi a punto di riordino min-max". La risposta breve è: scorte di sicurezza calcolate per articolo, che cambiano con la variabilità della domanda e dei tempi di consegna.

Il sistema min-max fissa due soglie e le lascia ferme per mesi. Funziona con domanda stabile e fornitori puntuali. Appena una delle due condizioni salta, produce rotture di stock su alcuni articoli e magazzino fermo su altri.

Le alternative principali sono tre.

• Scorta di sicurezza dinamica: ricalcolata ogni settimana sulla variabilità reale di domanda e lead time.
• Livello di servizio differenziato: il 98% sugli articoli che fermano il cliente, il 90% su quelli sostituibili.
• Riordino guidato dalla previsione: l'ordine parte da quanto prevedi di vendere nel periodo di copertura, non da una soglia fissa.

L'AI serve a fare questi calcoli su migliaia di codici senza un esercito di pianificatori. La logica resta comprensibile e verificabile, ed è bene che lo resti.

3. Valutazione del rischio fornitori

Un'altra domanda reale che porta lettori qui: "come faccio a capire se i miei fornitori sono troppo rischiosi e inaffidabili?". L'AI aiuta su due fronti.

Il primo è interno. Un modello legge lo storico di consegne, non conformità, ritardi e variazioni di prezzo e assegna a ogni fornitore un punteggio che si aggiorna da solo. Fa in modo continuo quello che il buyer bravo fa a memoria, e non dimentica il ritardo di otto mesi fa.

Il secondo è esterno. Strumenti di monitoraggio leggono notizie, bilanci depositati, segnalazioni di procedure concorsuali, eventi geografici. Se un fornitore critico entra in difficoltà, l'allarme arriva prima della prima consegna mancata.

Il punteggio non sostituisce la qualifica. La procedura per qualificare e classificare i fornitori per rischio è descritta nella guida alla gestione dei fornitori con qualifica e rischio: l'AI la rende continua invece che annuale.

4. Acquisti operativi

Richieste d'offerta, confronti, solleciti, verifica fra ordine, bolla e fattura. Qui l'AI generativa dà risultati rapidi perché lavora su documenti: legge le conferme d'ordine in PDF, estrae date e quantità, le confronta con l'ordine e segnala le differenze.

È anche il terreno dove gli agenti di preparazione rendono di più. Un agente che ogni mattina prepara la lista dei solleciti con il testo già scritto, e la mette in coda per l'approvazione del buyer, libera ore senza togliere il controllo a nessuno.

5. Trasporti e consegne

Ottimizzazione dei giri, scelta del vettore, previsione dei tempi di arrivo, gestione delle eccezioni. Per chi ha una flotta propria o molti ritiri giornalieri, l'ottimizzazione dei percorsi è uno dei progetti con ritorno più rapido.

Per chi affida tutto a vettori terzi, l'AI serve soprattutto a misurare: puntualità reale per vettore e tratta, costi extra ricorrenti, reclami. Sono dati che spesso esistono già nelle email e nei portali dei vettori e che nessuno ha mai messo in fila. Per l'approfondimento su magazzini e trasporti c'è la guida all'intelligenza artificiale per la logistica.

6. Manutenzione e continuità produttiva

Nelle aziende manifatturiere la supply chain si ferma spesso dentro lo stabilimento. Una linea ferma due giorni brucia la pianificazione più di un fornitore in ritardo. I modelli di manutenzione predittiva leggono i dati dei sensori e anticipano i guasti. È un progetto più tecnico, che richiede macchine connesse, ed è trattato nella guida alla manutenzione predittiva con l'intelligenza artificiale.

7. Visibilità e simulazione

L'ultimo livello è il gemello digitale della catena: un modello che rappresenta fornitori, stabilimenti, magazzini e clienti e permette di simulare scenari. Cosa succede se il fornitore principale si ferma tre settimane? Se il porto di arrivo chiude? Se la domanda di una linea cresce del 20%?

È lo strumento più potente e quello che richiede più maturità dei dati. Per la maggior parte delle PMI arriva al terzo o quarto anno, non al primo.

Le applicazioni a confronto

Per scegliere da dove partire, questa tabella mette insieme sforzo, tempi e prerequisiti. I tempi sono ordini di grandezza da progetto reale, non promesse.

La regola che uso: si parte da una delle prime quattro righe, si misura per tre mesi, e solo dopo si decide se allargare.

Come introdurre agenti AI nella supply chain senza perdere il controllo

Fra le query che portano qui c'è "aziende per introdurre agenti AI nella supply chain". Chiunque tu scelga come partner, il percorso sicuro ha cinque passaggi.

1. Scrivi il processo prima di automatizzarlo. Chi decide il riordino oggi? Con quali informazioni? Cosa fa quando il fornitore non conferma? Se la risposta è "dipende da chi c'è", l'agente erediterà la confusione.

2. Definisci i diritti decisionali. Per ogni azione dell'agente scrivi se può solo segnalare, preparare o eseguire, e sotto quale soglia. Questa tabella è il contratto fra l'azienda e il software.

3. Parti in sola lettura. Il primo mese l'agente osserva e propone. Le sue proposte si confrontano con le decisioni prese dalle persone. Se in quattro settimane le proposte sono migliori o uguali nella maggior parte dei casi, si passa all'esecuzione con soglia bassa.

4. Tieni un registro delle azioni. Ogni azione eseguita dall'agente deve lasciare traccia: cosa ha letto, cosa ha deciso, perché. Senza registro non c'è responsabilità, e senza responsabilità nessun direttore operativo serio accetterà di estendere il perimetro.

5. Rivedi le soglie ogni trimestre. Le soglie si alzano quando i dati lo giustificano, non quando il fornitore di software lo suggerisce.

Il ruolo delle persone cambia. Il buyer smette di inseguire conferme e diventa chi gestisce le eccezioni, negozia con i fornitori strategici e decide quando l'agente sbaglia. È un lavoro migliore, ma richiede formazione. Il dato Gartner sull'86% che prevede nuovi processi per i talenti va letto così.

Se vuoi capire quale di questi passaggi è già solido nella tua azienda e quale no, una richiesta di consulenza dal sito è il modo più rapido: in una conversazione si capisce se il problema è il dato, il processo o la tecnologia.

Quale software di supply chain planning scegliere

Un'altra domanda frequente è "qual è il miglior software di supply chain planning nel 2026". Non esiste una risposta valida per tutti, e diffido di chi la dà senza conoscere l'azienda. Esistono invece criteri che separano una scelta sensata da una costosa.

1. Integrazione con il gestionale che hai. Un modulo di pianificazione che non legge in automatico ordini e giacenze del tuo ERP diventa un secondo foglio Excel.
2. Spiegabilità. Il pianificatore deve poter vedere perché il sistema propone 400 pezzi e non 250. Se la risposta è "lo dice il modello", l'adozione morirà al primo errore.
3. Gestione delle eccezioni. Il valore di un sistema di pianificazione non è nei casi normali, ma in come segnala quelli anomali.
4. Costo totale a tre anni. Licenze, integrazione, pulizia dati, formazione, manutenzione. Spesso l'integrazione costa quanto due anni di licenza.
5. Uscita. Puoi esportare dati e parametri se cambi fornitore? Se no, stai comprando una dipendenza.
6. Agenti già inclusi o promessi. Chiedi una dimostrazione su dati tuoi, non su un caso preconfezionato.

Per le aziende manifatturiere che confrontano piattaforme, vale la stessa logica: prima i processi e i dati, poi la piattaforma. Un confronto fatto al contrario porta a scegliere la demo più bella.

Regole di sicurezza per usare l'AI con i dati di fornitori e trasporti

Questa pagina riceve anche la domanda "quali regole base di sicurezza servono per usare l'AI con i dati di fornitori e trasporti". È una domanda giusta, perché gli agenti lavorano su dati che non sono solo tuoi: listini dei fornitori, condizioni contrattuali, dati personali di autisti e referenti.

Le regole di base

• Classifica i dati prima di darli all'AI. Listini e condizioni riservate, dati personali, dati tecnici di prodotto. Ogni classe ha strumenti ammessi e vietati.
• Niente dati riservati in strumenti personali. Un buyer che incolla il contratto di un fornitore in un chatbot gratuito con il proprio account crea un problema di riservatezza che nessun contratto copre.
• Accessi minimi. Un agente che prepara i solleciti non ha bisogno di leggere le buste paga. Dagli solo i permessi che servono.
• Registro delle azioni e revisione umana sopra le soglie, come visto sopra.
• Contratti con i fornitori di software: dove sono i dati, chi li vede, se vengono usati per addestrare modelli, cosa succede alla fine del rapporto.

Per mettere queste regole nero su bianco serve una policy aziendale sull'uso dell'AI. La guida in inglese alla AI acceptable use policy ha uno schema riutilizzabile.

Il quadro normativo che conta

GDPR. Se l'agente tratta dati personali (referenti dei fornitori, autisti, geolocalizzazione dei mezzi), valgono le regole ordinarie: base giuridica, minimizzazione, nomina del fornitore del software come responsabile del trattamento ai sensi dell'art. 28.

NIS2. La direttiva (UE) 2022/2555, recepita in Italia con il decreto legislativo 4 settembre 2024, n. 138, include fra gli obblighi dei soggetti coinvolti la sicurezza della catena di approvvigionamento. Secondo il calendario pubblicato dall'Agenzia per la cybersicurezza nazionale, le misure di sicurezza vanno adottate entro ottobre 2026. Se la tua azienda rientra nel perimetro, o fornisce un soggetto che vi rientra, i fornitori di software che toccano la catena di fornitura vanno valutati anche sotto questo profilo. Il testo della direttiva è su EUR-Lex.

AI Act. La maggior parte degli usi nella supply chain (previsioni, scorte, solleciti, percorsi) non rientra fra i sistemi ad alto rischio. Due punti però contano. L'articolo 4, in vigore dal 2 febbraio 2025 e riscritto dal Regolamento (UE) 2026/1744, chiede a chi usa sistemi di IA di adottare misure che sostengano l'alfabetizzazione del personale: è un obbligo di mezzi, senza un livello minimo fissato per legge. E se un agente assegna compiti ai lavoratori o ne valuta le prestazioni, per esempio negli ordini di prelievo in magazzino, si entra nell'Allegato III, punto 4, con obblighi da alto rischio applicabili dal 2 dicembre 2027.

Legge 132/2025. L'articolo 11 chiede al datore di lavoro di informare i lavoratori quando usa sistemi decisionali o di monitoraggio automatizzati nei casi previsti dall'art. 1-bis del d.lgs. 152/1997. Un agente che distribuisce le missioni ai magazzinieri è un caso tipico. Per il quadro completo c'è la guida all'AI Act per le aziende.

Intelligenza artificiale nella supply chain per le PMI italiane

Le PMI hanno un vantaggio che i grandi gruppi non hanno: meno sistemi da integrare, decisioni più rapide, persone che conoscono ogni fornitore per nome. E uno svantaggio: nessuno ha tempo di occuparsi del progetto.

Per questo l'approccio che funziona è diverso da quello delle multinazionali.

• Un problema, non una piattaforma. Si sceglie il dolore più costoso (rotture di stock sui prodotti di punta, magazzino fermo, solleciti che si mangiano la giornata) e si lavora solo su quello.
• Strumenti dentro il gestionale quando possibile. Molti ERP diffusi in Italia offrono moduli di previsione o connettori verso servizi di AI. Partire da lì riduce l'integrazione.
• Un responsabile interno con tempo dedicato. Anche un giorno a settimana. Senza un padrone interno, il progetto diventa una delega al fornitore.
• Misura prima di comprare. Tre mesi di misure su rotture di stock, giacenze e tempi di sollecito danno la base per calcolare il ritorno.

Il tema si collega a quello più generale di come le PMI adottano l'AI, trattato nella guida all'intelligenza artificiale per le PMI. Per i distributori all'ingrosso, dove scorte e riordini sono il cuore del margine, c'è anche la guida dedicata ai grossisti.

Un'osservazione dalla mia esperienza. In un distributore sportivo con cui ho lavorato, l'AI applicata al marketing ha portato le vendite a +30%. Quando la domanda cresce di quella misura, la pressione si sposta subito su scorte, riordini e consegne. È il motivo per cui consiglio di pianificare insieme i progetti commerciali e quelli di supply chain: accelerare le vendite senza preparare la catena di fornitura significa trasformare un successo in rotture di stock.

Costi e ritorno dell'investimento

Le cifre seguenti sono fasce indicative per una PMI manifatturiera o distributiva fra i 10 e i 50 milioni di fatturato, con un ERP già in uso. Servono a ragionare sull'ordine di grandezza, non sostituiscono un preventivo.

Come calcolare il ritorno

Il ritorno di un progetto su scorte e previsione si calcola su tre voci, con i numeri della tua azienda.

1. Capitale circolante liberato. Riduzione delle giacenze medie moltiplicata per il costo del capitale e per il costo di mantenimento a magazzino.
2. Margine recuperato dalle vendite perse. Rotture di stock evitate moltiplicate per il margine medio degli articoli coinvolti.
3. Ore liberate. Tempo di pianificatori e buyer recuperato, valorizzato al costo aziendale, ma contato solo se quelle ore vanno su attività a valore.

Esempio di calcolo, con numeri di pura illustrazione. Un'azienda con 4 milioni di euro di giacenza media che le riduce del 10% libera 400.000 euro. Con un costo complessivo di mantenimento del 20% annuo, il beneficio vale 80.000 euro l'anno, prima ancora di contare le vendite recuperate. Il calcolo vero si fa sui tuoi dati, ed è la prima cosa da chiedere a chiunque ti proponga un progetto.

Per un metodo completo di calcolo del ritorno sui progetti di AI, la guida in inglese sul ROI dell'AI per le aziende entra nel dettaglio.

Gli errori più comuni

Questi sono gli errori che vedo più spesso, in ordine di frequenza.

• Comprare la piattaforma prima di aver scelto il problema. Il risultato è un software potente usato al 10%.
• Sottovalutare la pulizia dei dati. Anagrafiche articoli duplicate, lead time mai aggiornati, unità di misura incoerenti. Il modello impara gli errori.
• Misurare solo l'accuratezza della previsione. Conta l'effetto su scorte, servizio e margine.
• Dare autonomia all'agente troppo presto. Un mese in sola lettura costa poco e salva molte discussioni.
• Lasciare il progetto all'IT. La supply chain intelligente è un progetto operativo con una componente tecnologica, non il contrario.
• Ignorare chi lavora ogni giorno sui dati. Il pianificatore che conosce le stranezze del fornitore asiatico vale più di qualunque modello. Se non è coinvolto, troverà il modo di aggirare il sistema.

Autovalutazione: la tua supply chain è pronta per l'AI?

Rispondi sì o no a queste dodici domande. Conta i sì.

Dati

1. Hai almeno 24 mesi di storico vendite per articolo in formato esportabile?
2. I lead time dei fornitori nel gestionale sono stati aggiornati nell'ultimo anno?
3. Le anagrafiche articoli sono senza duplicati evidenti?
4. Ordini, conferme e consegne dei fornitori stanno in un unico sistema?

Processi

5. C'è una procedura scritta per il riordino?
6. È chiaro chi decide cosa, sopra e sotto quali soglie?
7. Misuri oggi rotture di stock e giacenze per famiglia di prodotto?
8. Esiste una qualifica dei fornitori con un punteggio di rischio?

Persone e regole

9. C'è una persona che può dedicare almeno un giorno a settimana al progetto?
10. Esiste una policy aziendale sull'uso degli strumenti di AI?
11. I contratti con i fornitori di software dicono dove stanno i dati?
12. I lavoratori sono informati se usi sistemi che assegnano loro compiti?

Come leggere il punteggio

• 10-12 sì: sei pronto per un progetto con agenti di preparazione e, in prospettiva, esecutivi con soglia.
• 6-9 sì: parti da monitoraggio e previsione, e usa i primi tre mesi per chiudere i buchi nei dati.
• 0-5 sì: il primo progetto è sui dati e sui processi. L'AI arriva dopo, e arriverà con risultati migliori.

Piano in 90 giorni

Giorni 1-30: diagnosi

• Scegli un problema misurabile (per esempio rotture di stock sulle 200 referenze principali).
• Misura la situazione di partenza: giacenze, livello di servizio, ore spese sul processo.
• Estrai i dati e verifica la qualità: storico, lead time, anagrafiche.
• Scrivi il processo attuale e la tabella dei diritti decisionali.
• Scegli i due o tre fornitori di software da valutare, con una prova sui tuoi dati.

Giorni 31-60: pilota in sola lettura

• Configura il modello su un perimetro ristretto (una famiglia di prodotti, un magazzino).
• L'agente propone, le persone decidono. Si confrontano proposte e decisioni ogni settimana.
• Si correggono parametri e dati dove il modello sbaglia per motivi evidenti.
• Si informa il personale coinvolto e si fanno le prime sessioni di formazione pratica.

Giorni 61-90: esecuzione controllata e decisione

• Se le proposte si sono dimostrate affidabili, l'agente esegue sotto una soglia bassa.
• Si misura l'effetto su giacenze, rotture e ore rispetto alla partenza.
• Si prepara il caso per estendere il perimetro, oppure si chiude il pilota con le lezioni apprese.
• Si fissa il calendario di revisione trimestrale delle soglie.

Novanta giorni bastano per sapere se il progetto vale. Non bastano per trasformare l'azienda, e diffiderei di chi promette il contrario.

Il futuro della supply chain: cosa aspettarsi

Fra le ricerche che portano a questa pagina c'è "futuro della supply chain". Tre tendenze sono già visibili.

Gli agenti diventano una funzione standard dei software. La previsione Gartner sul 2030 dice questo: non dovrai comprare "un agente", lo troverai nel gestionale o nel modulo di pianificazione. La competenza da costruire è saperlo configurare e controllare.

I ruoli junior cambiano. Il sondaggio Gartner del 2026 lo dice apertamente. Le attività con cui un giovane imparava il mestiere (solleciti, inserimento ordini, controlli documentali) sono le prime ad essere automatizzate. Le aziende dovranno inventare un nuovo modo di formare chi un giorno guiderà gli acquisti.

La resilienza diventa una voce di bilancio. Dopo pandemia, crisi dei noli e tensioni geopolitiche, la capacità di simulare scenari e cambiare fornitore in fretta vale quanto il prezzo d'acquisto. Gli strumenti di simulazione oggi riservati ai grandi gruppi scenderanno di prezzo.

C'è anche un dato di contesto utile. Uno studio NBER del 2023 su un'azienda di assistenza clienti (working paper 31161) ha misurato un aumento medio della produttività del 14% con un assistente basato su AI generativa, e del 34% fra i lavoratori meno esperti. Non riguarda la supply chain, ma indica un meccanismo che vedo anche negli acquisti: l'AI trasferisce ai nuovi arrivati parte dell'esperienza dei migliori.

Se stai valutando da dove cominciare, e vuoi un parere esterno su priorità e fornitori prima di firmare, puoi inviare una richiesta di consulenza dal sito. Parto sempre dai tuoi dati e dal problema più costoso.

FAQ

Cosa fanno gli agenti AI nella supply chain?

Gli agenti AI nella supply chain leggono dati da gestionale, fornitori e vettori, decidono una sequenza di azioni e la eseguono entro limiti fissati dall'azienda. Nella pratica monitorano ordini e consegne, preparano riordini e solleciti, confrontano offerte e, sotto soglie definite, eseguono riordini su articoli a basso rischio. La differenza rispetto all'automazione classica è la capacità di gestire eccezioni. Il modo sicuro di introdurli è partire in sola lettura, con un registro delle azioni e una persona che approva sopra le soglie.

Come faccio a capire se i miei fornitori sono troppo rischiosi?

Si combinano dati interni ed esterni. Internamente si misurano per ogni fornitore puntualità delle consegne, non conformità, variazioni di prezzo e tempi di risposta, e si costruisce un punteggio che si aggiorna da solo. Esternamente si monitorano bilanci depositati, notizie, procedure concorsuali ed eventi nelle aree di produzione. L'intelligenza artificiale rende questo controllo continuo invece che annuale e segnala i peggioramenti prima del primo ritardo. Il punteggio va poi collegato alla qualifica: un fornitore critico ad alto rischio richiede un'alternativa già qualificata.

Quali sono le alternative al punto di riordino min-max?

Le alternative principali sono tre: scorte di sicurezza dinamiche ricalcolate ogni settimana sulla variabilità reale di domanda e lead time, livelli di servizio differenziati per classe di articolo, e riordino guidato dalla previsione della domanda sul periodo di copertura. Il min-max funziona con domanda stabile e fornitori puntuali, ma con volatilità produce insieme rotture di stock e magazzino fermo. L'AI serve a calcolare questi parametri su migliaia di codici senza aumentare il personale di pianificazione, mantenendo la logica verificabile.

Quali regole di sicurezza servono per usare l'AI con i dati di fornitori e trasporti?

Servono cinque regole di base: classificare i dati prima di usarli, vietare l'uso di strumenti personali per listini e contratti riservati, dare agli agenti solo gli accessi necessari, tenere un registro delle azioni con revisione umana sopra le soglie e verificare nei contratti con i fornitori di software dove stanno i dati e se vengono usati per addestrare modelli. Sul piano normativo contano il GDPR per i dati personali, la NIS2 recepita con il d.lgs. 138/2024 per chi rientra nel perimetro e l'articolo 4 dell'AI Act sull'alfabetizzazione del personale.

Quanto costa introdurre l'intelligenza artificiale nella supply chain di una PMI?

Per una PMI con un gestionale già in uso, un primo progetto su previsione della domanda o scorte richiede in genere fra 30.000 e 100.000 euro il primo anno, sommando analisi, pulizia dati, licenze, integrazione e formazione. La voce più sottovalutata è la preparazione dei dati. Il ritorno si calcola su capitale circolante liberato, margine recuperato dalle vendite perse e ore liberate di buyer e pianificatori. Un pilota di 90 giorni su un perimetro ristretto permette di misurarlo prima di estendere l'investimento.

L'AI sostituirà buyer e pianificatori?

Sostituirà una parte delle loro attività, soprattutto quelle ripetitive: solleciti, inserimento ordini, controlli fra ordine, bolla e fattura. Il sondaggio Gartner pubblicato a febbraio 2026 su 509 responsabili di supply chain indica che il 55% si aspetta di assumere meno profili junior. Il ruolo che resta è più qualificato: gestione delle eccezioni, negoziazione con i fornitori strategici, controllo degli agenti. Le aziende che formano le persone su questi compiti ottengono più valore di quelle che usano l'AI solo per tagliare costi.

L'AI Act si applica ai sistemi di AI nella supply chain?

Nella maggior parte dei casi d'uso tipici, come previsioni, scorte, solleciti e ottimizzazione dei percorsi, i sistemi non sono classificati ad alto rischio. Si applica comunque l'articolo 4, che chiede di adottare misure per sostenere l'alfabetizzazione sull'IA del personale. Se però un agente assegna compiti ai lavoratori o ne valuta le prestazioni, come nella distribuzione delle missioni di prelievo in magazzino, si rientra nell'Allegato III, con obblighi da alto rischio dal 2 dicembre 2027. In Italia la L. 132/2025 impone inoltre di informare i lavoratori.

Da dove si parte con un budget limitato?

Si parte da un solo problema misurabile, di solito le rotture di stock sugli articoli principali o il tempo speso in solleciti ai fornitori. Si misura la situazione per un mese, si verifica la qualità dei dati e si prova uno strumento già integrato nel gestionale o un agente in sola lettura che prepara proposte da approvare. Con questo approccio il primo risultato arriva in due o tre mesi, con una spesa contenuta, e dà i numeri per decidere se allargare il progetto.