:quality(85))
Gli anni 2020 sono stati un decennio di instabilità, sconvolgimenti e crescente rischio per le catene di approvvigionamento. Inizialmente, la pandemia di COVID-19 ha innescato la chiusura degli stabilimenti, carenze di forniture e il blocco dei porti container da Shanghai a Los Angeles. Negli anni successivi, eventi meteorologici estremi e conflitti geopolitici hanno coinvolto rotte navali globali strategiche, tra cui il Canale di Panama e il Mar Rosso, complicando la logistica e facendo lievitare i costi di trasporto per le aziende di tutto il mondo. Più recentemente, l’intensificarsi delle guerre commerciali, l’estensione delle politiche protezionistiche e un aumento della pressione regolatoria stanno aggiungendo ulteriori variabili a una filiera che non assomiglia più a quella degli anni relativamente tranquilli del decennio precedente.
Per affrontare questo nuovo scenario complesso e rafforzare la resilienza della catena di approvvigionamento, le organizzazioni stanno ricorrendo sempre più alle potenzialità offerte dall'intelligenza artificiale. La più recente generazione di tecnologie AI, tra cui il machine learning (ML), l’AI predittiva e i large language models (LLM), è in grado di analizzare enormi serie di dati, valutare molteplici rischi e offrire insight preziosi in grado di orientare strategia e decisioni. Se gestite con un adeguato livello di competenza e aspettative realistiche, queste piattaforme AI possono rappresentare uno strumento potente e versatile per i professionisti degli acquisti strategici, permettendo loro di navigare agilmente nell’attuale complessità delle supply chain e nei rischi inediti che le caratterizzano.
Per centrare questi obiettivi, tuttavia, è fondamentale sviluppare una strategia di implementazione dell’AI articolata e ben pensata.
Perché serve una strategia per l’AI?
Per comprendere appieno l’importanza di una strategia chiara per l’implementazione dell’AI, è utile considerare cosa avviene in alternativa. Supponiamo che un produttore del settore automotive acquisisca un nuovo strumento AI, investendo capitale con l’aspettativa generale che la tecnologia aiuterà a gestire la catena di approvvigionamento, a mitigare i rischi correlati e, col tempo, a ridurre i costi indiretti. Tuttavia, i vertici dell’azienda non hanno sviluppato né comunicato una strategia di implementazione. La gestione e il personale si ritrovano così a gestire autonomamente l’integrazione dell’AI nei processi di lavoro.
Senza direttive dall’alto e senza una roadmap ben comunicata, il produttore automotive si troverà ad affrontare notevoli difficoltà. L’organizzazione potrebbe non aver dedicato tempo sufficiente alla formazione del personale e allo sviluppo delle competenze specialistiche necessarie per sfruttare la piattaforma AI. Per via di questa carenza di preparazione, chi si occupa di approvvigionamento e sourcing strategico non sarà in grado di estrarre il massimo valore dal software, penalizzando la capacità aziendale di recuperare l’investimento iniziale e, in ultima analisi, rafforzare la resilienza della catena di approvvigionamento.
Se poi l’azienda non ha fissato obiettivi chiari per l’utilizzo dell’AI, la direzione potrebbe incontrare difficoltà nel trasmettere aspettative precise al personale, su come usare la piattaforma e sugli obiettivi di implementazione a sei, dodici, diciotto mesi. I professionisti potrebbero avere accesso al software, forse dopo una formazione di base, ma non capirebbero come integrarlo nelle proprie responsabilità quotidiane. Senza comunicazioni coese e continue dal vertice, il personale non avrà l’iniziativa per adottare attivamente lo strumento nell’operatività.
L’assenza di una strategia di riferimento per l’AI può portare anche all’estremo opposto: una diffusione troppo rapida e aggressiva della soluzione. In tali casi, la tecnologia rischia di generare discontinuità e avere effetti controproducenti, isolando una parte del personale e inducendone altra ad adottarla senza comprenderne i limiti. In entrambi gli scenari, l’adozione affrettata dell’intelligenza artificiale nella catena di approvvigionamento può amplificare molti dei rischi connessi a questi strumenti senza tra l’altro riuscire a ottenere i vantaggi auspicati.
Al contrario, pianificare e stabilire un processo ben definito per introdurre uno strumento AI nella catena di approvvigionamento aiuta a trarre il massimo valore dal software all’interno dell’organizzazione. Un rollout accuratamente coordinato facilita l’adozione generalizzata tra team e reparti, incentiva lo sviluppo delle competenze specifiche e consente agli esperti di condividere best practice e regole d’uso strategiche.
Strategie essenziali per l’implementazione dell’AI nella supply chain
Per ottenere il massimo da qualsiasi tecnologia, produttori e imprese devono comprendere a fondo tre aspetti fondamentali: il funzionamento della tecnologia stessa; il valore specifico che intendono ottenere; il processo di integrazione dello strumento nelle proprie attività. Le strategie esaminate di seguito possono guidare i responsabili della filiera verso il successo lungo questi tre pilastri dell’implementazione efficace.
Definire obiettivi e ownership
Potrà sembrare banale, ma sorprende il numero di aziende che non definisce in modo esaustivo tutti gli obiettivi prima di adottare uno strumento AI. «Come primo passo, occorre individuare e dare priorità a tutte le leve di creazione di valore nelle varie funzioni aziendali, dagli acquisti alla produzione fino alla logistica e alle attività commerciali», spiega McKinsey & Company in un articolo del 2021 sull’AI nella supply chain. Nella realtà, tuttavia, meno di un terzo delle aziende conduceva questa valutazione preliminare, privandosi così di importanti «opportunità di creazione di valore».
Ma predisporre le basi per una strategia AI e un relativo piano di roll-out va oltre la definizione di una visione d’insieme e degli obiettivi a supporto. Occorre anche identificare manager, dirigenti e altre figure chiave che guideranno il processo di implementazione dell’AI, comunicheranno le aspettative e monitoreranno l’avanzamento. Puntando su sponsor interni che si facciano promotori dello strumento e ne sostengano l’integrazione, si evitano le resistenze generate dallo status quo.
Sviluppare competenze per ottimizzare l’AI
Poiché si tratta di una tecnologia recente, l’AI non presenta ancora caratteristiche standard tra aziende concorrenti e piattaforme diverse. Nell’ambito della supply chain, esistono oggi soluzioni AI specializzate in ambiti che vanno dalla previsione della domanda e mappatura della filiera fino alla manutenzione predittiva e alla valutazione dei rischi. Si tratta di modelli software innovativi e spesso di nicchia, che richiedono un processo di apprendimento anche ai collaboratori più esperti dal punto di vista tecnologico.
Le aziende che investono nell’AI per la supply chain dovranno quindi sviluppare internamente le competenze necessarie non solo a sfruttare al massimo la piattaforma, ma anche a formare altri colleghi sul suo corretto utilizzo. Nei casi in cui la tecnologia sia particolarmente complessa e la scala di adozione ampia, può essere opportuno coinvolgere una società di consulenza esterna. Molte delle principali società di consulenza hanno un solido background in trasformazione digitale e oggi si propongono come partner delle aziende interessate a soluzioni AI sofisticate, in grado di affrontare gli ostacoli legati all’integrazione di una tecnologia ancora emergente.
Gestire il cambiamento in modo efficace
Change management è un concetto consolidato nelle operations aziendali, riferito agli strumenti, alle misure e ai processi per gestire momenti di transizione rilevanti all’interno di una realtà organizzativa. Il sito BNET lo definisce come «la coordinazione di un periodo strutturato di transizione dalla situazione A alla situazione B al fine di ottenere un cambiamento duraturo» nell’organizzazione.
Se il change management può essere utile in numerosi scenari, si rivela particolarmente strategico quando l’organizzazione adotta nuove tecnologie su larga scala. Secondo quanto riportato dal Massachusetts Institute of Technology, tra le misure specifiche più adottate figurano la definizione e condivisione del business case del cambiamento, la formazione continuativa e la gestione delle relazioni con il personale coinvolto, la riprogettazione dei processi e la creazione di gruppi di lavoro dedicati al progetto.
Il change management, in altre parole, è una componente imprescindibile di una strategia di implementazione efficace. I leader che intendono condurre con successo l’integrazione dell’intelligenza artificiale nella catena di approvvigionamento devono conoscere e applicare i principi fondamentali di change management nel processo di rollout tecnologico. Integrare uno strumento AI nei processi e flussi di lavoro aziendali non riguarda solo l’aumento dell’efficienza o l’ottimizzazione del valore organizzativo: significa anche coinvolgere il personale, motivarlo, incoraggiarlo e accompagnarlo nell’adozione senza minare morale e motivazione. Il change management si concentra proprio su questo aspetto, e chi ne comprende l’importanza saprà ottenere il massimo dal cambiamento.
Utilizzare dati affidabili e puliti
Come già sottolineato in precedenti approfondimenti, le tecnologie AI più avanzate emerse negli ultimi anni si basano su enormi quantità di dati per realizzare una vasta gamma di funzionalità. Poiché questi modelli utilizzano gli input per auto-apprendere e raggiungere la specifica competenza necessaria per prevedere la domanda, anticipare i guasti, identificare fornitori di sub-tiers, le loro performance dipendono dalla qualità dei dati di input. Dati errati, incompleti o “sporchi” possono compromettere l’output degli strumenti AI, generando suggerimenti o risultati inaffidabili, di cui non è possibile fidarsi o agire con sicurezza.
Alla luce di questi limiti, i produttori che implementano l’AI nella supply chain dovrebbero verificare attentamente statistiche, documentazione e informazioni utilizzate come data input per i propri strumenti AI. Questa fase di screening è fondamentale soprattutto nelle prime fasi di adozione, quando le impressioni iniziali possono influenzare l’atteggiamento del personale verso la tecnologia nel lungo termine.
Valorizzare la sinergia tra intelligenza umana e artificiale
Nei primi mesi dell’ascesa di ChatGPT nel 2022 e 2023, uno dei temi centrali era la misura in cui questa piattaforma AI e strumenti analoghi avrebbero sostituito la forza lavoro umana in numerosi settori. È un dato di fatto che queste tecnologie stanno già influendo sul mercato, sostituendo ruoli di data entry e amministrativi e minacciando persino professioni qualificate come la programmazione informatica e lo sviluppo di videogiochi. Tuttavia, il fatto che la rivoluzione AI stia rimodellando gli ambiti lavorativi non equivale a dire che queste piattaforme operino come risorse autonome analoghe alle persone.
Al contrario. Per gestire attività complesse e di livello avanzato, affidate loro dai professionisti della supply chain, gli strumenti AI necessitano di supervisione e gestione umana. Pur potendo elaborare e analizzare quantità di dati nettamente superiori a quelle di un operatore umano, mancano ancora di esperienza contestuale, consapevolezza specifica e capacità di collegamento che solo chi lavora da anni nel settore possiede. Alla luce di questi limiti, il ruolo emergente dell’AI nella gestione della supply chain deve essere visto come quello di un collaboratore: uno strumento in grado di estendere efficienza e ottimizzazione aziendale, ma che richiede necessariamente il giudizio umano per colmare le proprie lacune e debolezze.
Raggiungere la resilienza della catena di approvvigionamento in un’epoca turbolenta
A pochi anni dall’inizio della cosiddetta rivoluzione AI, le aziende statunitensi stanno adottando soluzioni di intelligenza artificiale nella catena di approvvigionamento su ampia scala. Una recente ricerca condotta da Capgemini evidenzia che oltre due terzi delle organizzazioni della supply chain utilizzano l’AI per tracciabilità e visibilità; il 70% dei produttori la impiega per la manutenzione predittiva. Il motivo della corsa a una strategia AI nella supply chain non sta solo nel fascino di una tecnologia innovativa, né solo nel timore di restare indietro mentre il settore compie un salto trasformativo. I professionisti dell’approvvigionamento si muovono oggi in un contesto dinamico, stratificato e caratterizzato da numerose variabili rischiose: ogni dato e intelligenza realmente azionabile è preziosa.
I produttori e le aziende in cerca di tecnologie ad alta utilità, adatte agli standard della catena di approvvigionamento, possono trovare grande valore negli strumenti per la resilienza della supply chain. Z2Data, piattaforma SCRM di riferimento per il settore, offre una suite di funzionalità integrate per rafforzare visibilità, sostenibilità, compliance e misure di gestione dei rischi. Grazie a una solida combinazione di competenza umana, intelligenza artificiale e grandi database proprietari, Z2Data fornisce ai clienti insight concreti, utili a minimizzare le minacce, massimizzare la trasparenza e garantire un controllo più esteso sulle proprie filiere.
Per scoprire di più su Z2Data e sulle funzionalità per la supply chain disponibili, richieda una demo gratuita con uno dei nostri esperti di prodotto.
