Il mio amico gestisce una piccola azienda di commercio elettronico che vende salsa piccante artigianale. Dodici referenze, un magazzino che è in realtà il suo garage, e una « catena di approvvigionamento » che consiste nel mandare messaggi SMS al suo fornitore di peperoncini nel New Mexico e guidare fino all’ufficio postale.
Mi ha chiesto se aveva bisogno dell’IA per la sua catena di approvvigionamento. Ho detto di no. Poi mi ha raccontato che aveva appena perso 8.000 $ perché aveva ordinato troppi peperoncini habanero basandosi su un’intuizione riguardo alla domanda natalizia. I peperoncini sono marciti. La sua gestione della catena di approvvigionamento, basata sul suo « intuito », aveva un tasso di errore del 40 % nelle previsioni della domanda.
Quindi sì, forse anche le piccole imprese hanno bisogno di strumenti di catena di approvvigionamento più intelligenti.
Cosa significa realmente la gestione della catena di approvvigionamento tramite IA
Eliminate il gergo delle grandi aziende e la catena di approvvigionamento tramite IA riguarda tre cose: prevedere di cosa avrete bisogno, determinare come ottenerlo in modo efficiente e sapere quando qualcosa sta per andare storto.
Le previsioni di domanda sono dove la maggior parte delle aziende vede il primo impatto. Previsioni tradizionali: guardate le vendite dell’anno scorso, aggiungete il 5 %, ordinate quella quantità. Previsioni tramite IA: analizzate le vendite storiche, ma integrate anche i dati meteo, i prezzi dei concorrenti, le tendenze sui social media, gli indicatori economici, gli eventi locali e i modelli stagionali. La differenza di precisione è del 20-50 % a seconda del settore.
Ho lavorato con un rivenditore di dimensioni medie che ha ridotto il proprio inventario del 23 % migliorando il tasso di disponibilità delle merci. Non tenevano meno prodotti in generale — tenevano i prodotti giusti nelle giuste quantità. L’IA ha identificato che ordinavano sistematicamente troppi prodotti che si vendevano lentamente e non abbastanza dei loro best seller durante i periodi promozionali.
L’ottimizzazione dei percorsi è il secondo campo di impatto più importante. UPS ha risparmiato 400 milioni di dollari all’anno utilizzando l’IA per ottimizzare i percorsi di consegna, inclusa la loro strategia « niente curve a sinistra » (che riduce il consumo di carburante e gli incidenti). Non è necessario essere grandi come UPS per trarne vantaggio — le aziende di consegna con anche solo 10 furgoni registrano significativi risparmi in carburante e tempo grazie al routing tramite IA.
Il monitoraggio dei rischi fornitori è quello che previene i disastri. I sistemi di IA esaminano continuamente notizie, rapporti finanziari, social media e dati geopolitici per segnalare potenziali interruzioni di fornitura prima che si verifichino. « La fabbrica del vostro principale fornitore di chip si trova in una regione che sta vivendo un’attività sismica insolita » è il tipo di allerta precoce che vi dà il tempo di attivare fornitori di riserva.
Le storie di successo nel mondo reale
Amazon è l’esempio estremo. La loro IA prevede cosa ordinerete prima ancora che lo facciate e preposiziona le scorte nel magazzino più vicino. È per questo che la consegna Prime diventa sempre più veloce: il pacco era già a 30 miglia da casa vostra prima che clicchiate su « Acquista ».
Walmart utilizza la rilevazione della domanda tramite IA che va oltre i dati storici. Quando viene emesso un avviso di uragano, la loro IA aumenta automaticamente gli ordini di Pop-Tarts, acqua in bottiglia e torce nei negozi dell’area colpita. Hanno compreso il fenomeno delle Pop-Tarts partendo dai dati — apparentemente, le persone fanno scorte di Pop-Tarts alla fragola prima delle tempeste. Non ci credevo quando l’ho sentito per la prima volta, ma è un caso studio ben documentato e reale.
Maersk ottimizza il routing delle navi portacontainer utilizzando dati meteorologici, previsioni di congestione portuale e fluttuazioni dei costi del carburante. Per le navi che consumano oltre 50.000 $ di carburante al giorno, anche un’ottimizzazione del 3 % dei percorsi rappresenta milioni di risparmi annuali.
Cosa è disponibile per le aziende di dimensioni normali
Le piattaforme aziendali come Blue Yonder e o9 Solutions sono potenti ma costose — pensate a implementazioni da 500.000 $ o più. Se siete un’azienda del Fortune 500, ha senso. Se siete il mio amico della salsa piccante, non è così.
Per le piccole e medie imprese, le opzioni più pratiche sono:
Strumenti di gestione dell’inventario con previsioni tramite IA — piattaforme come Cin7, Fishbowl o NetSuite che includono la previsione della domanda alimentata da IA come funzionalità piuttosto che come prodotto intero. Questo costa tra 100 e 500 $ al mese e si integra con la vostra piattaforma di commercio elettronico esistente.
SaaS di ottimizzazione dei percorsi — strumenti come Route4Me, OptimoRoute o Routific che ottimizzano i percorsi di consegna utilizzando l’IA. Questo costa tra 30 e 100 $ al mese per conducente e si ripaga rapidamente grazie ai risparmi sul carburante.
Fai-da-te con ChatGPT — sul serio. Caricate i vostri dati di vendita su ChatGPT, chiedetegli di prevedere la domanda del mese prossimo per prodotto e otterrete una previsione che è probabilmente migliore del vostro istinto. Non potrà competere con uno strumento dedicato, ma è gratuito e richiede 5 minuti.
Il battage mediatico vs. la realtà
I fornitori di catene di approvvigionamento IA delle grandi aziende amano citare « 30 % di riduzione dei costi » e « 50 % di rotture di stock in meno ». Questi numeri sono reali ma selettivi. Provengono da grandi aziende con processi esistenti sofisticati, team di dati dedicati e implementazioni che richiedono un anno.
Per un’azienda tipica di dimensioni medie, aspettatevi miglioramenti più modesti: 10-15 % di miglior precisione delle previsioni, 5-10 % di riduzione dei costi di inventario, miglioramenti misurabili ma non spettacolari in efficienza di consegna. Ne vale comunque la pena, ma è necessario adeguare le aspettative di conseguenza.
Il principale fattore determinante non è l’IA — sono i vostri dati. Le aziende con dati puliti e integrati registrano grandi miglioramenti. Le aziende con dati disordinati e compartimentati trascorrono il loro primo anno a preparare i dati. L’IA non può essere migliore dei dati da cui apprende.
Il mio consiglio
Cominciate dalle previsioni di domanda. È l’applicazione con il miglior ritorno sugli investimenti e la più facile da implementare. Caricate i vostri dati di vendita storici su uno degli strumenti menzionati sopra (o anche ChatGPT) e confrontate la previsione IA con il vostro metodo attuale. Il delta vi dirà se un investimento aggiuntivo ha senso.
Se la previsione è significativamente migliore — e di solito lo è — passate all’ottimizzazione dell’inventario. Poi all’ottimizzazione dei percorsi se gestite la vostra logistica. Ogni strato si basa su quello precedente.
Non cercate di implementare tutto in una volta. Ho visto aziende trascorrere due anni in una trasformazione completa della catena di approvvigionamento tramite IA e finire con un sistema a metà funzionante in cui nessuno ha fiducia. Miglioramenti incrementali, validati a ogni passaggio, vi porteranno più lontano di un approccio da big-bang.
E se siete il mio amico della salsa piccante: almeno, alimentate le ultime due anni del vostro storico ordini in ChatGPT e chiedete una previsione mensile. Questo vi avrebbe già permesso di risparmiare 8.000 $ e un garage pieno di peperoncini habanero che marciscono.
🕒 Published: