L’adozione dell’intelligenza artificiale all’interno dei processi di gestione della catena di approvvigionamento sta ridefinendo in modo strutturale le dinamiche organizzative aziendali. Se da un lato l’attenzione del mercato si è storicamente concentrata sull’efficienza delle procedure e sull’implementazione di nuovi strumenti tecnologici, oggi emerge la necessità di rimettere al centro dell’analisi persone, cultura e organizzazione. A tracciare il quadro della trasformazione in atto è Roberto Cigolini, Direttore dell’Osservatorio Supply Chain Planning degli Osservatori Digital Innovation del Politecnico di Milano, in occasione di una presentazione focalizzata sulla valorizzazione del capitale umano e sulla costante evoluzione delle competenze necessarie per guidare l’innovazione nelle filiere.
Indice degli argomenti
Il fattore umano al centro dell’automazione logistica
L’integrazione di sistemi avanzati e algoritmi predittivi non coincide con una progressiva estromissione dell’operatore umano dai processi decisionali. Al contrario, l’ingresso dell’Intelligenza Artificiale evidenzia come l’efficacia delle tecnologie dipenda direttamente dalla presenza di figure professionali dotate di adeguate competenze interpretative e di supervisione.
Dal mito della fabbrica automatizzata alla supervisione dell’AI
L’idea che la tecnologia possa sostituire integralmente la presenza umana si scontra con la complessità reale della gestione operativa. Come evidenziato da Cigolini, le narrazioni legate a un’automazione totale non trovano riscontro nella realtà industriale. Il Direttore dell’Osservatorio ha ricordato come «Così come il mito della “fabbrica senza uomini” si è rivelato irrealizzabile, allo stesso modo non è pensabile una supply chain automatizzata priva del presidio umano.»
La presenza dell’uomo rimane centrale perché la variabilità dei mercati, l’imprevedibilità degli eventi e la necessità di compiere scelte strategiche richiedono un livello di analisi e di giudizio che l’algoritmo non possiede autonomamente. L’automazione solleva il personale dalle attività puramente ripetitive, ma al contempo eleva la soglia delle competenze richieste per governare i sistemi digitali.
La trasformazione dei ruoli e le nuove competenze operative
L’impatto dell’Intelligenza Artificiale varia in base alla specifica funzione aziendale, modificando le mansioni quotidiane dei professionisti impegnati nella pianificazione. L’indagine svolta dall’Osservatorio Supply Chain Planning prende in esame quattro ruoli chiave della catena logistica: il Demand Planner, il Sales/Order Planner, il Production Planner e il Purchasing/Sourcing Manager. Per ciascuno di questi profili, l’innovazione tecnologica non determina una cancellazione della funzione, bensì una profonda riallocazione delle competenze e delle responsabilità.
La divisione dei compiti tra intelligenza artificiale e planner
Gli strumenti basati su algoritmi intelligenti mostrano un’elevata efficienza nell’esecuzione di compiti analitici e computazionali. Nello specifico, l’Intelligenza Artificiale eccelle nella generazione automatica delle baseline previsionali, nella rendicontazione periodica, nello scheduling della produzione e nella segnalazione dei sottoscorta.
Tuttavia, il completamento del ciclo decisionale richiede attività che appartengono in modo esclusivo alle competenze critiche e relazionali dei professionisti. La validazione finale dei piani, la gestione delle eccezioni, la risoluzione delle criticità e la negoziazione rimangono prerogative dell’intelligenza umana.
Di conseguenza, la figura del planner subisce una transizione fondamentale. Da esecutore e creatore diretto dei piani, il lavoratore si evolve in un valutatore e supervisore di scenari alternativi. Questo passaggio sposta il baricentro delle competenze aziendali dalla pura capacità esecutiva alla capacità di analisi strategica, di gestione del rischio e di valutazione critica delle opzioni elaborate dai sistemi automatici.
Le barriere organizzative e il deficit di competenze nelle aziende
Nonostante il dibattito aperto attorno all’AI, le rilevazioni empiriche mostrano un quadro cauto e caratterizzato da rallentamenti nell’adozione effettiva all’interno delle organizzazioni.
Carenze strutturali, assenza di roadmap e il dilemma del ROI
I dati dell’Osservatorio evidenziano che due terzi delle aziende analizzate (66%) dichiarano di non aver ancora riscontrato impatti significativi dell’AI sui ruoli lavorativi. Questo fenomeno è riconducibile principalmente al fatto che la maggioranza delle realtà industriali si trova ancora nella fase iniziale di adozione della tecnologia.
Dalla rilevazione emergono tre ostacoli principali che ritardano l’integrazione dell’AI e l’aggiornamento delle competenze:
- La carenza di competenze interne, segnalata da circa un terzo del campione come principale barriera operativa;
- La mancanza di una guida strategica e di una roadmap definita da parte del top management;
- La complessità nel calcolo del Ritorno sull’Investimento (ROI) per i progetti di Intelligenza Artificiale o per l’implementazione di sistemi Advanced Planning and Scheduling (APS).
Senza una visione strategica d’insieme e senza interventi strutturati di formazione per sviluppare competenze adeguate, gli investimenti tecnologici rischiano di non produrre i benefici attesi sull’operatività aziendale.
Data governance, cybersecurity e divario tra PMI e grandi imprese
Un ulteriore fattore vincolante per l’efficacia delle nuove tecnologie risiede nella gestione della qualità e della sicurezza delle informazioni aziendali.
Dal principio “garbage in, garbage out” alla data ownership
I modelli di Intelligenza Artificiale non possono funzionare in modo corretto in assenza di dati puliti, integrati e ben governati. L’espressione garbage in, garbage out sintetizza come l’alimentazione di un sistema con informazioni frammentate o imprecise generi inevitabilmente risultati inaffidabili.
A questo si aggiungono i rischi legati alla cybersecurity e la frequente assenza di una formalizzazione della data ownership. La definizione delle responsabilità sulla gestione dei dati tende a sfilacciarsi specialmente nel tessuto delle piccole e medie imprese, dove mancano strutture formali dedicate alla supervisione delle informazioni.
Il divario dimensionale e le leve per la trasformazione
L’analisi svolta da Cigolini evidenzia un marcato divario dimensionale nelle modalità con cui le aziende affrontano la carenza di competenze:
- Le grandi e grandissime imprese superano il deficit di competenze integrando nel proprio organico team specialistici dedicati all’AI.
- Le PMI, disponendo di minori risorse da destinare alla formazione o all’assunzione di specialisti, ricorrono prevalentemente all’apprendimento informale on-the-job o al supporto di consulenti esterni.
Per superare queste fragilità e condurre con successo i progetti di trasformazione digitale, l’Osservatorio individua una combinazione di fattori abilitanti. Le aziende devono coniugare lo sponsorship dell’alta direzione, il supporto continuativo della funzione IT, la collaborazione con partner tecnologici qualificati e la presenza di un champion o capo progetto dedicato all’iniziativa.
Solo un approccio integrato consente di sviluppare le competenze necessarie a guidare il cambiamento. Come indicato da Cigolini, «In conclusione, riconoscere l’evoluzione del ruolo del planner, investire nello sviluppo delle competenze e strutturare una solida data governance rappresentano le leve fondamentali per costruire filiere realmente resilienti.»
