I nuovi sistemi di intelligenza artificiale stanno trasformando attività, flussi e procedure nei settori della logistica e del procurement, ma c’è tuttora un evidente divario tra ambizione e risultati. Lo studio Impact of Intelligent Operations di Zebra Technologies, realizzato con Oxford Economics, mette in luce che molte organizzazioni non riescono ancora a trasformare gli investimenti nel campo dell’intelligenza artificiale in benefici concreti per la loro operatività.

Obiettivi e problemi nella transizione all’AI

Sebbene l’intelligenza artificiale abbia ormai assunto il ruolo di priorità nel settore logistico e nelle operazioni di procurement, molte aziende faticano a chiudere il divario tra obiettivi dichiarati e risultati reali ottenuti. Lo studio di Zebra Technologies evidenzia che, mentre i manager puntano sull’AI per aumentare l’efficienza operativa (48%) e migliorare l’esperienza del cliente (34%), soltanto poche riescono a far coincidere queste ambizioni con l’effettiva efficacia.

I limiti e i progressi attuali

Infatti, il 62% dei manager intervistati ammette che ci siano miglioramenti critici necessari nei processi di approvvigionamento, movimentazione merci, consegna e altre attività sul campo, ambiti in cui i progressi sono ancora limitati. Phil Sambrook, Transport and Logistics Strategy Director di Zebra Technologies, commenta: “Le linee logistico-procurement vengono supportate da AI progettate per i lavoratori, come l’AI on-device e la Machine Vision, che stanno già migliorando l’efficienza lungo l’intera supply chain, riducendo errori, perdite e costi operativi.”

Il ruolo di tecnologie avanzate nella logistica

Sambrook, però, non nasconde le difficili sfide che molte aziende incontrano in questa transizione: “Mentre l’innovazione sta iniziando a dare i primi frutti, per molte organizzazioni il percorso è appena all’inizio. La mancata coerenza tra obiettivi e risultati spesso nasce da lacune nella strategia, nella leadership e nella formazione.”

L’esperienza del cliente e la gestione dell’inventario

In particolare, il divario tra ambizione e capacità di azione riguarda spesso la gestione dell’inventario, la logistica e la consegna. “Colmare questo divario – osserva Sambrook – è un’opportunità per valorizzare il ruolo del personale in prima linea, dove spesso si decide la fiducia del cliente e il successo delle interazioni.”

Ad esempio, l’importanza di una forte gestione dell’inventario e delle consegne si è rivelata cruciale quando in Italia si è registrato il furto di 12 tonnellate di barrette di cioccolato. La tracciabilità, rafforzata con codici unici su ogni confezione, ha consentito ai retailer di individuare ogni barretta rubata, utilizzando gli scanner come strumento di controllo. Questo episodio dimostra come dati avanzati siano fondamentali per applicazioni di AI.

Da RFID a Machine Vision: l’evoluzione tecnologica

Digitalizzare l’inventario, i macchinari e gli spazi di lavoro mediante tecnologie avanzate, come RFID e Machine Vision, permette la raccolta di grandi quantità di dati. Questi vengono interpretati in tempo reale grazie a un AI multimodale, che combina informazioni provenienti da scanner, telecamere e sensori.

Il risultato? La creazione di una Ambient Intelligence capace di fornire insight in tempo reale che supportano decisioni rapide e accurate. Questo contribuisce a una maggiore prevenzione delle perdite, passando da una logica reattiva a una proattiva.

La trasformazione culturale richiesta

Gli investimenti tecnologici, però, non bastano da soli. Come sottolinea Phil Sambrook, l’implementazione efficace dell’AI richiede una trasformazione culturale aziendale: “Molto di più che aggiornare gli IT, garantire successo all’AI richiede una cultura che sostenendo fortemente l’innovazione e investimenti in formazione per il personale.”

I nuovi strumenti di AI on-device

Nel 2024, Zebra Technologies ha portato avanti il proprio percorso verso l’edge AI, lanciando diverse soluzioni all’avanguardia. Tra queste, la Frontline AI Suite, composta da Enablers, Blueprints e Companion AI, rappresenta una pietra miliare nello sviluppo dell’AI applicata alla logistica.

    • Enablers: Strumenti per abilitare l’AI su dispositivi mobili.
    • Blueprints: Modelli specifici per settori logistici.
    • Companion AI: Funzionalità che aiutano il personale su richiesta.

Secondo i rapporti societari, sempre più clienti leader stanno testando o implementando la Suite, evidenziando una crescente adozione di soluzioni AI in contesti aziendali complessi.

Gli ultimi avanzamenti tecnologici

I progressi nei modelli di AI su dispositivi, la sicurezza rafforzata e le tecnologie hardware più recenti (come CPU e NPU) stanno offrendo nuove opportunità di lavoro agli operatori in campo, che spesso interagiscono con i clienti.

Grazie all’AI installata sui dispositivi, i lavori in magazzino e nelle consegne diventano non solo più efficaci, ma anche meno faticosi. Questo aiuta a ridurre la frustrazione del personale e ad aumentare la produttività, migliorando anche la percezione del proprio lavoro da parte dei dipendenti.

Case study: l’AI nella logistica interna

Guardando al cosiddetto “Middle Mile”, diversi leader della logistica europea stanno risolvendo problemi esistenti con l’AI abilitata sulla Machine Vision, migliorando l’efficacia operativa e riducendo costi inutili. Le soluzioni installate su sistemi di trasporto riescono a distinguere chiaramente un blocco reale da un allarme falso, previenendo fermate costose e aumentando la produttività.

Altri strumenti di Machine Vision controllano in tempo reale i pacchi, verificando che siano correttamente etichettati e non danneggiati. Questo contribuisce a una gestione più precisa, specialmente nel procurement e nella logistica inversa.

    • Riduzione dei fermi inaspettati.
    • Istruzione in tempo reale per i team.
    • Prevenzione tempestiva di danni o sprechi.

Il tutto si traduce in benefici rilevanti per il cliente e un miglioramento della sua esperienza di ricezione e gestione degli ordini.

AI on-device e logistica esterna

Nella parte esterna della catena logistica, l’AI picture proof of delivery automatizza l’intera catena di custodia. Acquisisce foto, legge i codici a barre e protegge i dati sensibili oscurandoli, tutto in modo automatico e in tempo reale.

“Questo sistema” – spiega Sambrook – “è stato testato negli ambienti clienti e ha migliorato il processo di controllo di consegna del 55% per fermata, con una diminuzione del 1