Revisione di KetteQ, Supply Chain Planning Software Vendor

Di Léon Levinas-Ménard

Ultimo aggiornamento: dicembre, 2025

KetteQ è un fornitore di software per la pianificazione della supply chain con sede negli Stati Uniti, fondato nel 2018, che si posiziona come un’alternativa “adattiva” e “AI-first” ai sistemi APS legacy, sviluppata nativamente su Salesforce per l’esperienza utente e su AWS per il back end ad elevato carico computazionale.¹²³⁴ La principale proposta commerciale dell’azienda è il suo risolutore PolymatiQ™, descritto come un “motore AI agentico” in attesa di brevetto che esegue migliaia di scenari di pianificazione riguardanti domanda, inventario, produzione e servizio, ottimizzando automaticamente i parametri e apprendendo continuamente dai mutamenti del mercato per raccomandare piani più resilienti.⁵¹⁶⁷ KetteQ si rivolge a medie e grandi imprese nei settori della produzione, distribuzione e servizio, e cita marchi come Coca-Cola, Carrier, Johnson Controls, NCR Voyix e Alliance Consumer Group come clienti.⁷⁸⁹ Dal 2021 l’azienda ha raccolto circa USD 30.9M in finanziamenti di venture capital, culminando in un round di Serie B da USD 20M nell’agosto 2025 guidato da Vocap Partners per accelerare l’espansione globale e la ricerca e sviluppo sull’agentic AI.¹⁰¹¹¹²¹³¹⁴ Dal punto di vista architettonico, KetteQ offre una piattaforma SaaS multi-tenant che utilizza Salesforce come livello transazionale e di collaborazione, mentre delega le operazioni intensive di dati e calcoli ad AWS, con workflow incorporati, notifiche e analitiche costruite principalmente su SQL, Python e JSON piuttosto che su un DSL proprietario.¹²⁶⁴¹⁵ Tecnicamente, le informazioni pubbliche suggeriscono un risolutore che orchestra una simulazione a più passaggi e la generazione di scenari con previsioni guidate dal machine learning e ottimizzazione dei parametri, ma senza una divulgazione dettagliata delle classi di modelli, delle funzioni obiettivo o degli algoritmi di ottimizzazione, e senza un benchmarking indipendente paragonabile a competizioni di forecasting.⁵¹⁶³¹⁰ Commercialmente, l’azienda è ancora relativamente giovane: ha clienti reali, una tecnologia moderna e finanziamenti non trascurabili, ma rimane in fase di scale-up anziché essere un operatore di pianificazione completamente maturo e affermato a livello globale.³¹⁰⁷⁸⁹ Le sezioni seguenti analizzano in dettaglio la storia, il prodotto e la tecnologia di KetteQ, per poi mettere a confronto il suo approccio con la piattaforma quantitativa per la supply chain di Lokad utilizzando materiali esplicitamente citati da entrambe le parti.¹⁶¹²¹⁷¹³¹⁸¹⁹²⁰

Panoramica di KetteQ

KetteQ è un’azienda software con sede ad Atlanta che offre una piattaforma per la pianificazione e l’esecuzione della supply chain “adattiva”, con una forte enfasi sulla pianificazione scenari guidata dall’AI e l’integrazione con Salesforce.⁵¹²⁴ Secondo Sourcing Innovation, un blog indipendente del settore, KetteQ è stata fondata nel 2018 e costruita consapevolmente “nella modernità su un’architettura SaaS multi-tenant cloud-native completamente moderna”, apprendendo da oltre 100 implementazioni precedenti di pianificazione della supply chain e da due società precedenti nel settore create dai suoi fondatori.³¹¹ I materiali propri di KetteQ la presentano come una piattaforma cloud-native “costruita sulla solida base di Salesforce e AWS”, con un’architettura che combina Salesforce per l’esperienza utente e la collaborazione con componenti di analisi e risolutore ospitati su AWS.¹²⁴¹⁵

La capacità di punta è il risolutore PolymatiQ™, descritto come un motore AI agentico in attesa di brevetto che esegue e valuta automaticamente migliaia di scenari, regola i parametri di pianificazione e garantisce una “adattabilità in tempo reale” su domanda, inventario, produzione e servizio.⁵¹⁶⁷⁸ Il portafoglio prodotti è strutturato in pianificazione della supply chain (pianificazione della domanda, pianificazione dell’inventario, pianificazione degli approvvigionamenti) ed esecuzione della supply chain (control tower, evasione ordini, ordini di lavoro, parti di servizio), ciascuno presentato come supportato dall’analisi degli scenari PolymatiQ™ e dalla previsione AI/ML.⁵¹⁷²¹ KetteQ si posiziona esplicitamente in contrasto con i sistemi di pianificazione “statici” legacy costruiti prima del 2010, sostenendo che i vecchi strumenti APS mancano di scalabilità orizzontale, integrazione in tempo reale e adattabilità dinamica; la recensione di Sourcing Innovation supporta ampiamente la caratterizzazione della piattaforma di KetteQ come moderna, multi-tenant e cloud-native.⁶³²²

Dal punto di vista commerciale, KetteQ elenca clienti di riferimento e loghi, tra cui Coca-Cola, Carrier, Johnson Controls, NCR Voyix e altri, e la copertura stampa esterna relativa ai finanziamenti richiama questi nomi e cita metriche come una crescita annua media del CARR di circa il 170% e un tasso di successo nell’implementazione del 100%.⁷⁸¹³¹⁴⁹ La più recente raccolta fondi di Serie B (USD 20M nell’agosto 2025) porta il totale dei finanziamenti divulgati a circa USD 30.9M in tre round di early-stage, evidenziando che KetteQ ha superato la fase seed ma è ancora in crescita, non ancora un operatore consolidato da decenni.¹⁰¹¹¹²²³¹³¹⁴

KetteQ vs Lokad

Da una prospettiva di supply-chain-science, KetteQ e Lokad occupano uno spettro di problemi sovrapposti (previsione della domanda, pianificazione dell’inventario e degli approvvigionamenti, e decisioni più ampie sulla supply chain) ma con filosofie e architetture nettamente differenti.

Modello di programmazione vs. app configurabile. KetteQ è presentata come una suite di applicazioni configurabili e cloud-native in cui i pianificatori interagiscono principalmente attraverso interfacce utente basate su Salesforce, modelli di dati standard e banchi di lavoro per scenari; l’estendibilità si basa su tecnologie mainstream (SQL, Python, JSON) anziché su un linguaggio specifico di dominio.¹²⁶ Lokad, al contrario, è fondamentalmente una piattaforma programmabile costruita attorno al suo Envision DSL, un linguaggio specifico di dominio per l’ottimizzazione predittiva della supply chain che esprime tutte le trasformazioni dei dati, le previsioni probabilistiche e la logica di ottimizzazione come codice.¹⁷¹³¹⁸ Envision è strettamente integrato con il motore di esecuzione di Lokad e l’archiviazione colonnare, ed è esplicitamente progettato per supportare la modellazione probabilistica e l’ottimizzazione su grandi set di dati della supply chain.¹⁷¹³ Ciò significa che KetteQ si orienta verso un modello di “app confezionata configurabile”, mentre Lokad espone un ambiente incentrato sul linguaggio dove la logica decisionale su misura viene implementata sotto forma di script.

Gestione dell’incertezza. I materiali di KetteQ enfatizzano approcci probabilistici a più passaggi e migliaia di scenari, ma forniscono dettagli limitati su come le distribuzioni di probabilità siano rappresentate o su come l’incertezza venga matematicamente propagata attraverso la pipeline di pianificazione.⁵¹⁶³ In confronto, Lokad documenta pubblicamente un’evoluzione multi-generazionale dalle previsioni puntuali classiche (2008) alle previsioni quantili (2012), griglie quantili (2015) e previsioni probabilistiche (2016) fino alle previsioni e ottimizzazioni basate sulla programmazione differenziabile (dal 2019 in poi), esplicitamente incentrata sulle distribuzioni di probabilità complete relative alla domanda e ad altre variabili incerte.¹²²⁴²²²³¹⁵¹⁹ La documentazione di Lokad descrive un’algebra di variabili casuali integrata in Envision e modelli probabilistici che alimentano direttamente i suoi algoritmi di ottimizzazione decisionale.¹⁷¹³¹⁸¹⁹

Trasparenza nell’ottimizzazione e nel risolutore. Il PolymatiQ™ di KetteQ è presentato come un risolutore AI agentico in attesa di brevetto che esegue migliaia di scenari, regola i parametri e restituisce piani resilienti, ma i materiali pubblici non specificano se l’ottimizzazione sottostante sia basata sulla programmazione matematica, metaeuristiche, apprendimento per rinforzo o un approccio ibrido, né come le funzioni obiettivo e i vincoli siano formalmente espressi.⁵¹⁶³¹⁰ Lokad, d’altra parte, fornisce descrizioni ragionevolmente dettagliate dei suoi paradigmi di ottimizzazione: discesa discreta stocastica per le decisioni sull’inventario in condizioni di incertezza, programmazione differenziabile per previsioni/ottimizzazioni congiunte, e euristiche specifiche del dominio per la pianificazione combinatoria, tutti orchestrati tramite Envision e documentati sia in riferimenti generali che tecnici.¹²¹⁷¹³¹⁸¹⁹²⁵ Lokad fa anche riferimento a una validazione esterna della sua tecnologia di forecasting e ottimizzazione tramite la competizione M5, in cui si è classificato al 6° posto su 909 team e al 1° a livello di aggregazione SKU, utilizzando modelli probabilistici e basati sulla programmazione differenziabile.¹⁹¹⁴⁹²⁶

Output decisionali. La comunicazione di KetteQ sottolinea la pianificazione in tempo reale, la visibilità del control tower, e l’“agentic AI” che esegue “migliaia di scenari per pianificare ogni eventualità”, ma gli esempi pubblici si concentrano principalmente sulla generazione di scenari, dashboard e miglioramento dell’accuratezza delle previsioni, piuttosto che su elenchi di azioni valutati finanziariamente con driver economici espliciti.⁵¹⁶⁷²¹⁸ Le pagine tecnologiche e gli studi di caso di Lokad enfatizzano funzioni obiettivo monetizzate (driver economici quali costo di magazzino, penalità per stockout, obsolescenza, effetti di basket) ed elenchi decisionali classificati (raccomandazioni per investimento/disinvestimento, linee d’ordine, trasferimenti) ordinati per ROI atteso.¹³¹⁸²⁶²⁰²⁷²⁵ Il caso Air France Industries MRO, ad esempio, documenta elenchi priorizzati di parti su cui investire o da cui disinvestire, riflettendo espliciti compromessi tra livelli di servizio e capitale circolante impegnato nell’inventario.²⁰²⁷²⁵

Architettura e posizionamento cloud. Entrambi i fornitori sono SaaS multi-tenant e cloud-native, ma lo implementano in modo diverso. KetteQ suddivide le responsabilità tra Salesforce (esperienza utente, collaborazione, sicurezza, condivisione dei dati) e AWS (risolutore, analisi, gestione dei dati) e mette in evidenza l’apertura tramite strumenti standard come SQL e Python anziché stack proprietari.¹²⁶⁴¹⁵ Lokad opera come un SaaS a stack unico su Microsoft Azure, con un archivio dati basato su eventi personalizzato, storage a blob indirizzabile per contenuto, e un motore di esecuzione distribuito per gli script Envision; le dipendenze da terze parti sono intenzionalmente ridotte a favore di uno stack integrato internamente, che include le proprie librerie di previsione e ottimizzazione.¹⁷¹³¹⁸

Evidenza e maturità delle affermazioni sull’“AI”. Il linguaggio AI di KetteQ è ambizioso (agentic AI, pianificazione più adattiva al mondo, adattabilità in tempo reale, pianificazione probabilistica a più passaggi), ma la documentazione pubblica rimane a livello elevato e in gran parte orientata al marketing; non esistono documenti tecnici dettagliati sugli algoritmi o risultati di benchmark esterni oltre alle testimonianze dei clienti e alla copertura analyst/blog.⁵¹⁶³¹⁰⁸¹³ La narrativa AI di Lokad è radicata in specifiche famiglie algoritmiche (previsione probabilistica, deep learning, programmazione differenziabile) spiegate nella documentazione pubblica e in video, e legata a evidenze esterne come la competizione M5 e studi longitudinali decennali come quello di Air France Industries.¹²²³¹⁷¹³¹⁸¹⁹¹⁴⁹²⁰²⁵

In breve, KetteQ appare come una suite di pianificazione moderna, centrata su Salesforce e guidata dagli scenari, che utilizza AI/ML principalmente per alimentare le previsioni e la valutazione degli scenari, mentre Lokad è una piattaforma incentrata sul linguaggio che integra previsioni probabilistiche e ottimizzazione economica in un ambiente programmabile, con una divulgazione tecnica più esplicita e validazione esterna. Per un acquirente, ciò si traduce in una scelta tra un’applicazione confezionata, nativa di Salesforce con un forte allineamento IT (KetteQ) e un “motore” quantitativo per la supply chain programmabile che richiede un maggiore lavoro di modellazione ma offre un controllo più profondo su come vengono modellate l’incertezza e gli aspetti economici (Lokad).

Storia aziendale, finanziamenti e posizionamento

Fondazione e leadership. Sourcing Innovation data la fondazione di KetteQ al 2018, sottolineando che è stata progettata “da zero” per incarnare le lezioni apprese da molte implementazioni precedenti di pianificazione della supply chain e da due precedenti iniziative nel software per la supply chain degli stessi fondatori.³¹¹ La pagina “About” di KetteQ descrive l’azienda come creata da veterani del settore con decenni di esperienza in tecnologia, gestione dei dati e processi della supply chain, e con l’obiettivo di “ridefinire il modo in cui le aziende affrontano la pianificazione e l’esecuzione della supply chain” su Salesforce e AWS.² Nel 2021, Mike Landry, un dirigente del software per la supply chain di lunga data (ex-Servigistics, ex-Genpact), è stato nominato CEO; la copertura indipendente nota che ha preso il posto del CEO fondatore Cy Smith ed è stato incaricato di scalare la piattaforma.¹⁵⁴²¹

Round di finanziamento. Le informazioni pubbliche sui finanziamenti e la copertura secondaria sono ragionevolmente coerenti:

Pre-Serie A: ~USD 1.9M nel 2021 (segnalato in riassunti successivi, sebbene non ampiamente documentato nella stampa primaria all’epoca).³¹²
Serie A: USD 9M nel 2023 (menzionato nei riassunti dei finanziamenti e nella copertura relativa alla Serie B).³¹¹¹²
Serie B: USD 20M annunciati il 5 agosto 2025, guidati da Vocap Partners con la partecipazione dell’investitore esistente Circadian Ventures, portando il totale dei finanziamenti divulgati a USD 30.9M.¹⁰¹¹⁷¹²¹³¹⁴

I comunicati stampa e gli articoli di notizie relativi alla Serie B posizionano costantemente il finanziamento come finalizzato ad accelerare l’espansione globale, ad espandere la roadmap sull’agentic AI (PolymatiQ™ e Agentforce) e ad aumentare la capacità di erogazione.¹⁰¹¹¹³¹⁴⁹

Nel complesso, KetteQ si presenta come un fornitore di piattaforme in fase di crescita iniziale, supportato da venture capital: finanziato e attivo commercialmente, ma ancora in fase di scale-up, non ancora un operatore consolidato da decenni.

Posizionamento di mercato.

Una piattaforma di pianificazione della supply chain “adattiva” e “AI-first” progettata per la volatilità e l’incertezza.⁵¹⁶⁴¹⁰
Un’alternativa moderna, multi-tenant e cloud-native ai sistemi APS legacy costruiti prima del 2010.⁶³²²¹⁹
L’unica soluzione di pianificazione della supply chain che può essere distribuita nativamente su Salesforce, offrendo una visione a 360° integrando dati della supply chain e commerciali.¹⁶⁴

Fonti indipendenti (Sourcing Innovation, copertura finanziaria di terze parti) rafforzano la caratterizzazione moderna e cloud-native, ma non convalidano in modo indipendente le affermazioni di unicità (“sola soluzione”, “la più adattiva al mondo”), che devono essere trattate come linguaggio di marketing piuttosto che come fatti verificati.³¹¹⁸¹⁹⁹

Prodotto e architettura

Superficie del prodotto

Il portafoglio prodotti di KetteQ è organizzato in pianificazione ed esecuzione:

Pianificazione della supply chain: pianificazione della domanda, pianificazione dell’inventario, pianificazione degli approvvigionamenti, MRP e MEIO (ottimizzazione multi-echelon/multi-item).⁵¹²¹
Esecuzione della supply chain: control tower, evasione degli ordini e allocazione, gestione degli asset, gestione degli ordini di lavoro e pianificazione delle parti di servizio.⁷²¹

Ogni sezione del modulo sul sito web enfatizza:

Previsioni statistiche / basate su machine learning guidate dall’AI.
Analisi degli scenari automatizzata tramite PolymatiQ™.
Ottimizzazione multi-echelon e multi-item (per l’inventario), considerando vincoli di budget e di livello di servizio.
Supporto per strutture di prodotto complesse (BOM a più livelli) e vincoli (capacità, tempi di consegna, resa, vincoli dei fornitori).⁵¹⁷²¹

Esempi concreti di funzioni includono:

Ottimizzazione dello safety stock e ottimizzazione della politica d’ordine per la pianificazione dell’inventario.²¹
Pianificazione degli approvvigionamenti sotto vincoli di capacità produttiva e tempi di consegna.¹
Pianificazione dei pezzi di ricambio e ottimizzazione FSL/truck-stock.²¹
Monitoraggio in tempo reale e regolazione tramite cruscotti in stile torre di controllo.⁷

Il messaggio del prodotto è coerente con una sostituzione o integrazione APS di fascia medio-alta, che copre la pianificazione tattica e una certa visibilità nell’esecuzione operativa.

Architettura

La pagina della piattaforma di KetteQ e i blog correlati descrivono un’architettura a due livelli che:

Distribuisce il layer di esperienza utente e collaborazione su Salesforce, sfruttando il modello di dati, la sicurezza, il flusso di lavoro e l’ecosistema di Salesforce.¹²⁴¹⁵
Ospita i componenti del solver e di analisi, intensivi in dati e calcoli, su AWS, utilizzando servizi cloud-native per elasticità e prestazioni.¹²⁴

Caratteristiche architetturali chiave evidenziate da KetteQ e confermate da Sourcing Innovation:

SaaS cloud-native multi-tenant, progettato per scalabilità orizzontale e integrazione in tempo reale.¹⁶³²²
Utilizzo di tecnologie mainstream (SQL, Python, JSON) per la gestione dei dati e l’estendibilità, anziché database proprietari o linguaggi di espressione.¹⁶
Stretta integrazione con Salesforce (incluso Salesforce Manufacturing Cloud) in modo che i risultati della pianificazione e i dati siano visibili direttamente agli utenti commerciali e finanziari senza progetti complessi di replica dei dati.¹⁴²⁴¹⁸

La recensione di Sourcing Innovation aggiunge una conferma indipendente che la piattaforma è effettivamente multi-tenant e cloud-native, e che sfrutta tecnologie web moderne invece di stack legacy adattati.³¹¹ Tuttavia, né le pagine di KetteQ né le descrizioni di terze parti forniscono diagrammi a basso livello o dettagli specifici sui modelli di dati (ad es., event sourcing vs. schemi relazionali), controlli di concorrenza o modalità di fallimento.

Modello di distribuzione

La distribuzione è basata su SaaS e ospitata in cloud. I materiali pubblici enfatizzano:

Distribuzioni più rapide tramite UX nativa di Salesforce e supporto IT esistente; riutilizzo dei modelli di sicurezza e integrazione di Salesforce.¹²⁴¹⁵
Implementazione graduale per dominio (es., inizia con la pianificazione della domanda, estendi in seguito alla pianificazione dell’inventario e agli approvvigionamenti).⁵¹
Un’interfaccia conversazionale Gen-AI per permettere ai pianificatori di fare domande, eseguire scenari e accedere ai dati utilizzando il linguaggio naturale.⁵¹

Tuttavia, ci sono poche informazioni pubbliche sui tempi tipici di implementazione, sul personale del progetto o sui modelli di implementazione di riferimento (es., se KetteQ fornisce le proprie squadre di implementazione o se si avvale di integratori di sistema partner). Le citazioni dei clienti menzionano una “efficienza e precisione notevolmente migliorate” e migliorie del 2–3 volte nella precisione o nell’allineamento della pianificazione, ma queste sono a livello elevato e non supportate da dati dettagliati di serie temporali o KPI prima/dopo.⁵¹⁸

Affermazioni su AI, ML e ottimizzazione

Previsione e AI

In tutte le sue pagine di pianificazione, KetteQ afferma:

Utilizzo di “intuizioni basate su AI, machine learning avanzato per la previsione della domanda e analisi automatizzata degli scenari.”⁵¹²¹
MRP potenziato da AI/ML che “è sempre attento ai segnali di cambiamenti imminenti” e monitora continuamente i segnali.¹
Un’interfaccia conversazionale Gen-AI per interagire con la soluzione di pianificazione.⁵¹

Queste affermazioni dimostrano che KetteQ utilizza il machine learning per la previsione e che integra un’interfaccia di tipo modello linguistico di grandi dimensioni. Tuttavia, mancano dettagli come:

Le classi di modelli ML utilizzati (ad es., alberi potenziati con gradient, reti neurali, modelli probabilistici).
Come le previsioni vengono calibrate, valutate e aggiornate (ad es., metriche di errore, frequenza di riaddestramento).
Se i tempi di consegna, i resi e altre incertezze non legate alla domanda vengono modellati esplicitamente.

Al contrario, le FAQ sulla previsione della domanda e le pagine tecnologiche di Lokad affermano esplicitamente che Lokad utilizza la programmazione differenziabile e il deep learning, applicati a dati storici dettagliati e segnali esterni ove rilevanti, per generare previsioni probabilistiche della domanda e dei tempi di consegna; evidenziano anche i risultati della competizione M5 come evidenza esterna di prestazioni allo stato dell’arte.¹²²³¹⁸¹⁹¹⁴⁹ Questo non invalida le affermazioni su AI di KetteQ, ma sottolinea che le comunicazioni pubbliche di KetteQ sono a un livello superiore, meno tecnico.

Solutore PolymatiQ™ e ottimizzazione

Il solutore PolymatiQ™ è descritto come:

Un solutore per la pianificazione della supply chain “rivoluzionario, in attesa di brevetto” che esegue migliaia di scenari, regola automaticamente i parametri e impara continuamente dalle dinamiche del mercato.⁵¹⁶⁷⁸
Il “primo motore AI agentico al mondo” per la pianificazione della supply chain, che consente una pianificazione adattiva esplorando migliaia di potenziali futuri in parallelo.¹⁶¹⁰¹¹

Le affermazioni relative agli scenari sono coerenti nelle pagine di pianificazione ed esecuzione: a PolymatiQ™ viene attribuita la valutazione automatica di migliaia di potenziali risultati, la misurazione della resilienza dei piani in base a KPI e l’identificazione di strategie robuste alle interruzioni.⁵¹⁶⁷²¹⁸ Tuttavia, diverse domande tecniche rimangono senza risposta nelle fonti pubbliche:

Funzioni obiettivo: cosa viene ottimizzato? Costo, livello di servizio, profitto, metriche di resilienza, o una combinazione ponderata?
Vincoli: come vengono modellati capacità, tempi di consegna, budget e obiettivi di livello di servizio?
Algoritmi: PolymatiQ™ si basa su programmazione matematica (LP/MIP), programmazione a vincoli, metaeuristiche (ad es., algoritmi genetici, simulated annealing), reinforcement learning, o una combinazione ibrida?
Rappresentazione dell’incertezza: gli scenari sono generati da distribuzioni di probabilità esplicite o da euristiche/test di stress?

La recensione di Sourcing Innovation aggiunge qualche indicazione facendo riferimento all’uso da parte di KetteQ dell’ottimizzazione multi-pass e di uno stack moderno in grado di eseguire molti scenari in modo efficiente, ma si ferma prima di rivelare dettagli algoritmici; si tratta di un’approvazione qualitativa piuttosto che di un’analisi tecnica approfondita.³¹¹

Al contrario, la presentazione del solutore di Lokad è più esplicita: le sue pagine tecnologiche e di documentazione spiegano come le distribuzioni probabilistiche della domanda e dei tempi di consegna alimentano il discenso discreto stocastico (per decisioni intere) e l’ottimizzazione basata sulla programmazione differenziabile, e come i fattori economici (costi di mantenimento, penalità per esaurimento scorte, effetti cesta, ecc.) sono codificati negli script Envision per produrre decisioni classificate.¹²¹⁷¹³¹⁸¹⁹²⁶ I documenti e i post sul blog relativi alla programmazione differenziabile di Lokad elaborano ulteriormente come l’ottimizzazione basata sul gradiente venga applicata su dati relazionali su larga scala per apprendere congiuntamente modelli di previsione e politiche decisionali.¹⁷¹⁸¹⁹²⁵

Alla luce di quanto è pubblicamente disponibile, è ragionevole concludere che PolymatiQ™ faccia più di una semplice pianificazione MRP basata su regole o formule fisse per lo safety stock. L’enfasi sull’analisi multi-scenario, la regolazione dei parametri e la valutazione della resilienza suggeriscono almeno una componente di ottimizzazione guidata dalla simulazione. Ma in assenza di documentazione dettagliata, PolymatiQ™ dovrebbe essere considerato un solutore black-box il cui funzionamento interno non può essere valutato indipendentemente dalle fonti pubbliche.

Distribuzione, clienti e evidenze

Clienti nominati e settori

KetteQ evidenzia pubblicamente diversi clienti nominati:

Coca-Cola, Carrier, Johnson Controls, NCR Voyix, Alliance Consumer Group e altri sono citati come marchi che “si fidano” della piattaforma di KetteQ in articoli di notizie legati a finanziamenti.⁷⁸⁹
Il contenuto tipo case-study del sito web menziona clienti come MobilityWorks (mobilità automobilistica), una società di operazioni di distributori automatici e produttori che utilizzano Salesforce, con miglioramenti citati in efficienza, precisione e crescita.⁵¹⁸

Questi riferimenti confermano che KetteQ ha clienti aziendali reali e nominati in ambito manifatturiero, distributivo e dei servizi. Tuttavia, le descrizioni pubbliche dei casi rimangono relativamente di alto livello; forniscono miglioramenti percentuali (ad es., crescita CARR del 170%, precisione 3x, traiettoria di crescita 2x) ma non espongono metriche dettagliate prima/dopo, serie temporali o diagnosi dei modelli.⁵¹⁸⁹

I materiali case study di Lokad relativi ad Air France Industries MRO e ad altri settori (retail, aerospaziale, manifatturiero) forniscono narrazioni un po’ più dettagliate, inclusi orizzonti storici (10 anni di dati), volumi di dati (circa 1 milione di SKU) e risultati finanziari espliciti (ad es., individuate decine di milioni di euro in opportunità di disinvestimento, riduzione del capitale circolante pur aumentando i livelli di servizio).¹³¹⁸²⁶²⁰²⁷²⁵ Detto questo, anche i casi pubblici di Lokad si fermano prima di esporre dataset completi, cosa tipica per i fornitori di software commerciali in questo settore.

Distribuzione e pratica di implementazione

KetteQ enfatizza:

UX nativa di Salesforce che porta a un’adozione più rapida da parte degli utenti e a una governance IT più semplice.¹²⁴¹⁵
Connettori diretti a Salesforce Manufacturing Cloud, che consentono un migliore allineamento tra le previsioni di vendita e i piani della supply chain.²⁴¹⁸
Un’interfaccia conversazionale Gen-AI per ridurre gli ostacoli nell’accesso a intuizioni e nell’esecuzione degli scenari.⁵¹

Fonti indipendenti (comunicati stampa e podcast relativi a Salesforce) rafforzano la narrazione secondo cui KetteQ sfrutta Salesforce per migliorare la visibilità cross-funzionale e l’adozione da parte degli utenti, ma non forniscono molti dettagli sulla metodologia di configurazione, le pratiche di pulizia dei dati o i modelli di gestione del cambiamento.⁴²⁴¹⁸

Lokad, al contrario, descrive un modello di distribuzione più esplicitamente programmatico: i dati vengono ingeriti tramite file/API, i supply chain scientists scrivono e iterano script Envision, e le esecuzioni batch giornaliere producono decisioni classificate che vengono poi integrate negli ERP e WMS. Il suo case study di Air France Industries e le pagine sugli inventari aerospaziali dettagliano un’implementazione di circa 6 mesi seguita da una fase di esecuzione parallela di 6 mesi, includendo la menzione di 10 anni di dati storici, 12 sistemi sorgente e la priorizzazione delle liste di investimenti/disinvestimenti.¹³¹⁸²⁰²⁷²⁵

Il compromesso è chiaro: KetteQ offre una distribuzione più convenzionale di applicazioni aziendali (sebbene su uno stack moderno), mentre Lokad offre un progetto di modellazione incentrato su DSL che può essere più preciso ma richiede uno sforzo di modellazione più specializzato.

Valutazione della profondità tecnica e della maturità commerciale

Profondità tecnica (come visibile dalle fonti pubbliche).

Punti di forza per KetteQ:
- Architettura SaaS moderna multi-tenant con Salesforce e AWS, corroborata in modo indipendente da Sourcing Innovation.¹²³¹¹²²¹⁵
- Dimostrata capacità di integrarsi strettamente con Salesforce Manufacturing Cloud ed esporre intuizioni di pianificazione all’interno dell’UX di Salesforce, un vantaggio per le organizzazioni già standardizzate su Salesforce.¹⁴²⁴¹⁸
- Utilizzo di AI/ML per la previsione e la valutazione degli scenari, con PolymatiQ™ che orchestra l’analisi multi-scenario e la regolazione dei parametri, implicando una logica di ottimizzazione non banale oltre il classico MRP o la pianificazione con fogli di calcolo.⁵¹⁶³⁷
Lacune / incognite per KetteQ:
- Nessuna documentazione tecnica pubblica degli interni algoritmici di PolymatiQ™ (funzioni obiettivo, gestione dei vincoli, metodi di ottimizzazione).
- Dettagli limitati su come l’incertezza viene modellata e propagata matematicamente (distribuzioni di probabilità vs. test di stress).
- Nessun risultato di benchmark esterni per la previsione o l’ottimizzazione (ad es., competizioni pubbliche) per quantificare le prestazioni rispetto allo stato dell’arte.

Rispetto a Lokad: Le divulgazioni tecniche di Lokad sono notevolmente più approfondite: la specifica del linguaggio Envision, la documentazione sulla previsione probabilistica e sulla programmazione differenziabile, e le pagine tecnologiche dettagliate rendono possibile comprendere le scelte architetturali e algoritmiche, e i risultati della competizione M5 forniscono un benchmark esterno per l’accuratezza delle previsioni.¹²²³¹⁷¹³¹⁸¹⁹¹⁴⁹²⁶ Lokad documenta anche argomenti sfumati come la gestione degli interi nella programmazione differenziabile e l’ottimizzazione su dati relazionali su larga scala, che indicano un investimento continuo in R&S a un livello piuttosto avanzato.¹⁷¹⁸²⁵

Da un punto di vista strettamente “allo stato dell’arte”, KetteQ non ha ancora fornito una trasparenza tecnica sufficiente per valutare se PolymatiQ™ e il suo stack AI raggiungano la sofisticazione degli approcci incentrati sulle distribuzioni probabilistiche e basati sulla programmazione differenziabile documentati da Lokad e da alcune pubblicazioni accademiche. È del tutto possibile che i metodi interni di KetteQ siano sofisticati, ma in assenza di documentazione o benchmark, una valutazione basata su prove e scettica deve considerarli non provati al di là delle testimonianze selezionate dei clienti.

Maturità commerciale.

KetteQ ha:
- Molteplici clienti aziendali nominati nei settori manifatturiero, della distribuzione e dei servizi.⁷⁸⁹
- 30,9 milioni di USD in finanziamenti venture e una squadra in crescita, con profili di CEO e leadership che indicano esperienza nell’espansione di aziende di software per la supply chain.¹⁰¹¹⁸¹⁵¹³¹⁴
- Una suite di prodotti chiaramente articolata e una storia di go-to-market incentrata su organizzazioni che utilizzano Salesforce.
Tuttavia:
- L’azienda ha 7 anni (fondata nel 2018), con il suo solutore di punta e il marchio in rapida evoluzione negli ultimi anni (ad es., il recente passaggio al linguaggio “agentic AI”).³¹⁰¹¹
- I casi di riferimento pubblici sono relativamente scarni nei dettagli quantitativi e coprono un numero limitato di settori rispetto ai fornitori APS più anziani.

Al contrario, Lokad opera dal 2008, con oltre un decennio di evoluzione dalla previsione ospitata a una piattaforma di ottimizzazione probabilistica completa, e con distribuzioni documentate di lunga durata (collaborazioni decennali come Air France Industries) che suggeriscono una maturità commerciale e tecnica superiore in alcuni settori verticali (ad es., MRO aerospaziale).¹⁶¹²¹³¹⁸²⁶²⁰²⁷²⁵

In sintesi, KetteQ è un fornitore credibile, moderno, supportato da VC, con una trazione genuina e un’architettura tecnologicamente aggiornata, ma le sue capacità di AI e ottimizzazione rimangono in qualche modo opache da un punto di vista basato sulla ricerca. Lokad, pur essendo più piccolo e specializzato, fornisce prove più dirette di tecniche probabilistiche avanzate e di ottimizzazione e di distribuzioni di lunga durata in ambienti complessi.

Conclusione

KetteQ offre una piattaforma moderna per la pianificazione ed esecuzione della supply chain, incentrata su Salesforce, con un chiaro focus sulla pianificazione scenaristica guidata dall’AI grazie al suo risolutore PolymatiQ™. Le evidenze pubbliche supportano le affermazioni che sia multi-tenant, cloud-native e architettata su Salesforce e AWS; che utilizzi il machine learning per il forecasting; e che abbia acquisito veri clienti aziendali, nominati, e significativi finanziamenti da venture capital. Un commento indipendente (Sourcing Innovation) corrobora la modernità del suo stack e conferma che il prodotto non è una semplice riverniciatura di codice legacy.

Tuttavia, la documentazione pubblica di KetteQ si ferma prima di rivelare la sostanza matematica e algoritmica alla base di PolymatiQ™ e del suo marchio “agentic AI”. Non viene fornita una descrizione dettagliata delle funzioni obiettivo, dei vincoli, della modellizzazione probabilistica o dei metodi di ottimizzazione, né dati di benchmark pubblici comparabili a competizioni di forecasting o studi di caso riproducibili con metriche complete prima/dopo. Di conseguenza, una valutazione rigorosa e scettica deve considerare le affermazioni sull’AI e sull’ottimizzazione di KetteQ come plausibili, ma non verificate al di là del materiale di marketing e delle testimonianze dei clienti.

Rispetto a Lokad, che ha documentato pubblicamente la sua evoluzione attraverso il quantile forecasting, le distribuzioni probabilistiche, il deep learning e il differentiable programming, e che ha validato esternamente le prestazioni nel forecasting (M5) e studi di caso di lunga durata in ambienti complessi, KetteQ si presenta come una suite di applicazioni aziendali più convenzionale ma moderna: più facile da allineare con paesaggi IT incentrati su Salesforce, ma meno trasparente riguardo al funzionamento interno del suo stack AI e di ottimizzazione. Per gli acquirenti, la scelta non riguarda solo le funzionalità: dipende anche da quanto valorizzano un motore quantitativo di supply chain programmabile e white-box (Lokad) rispetto a un’applicazione confezionata, nativa di Salesforce, con una forte UX e una solida storia IT (KetteQ). In entrambi i casi, la due diligence dovrebbe andare oltre le pagine di marketing: richiedere approfondimenti tecnici, documentazione dei modelli e miglioramenti concreti dei KPI storici prima di accettare a faccia valore eventuali affermazioni di “agentic AI” o di “la pianificazione più adattativa al mondo”.