Nella supply chain si è consumato il più grande scollamento tra narrazione e realtà industriale dell’ultimo decennio. West Monroe rileva che il 99% dei leader del settore dichiara guadagni di produttività dall’AI. McKinsey corregge: solo il 19% l’ha portata a regime nei processi operativi, invariato dal 2024. Gartner aggiunge: appena il 23% delle aziende ha una vera strategia AI per la supply chain. La Death Valley dell’AI è esattamente questa — piena di piloti eccitanti, slide entusiasmanti, bilanci fermi.
La tecnologia, di per sé, funziona. Il contorno meno. Per oltre la metà delle aziende il problema sono i dati: scollegati tra ERP, planning e logistica, sparsi in archivi che non si parlano. Si chiedono forecast e replenishment a un’AI che lavora su fondamenta che non reggerebbero un Excel ben fatto. Poi ci sono le persone: tra il 45 e il 49% dei dipendenti resiste, ma quasi mai per paura del futuro. Più spesso pensano che il loro processo deterministico, quello che tiene in piedi la fabbrica, funzioni meglio di un sistema probabilistico che indovina. E hanno ragione, finché qualcuno non ridisegna il modello operativo che li circonda. Aggiungete il contesto, tariffe al 100% sull’import cinese, sentenza USA contro l’IEEPA, cancellazioni di data center quadruplicate nel 2025 — e l’investimento grosso sembra prudente rimandarlo. È quella che gli economisti chiamano opzione di attesa: investire poco oggi per riservarsi il diritto di scalare domani, quando la rotta sarà chiara.
Il problema è che il treno è già partito. Amazon ha messo a bilancio nel 2025 due miliardi di risparmi con 21.000 agenti autonomi: il solo Delivery Address Agent ha tagliato del 74,4% i fallimenti alla prima consegna. Siemens, con PepsiCo e NVIDIA, costruisce Digital Twins che intercettano il 90% dei problemi prima che si tocchi un cacciavite. Blue Yonder, o9, Kinaxis, SAP IBP e Oracle hanno riscritto da zero le architetture per ospitare agenti autonomi. Il tratto comune è scomodo da ammettere: non hanno aggiunto AI a un modello operativo esistente, l’hanno ricostruito da zero, con dati integrati end-to-end e l’intelligenza al centro dell’architettura, non in un layer applicativo accanto.
È qui che la diagnosi diventa azione. Senza ERP, planning e logistica che parlano la stessa lingua, il forecast resta una chimera. La convivenza tra il probabilistico dell’AI e il deterministico della fabbrica va progettata in anticipo, non subita ex post. Le persone vanno ridisegnate in nuovi ruoli, non sostituite né lasciate al sospetto che l’AI sia un problema in più sulla loro scrivania. L’opzione di attesa è scaduta. Conta il coraggio di ridisegnare i modelli operativi con l’AI dentro, non affianco.