Da Piani a Scommesse: Perché le Supply Chain hanno bisogno di decisioni non supervisionate

Joannes Vermorel

Quando ho pubblicato Introduction to Supply Chain, molti lettori mi hanno chiesto di approfondire un’idea che attraversa silenziosamente il libro: la spinta verso decisioni non supervisionate nelle Supply Chain. Non “più dashboard”, non “più avvisi”, ma un software che prende e esegue decisioni quotidiane senza aspettare che un umano clicchi “approva.”

In questo saggio voglio chiarire cosa intendo per decisioni non supervisionate, perché ritengo che siano economicamente inevitabili e come questa posizione si scontri con il tipico manuale delle Supply Chain costruito attorno a piani, previsioni e riunioni.

Il vero compito di una Supply Chain: piazzare scommesse tutto il giorno

Se si toglie il gergo, una Supply Chain è una macchina per fare scommesse.

Ogni ordine di acquisto, ogni allocazione tra magazzini, ogni variazione di prezzo è una piccola scommessa: sacrifichiamo un’opzione per perseguirne un’altra, in condizioni di incertezza, nella speranza di migliorare il profitto a lungo termine. Non conosciamo mai il futuro; impegniamo le risorse lo stesso.

Visto da questo punto di vista, il lavoro quotidiano di una Supply Chain non è “mantenere un piano”, ma scegliere tra le opzioni. Più SKU, corsie e clienti hai, più scelte compaiono. Anche i rivenditori modesti si ritrovano a fare decine di migliaia di queste micro-scommesse ogni giorno; grandi reti ne fanno milioni.

Quando queste decisioni vengono prese una ad una da persone chino su fogli di calcolo, il fattore limitante non sono più camion, navi o spazio nei magazzini. È l’attenzione umana. È il numero di ore nella settimana di un pianificatore.

La presa di decisioni non supervisionate è il mio tentativo di affrontare seriamente quel collo di bottiglia.

Cosa intendo per “decisioni non supervisionate”

Per decisioni non supervisionate intendo qualcosa di molto concreto:

Il software importa i registri dell’azienda e i segnali esterni rilevanti; calcola le azioni proposte; e tali azioni vengono eseguite automaticamente in circostanze normali. Nessun pianificatore deve riscrivere la quantità. Nessun manager deve firmare la richiesta. Il software riscrive l’ordine direttamente nel sistema di registri.

Se le condizioni escono dai limiti—corruzione dei dati, shock di mercato insoliti, vincoli contraddittori—il software si ferma e alza la mano. Ma fermarsi è l’eccezione, non la regola. Nel caso predefinito, le decisioni vengono prese senza il controllo umano.

L’ambizione qui non è “aiutare i pianificatori a decidere più velocemente.” L’ambizione è ridurre il numero di decisioni che richiedono altrimenti un intervento umano.

Ciò richiede che due aspetti vengano resi esplicitamente chiari, anche a caro prezzo.

Innanzitutto, dobbiamo decidere cosa significhi “buono” in termini di denaro. Un’unità extra in magazzino offre una certa protezione contro le rotture di stock, ma blocca il capitale circolante, occupa spazio sugli scaffali e può aumentare le svalutazioni in seguito. Ognuno di questi effetti ha un impatto monetario. Se non possiamo esprimere il compromesso in denaro, non ci si può aspettare che la macchina scelga correttamente.

In secondo luogo, dobbiamo definire l’ambito delle mosse ammissibili: quali fornitori, quali tempi di consegna, quali modalità di trasporto, quali percorsi, quali valori minimi e massimi, quali limiti normativi e fisici. La macchina non può rispettare vincoli che non ci siamo mai presi la briga di definire.

Una volta ottenuta una chiara misura economica e una descrizione precisa di ciò che è consentito, il caso per le decisioni non supervisionate diventa ovvio. Decisioni ricorrenti che condividono la stessa struttura dovrebbero essere codificate una volta come un calcolo e poi eseguite dal software, su larga scala, ogni giorno.

In altre parole: se una decisione è frequente, strutturata e governata da criteri economici stabili, allora farla decidere nuovamente da un umano ogni mattina è uno spreco.

Un semplice esperimento mentale

Immagina un singolo sistema che percepisce ogni segnale di domanda, ogni posizione di magazzino, ogni aggiornamento dei tempi di consegna, ogni costo; e che poi emette—senza intervento umano—ogni ordine di acquisto, ordine di trasferimento, ondata di prelievo e variazione di prezzo.

In un mondo simile, non rimane altro da “allineare” nelle riunioni di Sales & Operations Planning; la riunione scompare perché la macchina riconcilia già domanda, offerta e finanza in ogni scelta che compie. Non c’è bisogno nemmeno di “politiche di inventario” separate o “obiettivi di livello di servizio”; tali nozioni sono implicite nel calcolo economico.

Questo esperimento mentale non è fantascienza. Molte aziende digitali si comportano già in questo modo in settori specifici: aste pubblicitarie, scoring del credito, prezzi in tempo reale. In quei campi, motori decisionali completamente automatizzati sono lo standard da anni, perché i tempi di reazione umani e la memoria umana semplicemente non riescono a tenere il passo.

La Supply Chain è in ritardo, per lo più per motivi storici, e non perché sia intrinsecamente meno automatizzabile.

Come la via principale vede la Supply Chain

Per comprendere il contrasto, dobbiamo dare un’occhiata rapida a come la disciplina si descrive.

Organismi professionali come CSCMP definiscono la gestione della Supply Chain come la pianificazione e la gestione di tutte le attività coinvolte in approvvigionamento, ordine, conversione e logistica, insieme al coordinamento e alla collaborazione con i partner di canale. ASCM utilizza un linguaggio simile e fornisce un dizionario proprio per standardizzare questo vocabolario.

Framework come il modello SCOR organizzano questa attività in una serie di processi: Plan, Source, Make (o Transform), Deliver (a volte diviso in Order e Fulfill), Return, ed Enable o Orchestrate. Questi processi sono supportati da ampie librerie di metriche e best practice.

Inoltre, il rituale gestionale dominante è il Sales & Operations Planning e il suo successivo derivato, l’Integrated Business Planning. L’idea, in breve, è costruire un’unica previsione consensuale della domanda e usarla come spina dorsale per allineare produzione, approvvigionamento, logistica e finanza su un orizzonte continuo.

Se partecipi a un meeting S&OP in una grande azienda oggi, quasi sicuramente vedrai:

• Diapositive piene di previsioni a serie temporali per famiglia, regione o SKU.
• Livelli di servizio target e rotazioni di inventario.
• Analisi delle discrepanze rispetto al budget.
• Un calendario di pre-meetings e revisioni esecutive progettati per ottenere un “unico set di numeri” da tutti.

Queste pratiche non sono folli. Sono un tentativo di imporre ordine in un’organizzazione complessa. Ma incarnano una visione particolare di quale sia il problema.

In quella visione, l’artefatto centrale è il piano: un insieme di serie temporali proiettate nel futuro. Il compito dei manager è portare la realtà “in linea” con quel piano o continuare a rivedere il piano finché i numeri non appaiono nuovamente accettabili. L’automazione, in questo contesto, significa per lo più dashboard più gradevoli, flussi di lavoro più fluidi e una parametrizzazione più coerente delle formule tradizionali.

La mia visione diverge nettamente proprio da questo punto.

Dai piani alle scommesse

La visione dominante parte dal piano e lavora al contrario. La mia visione parte dalla scommessa e procede in avanti.

Nel mondo centrato sul piano, la domanda è: “Come facciamo ad ottenere che tutte le funzioni siano d’accordo su un unico futuro?” Nel mondo centrato sulla scommessa, la domanda è: “Dato ciò che sappiamo, dove dovremmo investire il prossimo euro marginale, pallet o ora di capacità?”

Un piano è, nella migliore delle ipotesi, un effetto collaterale della risposta a quella seconda domanda; non è un obiettivo primario. Se le opzioni di domani cambiano, il piano dovrebbe cambiare con esse. L’obiettivo non è rispettare il piano; l’obiettivo è fare scommesse redditizie in condizioni di incertezza, giorno dopo giorno.

Questo suona astratto, quindi lascia che metta a confronto le due visioni lungo alcuni assi.

1. Il ruolo della previsione

Nella pratica tradizionale, la previsione è il principale segnale di controllo. S&OP e IBP attribuiscono un peso enorme alla costruzione di un’unica previsione a serie temporali per mese o settimana per poi riconciliare tutti su quella curva. Metriche di accuratezza come MAPE e bias diventano indicatori di prestazione centrali.

Dalla mia esperienza, questo comporta due problemi.

In primo luogo, aggregare la domanda in intervalli temporali ordinati nasconde esattamente i comportamenti che contano di più: vendite a salti, promozioni, cannibalizzazione tra prodotti, tempi di consegna irregolari, shock correlati. Una linea liscia dà conforto, non verità.

In secondo luogo, la previsione sostituisce silenziosamente la decisione. Invece di chiedere, “Dovremmo portare un altro container di questo articolo a questo prezzo, data la nostra situazione?” chiediamo, “Qual è la domanda per il mese prossimo?” e lasciamo che una vecchia formula di rifornimento converta quella risposta in ordini. Se la formula è economicamente ingenua—e lo sono per lo più—il fatto di aver migliorato l’accuratezza della previsione di due punti non ci dice nulla sul profitto.

In un mondo non supervisionato e centrato sulla scommessa, ho comunque bisogno di prospettive sul futuro, ma non limitate alle serie temporali della domanda. Ho bisogno di stime probabilistiche di molte cose: composizione del carrello, tempi di consegna, resi, mix di canali, l’impatto delle variazioni di prezzo. E ho bisogno di esse solo nella misura in cui mi aiutano a confrontare le opzioni in termini monetari.

L’attenzione si sposta da “La mia previsione della domanda è accurata?” a “Data tutta l’incertezza, quale opzione ha il miglior risultato finanziario atteso?”

2. Cosa automatizziamo

Gli strumenti tradizionali sono solitamente descritti come “supporto alle decisioni.” I sistemi di pianificazione, i control tower e le piattaforme IBP aggregano dati, mostrano KPI, evidenziano eccezioni e talvolta suggeriscono azioni, ma raramente eseguono qualcosa senza la conferma umana.

L’umano viene deliberatamente mantenuto “nell’anello” in quasi ogni decisione. Da una prospettiva di governance questo risulta sicuro, ma economicamente è costoso. Un pianificatore che deve approvare cento suggerimenti di rifornimento al giorno non sarà in grado di pensarci a fondo; scorgerà, accetterà la maggior parte, adatterà alcuni e spererà che nulla vada storto.

Al contrario, la presa di decisioni non supervisionata mira a rimuovere l’umano dal processo ogniqualvolta la logica sia ripetitiva e l’economia sia ben compresa.

Il software legge i registri, valuta le opzioni e si impegna. Se c’è un pareggio, o qualcosa che esula dal consueto, si ferma e chiede aiuto. Il fatto che una decisione sia automatizzata non significa che sia arbitraria; significa semplicemente che il ragionamento è stato catturato una volta invece di essere improvvisato ogni giorno da capo.

L’analogia con l’aviazione è utile. Per un aereo moderno, il default è l’autopilota durante la crociera, non il controllo manuale. Il pilota è lì per gestire il decollo, l’atterraggio e le situazioni anomale. Nessuno considera questo una perdita di prestigio per il pilota; è il riconoscimento che una macchina è migliore nel mantenere una traiettoria stabile per ore consecutive.

La Supply Chain ha la sua propria “fase di crociera”: le innumerevoli scelte ricorrenti che sono noiose proprio perché seguono schemi familiari. Queste sono quelle che dovrebbero essere non supervisionate.

3. Architettura: dove risiede la decisione?

Il modello SCOR e la maggior parte dei sistemi ERP assumono che la pianificazione e l’esecuzione risiedano all’interno e intorno allo stesso nucleo transazionale. Gli ordini vengono salvati lì, i parametri vengono memorizzati lì, e la logica incorporata trasforma entrambi in azioni raccomandate.

Il risultato, in pratica, è che la logica aziendale si disperde tra tabelle di configurazione, processi batch, report personalizzati ed esportazioni di fogli di calcolo. Quando qualcosa va storto, è difficile sapere perché una determinata decisione sia stata presa. Quando vuoi migliorare la logica, devi cercare in tutti i posti dove le vecchie regole si nascondono.

Affinché la presa di decisioni non supervisionata funzioni, preferisco una separazione più netta.

Il sistema di registri rimane l’unica fonte di verità per le transazioni e i dati principali. I sistemi analitici possono continuare a raccontare storie sul passato. Ma la logica decisionale—la parte che trasforma i dati in impegni concreti—risiede in un livello dedicato che è più facile da analizzare, versionare, testare e ripristinare.

A volte chiamo questo livello un “decision engine,” ma l’etichetta conta meno della disciplina. La chiave è trattare la logica che impegna denaro, spazio e tempo come un artefatto di prim’ordine, non come una nebbia di parametri che ruotano all’interno di vari strumenti.

Quando ciò viene fatto correttamente, ogni decisione automatizzata può essere tracciata fino a un pezzo di logica leggibile e a uno snapshot specifico dei dati. Questo è l’opposto di una scatola nera.

4. Governance e incentivi

La governance tradizionale spesso equipara l’importanza al numero di risorse umane e ai calendari di riunioni. Un manager che guida un grande team di pianificazione e presiede un importante processo S&OP è visto come strategicamente centrale. I fornitori rafforzano ciò vendendo licenze per utente e celebrando l’“adozione da parte degli utenti” come metrica chiave di successo.

La presa di decisioni non supervisionata ribalta il gradiente di prestigio. Il miglior complimento che puoi fare a un team è che milioni di decisioni corrette vengono prese ogni settimana quasi senza che nessuno le sorvegli. L’attenzione della governance diventa la qualità della logica decisionale e il suo impatto su profitto e rischio, non il numero di persone che interagiscono con il sistema.

Questo non è solo filosofia; influisce sui contratti. Se un fornitore viene pagato per ogni posto, ha poco incentivo ad automatizzare quei posti. Se un team viene premiato per mantenere un rituale dispersivo di riunioni, proteggerà inconsciamente quel rituale.

Se, invece, premiamo l’aumento della qualità delle decisioni non supervisionate—meno rotture di stock allo stesso livello di inventario, miglior utilizzo della capacità, margini migliori a parità di rischio—allora sia gli attori interni che quelli esterni vengono spinti nella giusta direzione.

“Non è pericoloso?” – obiezioni comuni

Ogni volta che sostengo le decisioni non supervisionate, emergono tre obiezioni.

La prima è la paura di perdere il controllo. I manager temono di delegare le decisioni al software. La mia risposta è che la maggior parte delle grandi organizzazioni delega già le decisioni al software; lo fanno semplicemente in modo implicito attraverso le formule e i parametri integrati negli strumenti esistenti. Quando un pianificatore si affida a una regola di rifornimento che comprende a malapena, non è davvero “al comando”. È semplicemente un’interfaccia umana su un algoritmo legacy.

Portando alla luce la logica, esprimendo esplicitamente gli aspetti economici e versionando il codice, in realtà guadagniamo controllo. Possiamo testare politiche alternative fianco a fianco. Possiamo riprodurre l’anno scorso con un diverso insieme di regole. Possiamo vedere esattamente quale cambiamento ha causato quale risultato.

The second objection is the fear of fragility. What happens if the model is wrong? Here, again, the comparison with the mainstream is instructive. A company that runs on fixed safety stock formulas and rough service‑level targets is already exposed to model error; it is just hidden under layers of habit. Unattended decision‑making must be paired with mechanisms for detecting misbehaviour quickly: halting rules, monitoring of economic outcomes, and the ability to fall back to a simpler policy while we investigate.

La terza obiezione riguarda le persone. Questa visione rende obsoleti i pianificatori?

Certo, cambia il lavoro. In un mondo senza supervisione, c’è meno richiesta di persone che modifichino manualmente gli ordini e più richiesta di persone che possano aiutare a codificare l’economia e i vincoli corretti, che possano mettere in discussione i dati, che possano condurre esperimenti e interpretare i risultati. Il baricentro si sposta dalle micro-decisioni ripetitive al progettare e mantenere il quadro decisionale stesso.

Per le organizzazioni disposte a compiere quel cambiamento, il lavoro umano diventa più interessante, non meno.

Com’è una giornata senza supervisione

Lasciate che dipinga un quadro modesto.

In un rivenditore, durante la notte, un motore decisionale legge le vendite di ieri, gli stock attuali, le spedizioni in arrivo e i tempi di consegna aggiornati dei fornitori. Conosce il costo del capitale, le sanzioni per le consegne in ritardo, i modelli di sconto alla fine della stagione. Propone gli ordini di acquisto e gli ordini di trasferimento della giornata. Per la stragrande maggioranza di SKU e località, l’economia è di routine; gli ordini vengono emessi automaticamente nell’ERP.

Una piccola frazione di casi appare strana: un fornitore che ha improvvisamente raddoppiato il proprio tempo di consegna, un prodotto la cui domanda è esplosa oltre ogni modello storico, un conflitto di vincoli in un magazzino chiave. Il motore non tenta di essere furbo in quelle situazioni; si ferma e registra un dossier. Gli esperti umani ispezionano tali casi al mattino, decidono cosa fare e, se necessario, adattano la logica per la volta successiva.

In una rete di ricambi, il motore rivaluta continuamente quali parti vale la pena tenere in magazzino e dove, in base ai tassi di guasto, ai tempi di riparazione, alla criticità dell’attrezzatura e ai costi di mantenimento. Cambia le politiche di stoccaggio senza cerimonia man mano che le condizioni evolvono, perché il calcolo economico sottostante è cambiato. Nessuno convoca una revisione trimestrale per regolare a mano le “classi ABC”.

Nel settore dei trasporti, il routing e la consolidazione sono trattati allo stesso modo. Il sistema conosce le curve dei costi per diversi vettori, modalità e livelli di servizio. Assegna le spedizioni alle corsie in base al costo totale e all’impatto sul servizio, e non in base a una gerarchia di regole scritte cinque anni fa in un workshop.

Niente di tutto ciò richiede un’intelligenza artificiale mistica. Richiede dati precisi, un’economia onesta e la volontà di lasciare che il software faccia le scommesse quotidiane.

Perché questo confronto è importante

Potrebbe essere allettante vedere il processo decisionale non supervisionato come una preferenza di nicchia nell’architettura del software, o come un semplice altro “approccio” tra tanti. Io non lo vedo in questo modo.

La visione tradizionale, incentrata sui piani, e quella non supervisionata, incentrata sulle scommesse, rispondono a domande differenti.

La visione incentrata sui piani chiede: “Come possiamo allineare le persone su una visione del futuro?” È comprensibilmente ossessionata dal consenso, dalle riunioni e dalla maturità dei processi.

La visione incentrata sulle scommesse chiede: “Data l’incertezza che affrontiamo, come possiamo allocare oggi risorse scarse in un modo che migliori il profitto a lungo termine?” È ossessionata dall’economia, dal flusso di monete attraverso il libro mastro e dalla codifica di quel ragionamento nel software.

Entrambe le visioni si preoccupano dei livelli di servizio, dei costi e del rischio. Entrambe si preoccupano della collaborazione. Ma solo una è progettata per sopravvivere in un mondo in cui il volume e la velocità delle decisioni continueranno a crescere, mentre l’attenzione umana rimane limitata.

Nel mio libro, sostengo che la supply chain va considerata come un ramo dell’economia applicata: una disciplina il cui compito è allocare risorse scarse in presenza di variabilità. Se ciò è vero, allora il finale naturale è chiaro. Ovunque l’economia sia compresa e i modelli stabili, dovremmo lasciare che le macchine decidano in maniera non supervisionata. Ovunque l’economia sia oscura o il mondo sia appena cambiato, dovremmo investire l’impegno umano per chiarire i compromessi e aggiornare la logica.

Il futuro non appartiene a chi ha i piani più belli. Appartiene a chi sa trasformare un ragionamento migliore in decisioni migliori, su larga scala, senza avere bisogno di una stanza piena di persone che riscrivono i numeri ogni mattina.