L’evoluzione del software logistico segue da anni l’obiettivo di rendere visibile ciò che accade nel magazzino, nei trasporti e lungo la supply chain. WMS, TMS, sistemi di tracciamento, sensori e dashboard hanno permesso alle aziende di controllare quantità crescenti di dati, individuare anomalie e ricevere avvisi prima che un problema diventasse evidente al cliente.
Questa evoluzione ha prodotto risultati importanti, ma ha risolto soltanto una parte del problema. Sapere che una spedizione è in ritardo non indica automaticamente quale vettore alternativo utilizzare.
Vedere che le scorte di un articolo stanno per scendere sotto il livello di sicurezza non stabilisce se sia meglio anticipare un approvvigionamento, trasferire la merce da un altro deposito o modificare le priorità di evasione. Una dashboard può mostrare che la produttività di una determinata area del magazzino è diminuita, ma non spiega necessariamente se la causa sia legata al personale, allo slotting, alla composizione degli ordini o a un cambiamento del mix di prodotti.
La domanda, quindi, non è più soltanto “Che cosa sta succedendo?”. Sempre più spesso la domanda decisiva è “Che cosa dobbiamo fare adesso?”.
Il nuovo collo di bottiglia è la capacità decisionale
Una maggiore visibilità può generare un effetto apparentemente paradossale, cioè che più informazioni producono anche più decisioni. Ogni dashboard aggiunge indicatori da controllare, ogni avviso compete per l’attenzione e ogni scenario richiede una valutazione.
Il responsabile della logistica si trova così a gestire contemporaneamente ritardi, variazioni delle tariffe, ordini urgenti, carenze di personale, anomalie documentali e modifiche della domanda. Questi problemi raramente sono indipendenti. Destinare le scorte disponibili a un cliente può aumentare il rischio di stockout per un altro. Utilizzare un trasporto urgente può proteggere il livello di servizio, ma ridurre il margine della commessa. Aumentare le risorse in una determinata area del magazzino può rallentare un’altra fase del processo.
Nel tempo si accumula quello che potremmo definire un debito decisionale. Una decisione rimandata oggi produce nuove eccezioni da gestire domani. Attività che dovrebbero essere risolte vicino al processo operativo risalgono i livelli dell’organizzazione alla ricerca di un’autorizzazione. I manager finiscono per occuparsi anche delle microdecisioni, mentre le persone sul campo attendono indicazioni.
Il problema non riguarda soltanto le attività quotidiane. In una ricerca pubblicata nel luglio 2026 e dedicata alle decisioni di investimento sulla rete logistica, Gartner ha rilevato che il 72% dei responsabili della supply chain ha dovuto riesaminare almeno una volta un’approvazione finale. Più della metà lo ha fatto almeno tre volte, con conseguenti ritardi e una minore soddisfazione rispetto al risultato raggiunto.
L’AI agentica non aggiunge un altro alert ma prepara la risposta
L’intelligenza artificiale è già utilizzata per analizzare dati, riconoscere schemi ricorrenti, prevedere la domanda e individuare anomalie. Queste applicazioni aiutano a vedere prima un problema, ma spesso lasciano ancora alle persone l’intero lavoro successivo.
L’AI agentica estende questo perimetro. Non si limita a mostrare un’informazione o a generare un testo, ma raccoglie il contesto disponibile, confronta le alternative, applica i criteri definiti dall’azienda e prepara una possibile risposta. In alcuni casi può anche eseguire le attività conseguenti, purché operi entro limiti e autorizzazioni chiaramente stabiliti.
Torniamo alla spedizione che rischia di non partire. Un agente inserito nel processo del TMS può verificare i vettori abilitati, confrontare tariffe, tempi di consegna e livelli di servizio, controllare eventuali vincoli e presentare le alternative in ordine di convenienza. Può spiegare che la prima soluzione costa meno ma comporta un giorno di ritardo, mentre la seconda tutela la data di consegna con un costo superiore. Dopo l’approvazione, può preparare la comunicazione al vettore nella lingua corretta, aggiornare gli operatori coinvolti e registrare l’attività.
Lo stesso principio può essere applicato in magazzino. Quando arriva un documento di trasporto, l’agente può confrontarlo con la merce attesa, individuare quantità mancanti o codici non corrispondenti, recuperare le informazioni collegate e predisporre la gestione dell’anomalia. Invece di chiedere all’operatore di cercare manualmente documenti e ordini, gli presenta il problema già contestualizzato.
Sono alcune delle applicazioni concrete su cui GEP sta lavorando con Geppy, il nuovo Agentic AI. Il valore non risiede nell’aggiungere una chat a un software logistico, ma nel collocare l’intelligenza artificiale all’interno del processo in cui deve operare. Per proporre una decisione sensata, l’AI deve conoscere le tariffe concordate, le regole di priorità, le disponibilità, i vincoli contrattuali e le procedure dell’azienda.
Un agente generico può suggerire che cosa fare in teoria. Un agente integrato nel WMS o nel TMS può capire che cosa sia effettivamente possibile fare in quel momento.
L’autonomia deve avere confini chiari
Il passaggio dal software che informa al software che agisce non significa consegnare ogni decisione all’intelligenza artificiale. Significa stabilire quali attività possono essere automatizzate, quali devono essere soltanto proposte e quali devono restare sotto il controllo delle persone.
Una modifica priva di conseguenze rilevanti può essere eseguita automaticamente. La scelta di un trasporto urgente particolarmente costoso, l’assegnazione delle ultime scorte disponibili o il blocco di una consegna possono invece richiedere l’approvazione di un responsabile. Il confine dipende dal valore economico, dall’impatto sul cliente, dal livello di rischio e dalle regole definite dall’azienda.
Gartner prevede che entro il 2031 il 60% delle interruzioni della supply chain sarà risolto senza intervento umano. La stessa Gartner invita però oggi a limitare la piena autonomia alle decisioni a basso rischio, utilizzando l’AI come supporto al giudizio umano quando le conseguenze possono essere più rilevanti.
È un approccio molto più pragmatico rispetto alla promessa di una logistica interamente autonoma.
