Un passo nel futuro delle supply chain digitali e integrate

Uno degli aspetti che più caratterizza l’essere umano è guardare sempre avanti, cercando di prevedere il futuro per poterlo affrontare al meglio. Fin dall’antichità, accanto ai bisogni primari, il tentativo di interpretare, e, così, di controllare il domani ha costituito una delle attività umane più rilevanti. Dalla meteorologia all’andamento dell’economia, dai rischi di conflitti geopolitici all’evoluzione digitale, comprendere lo sviluppo delle condizioni in cui ci si trova a operare è spesso decisivo per disegnare un futuro possibile. Nel corso dei secoli, la scienza e la tecnologia hanno permesso di affinare l’arte delle previsioni. Certo, prevedere il futuro non è mai semplice, tanto più in un mondo come quello di oggi, condizionato dalla connessione e dall’interdipendenza tra fenomeni e aree geografiche diversi e da un’accelerazione tecnologica senza precedenti.

Nel corso degli ultimi decenni, l’evoluzione tecnologica esponenziale ha reso possibile, per chi l’abbraccia, gestire prevedere con sempre maggior accuratezza il futuro, sia di breve sia di lungo periodo. Per le imprese, che hanno cicli di progettazione e produzione lunghi anche anni, riuscire a sfruttare le nuove performanti tecnologie rappresenta un vantaggio competitivo, che condiziona operatività e redditività complessiva del business. 

Oggi quella sfida è più attuale che mai. L’intelligenza artificiale è realtà concreta e quelle che parevano visioni utopistiche si sono trasformate in concetti condivisi anche tra chi, allora, era più scettico. E già si guarda avanti, a nuovi approcci all’utilizzo dei dati per la creazione di nuovo valore. Il laboratorio nato dalla collaborazione con FBK sta lavorando a modelli da addestrare in un ambito operativo che possano, in prospettiva, essere riutilizzati in altri contesti, in una logica di AI as a service. Questa viene considerata oggi la nuova frontiera dell’Intelligenza Artificiale, chiave per favorire sviluppi inediti per le aziende: chi sarà in grado di concretizzarla in maniera efficace avrà un vantaggio competitivo sul mercato che potrà sfruttare al meglio. 

È all’interno delle aziende che occorre sfruttare questa complessità per creare un vantaggio competitivo. Non farlo, significa correre il rischio di non restare sul mercato. L’evoluzione tecnologia e, nello specifico, gli algoritmi di AI, oggi rappresentano un aiuto concreto a supporto capacità previsionale e decisionale degli esseri umani. Che si tratti di andamento del mercato delle materie prime, del futuro dell’economia, anche a livello di singoli territori, delle vendite future di un nuovo prodotto, dei tempi di percorrenza della merce in una supply chain globale, o dei guasti di macchinari produttivi, gli algoritmi di intelligenza artificiale possono essere allenati sfruttando enormi quantità di dati. Questo consente loro di cogliere tutte quelle relazioni, anche le più deboli e imprevedibili, che sfuggono all’intelletto umano, per delineare le traiettorie del futuro, e sfruttarle per prendere delle decisioni migliori.   Un valore importante, questo, anche e soprattutto per il settore retail.

Nella gestione della supply chain e in un mercato così competitivo, emergono le aziende che, grazie alla tecnologia, riescono ad affrontare l’intrinseca complessità della distribuzione nel nuovo millennio, fortemente impattata dal panorama geopolitico, dalle sfide economiche che, come l’inflazione, evolvono e si propagano velocemente a causa della globalizzazione, da minacce e attacchi informatici sempre più sofisticati e, infine, dalla crescente necessità di adeguarsi a un quadro regolamentare di standard ESG che accompagni la transizione verso modelli di business più sostenibili. Tutto ciò richiede alle aziende di sfruttare le nuove tecnologie per simulare in anticipo i diversi scenari, mantenere il proprio vantaggio competitivo e affermarsi sul mercato.

Questo, disegnando le proprie strategie in modo più ampio, passando da un approccio di riduzione dei costi all’ottimizzazione dei processi. Un ripensamento strategico e operativo che coinvolge l’intera catena del valore e tutti i processi aziendali, per poter guardare al futuro grazie all’elaborazione di previsioni accurate e flessibili, che tengano conto di tutte le variabili del contesto, in tutti i processi della catena.   

Lungo la supply chain, infatti, sono molteplici i momenti decisionali su cui è possibile agire in ottica di ottimizzazione ed efficientamento, con azioni che non portano solo un valore economico al business, ma che contribuiscono anche a ridurne l’impatto ambientale. Si parte con la pianificazione, strategica e di lungo periodo, o relativa alle attività più tattiche, che possono essere gestite sulla base di dati precisi, come per esempio quelli relativi alle performance dei singoli prodotti. Questi piani devono poi coniugarsi con il mondo produttivo, abilitando una programmazione puntuale della produzione che tenga conto delle esigenze del mercato finale, per evitare eccessi o carenze di prodotto finito.

Anche nella fase distributiva, la capacità previsionale è cruciale per massimizzare l’efficienza e minimizzare i costi dell’invenduto, arrivando a stimare con la dovuta precisione le vendite a livello territoriale, fino a fissare un’allocazione efficace nei singoli punti vendita, o nei nodi più periferici della distribuzione.     Un modello di supply chain end-to-end, che valorizza ogni fase del processo, dove i dati a valle della catena aiutano a guidare la pianificazione e la conseguente produzione a monte. Qui, le reti distributive più complesse, incluse quelle internazionali, trovano anche nei punti vendita uno snodo fondamentale. Sia per la capacità di movimentare i prodotti fra i negozi - per assicurarsi che la merce sia presente in tutti gli store senza impattare sui magazzini; sia raccogliendo centinaia di variabili come il rating dei dipendenti o l’esposizione della merce - il prodotto si trova in vetrina o nel cesto delle offerte? -, registrate e analizzate dai sistemi per migliorare gli ambienti simulativi e le capacità stesse degli algoritmi.

Nella costruzione di nuove supply chain digitali e integrate, gli algoritmi di intelligenza artificiale costruiti sulla base di analisi e modelli matematici sono quindi decisivi per aiutare i manager a mantenere il controllo e a prendere le decisioni più corrette in maniera informata e consapevole. In questa chiave, in ORS utilizziamo tutte le diverse tecniche di intelligenza artificiale – dall’intelligent data processing (algoritmi di machine learning e deep learning uniti a sofisticati modelli di ottimizzazione proprietari) al natural language processing alla computer vision, con un focus anche sull’AI generativa come tecnologia abilitante e facilitante le branche storiche dell’AI.

Tutto questo per migliorare la capacità decisionale. La nostra piattaforma permette di costruire un digital twin, un “gemello digitale”, una rappresentazione digitale di tutte le operations dell’azienda, che permette di simulare l’impatto delle decisioni in maniera dinamica sulla base dell’evoluzione del contesto, lungo l’intera catena del valore. La soluzione può essere configurata sia dal punto di vista dell’interfaccia che da quello degli algoritmi, per adattarsi alle singole situazioni ed esigenze.  Sulla base delle esperienze accumulate, i risultati sono evidenti.L’utilizzo della piattaforma di ORS porta ad un miglioramento misurabile delle performance dei vari processi decisionali, dalla riduzione del 20% dell’inventario in magazzino, alla riduzione del 25% delle merci rimaste invendute a fine stagione, ma anche a un dimezzamento delle vendite perse o al miglioramento dell’accuratezza della previsione.   

D’altra parte, proprio quest’ultimo è il parametro di valutazione forse più significativo. L’obiettivo dell’applicazione è infatti quello di mettere i manager in condizione di poter adottare la prossima migliore strategia possibile, partendo da una capacità previsionale evoluta e considerando gli obiettivi ed i vincoli tipici del processo da lui governato.

In questo senso, il modello che ci guida, ispirato all’AI explainability, permette al manager di comprendere le logiche che portano all’elaborazione dei suggerimenti, e lo mette in condizione di prendere le decisioni migliori, accettando, modificando o perfino rifiutando le azioni proposte.