:quality(85))
Non sono mancate le analisi sui media riguardo alla scommessa generazionale che molte aziende stanno facendo sul valore proposto dall’intelligenza artificiale. Meno approfondite, invece, le valutazioni su quali tipi di imprese stiano indirizzando i propri investimenti verso queste piattaforme emergenti e per quali specifiche funzioni di business. Se da un lato è evidente che i grandi protagonisti della tecnologia come Meta, Alphabet e Microsoft sono estremamente fiduciosi nella tecnologia, investendo miliardi in progetti, piattaforme e partnership legati all’AI, misurare la crescita dell’intelligenza artificiale al di fuori della Fortune 500 richiede maggiori approfondimenti.
Uno dei processi aziendali che nel 2024 ha registrato una significativa crescita dell’adozione dell’AI è il supply chain risk management (SCRM, gestione dei rischi nella catena di approvvigionamento). Secondo un’indagine Gartner di inizio anno, ben il 40% delle organizzazioni di supply chain ad alte prestazioni utilizza AI o machine learning (ML, apprendimento automatico) per la previsione della domanda, e quasi un terzo impiega la tecnologia per supportare la pianificazione degli approvvigionamenti. Inoltre, una relazione pubblicata quest’estate dalla società di ricerca Zero100 ha evidenziato un’implementazione ancora più ampia, riscontrando che circa nove grandi aziende su dieci hanno già avviato sperimentazioni sull’utilizzo dell’AI nelle proprie supply chain, in qualche forma.
Nonostante questi numeri rilevanti, è ancora presto per affermare con certezza che l’AI diventerà un elemento essenziale del supply chain risk management nei prossimi anni. Tuttavia, il fatto che non esista ancora un consenso uniforme sul ruolo dell’intelligenza artificiale nella filiera del futuro non impedisce ai produttori di iniziare a conoscere questi strumenti già ora. Anche se il settore corporate è ancora nella fase iniziale dell’AI—una fase che non ha ancora generato gli enormi profitti attesi—le aziende possono comunque cominciare a posizionarsi per acquisire un reale vantaggio competitivo tra due, tre o cinque anni. Questo tipo di vantaggio ha inizio imparando come queste tecnologie dinamiche si inseriscono nel proprio modello di business e negli obiettivi strategici, e comprendendo la gamma completa di risultati che possono generare.
Come l’AI rafforza la resilienza della catena di approvvigionamento
Sebbene l’intelligenza artificiale venga ancora spesso presentata come una soluzione sperimentale dal valore prevalentemente ipotetico, l’AI predittiva, il machine learning e altri strumenti di AI hanno già trovato impieghi concreti nel supply chain risk management. Come sottolinea IBM «I sistemi di supply chain potenziati dall’AI stanno aiutando le aziende a ottimizzare i percorsi, semplificare i flussi di lavoro, migliorare gli approvvigionamenti, ridurre le carenze e automatizzare i processi end-to-end.»
Grazie alla loro capacità di analizzare volumi enormi di dati e di esaminare numerosi documenti e file, queste piattaforme rappresentano una risorsa preziosa per chi si occupa di costruire visibilità sulla catena di approvvigionamento, evolvere la strategia e mitigare i rischi. In condizioni ideali, l’AI può aggiungere valore significativo a questi processi, consentendo agli esperti di approvvigionamenti di ottenere una visione più precisa della filiera e di prendere decisioni basate su una quantità maggiore di dati e su un contesto storico ampliato.
Rafforza la visibilità nella catena di approvvigionamento
Uno dei meccanismi più efficaci per ottenere resilienza nella supply chain è la visibilità. I team di sourcing e procurement che riescono a mappare sia i fornitori diretti che quelli dei livelli 2, 3 e successivi, possono valutare più efficacemente i produttori, gestire il rischio, garantire trasparenza e conformarsi alle normative. La visibilità nella supply chain è, in sintesi, una risorsa di valore inestimabile nel risk management.
Tuttavia, come abbiamo discusso ampiamente su Z2Data, la complessità dei processi di mapping della catena di approvvigionamento rende difficile per la maggior parte delle organizzazioni ottenere una visibilità approfondita (solo circa il 20% dei produttori ha una visibilità costante sui fornitori di secondo livello, ad esempio). L’intelligenza artificiale può cambiare questa situazione, invertendo una lunga tradizione di produttori che hanno faticato a seguire l’evoluzione di filiere sempre più profonde e complesse. Le piattaforme AI possono scandagliare file, documenti e il web in senso più ampio per ottenere dati fondamentali, incluse le ordinazioni, ricevute, prenotazioni di spedizioni e moduli di tracciabilità. Una volta raccolta tutta la documentazione, questi strumenti possono poi estrarre i dati rilevanti e fornire alle aziende le informazioni necessarie alla mappatura completa della supply chain. Le mappe risultanti approfondiscono l’analisi dei livelli di fornitura, facendo emergere fornitori prima sconosciuti.
Queste capacità sono ancora in fase di sviluppo, poiché le aziende di intelligenza artificiale stanno perfezionando le piattaforme nelle loro prime fasi di evoluzione. Tuttavia, startup più piccole stanno già lavorando all’addestramento di modelli AI specializzati per il mapping della supply chain utilizzando dati pubblici, privati, strutturati e non strutturati.
Favorisce la diversificazione della supply chain
A prima vista, la capacità di identificare efficacemente fornitori alternativi potrebbe non sembrare un compito su misura per una piattaforma di AI. In fondo, la selezione di nuovi partner nella catena di approvvigionamento è un processo sfaccettato che richiede ricerca, analisi, valutazione e, almeno in parte, una componente soggettiva umana.
In realtà, però, da diversi anni gli strumenti di intelligenza artificiale stanno supportando e accelerando la ricerca di fornitori. Secondo una ricerca condotta da McKinsey & Co. nel 2021, algoritmi di machine learning possono aiutare le aziende a svolgere ricerche di fornitori che un tempo richiedevano oltre un mese in circa una settimana. Gli specialisti partono dal fornire all’AI i criteri di ricerca e i vincoli richiesti (come la posizione geografica). Grazie a un ampio dataset basato su fonti pubbliche, private e database consolidati, l’algoritmo intelligente analizza i candidati e restringe la lista a meno di 100 fornitori. Come spiega McKinsey, «Questo approccio iterativo consente agli strumenti di ricerca di operare con velocità e precisione senza precedenti, individuando una rosa di possibili fornitori da database di milioni di voci in poche ore.»
Sfruttare la capacità di queste piattaforme di effettuare ricerche su vasta scala in pochi giorni—o anche in poche ore—può rafforzare la resilienza della propria supply chain. Grazie all’efficienza senza eguali di questi strumenti, i produttori possono applicare tecniche di dual sourcing a più livelli della filiera, cosa quasi impossibile per l’uomo, che dovrebbe identificare componenti alternativi per decine o centinaia di fornitori diretti. Poiché gli algoritmi sono in grado di gestire ricerche lunghe e complesse con il massimo della rapidità, le aziende possono implementare questa misura SCRM essenziale senza esaurire le proprie risorse.
Consente la previsione della domanda
Sebbene gli esperti di supply chain resilience abbiano esplorato l’utilizzo dei modelli AI in diversi processi negli ultimi anni, probabilmente la previsione della domanda rimane l’applicazione più diffusa della tecnologia. Come discusso in un articolo precedente, la previsione della domanda è da secoli un aspetto critico della gestione della supply chain, con i produttori che si affidano a dati di vendita storici e in tempo reale per anticipare la richiesta su specifici prodotti e materie.
Tuttavia, la previsione della domanda affidata alle persone è sempre rimasta limitata dalla quantità di informazioni che possiamo analizzare e interpretare. I limiti cognitivi portano spesso a previsioni influenzate da dataset incompleti o approcci analitici carenti. L’AI predittiva, invece, è particolarmente adatta a questa attività: può processare enormi volumi di dati di vendita, evidenziare pattern e trend ricorrenti, e generare previsioni della domanda efficaci e azionabili. Con l’intelligenza artificiale nella supply chain, i produttori riescono a mantenere livelli ottimali di inventario, riducendo così il rischio di mancanze o surplus e proteggendo le operazioni dalle ripercussioni economiche dovute a improvvise fluttuazioni della domanda.
I rischi che l’AI introduce nella resilienza della supply chain
I nuovi strumenti di intelligenza artificiale vengono spesso celebrati come tecnologie rivoluzionarie in grado di aumentare la produttività e favorire ricavi straordinari per chi li adotta. Nella pratica, però, l’integrazione dell’intelligenza artificiale comporta anche nuovi rischi. Questi pericoli non sfuggono ai professionisti della catena di approvvigionamento. Nel recente Business Supply Chain Risk Management Index dell’Università di Lehigh, pubblicato per il quarto trimestre 2024, l’AI è citata più volte come una delle principali minacce emergenti. Gli operatori del settore manifestano preoccupazioni su come strumenti AI e ML possano veicolare rischi cyber, causare sconvolgimenti radicali e perfino essere sfruttati da soggetti malintenzionati sfuggiti ai controlli normativi. Nel complesso, il rapporto mette in luce le due facce della medaglia: se da un lato la tecnologia può mitigare le disruption, l’ampiezza d’implementazione e la scarsa supervisione introducono numerose variabili indesiderate.
Modelli addestrati su dati di bassa qualità
Dopo quasi due anni di adozione diffusa e una costante attenzione dei media, i limiti dei modelli di AI generativa come ChatGTP sono ormai ben noti. Pur con l’enorme capacità quantitativa e la possibilità di assorbire volumi stratosferici di dati, questi strumenti spesso manifestano un rapporto instabile e ambiguo con la veridicità e l’accuratezza. La causa di queste imprecisioni è facilmente individuabile: l’addestramento avviene su gigabyte di dati raccolti da Wikipedia, pubblicazioni online e una moltitudine di fonti web, riflettendo la stessa incoerenza e inaffidabilità che caratterizza la rete.
Questi errori, inesattezze e “allucinazioni”—come vengono definiti nel settore tech—possono non avere conseguenze gravi in attività di piccola portata come email, riassunti o compiti scolastici. Ma se l’AI viene utilizzata per attività più complesse, come il mapping della supply chain e l’identificazione di nuovi vendor, le ripercussioni delle inesattezze possono essere molto più serie. I produttori e gli specialisti degli approvvigionamenti non possono permettersi di agire su informazioni errate o su contenuti inventati dall’AI, pena la perdita di tempo, risorse o, nello scenario peggiore, la generazione di problematiche regolatorie. Per il momento, ciò implica che gran parte dei materiali prodotti da questi strumenti—compresi contenuti scritti, mapping della supply chain, fornitori sub-tier e vendor list—dovrebbe essere sottoposta a una revisione attenta da parte di professionisti esperti.
Collegamenti all’aumento dei rischi cyber
In un comunicato stampa dell’Università di Lehigh in occasione della pubblicazione dell’ultimo Supply Chain Risk Management Index, il professor Zach. G. Zacharia ha sottolineato come siano molti gli esperti preoccupati per il legame tra AI e minacce cyber. «I professionisti della catena di approvvigionamento sono preoccupati per attacchi informatici, corruzione e furto di dati, virus nei sistemi e, in particolare, per il rischio che l’AI generativa aumenti la vulnerabilità delle aziende», ha avvertito.
L’indagine di Lehigh potrebbe svolgere il ruolo di campanello d’allarme, segnalando una crisi imminente nel modo in cui l’AI può potenziare i cyberattacchi. I professionisti intervistati si sono dichiarati inquieti dal fatto che le soluzioni AI stiano offrendo nuove opportunità ai criminali informatici per orchestrare attacchi più potenti e sofisticati, con frequenza crescente. Come anticipato da Zacharia, la crescente diffusione dell’intelligenza artificiale nella gestione dei rischi di supply chain potrebbe introdurre nuove vulnerabilità interne, esponendo gli stessi sistemi AI al rischio di attacchi o contaminazione dei dati da parte di soggetti maligni.
Gestire un panorama SCRM trasformato dall’AI
Anche adottando approcci prudenti, discreti e pianificati, le aziende della supply chain si troveranno presto a dover definire una strategia interna per l’adozione e l’implementazione dell’intelligenza artificiale. I rischi legati a restare indietro in un settore che evolve rapidamente possono essere troppo elevati, mentre i benefici per i first mover sono troppo invitanti per essere ignorati a lungo. Come ha affermato un esperto nell’ultimo Supply Chain Risk Management Index di Lehigh University: «Adattarsi all’evoluzione dell’AI e sfruttarne il potenziale determinerà il successo delle aziende nel prossimo futuro.»
I produttori interessati alle potenzialità offerte dall’AI, ma ancora dubbiosi sul fatto che gli investimenti iniziali possano offrire ritorni concreti, possono trovare lo stesso valore e funzionalità in uno strumento per la resilienza della catena di approvvigionamento. La piattaforma di riferimento Z2Data offre un’ampia gamma di funzionalità SCRM, tra cui il part-to-site mapping, dati completi su fornitori tier 1, 2 e 3, e valutazioni dettagliate del rischio per ogni sito produttivo. Inoltre, i database Z2Data sono gestiti e supervisionati da professionisti con anni di esperienza nella filiera dei componenti elettronici, garantendo rischi minimi di dati inaccurati o informazioni fuorvianti.
Per scoprire di più su Z2Data e sulle funzionalità di visibilità offerte ai clienti, può prenotare una demo gratuita con uno dei nostri esperti di prodotto.
