WMS, TMS, ERP, sistemi di tracciamento e strumenti di analisi hanno aumentato la quantità di informazioni disponibili. Oggi è possibile conoscere lo stato degli ordini, controllare l’avanzamento delle attività, individuare ritardi e ricevere segnalazioni quando un indicatore supera una determinata soglia.
Questa maggiore capacità di controllo ha però prodotto un effetto meno evidente. Ogni giornata di lavoro in un magazzino o in un ufficio traffico richiede centinaia di decisioni. Quali ordini devono avere la precedenza quando la capacità non è sufficiente? Come distribuire una disponibilità limitata tra clienti con esigenze diverse? Quali anomalie richiedono l’intervento immediato di un responsabile e quali possono essere gestite seguendo una procedura già definita?
Molte di queste decisioni sembrano piccole, ma il loro effetto si somma durante la giornata. Se ognuna richiede la ricerca di informazioni, il confronto tra più sistemi e l’approvazione di una persona, il problema non è più soltanto operativo. Diventa un limite alla capacità dell’organizzazione di reagire.
Le aziende hanno investito molto per raccogliere dati e controllare i processi. Ora devono affrontare il passaggio successivo, comprendere quali decisioni continuano a dipendere interamente dalle persone, quali possono essere preparate dal software e quali possono essere gestite automaticamente entro regole precise. Questo è il prossimo step che farà la logistica per aumentare la sua efficienza.
Secondo Gartner, i modelli utilizzati per analizzare i compromessi nelle decisioni di supply chain comprendono mediamente soltanto il 20–30% dei processi rilevanti. Restano fuori condizioni operative, relazioni con clienti e fornitori, vincoli locali ed eccezioni che non sono state trasformate in dati o regole.
La stessa analisi rileva che i responsabili locali e interfunzionali dotati di una buona conoscenza diretta della supply chain hanno l’83% di probabilità in più di prendere una decisione corretta. L’esperienza delle persone continua quindi ad avere un valore determinante. Il problema nasce quando anche le decisioni più frequenti e ripetitive dipendono esclusivamente da quell’esperienza.
COME SI ACCUMULA IL DEBITO DECISIONALE
Possiamo definire debito decisionale l’insieme delle decisioni rimandate, ripetute o continuamente riesaminate perché l’organizzazione non dispone di criteri sufficientemente chiari per gestirle al livello corretto.
Il meccanismo è simile a quello del debito tecnico nel software. Una scelta rinviata oggi non scompare, ma tende a produrre nuovi problemi domani. Se un ordine non viene completato entro il turno, sarà necessario ripianificarlo, verificare la disponibilità del personale, coordinarsi con il trasporto e, forse, comunicare una nuova data di consegna. Una sola decisione non presa al momento giusto genera una catena di attività successive.
Immaginiamo che, durante il turno pomeridiano, il volume degli ordini superi la capacità disponibile. In assenza di regole condivise, ogni capoturno può adottare una priorità diversa. Uno privilegerà gli ordini più vecchi, un altro i clienti strategici e un altro ancora le spedizioni che sembrano più semplici da completare. Il risultato non è soltanto una minore coerenza operativa. Il turno successivo dovrà ricostruire le scelte effettuate, gestire le conseguenze e decidere nuovamente che cosa fare.
Il debito aumenta anche quando problemi ordinari risalgono continuamente la gerarchia. Se un operatore non dispone dell’autorità o delle informazioni necessarie, la decisione passa al responsabile di reparto. Da lì può arrivare al responsabile logistico, all’ufficio commerciale o alla direzione. Ogni passaggio richiede tempo e allontana la decisione dal punto del processo nel quale il problema si è verificato.
Una ricerca Gartner pubblicata nel luglio 2026, condotta su 151 responsabili della supply chain che avevano recentemente preso una decisione significativa di investimento sulla rete, ha rilevato che il 72% aveva dovuto riesaminare almeno una volta l’approvazione finale. Più della metà aveva riaperto la decisione almeno tre volte.
La ricerca riguarda scelte di investimento più ampie rispetto alla gestione quotidiana di un magazzino, ma rende evidente lo stesso meccanismo. Quando le variabili cambiano, i criteri non sono completi o le alternative non sono state valutate correttamente, la decisione deve essere riaperta. Il costo non consiste soltanto nel tempo impiegato per decidere, ma nel lavoro necessario per modificare quanto era già stato pianificato.
Nelle attività logistiche questo costo appare sotto forma di ripianificazioni, urgenze, attese, comunicazioni aggiuntive e dipendenza dalle persone più esperte. Il responsabile finisce per dedicare gran parte della propria attenzione a ricostruire e approvare microdecisioni, mentre avrebbe bisogno di concentrarsi sull’andamento complessivo delle operations.
NON TUTTE LE DECISIONI RICHIEDONO UNA PERSONA
Ridurre il debito decisionale non significa eliminare il giudizio umano. Significa utilizzarlo dove produce davvero valore.
Le decisioni logistiche possono essere distinte considerando almeno tre elementi: la frequenza con cui si presentano, la possibilità di correggerle e l’impatto economico o operativo che possono generare.
Una scelta ricorrente, facilmente reversibile e regolata da criteri oggettivi può essere affidata al sistema. Il WMS, ad esempio, può modificare la sequenza di alcune missioni quando cambiano le priorità, purché rispetti le partenze programmate, le finestre di consegna e i vincoli definiti dall’azienda. Allo stesso modo, può attivare un’attività di reintegro quando la disponibilità in un’area di picking scende sotto una soglia e sono presenti tutte le condizioni previste.
Altre decisioni possono essere preparate dal software, ma richiedere una conferma. Se le scorte disponibili non sono sufficienti per tutti gli ordini, il sistema può raccogliere gli elementi rilevanti, applicare le priorità aziendali e proporre una ripartizione. Il responsabile non deve ricostruire il problema da zero, ma può valutare una proposta già motivata e approvarla, modificarla o respingerla.
Le decisioni con conseguenze economiche elevate, implicazioni contrattuali o un impatto significativo sul cliente devono invece restare sotto la responsabilità diretta delle persone. Anche in questi casi, però, il sistema può ridurre il lavoro necessario per arrivare alla decisione, raccogliendo informazioni e simulando le conseguenze delle alternative.
PRIMA DELL’AI SERVONO REGOLE DECISIONALI
Prima di automatizzare una decisione bisogna renderla comprensibile. Molte aziende conoscono perfettamente le proprie procedure operative, ma non hanno mai descritto in modo esplicito i criteri utilizzati dalle persone quando si presenta un’eccezione.
“Servire prima i clienti importanti” non è una regola sufficiente. Occorre stabilire quali clienti rientrino in questa categoria, se la priorità dipenda dal contratto, dal valore dell’ordine o dal rischio di fermo produttivo e che cosa debba accadere quando più criteri entrano in conflitto.
Lo stesso vale per la gestione delle attività di magazzino. Dire che un ordine è urgente non chiarisce se debba precedere una spedizione con una finestra di carico imminente, un ordine già parzialmente preparato o una consegna sottoposta a penale. Finché queste valutazioni rimangono nella testa delle persone, il software non può applicarle in maniera affidabile.
Per ogni decisione ricorrente occorre definire quale evento la attiva, quali dati devono essere disponibili, quali criteri determinano la priorità, entro quali soglie il sistema può agire e quando sia invece necessario coinvolgere una persona. Deve essere chiaro anche che cosa accade dopo la decisione, quali attività vengono avviate, chi deve essere informato e come viene tracciato il risultato.
Questo lavoro non serve soltanto all’intelligenza artificiale. Rende l’organizzazione più coerente anche quando la decisione rimane umana. Riduce le differenze tra turni, sedi e responsabili, facilita la formazione delle nuove persone e rende meno critica la dipendenza da pochi operatori esperti.
DALLA REGOLA ALL’AZIONE OPERATIVA
Una volta definiti dati, criteri e autorizzazioni, l’AI agentica può contribuire a gestire l’intero ciclo decisionale. Può individuare gli eventi che richiedono attenzione, raccogliere le informazioni necessarie, applicare le regole previste e distinguere le situazioni ordinarie dalle vere eccezioni.
Nelle attività a basso rischio può eseguire direttamente l’azione autorizzata. Negli altri casi può predisporre una proposta e sottoporla alla persona competente, spiegando quali elementi siano stati considerati. Se nessuna delle alternative rientra nei parametri assegnati, deve fermarsi e richiedere un intervento.
Gartner prevede che entro il 2031 il 60% delle interruzioni della supply chain sarà risolto senza intervento umano. La stessa Gartner raccomanda tuttavia un percorso graduale, partendo dalle decisioni a basso rischio e mantenendo il controllo umano quando le possibili conseguenze rendono prematura la piena autonomia.
È la logica con cui GEP Informatica sta sviluppando Geppy. Non un’intelligenza artificiale libera di intervenire indistintamente nei processi, ma un agente che opera soltanto sui dati, sulle funzioni e sulle decisioni per cui ha ricevuto un’autorizzazione.
Il suo compito è gestire le attività codificate, preparare le valutazioni più complesse e portare all’attenzione delle persone le eccezioni che richiedono davvero esperienza e giudizio.
La capacità tecnica dell’AI è soltanto una parte del progetto. La parte decisiva consiste nel conoscere il processo logistico, individuare dove si accumulano attese e approvazioni e trasformare le modalità operative dell’azienda in regole applicabili.
Prima di chiedersi quante decisioni potrà prendere autonomamente l’intelligenza artificiale, può essere quindi più utile chiedersi quante decisioni l’azienda sia già in grado di descrivere con chiarezza.
Il futuro del software logistico non dipenderà soltanto dalla quantità di dati raccolti o dalla precisione con cui vengono rappresentati. Dipenderà dalla capacità di trasformare una parte crescente delle decisioni ripetitive in processi chiari, verificabili e gestibili, restituendo alle persone il tempo necessario per occuparsi delle eccezioni che contano davvero.
Una volta definiti dati, criteri e autorizzazioni, l’AI agentica può contribuire a gestire l’intero ciclo decisionale. Può individuare gli eventi che richiedono attenzione, raccogliere le informazioni necessarie, applicare le regole previste e distinguere le situazioni ordinarie dalle vere eccezioni.
Nelle attività a basso rischio può eseguire direttamente l’azione autorizzata. Negli altri casi può predisporre una proposta e sottoporla alla persona competente, spiegando quali elementi siano stati considerati. Se nessuna delle alternative rientra nei parametri assegnati, deve fermarsi e richiedere un intervento.
