Come stanno cambiando le esigenze delle aziende nella gestione della logistica e dei trasporti?

Negli ultimi anni le aziende hanno investito molto in software, automazione, sistemi gestionali, tracciabilità e integrazione. Il risultato è che oggi i dati ci sono. Anzi, spesso ce ne sono troppi.

Il problema è un altro. Quando un responsabile traffico deve organizzare una spedizione urgente, quando un operatore di magazzino deve controllare un DDT che non torna, quando un planner deve capire quale vettore utilizzare, non ha bisogno di un report il giorno dopo. Ha bisogno di una risposta adesso.

La logistica si è spostata da una gestione basata sulla pianificazione a una gestione continua dell’eccezione. Le variabili cambiano in tempo reale, cambiano i volumi, cambiano i vincoli, cambiano le priorità dei clienti. In questo scenario, il vero tema non è più solo digitalizzare il processo, ma ridurre il tempo tra il problema e l’azione. Pensiamo quindi che l’intelligenza artificiale debba avere un ruolo molto concreto.

Tra le diverse innovazioni tecnologiche, quali sono oggi le più interessanti per la supply chain?

La fase più interessante è quella che stiamo vivendo adesso, perché l’AI sta uscendo dalla logica del “report intelligente” ed entrando nei processi operativi.

Per anni abbiamo usato l’intelligenza artificiale soprattutto per analizzare dati, costruire previsioni e  leggere serie storiche. Tutto utile, naturalmente. Ma oggi il salto è diverso.

Con gli Agentic AI, il software non si limita più a dire cosa sta succedendo. Può interpretare una richiesta, interrogare i sistemi aziendali, applicare regole operative, proporre una scelta e, in determinati casi, avviare direttamente un’azione.

Un esempio molto semplice è la scelta del vettore. L’operatore scrive in chat poche informazioni, come destinazione, peso, volume, urgenza e caratteristiche della merce. Il sistema recupera i vettori disponibili, verifica tariffe, tempi, vincoli contrattuali e regole operative, poi suggerisce la soluzione più adatta.

Non è fantascienza. È il passaggio da un software che archivia informazioni a un software che partecipa al processo decisionale.

Quali applicazioni avete già sviluppato in GEP Informatica?

Abbiamo iniziato da problemi molto concreti, perché l’innovazione funziona solo se toglie attrito dal lavoro quotidiano.

Una prima area riguarda l’inserimento automatico degli ordini di trasporto. In molte aziende gli ordini arrivano ancora via mail, PDF, portali, messaggi testuali o note vocali. L’operatore legge, copia, interpreta e inserisce i dati nel gestionale. È un’attività ripetitiva, lenta e soggetta a errore.

Con l’AI il sistema può leggere il documento, estrarre mittente, destinatario, merce, quantità, peso, volume, date e vincoli, trasformando tutto in un ordine strutturato nel TMS. Il punto non è solo risparmiare tempo. Il punto è migliorare la qualità del dato a monte, perché un dato inserito male genera problemi su pianificazione, documenti, tracking e fatturazione.

Un secondo ambito riguarda il controllo tra ordine atteso e DDT fornitore. Quando arriva la merce, il documento reale non coincide sempre con quello presente nel gestionale. Possono esserci righe mancanti, quantità diverse, misure assenti, articoli non consegnati. L’AI confronta automaticamente i documenti, evidenzia le anomalie e consente all’operatore di correggere o confermare le differenze da un’unica schermata.

Un terzo caso riguarda il riconoscimento automatico dei colli in ingresso merce, anche quando le etichette non sono standardizzate, sono incomplete o danneggiate. Attraverso computer vision e modelli di machine learning, il sistema può riconoscere elementi visivi, parole chiave, loghi, codici ricorrenti e associarli ai dati presenti nel WMS.

In tutti questi casi il principio è lo stesso, l’AI non deve fare scena. Deve togliere lavoro inutile.

E dove state portando queste soluzioni nei prossimi sviluppi?

Il prossimo passaggio è rendere questi strumenti sempre più agentici.

Oggi molte soluzioni AI leggono, classificano e suggeriscono. La direzione è farle dialogare in modo più profondo con WMS, TMS, ERP e sistemi documentali, così da poter gestire micro-processi completi.

Pensiamo a un agente AI che riceve una richiesta di spedizione, controlla la disponibilità dei vettori, propone la soluzione più coerente, prepara la richiesta, aggiorna il sistema e produce un recap operativo per l’ufficio traffico.

Oppure a un agente che, a fine giornata, sintetizza gli ordini di ritiro, evidenzia le anomalie, segnala le urgenze e propone una priorità di lavorazione.

Un altro ambito molto importante è la normalizzazione delle anagrafiche. Sembra un tema minore, ma nella logistica è enorme. Lo stesso destinatario può essere scritto in dieci modi diversi, con indirizzi incompleti, sigle, errori, duplicazioni. Questo sporca i dati, complica le consegne, peggiora le analisi e genera inefficienze. L’AI può riconoscere queste varianti, proporre accorpamenti e migliorare progressivamente la qualità dell’informazione.

È un lavoro poco appariscente, ma estremamente strategico. Perché senza dati puliti, anche la migliore automazione lavora male.

In che modo l’AI cambia il ruolo degli operatori logistici?

Lo cambia in modo profondo, ma non nel senso banale della sostituzione.

L’AI deve togliere agli operatori le attività ripetitive, non il controllo del processo. Un responsabile traffico non dovrebbe passare il tempo a copiare dati da un PDF. Dovrebbe gestire eccezioni, priorità, relazioni con clienti e vettori. Un operatore di magazzino non dovrebbe perdere minuti a interpretare un’etichetta illeggibile. Dovrebbe poter lavorare con informazioni già riconosciute, validate e collegate al sistema.

La tecnologia migliore è quella che aumenta la capacità delle persone di governare la complessità. Non quella che aggiunge un altro strato di complessità.

Per questo l’interfaccia conversazionale è così interessante. Parlare con un sistema, chiedere “quali spedizioni sono ancora senza vettore?” oppure “quali DDT non coincidono con l’ordine?” cambia il rapporto tra persona e software. Il gestionale non è più solo un ambiente in cui inserire dati, diventa uno strumento con cui ragionare.

In che modo queste tecnologie impattano sulla sostenibilità economica, sociale e ambientale?

L’impatto economico è il più immediato. Meno inserimenti manuali, meno errori, meno rilavorazioni, meno tempi morti. In logistica anche pochi minuti risparmiati su attività ripetute centinaia di volte al giorno diventano valore operativo concreto.

Sul piano sociale, l’AI può migliorare la qualità del lavoro. Le persone vengono liberate da attività meccaniche e possono concentrarsi su compiti a maggiore valore. Questo è particolarmente importante in un settore che fatica a trovare personale e in cui il turnover operativo è spesso elevato.

Sul piano ambientale, l’impatto passa soprattutto dall’ottimizzazione. Se scelgo meglio il vettore, pianifico meglio i carichi, riduco errori documentali, evito viaggi inutili e miglioro la qualità dei dati, posso prendere decisioni più sostenibili anche sul trasporto. La sostenibilità non nasce solo dal mezzo utilizzato, ma anche dalla qualità del processo che lo governa.

Qual è il rischio principale quando si parla di AI nella logistica?

Il rischio è parlarne troppo e applicarla troppo poco.

Oggi l’AI è diventata una parola comoda. La troviamo in qualunque presentazione, spesso senza capire bene dove finisca il marketing e dove inizi il processo reale. Nella logistica, però, il banco di prova è molto semplice. Se una tecnologia non riduce tempi, errori, costi o complessità, non è innovazione. È rumore.

Per questo noi partiamo sempre dai casi d’uso. Un PDF da leggere. Un DDT da confrontare. Un collo da riconoscere. Una spedizione da assegnare. Un’anagrafica da pulire. Sono problemi quotidiani, ma quando li risolvi su larga scala cambiano davvero il modo di lavorare.

Contatta GEP INFORMATICA