Una revisione critica del Gartner Magic Quadrant for Supply Chain Planning Solutions 2024, aprile 2025

Di Léon Levinas-Ménard

Ultima modifica: 5 aprile 2025

Introduzione

Il Gartner Magic Quadrant 2024 (MQ) per le Supply Chain Planning Solutions si propone di mappare i principali vendor di software secondo la “Completeness of Vision” e la “Ability to Execute”, un formato che porta con sé un’illusione di oggettività. In pratica, tuttavia, questo MQ ci racconta più sugli incentivi di Gartner e sul bagaglio storico dell’industria che sul genuino merito tecnico. Questa analisi critica adotta uno sguardo alla ricerca della verità e scettico dietro il quadrante lucido. Analizziamo la metodologia e la struttura dell’MQ, svelando difetti sistemici – dalle dinamiche pay-to-play che alterano le classifiche, a una sovrarappresentazione di vendor “dinosauro” con decenni di storia. Esaminiamo il quadrante dei Leader, evidenziando le affermazioni vaghe di marketing (cifre di ROI gonfiate, promesse magiche di AI/ML senza dettagli tecnici, automazione “scatola nera”), e mettiamo in luce contraddizioni interne nelle narrazioni dei vendor (ad es. vantandosi di una pianificazione in tempo reale mentre affermano di ottimizzare assortimenti massivi – una combinazione che è computazionalmente incompatibile nel mondo reale). Nel corso dell’analisi ci affidiamo a un ragionamento tecnico approfondito e ad analisi indipendenti (inclusa la ricerca di Lokad 2021–2025) per fare luce sull’hype. Evidenziamo inoltre ciò che l’MQ omette – in particolare, le frequenti implementazioni fallite di queste soluzioni e l’assenza di vendor innovativi, rigorosi scientificamente, che scelgono di non giocare il gioco di Gartner. L’obiettivo è un’analisi completa e scettica che sfida la visione di Gartner sul panorama dei software per la pianificazione della supply chain e fornisce ai lettori gli strumenti per vedere attraverso la semplicità rassicurante ma fuorviante del quadrante.

La metodologia del Magic Quadrant: struttura, pregiudizi, e pay-to-play

Il MQ di Gartner viene presentato come una valutazione imparziale: un grafico ordinato con due assi, “Ability to Execute” (asse y) e “Completeness of Vision” (asse x). In teoria, un vendor nel covato quadrante in alto a destra dei “Leaders” possiede sia una forte capacità di esecuzione che una visione convincente. Eppure, il processo alla base di queste classifiche è tutt’altro che neutro. Nelle descrizioni fornite da Gartner, i criteri includono aspetti come le capacità del prodotto, l’esperienza del cliente, la reattività di mercato, la strategia, ecc. – fattori altamente qualitativi che offrono agli analisti ampio margine d’azione. È un segreto di stato nel mondo del software enterprise che le principali società di analisi, come Gartner, operano secondo un modello “pay-to-play”, e le loro approvazioni spesso riflettono le relazioni con i vendor più che l’eccellenza del prodotto ¹. Come afferma in modo diretto una FAQ di Lokad, “i vendor che scelgono di non impegnarsi in interazioni pagate sostanziali con Gartner si ritrovano tipicamente relegati a posizioni meno favorevoli o completamente esclusi.” Il risultato è che i Magic Quadrants tendono a funzionare da infomercial per chi paga, anziché da valutazioni rigorose – molti dirigenti trattano queste classifiche “con la stessa credibilità che riserverebbero a oroscopi casuali” ².

Questo pregiudizio sistemico non è solo un’accusa dei concorrenti; è confermato dal modo in cui Gartner svolge il suo business. I vendor investono massicciamente nelle relazioni con gli analisti – acquistando servizi di ricerca di Gartner, informando gli analisti, acquistando diritti di ristampa – sapendo bene che la loro posizione nell’MQ può migliorare con un maggiore impegno. Gartner, naturalmente, nega ogni quid pro quo, ma anche se i singoli analisti si sforzano di essere obiettivi, il conflitto di interessi è ineludibile. Come osserva Joannes Vermorel, vi è una “finta neutralità” in queste valutazioni dei vendor, ma in realtà “i conflitti di interessi sono così evidenti che non si ottiene neutralità; quello che si ottiene è pay-to-win.” ³ ⁴ Nessun codice di condotta o firewall per analisti può eliminare completamente le pressioni sottili; come nota Vermorel, anche le persone ben intenzionate mostrano bias inconsci quando gravano interessi commerciali significativi ⁵ ⁶. Nel contesto dell’MQ, ciò significa che i grandi vendor con budget di marketing consistenti e abbonamenti a Gartner sono sistematicamente favoriti. L’assenza di analisi veramente indipendenti è integrata nel modello – i ricavi di Gartner provengono proprio dalle aziende che vengono “oggettivamente” classificate.

Visione vs. Esecuzione – Chi definisce il successo?

Gli assi dell’MQ misurano a prima vista la “Visione” e l“Esecuzione” di un vendor, ma questi concetti sono nebulosi. Cosa si intende per una visione audace nel software per la pianificazione della supply chain? In molti casi, è ciò che gli analisti di Gartner hanno sentito durante i briefing con i vendor e attraverso i buzzword di mercato. Ad esempio, avere tutti gli acronimi di tendenza nella propria roadmap (AI/ML, digital twin, real-time IBS, ecc.) spunterà la casella Visione, indipendentemente dal fatto che il prodotto li realizzi realmente. Al contrario, un vendor con un approccio veramente innovativo potrebbe essere penalizzato se non si adatta al modello preconcetto di Gartner su “come dovrebbe essere il buono.” La Ability to Execute si riduce spesso alle dimensioni: numero di clienti, presenza globale, rete di partner per l’implementazione – essenzialmente un surrogato della portata del marketing e dell’esecuzione delle vendite enterprise, e non dei risultati effettivi. Questo inclina l’MQ a svantaggio di aziende più piccole e tecnicamente innovative (che potrebbero avere algoritmi migliori ma meno referenze di rilievo) e a favore degli incumbents che dispongono di vaste basi installate, anche se le loro implementazioni spesso non rendono al massimo.

Fondamentale è il fatto che il sistema di punteggio di Gartner non tiene conto, in modo trasparente, del tasso di successo reale delle implementazioni. Un vendor che vende 100 copie del suo software e registra 80 fallimenti su 100 otterrà comunque un punteggio elevato in “Ability to Execute” grazie alle vendite e alla presenza, mentre un vendor che vende 10 copie ottenendo il successo 10/10 potrebbe essere considerato di esecuzione inferiore. La metodologia dell’MQ penalizza quindi la qualità a favore della quantità. È significativo notare che gli stessi analisti di Gartner hanno ammesso che l’adozione da parte degli utenti di queste planning solutions è estremamente bassa. Al Supply Chain Planning Summit 2024, Pia Orup Lund di Gartner ha rivelato che in media solo il 32% dei pianificatori di un’organizzazione tipica è effettivamente migrato al nuovo strumento di pianificazione implementato – un tasso di adozione sorprendentemente basso, visti i progetti multimilionari ⁷. In altre parole, due terzi delle implementazioni presumibilmente di successo non riescono a conquistare gli utenti, diventando software inutilizzato. Eppure tali risultati intaccano ben poco la posizione di un vendor nel Magic Quadrant, poiché la valutazione di Gartner tronca queste mancate riuscite. L’asse “Ability to Execute” non misura la capacità di generare valore, ma è in gran parte un indicatore di penetrazione di mercato e resistenza del vendor. Questo mette in discussione il significato del quadrante dei Leader: esecuzione solo di nome, e non nella realtà.

La falsa oggettività del quadrante

Il formato stesso dell’MQ – un grafico a quadrante – conferisce un’aria di analisi scientifica, come se i vendor fossero misurati con precisione e tracciati su un grafico cartesiano. Ciò è fuorviante. A differenza di un diagramma a dispersione basato sui dati, le posizioni in un Magic Quadrant sono il risultato di discussioni a porte chiuse, rubriche di punteggio ponderate che Gartner non divulga completamente, e infine di giudizi soggettivi. La semplicità visiva (chi si trova in alto a destra rispetto a chi è in basso a sinistra) maschera una moltitudine di scelte soggettive. Impone inoltre un confronto “taglia unica” che ignora il contesto: un “Leader” per un tipo di azienda potrebbe essere una scelta pessima per le esigenze di un’altra, eppure l’MQ rappresenterà comunque uno come universalmente migliore. Condensando prodotti multifacetici in un singolo punto, la sfumatura viene persa. Ad esempio, un vendor potrebbe avere un’eccellente soluzione per il forecasting ma una mediocre per il production scheduling – come si può rappresentare ciò in un unico punto X–Y? La risposta di Gartner è sostanzialmente di fare una media e ponderarla secondo i criteri che preferiscono quell’anno. Il risultato è un offuscamento delle distinzioni che può indurre i lettori a pensare che le differenze siano meramente incrementali. Il formato a quadrante incoraggia un’interpretazione pigra: “in alto a destra è il migliore, in basso a sinistra è il peggiore,” saltando il duro lavoro di comprendere i compromessi e le capacità specifiche. Come ha osservato Vermorel, “i Magic Quadrants sono, come suggerisce il nome, la superstizione al meglio, e la scienza finta al peggio.” ⁸ La formulazione aspra sottolinea che il grafico a quadrante è più un teatrino di marketing che una ricerca rigorosa.

Vendor legacy che dominano il quadrante dei Leader

Esaminando l’MQ 2024 per la Supply Chain Planning, non si può fare a meno di notare che il quadrante dei Leader è essenzialmente un club degli ex studenti dei vendor legacy. Kinaxis, Blue Yonder, Oracle, OMP, Logility – queste aziende (o i loro nomi precedenti) esistono da decenni. Kinaxis è stata fondata negli anni ‘80 (come WebPlan), Blue Yonder risale al 1985 (come JDA Software), OMP agli anni ‘70, Logility agli anni ‘90, e Oracle è vecchia quanto l’IT moderno. La loro presenza costante ai vertici potrebbe indicare un’eccellenza duratura – oppure che i criteri di Gartner favoriscono intrinsecamente la scala e la longevità. La storia suggerisce la seconda ipotesi. Questi incumbents hanno raggiunto la notorietà non solo attraverso una tecnologia superiore, ma anche tramite acquisizioni aggressive ed espansione dei loro portafogli. Blue Yonder è un caso emblematico: è “il risultato di una lunga serie di operazioni di M&A”, che ha portato a “una collezione disordinata di prodotti, per lo più datati” sotto un’unica marca ⁹. L’MQ di Gartner elenca ancora Blue Yonder come Leader con un “comprehensive microservices architecture” e una suite end-to-end completa, occultando il fatto che gran parte di quella suite è assemblata con strumenti più vecchi. Il software enterprise non si unifica magicamente tramite le operazioni di M&A; l’integrazione è difficile, e lo stack di Blue Yonder ne mostra le cuciture. Lo studio di Lokad sui vendor ha notato che Blue Yonder “mette in evidenza l’AI” nel marketing, ma le “affermazioni sono vaghe e prive di sostanza.” In effetti, i pochi indizi dai materiali tecnici pubblici di Blue Yonder (ad es. alcuni progetti open-source) “suggeriscono approcci pre-2000” come i modelli ARMA di forecasting di base ¹⁰. Quindi abbiamo un Leader che promuove “AI” mentre probabilmente utilizza tecniche di forecasting vecchie di oltre 20 anni. Questo solleva una questione difficile: Blue Yonder è un Leader a causa del merito tecnico, oppure per il momentum legacy? Il rapporto di Gartner non si pone questa domanda, ma una recensione scettica deve farlo.

Kinaxis e Oracle sono esempi istruttivi. Kinaxis, celebrata per la sua piattaforma RapidResponse, è davvero una sorta di pioniere – ha introdotto una “pianificazione concorrente” veloce e in-memory ben prima di molti concorrenti, e rimane molto popolare per il Sales & Ops Planning. Ma anche essa è un player legacy che si sta modernizzando in corso d’opera. Storicamente, Kinaxis non offriva funzionalità avanzate di forecasting statistico o ML nel suo core; gli utenti dovevano importare previsioni o utilizzare metodi semplici. Alcuni anni fa, Kinaxis ha riconosciuto questa lacuna e ha iniziato ad aggiungere strumenti probabilistici tramite acquisizioni/partnership (ad es. acquisendo Rubikloud per il forecasting AI, collaborando con Wahupa per l’ottimizzazione dell’inventario) ¹¹ ¹². Questi sono passi positivi, ma sostanzialmente Kinaxis sta recuperando le capacità AI/ML che altri avevano già, integrando moduli separati. Ciò solleva interrogativi sulla coerenza tecnologica – le nuove funzionalità di Kinaxis sono “bolt-ons” che “sollevano interrogativi sulla coerenza del tech stack” ¹². Resta da vedere se questi moduli probabilistici saranno profondamente integrati o semplicemente accessori superficiali per il marketing. Nel racconto dell’MQ, Kinaxis è in cima alla classifica grazie alla sua “Ability to Execute” e a un decennio di successi, ma un audit tecnico approfondito mostra un’architettura legacy deterministica che sta evolvendo in un sistema ibrido. Senza contare che l’approccio in-memory che conferisce a Kinaxis velocità impone anche dei limiti – le implementazioni di grandi dimensioni si trovano ad affrontare “alti costi hardware e limiti di scalabilità man mano che i dati crescono (le implementazioni di grandi dimensioni richiedono RAM massiccia)” ¹³. Questa sfumatura manca nella valutazione di Gartner relativa all’“execution.” Un pianificatore che legge l’MQ potrebbe pensare che Kinaxis sia una scelta sicura grazie al suo status di Leader, senza rendersi conto che, se i dati della loro supply chain sono enormi, potrebbero imbattersi in problemi di costo/performance o necessitare di un investimento hardware significativo per utilizzare le simulazioni in tempo reale di Kinaxis. Queste realtà emergono raramente nel resoconto di Gartner.

Il fatto che Oracle sia inclusa come Leader nel 2024 è un ulteriore riconoscimento dell’incumbency. La soluzione SCP di Oracle fa parte della sua vasta suite Cloud SCM. Gartner applaude la “vision for composable architecture” di Oracle e la sua capacità di “plan at any level of detail.” ¹⁴ Ma questo suona come un dépliant – il concetto di pianificazione a “qualsiasi livello di dettaglio” sembra grandioso, sebbene i professionisti esperti sappiano che pianificare con granularità estremamente elevata (ad es. a livello di SKU-store con vincoli complessi) non sarà istantaneo o addirittura fattibile se si intende davvero ogni dettaglio. C’è un compromesso computazionale: o si aggrega per pianificare rapidamente, oppure si impiega più tempo (o si utilizza maggiore potenza di calcolo) per pianificare in dettaglio. Oracle, come gli altri, intuisce di poter ottenere l’impossibile. Forse il suo cloud può elaborare più dei sistemi più vecchi, ma l’affermazione di una granularità totale senza conseguenze mette a dura prova la credulità. Ciò rispecchia una tendenza generale: vendor legacy che si riposizionano come “cloud AI platforms” ma che, internamente, continuano a lottare con limitazioni. Oracle ha acquisito numerose aziende nel corso degli anni (Demantra per il demand planning, G-Log, ecc.) e le ha integrate per costruire la sua suite. Merito a chi è dovuto: Oracle ha investito per modernizzarsi, ma ancora una volta il riassunto nell’MQ non menziona quanti anni e quante ore di consulenza potrebbero essere necessari per realizzare effettivamente quella visione “composable” in un’implementazione per il cliente.

È anche notevole quali fornitori legacy non appaiano nei Leader dell’MQ o per niente. SAP, ad esempio, è solo un Challenger nel 2024 (nonostante sia il colosso ERP con un prodotto SCP, IBP). Infor – un altro grande attore ERP che aveva acquisito nomi come Mercia e Predictix per la pianificazione – è completamente assente dall’MQ del 2024. Perché? Probabilmente perché l’attenzione di Infor si è spostata (o ha scelto di non partecipare alla valutazione di Gartner). Lo studio dei fornitori di Lokad ha evidenziato che Infor ha acquisito Predictix (uno specialista in forecasting AI) nel 2016, ma “l’angolo delle previsioni è rimasto un cittadino di seconda classe” all’interno della suite di Infor ¹⁵. Le presunte tecniche avanzate di ML di Predictix sono state “deprioritizzate” ed è “dubbiamente plausibile che quei metodi superino i modelli di forecasting pre-2000”, con le affermazioni “AI” di Infor ritenute dubbie altrettanto ¹⁶. In breve, l’innovazione della pianificazione di Infor è fallita, quindi non fanno parte dell’MQ. Questo rappresenta in realtà un colpo a favore dell’integrità di Gartner – non hanno avuto problemi a escludere un grande nome quando è rimasto indietro. Ma sottolinea anche come le acquisizioni possano condurre a un nulla di fatto: acquistare startup AI non garantisce la leadership se l’azienda principale non riesce a integrare ed eseguire. L’ironia è che coloro che rimangono nel quadrante dei Leader hanno storie simili, pesantemente segnate dalle acquisizioni (Blue Yonder con JDA/i2/Manugistics, Logility che ha acquisito Garvis e Starboard negli ultimi anni ¹⁷ ¹⁸, Kinaxis con Rubikloud, ecc.), eppure Gartner continua a concedere loro il beneficio del dubbio. La sovrarappresentazione dei fornitori legacy suggerisce che la quota di mercato passata e il rapporto con Gartner spesso prevalgono sull’eccellenza tecnica attuale.

Hype vs. Realtà: Affermazioni Discussibili nel Quadrante dei Leader

La retorica di marketing nella pianificazione della supply chain è leggendaria, e gli articoli dell’MQ riflettono spesso le affermazioni dei fornitori che meritano un estremo scetticismo. Uno schema ricorrente tra i Leader è il vantarsi di un ROI alle stelle e di risultati trasformativi – solitamente senza prove concrete. Ad esempio, molti fornitori vantano cifre come “30% di riduzione delle scorte, 98% di livello di servizio, 90% di miglioramento della produttività” dopo aver implementato la loro soluzione. ToolsGroup, ora un Niche Player ma storicamente spesso citato dagli analisti, ha pubblicizzato risultati come “90+% di disponibilità del prodotto, 20-30% di scorte in meno, 40-90% di riduzione del carico di lavoro.” Sebbene questi numeri presumibilmente si siano verificati per qualche cliente da qualche parte, sembrano troppo belli per essere veri in combinazione. Un’analisi di Lokad ha avvertito che tali statistiche sono tipicamente selezionate: “probabilmente provengono da clienti diversi, ciascuno dei quali raggiunge uno di quei punteggi elevati, e non da un singolo cliente che li raggiunge tutti simultaneamente” – nessuno dovrebbe aspettarsi tutti quei guadagni insieme ¹⁹. La realtà comporta compromessi; potresti ridurre le scorte del 20% ma poi il livello di servizio potrebbe scendere, o viceversa. L’MQ, tuttavia, raramente include tali riserve quando loda la “capacità di fornire valore” di un Leader. Tende a ripetere le storie di successo fornite dal fornitore. Il risultato è una sovrainflazione delle aspettative. Un dirigente della supply chain che legge di Kinaxis o Blue Yonder nell’MQ potrebbe pensare che questi strumenti risolveranno i problemi in modo automagico e garantiranno un ROI rapido, quando in realtà l’implementazione potrebbe incontrare difficoltà e i guadagni, se ce ne sono, arriverebbero solo dopo lunghi sforzi di change management.

Un’altra area dell’hype è l’accuratezza delle previsioni e l’AI. Ogni fornitore ora afferma una forma di “previsione potenziata dall’AI” che migliorerà drasticamente le previsioni della domanda. Eppure, i dettagli sono quasi sempre assenti. Le descrizioni di Blue Yonder e Logility menzionano AI/ML, Kinaxis parla di “Planning AI”, ecc., ma il riepilogo di Gartner non insiste su dettagli su come la loro AI sia diversa o provata. Un esempio lampante è il concetto di “demand sensing” – una parola d’ordine per l’uso di dati a brevissimo termine per adeguare le previsioni. ToolsGroup ha utilizzato questo termine, come hanno fatto altri. Tuttavia, come ha osservato la ricerca di Lokad, “le affermazioni sul ‘demand sensing’ non sono supportate dalla letteratura scientifica.” ²⁰ È fondamentalmente un termine di marketing; ci sono poche evidenze che ciò che i fornitori chiamano demand sensing produca previsioni costantemente migliori rispetto a quanto possano fare delle buone statistiche a breve termine. Analogamente, un fornitore (John Galt Solutions, un Challenger) si vanta di un algoritmo proprietario “Procast” più accurato dei concorrenti, ma non fornisce alcuna prova pubblica – anzi, è significativo che questo algoritmo sia assente dai vertici della competizione M5 di forecasting, dove i metodi open-source hanno eccelso ²¹. A maggior ragione, il segreto di John Galt probabilmente non supera in termini di pura accuratezza soluzioni come Prophet di Facebook o i pacchetti R di Hyndman, ma l’articolo dell’MQ non lo rivelerebbe. Ci vuole un’indagine indipendente per scoprire queste cose. L’asse Vision dell’MQ tende a premiare i fornitori per aver esaltato l’AI e l’analitica, indipendentemente dal fatto che i loro approcci siano innovativi o statisticamente solidi. Considerate o9 Solutions: l’anno scorso (2023) Gartner aveva inserito o9 nel quadrante dei Leader, in parte grazie al suo hype come piattaforma “cervello digitale”. Nel 2024, o9 è scivolata in Visionary. Cosa è cambiato? Probabilmente Gartner ha capito che alcune delle grandi affermazioni di o9 non erano provate. L’ispezione di o9 da parte di Lokad ha rilevato che “molte delle sue affermazioni [AI] (per esempio, che il suo knowledge graph migliori in modo unico le previsioni) sono dubbie senza un supporto scientifico” ²². Infatti, l’analisi dei componenti tecnologici di o9 visibili al pubblico ha mostrato per lo più tecniche standard, “niente di fondamentalmente nuovo da giustificare il grande marchio ‘AI’” ²². Questa è una storia comune: il marketing supera la realtà. Gartner, a suo merito, alla fine si adatta (come con o9), ma solo dopo aver inizialmente amplificato parte di quell’hype posizionando il fornitore come Leader. Questo capovolgimento sottolinea anche quanto sia soggettivo l’MQ – un anno Visionary, l’anno successivo Leader, poi di nuovo Visionary – il che non ispira fiducia in un processo stabile e basato su criteri.

Una delle affermazioni più fuorvianti diffuse tra i fornitori Leader è l’idea di una “pianificazione end-to-end in tempo reale.” Questa formulazione suggerisce che si possa avere un piano veramente sincronizzato fino all’ultimo minuto lungo l’intera supply chain, magari addirittura che si adatti automaticamente in tempo reale. Kinaxis e Blue Yonder hanno entrambi utilizzato un linguaggio relativo alla pianificazione concorrente o continua; il testo di Gartner per Oracle sottolinea la “pianificazione a qualsiasi livello di dettaglio” e Kinaxis è lodata per l’automazione e l’allineamento. La contraddizione risiede nel compromesso tra scala e velocità. Per le grandi imprese, “qualsiasi livello di dettaglio” può significare milioni di combinazioni SKU-luogo, vincoli multi-echelon complessi, stagionalità, ecc. Raggiungere un piano ottimale anche quotidianamente per quella portata è un’enorme impresa computazionale. Farlo in tempo reale (aggiornamenti sub-secondo o istantanei ogni volta che i dati cambiano) è praticamente impossibile con gli algoritmi e l’hardware odierni, a meno che non si sacrifici dettaglio o ottimalità. Kinaxis affronta questo problema utilizzando un’architettura in-memory per ricalcolare rapidamente, ma anche loro hanno limiti (necessitano di una RAM enorme e semplificano alcuni calcoli) ¹³. La piattaforma “Luminate” di Blue Yonder parla di un motore AI e forse utilizza euristiche per aggiustamenti rapidi piuttosto che una piena riorganizzazione. Gli articoli dell’MQ non riconoscono queste realtà tecniche. Consentono ai fornitori di avere entrambe le cose: affermare di offrire un’analisi completa e dettagliata e una risposta istantanea. Un occhio critico dovrebbe notare ciò come doppio pensiero di marketing. Ad esempio, se un fornitore afferma di gestire la “pianificazione in tempo reale” e anche la “pianificazione basata su attributi a livelli altamente granulari” (come osserva Gartner per alcuni Visionary ²³ ²⁴), ci si deve chiedere: come mantengono una velocità in tempo reale con tanta granularità? La risposta probabile: non lo fanno, non senza hardware pesante o semplificazioni. Il team di Lokad ha sottolineato che spingere al limite entrambi gli estremi di solito fallisce – o il sistema rallenta oppure perde silenziosamente la granularità (ad esempio, aggiorna alcuni numeri aggregati in tempo reale ma non tutto). Purtroppo, l’MQ di Gartner non spinge i fornitori a risolvere queste contraddizioni. Viene presentata la apparenza di una capacità all’avanguardia, e spetta agli utenti scoprire in seguito che certe combinazioni di promesse sono irrealizzabili.

Black-Box “AI” e Mancanza di Trasparenza

Un’altra preoccupazione con i fornitori del quadrante Leader è quanto si affidino a soluzioni “black-box”. Molti si vantano dell’automazione guidata dall’AI in cui il sistema prende decisioni con un input umano minimo. In teoria, questo è ottimo – chi non vorrebbe un pilota automatico per la supply chain? – ma in pratica, se l’AI è una scatola nera, può essere pericolosa. I pianificatori vantano decenni di esperienza con software di ottimizzazione inspiegabili; tendono a non fidarsi, o producono raccomandazioni strane difficili da decifrare. Blue Yonder, per esempio, ha puntato fortemente sull’AI da quando ha cambiato brand (il nome “Blue Yonder” deriva proprio da una startup AI che ha acquisito). Tuttavia, poco viene pubblicato su come funzioni la loro AI, e gli utenti spesso descrivono la necessità di intervenire manualmente o di regolare gli output. Léon Levinas-Ménard ha osservato che l’approccio di Blue Yonder comporta una “complessità dell’AI black-box”, a doppio taglio ²⁵. Potrebbe essere sofisticata internamente, ma se è opaca, aumenta la resistenza degli utenti e il rischio di errori non rilevati. La valutazione di Gartner offre quasi nessuna informazione in merito. Un fornitore potrebbe avere un modello di machine learning fragile sotto il cofano, ma finché ha alcuni clienti di riferimento disposti a dire che li ha aiutati, Gartner lo classificherà in alto. Esiste un modello più ampio di mancanza di trasparenza tecnica: con poche eccezioni, questi fornitori non pubblicano articoli di ricerca, non partecipano a competizioni di algoritmi open (come menzionato per l’assenza di John Galt in M5, e similmente nessuno dei grandi Leader ha ottenuto i posti migliori in tali eventi), e non rendono open-source parti significative del loro software. Operano sulla fiducia e sul marchio. Il Quadrante di Gartner perpetua ciò poiché non richiede prove oltre le interviste ai clienti e le demo. È significativo che un fornitore come ToolsGroup, che storicamente aveva un approccio più analitico, white-box (con il suo noto motore di ottimizzazione SO99+), abbia sentito il bisogno di unirsi di recente all’ondata di hype AI. ToolsGroup ha cominciato a definire tutto “AI-powered” e ha introdotto il forecasting probabilistico nel marketing intorno al 2018, ma lo ha fatto in maniera goffa – pubblicizzando previsioni probabilistiche e, tuttavia, vantandosi dei miglioramenti del MAPE ²⁶ ²⁷ (anche se il MAPE, una metrica d’errore, è privo di significato per le previsioni probabilistiche!). Questo tipo di incoerenza mostra un’adozione delle buzzword guidata dal marketing senza una vera comprensione. La critica di Lokad è stata decisa: le affermazioni sull’AI di ToolsGroup erano “dubbie” e i loro materiali “suggerivano modelli di forecasting pre-2000” travestiti da nuovi ²⁸. Se un fornitore relativamente tecnico come ToolsGroup è caduto preda dell’inflazione delle buzzword, ci si può immaginare quanta pura attività di marketing si riversi nei portafogli di aziende più orientate alle vendite.

Il report Gartner MQ riconosce occasionalmente quando qualcosa è per lo più una visione. Ad esempio, nota la “vision for AI” di un fornitore come un punto di forza (ad es. la “vision for AI sopra la media” di Logility viene menzionata dopo le sue recenti acquisizioni) ¹⁷ ¹⁸. Ma definire “vision for AI” un punto di forza significa essenzialmente che sanno parlare bene di AI. Non è una funzionalità fornita – è un piano o un’aspirazione. Lodare ciò nello stesso respiro delle capacità effettive sfuma la linea tra realtà attuale e roadmap futura. Questo, ancora una volta, serve i fornitori: premia le slide e le intenzioni annunciate. Un cliente potrebbe firmare con un Leader pensando di acquistare una soluzione di pianificazione in tempo reale, completamente automatizzata e potenziata da AI, per poi scoprire che molte di quelle capacità sono in fase iniziale, non provate o richiedono progetti separati per essere implementate. Il formato di Gartner non differenzia chiaramente tra funzionalità comprovate e caratteristiche pianificate nel graphic dell’MQ; entrambe vengono incorporate in quella collocazione della “Completezza della Visione”. Così il quadrante dei Leader tende ad essere popolato da aziende che sono ottime nel raccontare una storia convincente sul futuro della supply chain (spesso riprendendo quella storia dalle tendenze pubblicate da Gartner per ottenere favori), indipendentemente dal fatto che siano loro a realizzare effettivamente quel futuro.

Ignorare il Brutto: Fallimenti Omissi e Lotte in Corso

Un aspetto palesemente assente dal quadrante lucido di Gartner è il lato oscuro del software enterprise: i progetti falliti, i massicci sforamenti di costi e le implementazioni accantonate. La pianificazione della supply chain, in particolare, vanta una lunga storia di implementazioni fallite o deludenti – tanto che molti professionisti diventano cinici verso ogni nuova “soluzione” dopo essere stati bruciati un paio di volte. Eppure, leggendo il report MQ, si potrebbe pensare che si tratti solo di storie di successo e caratteristiche differenzianti. Gartner raccoglie feedback dai clienti come parte della ricerca MQ, ma solitamente pubblica solo un riassunto sanificato dei “Punti di Forza” e delle “Avvertenze” per ogni fornitore. Queste avvertenze sono solitamente espresse in termini miti (“alcuni clienti segnalano difficoltà di usabilità” o “l’integrazione può essere complessa”). Non si vedranno affermazioni schiette come “Il Fornitore X ha avuto molteplici fallimenti di progetto nell’ultimo anno” in un MQ. Quel tipo di verità, se emerge, arriva tramite pettegolezzi e forum degli utenti, non da Gartner. Il risultato è un’asimmetria informativa: un potenziale acquirente che legge l’MQ potrebbe non essere a conoscenza, ad esempio, che un certo fornitore Leader ha la reputazione di implementazioni della durata di 18 mesi che spesso non vanno mai in produzione. L’omissione da parte di Gartner dei tassi di fallimento è un torto all’industria, poiché dipinge un quadro eccessivamente roseo.

Considera il “time to value” – un fattore assolutamente critico per qualsiasi progetto. Gartner ha valutato quanto tempo impiega tipicamente ciascun fornitore per l’implementazione, o con quale frequenza riescono a consegnare in tempo? Se lo ha fatto, tale intuizione non è chiaramente riflessa nel quadrante. Sappiamo aneddoticamente che alcuni dei grandi fornitori di suite (come i tradizionali progetti di Blue Yonder o SAP) possono impiegare anni per un roll-out completo. Nel frattempo, alcuni nuovi attori SaaS potrebbero implementare in mesi. Ma l’Ability to Execute dell’MQ non evidenzia esplicitamente questo aspetto. In effetti, un fornitore più piccolo potrebbe essere etichettato come “non scalabile per progetti di grande dimensione” anche se implementa in modo più rapido, semplicemente perché non ha ancora affrontato tanti roll-out globali. Inoltre, si manifesta un bias di successo: Gartner parla in gran parte ai clienti di riferimento forniti dai fornitori, che di solito sono i più soddisfatti. I molti clienti insoddisfatti o meno riusciti non vengono proattivamente presentati per interviste. Così il campione risulta sbilanciato verso i casi di successo. Gli analisti di Gartner lo sanno, ma gli articoli dell’MQ raramente lo riconoscono oltre a generiche dichiarazioni di cautela.

The frequenza delle implementazioni fallite è l’elefante nella stanza. Vari studi (incluso uno di Gartner in un contesto diverso) hanno segnalato tassi di fallimento estremamente elevati per le iniziative delle grandi tecnologie – ad es., Gartner ha affermato in modo celebre che l'85% dei progetti di IA fallisce, e una grande percentuale dei progetti tecnologici per la supply chain non raggiunge i risultati attesi. Un riassunto su LinkedIn del Gartner SCP Summit 2024 ha evidenziato che, nonostante la tecnologia moderna di pianificazione, molte aziende continuano a lottare e i pianificatori non adottano gli strumenti ²⁹ ⁷. Quando l’adozione media è solo del 32%, significa che la maggior parte dei progetti non produce l’impatto previsto. Eppure, il MQ non integra quella metrica nelle classifiche dei fornitori. Se non altro, lo suggerisce in maniera indiretta: un fornitore con una “Capacità di Esecuzione” inferiore potrebbe essere quello i cui clienti si sono lamentati per usabilità o complessità. Ma tutto questo è una lettura dei presagi. Il grafico del MQ stesso, che mostra alcuni punti più in basso sulla scala di esecuzione, non ti indica “molti clienti non sono riusciti ad avviare con successo questo software.” Mostra solo un punto nella metà inferiore, che potrebbe essere erratamente interpretato come un’azienda di piccole dimensioni o simile, anziché un segnale d’allarme per implementazioni problematiche. La narrazione di Gartner, così, elude la responsabilità: i fornitori non vengono realmente ritenuti responsabili per i risultati sul campo, ma solo per aver venduto e per avere una bella roadmap.

Per un pubblico di professionisti, questo è un grave difetto. Significa che il MQ non è un predittore affidabile del successo. Un “Leader” potrebbe benissimo condurti in un pantano pluriennale e multimilionario se la tua organizzazione non è estremamente preparata e allineata, e Gartner non lo avrebbe segnalato chiaramente. Viceversa, un fornitore di nicchia o visionario potrebbe in realtà offrirti una vittoria più rapida, ma il basso ranking di Gartner potrebbe spaventare i tuoi dirigenti dal considerarli. Questa dinamica è il motivo per cui molti leader esperti della supply chain prendono il MQ con le pinze e si affidano invece alle raccomandazioni dei colleghi e alle valutazioni indipendenti. Nelle parole delle FAQ di Lokad, “la dovuta diligenza autentica si serve meglio esaminando i risultati comprovati in contesti operativi reali”, piuttosto che affidarsi a un “sigillo di approvazione da parte di una consulenza pay-to-play” ³⁰. Il MQ fornisce, nel migliore dei casi, una lista iniziale di fornitori, ma assolutamente deve essere integrato con ricerche esterne su come quei fornitori si sono comportati in aziende simili alla tua.

Sfida ai Leader di Gartner: Casi Studio di Tecnologie Deludenti

Per fondare la critica, concentriamoci su due dei tanto acclamati Leader del 2024 – Kinaxis e Blue Yonder – ed esaminiamo se il loro posizionamento in alto a destra sia giustificato da una sostanza tecnica oppure smentito da problemi noti.

Kinaxis (Leader) – Pianificazione Concorrenziale, ma in Ritardo con l’IA. Gartner posiziona Kinaxis come il più alto Leader, lodando la sua “esperienza utente unificata” e l’automazione. Il punto di forza di Kinaxis risiede infatti nel suo motore di pianificazione reattivo: un modello in memoria che propaga rapidamente i cambiamenti, consentendoti di eseguire simulazioni di scenari al volo. Questo è molto utile per l’S&OP e per le analisi what-if. Tuttavia, storicamente Kinaxis non offriva funzionalità avanzate di forecasting o ottimizzazione integrate di default. La sua pianificazione si basava in larga misura su regole e approcci deterministici, affidandosi ai pianificatori per impostare la logica di bilanciamento tra offerta e domanda. Riconoscendo i mutamenti del settore, Kinaxis ha recentemente aggiunto capacità di forecasting probabilistico e ottimizzazione degli inventari – ma lo ha fatto acquisendo o collaborando per quei componenti (ad es. il motore Wahupa MEIO, il forecasting AI di Rubikloud) ¹¹ ³¹. Queste aggiunte sollevano domande: sono integrate senza soluzione di continuità nella piattaforma RapidResponse, oppure sono moduli esterni incollati insieme? Le prime indicazioni suggeriscono quest’ultima ipotesi – in sostanza, Kinaxis ora dispone di “app” per l’ottimizzazione degli inventari e il forecasting ML che si collegano al suo sistema. Non è la stessa cosa di un nucleo analitico unificato sviluppato internamente. Inoltre, l’ingresso di Kinaxis nel campo dell’IA è piuttosto recente. Dal 2023, ha iniziato a commercializzare “Planning.AI”, segnalando così che sa di dover giocare il gioco dell’IA, ma è stato cauto nel suo messaggio – forse perché sa che la sua profondità in AI/ML è ancora in sviluppo ³² ³³. L’analisi di Lokad ha evidenziato che Kinaxis non aveva dimostrato pubblicamente la sua abilità nel forecasting probabilistico (nessuna pubblicazione o competizione), per cui bisogna avere fede nella sua efficacia ³⁴. In breve, Kinaxis merita assolutamente credito per la sua pionieristica capacità di concorrenza e per i suoi numerosi clienti soddisfatti, ma, da un punto di vista puramente tecnico, non è certo il più avanzato nell’analitica. La sua architettura di base è invecchiata – affidandosi a molta RAM e CPU per eseguire calcoli rapidi – ed è solo ora che sta modernizzando il suo approccio al forecasting, che altri avevano abbracciato anni prima. Vi sono state voci nelle comunità di utenti secondo cui Kinaxis fatica quando i dataset diventano molto grandi o quando si tenta una pianificazione dettagliata oltre certe soglie (in linea con le preoccupazioni sollevate circa RAM/scalabilità ¹³). Quindi, Kinaxis è davvero il “migliore dei migliori” nel software di pianificazione della supply chain per il 2024? O è semplicemente il migliore nel vendere una visione end-to-end e nel vantare un curriculum di implementazioni (sebbene a un prezzo e impegno elevati)? Il MQ di Gartner lo colloca fermamente al numero 1, ma una classifica più critica potrebbe posizionare Kinaxis come molto forte nella pianificazione interattiva, ma ancora nella media per il forecasting algoritmico. La valutazione su un solo asse del MQ non riesce a riflettere bene tale dicotomia. Così, la posizione di Leader di Kinaxis – pur essendo frutto del successo sul mercato – nasconde il suo inizio tardivo nell’IA e le potenziali sfide di integrazione future.

Blue Yonder (Leader) – Suite All-in-One o Sprembo Variegato? La presenza di Blue Yonder come Leader sembra quasi scontata, grazie alla sua lunga tradizione (ex JDA). Gartner cita la sua “Piattaforma Luminate” e la funzionalità completa, suggerendo che faccia tutto: pianificazione della domanda, pianificazione dell’offerta, ottimizzazione degli inventari, programmazione della produzione, ecc., oltre a novità come analytics e microservizi. La promessa è una piattaforma integrata end-to-end. La realtà, riferita da chi conosce il prodotto, è diversa. La suite di Blue Yonder è il risultato di numerose acquisizioni decennali: possiede molteplici motori di pianificazione della domanda (il vecchio JDA rispetto al più recente motore ML di Blue Yonder), vari moduli per la pianificazione dell’offerta e l’evasione degli ordini, strumenti di rifornimento per i negozi provenienti da origini diverse, ecc. Per loro è stata una sfida riuscire a unificarli davvero. Lo studio sui fornitori di Lokad ha offerto una recensione tagliente: “sotto il marchio BY si nasconde una collezione confusa di prodotti, per la maggior parte datati.” ⁹ L’integrazione avviene più a livello di interfaccia utente e marketing che a un livello tecnico profondo. Ad esempio, Blue Yonder potrebbe offrire un portale comune, ma dietro le quinte la pianificazione della domanda potrebbe basarsi su una base di codice diversa rispetto all’evasione degli ordini o alla programmazione della produzione. Dal punto di vista del cliente, ciò può significare un’esperienza utente incoerente e problemi di sincronizzazione dei dati. La relazione del MQ di Gartner non menziona affatto questo aspetto; dipinge Blue Yonder come un cloud moderno e unificato (viene usato il termine “architettura a microservizi” ³⁵, che suona estremamente all’avanguardia). Lo scettico si chiede: se Blue Yonder avesse davvero una riconfigurazione unificata in microservizi, perché ha dovuto essere acquisita da Panasonic per restare a galla, e perché così tanti dei suoi clienti storici risultano ancora ad utilizzare versioni on-premise più vecchie dei moduli JDA? La risposta è che la trasformazione non è completa. Il marketing di Blue Yonder si appoggia pesantemente sull’IA al giorno d’oggi, probabilmente a causa dell’influenza della piccola Blue Yonder (startup tedesca di IA) che hanno acquisito, da cui hanno poi preso il nome per l’intera azienda. Eppure, come già notato, le loro affermazioni sull’IA sono vaghe. Lokad ha evidenziato la mancanza di sostanza e come le tecniche note fossero piuttosto convenzionali ³⁶. Nella pratica quotidiana, alcuni moduli BY, come il forecasting della domanda, sono accettabili, ma non necessariamente migliori rispetto ai pacchetti statistici standard – e talvolta peggio, viste le segnalazioni di difficoltà nel far sì che l’“IA” superi parametri basilari. Ci sono state anche sfide di implementazione di alto profilo: ad esempio, grandi rivenditori che hanno tentato di implementare la pianificazione della domanda e dell’evasione di Blue Yonder hanno incontrato ritardi pluriennali e solo un successo parziale (questo spesso non è pubblico, ma gli addetti ai lavori conoscono alcuni esempi). Naturalmente, il MQ di Gartner non menziona alcun caso simile. Blue Yonder rimane nei Leaders, probabilmente sostenuta dalla sua ampiezza e portata globale (e sì, dal suo costante impegno con Gartner e dalla presenza nelle conversazioni degli analisti). Mettendo in discussione il posizionamento di Blue Yonder come leader, si potrebbe dire: se lo stack di un fornitore è una miscela di “tecnologia invecchiata” e la sua IA non è comprovata, dovrebbe trovarsi nella parte alta a destra? Il MQ dice di sì, perché sono in grado di eseguire (hanno numerosi partner di servizio, possono supportare grandi clienti – ed è vero) e possiedono una visione ampia (cioè, una soluzione per tutto). Questo illustra il pregiudizio del MQ: l’ampiezza e la presenza sul mercato prevalgono sulla profondità o sull’eleganza. Un’azienda che fa 10 cose a metà bene supererà una che fa 3 cose in maniera estremamente eccellente. Blue Yonder fa molte cose, e alcune in maniera discutibile, eppure è un Leader perché copre tutte le basi e nessuno viene licenziato per aver acquistato JDA (per parafrasare il vecchio detto IBM). Ma i team della supply chain dovrebbero stare attenti – una suite che fa un po’ di tutto può essere maestro di nulla, e integrare vecchia tecnologia in una nuova interfaccia può creare più complessità di quante ne risolva. Il MQ non tiene conto di questo rischio.

Questi casi di studio rafforzano il motivo per cui è necessario un approccio scettico. I Leader spesso posseggono delle credenziali (numerosi clienti, liste di funzionalità complete, grandi team) ma anche dei fardelli (codice datato, fallimenti passati, retorica di marketing). Il formato di Gartner vede per lo più solo il primo aspetto. Spetta all’utente scoprire il secondo, ed è proprio questo che stiamo evidenziando qui.

I Visionari e i Giocatori di Nicchia: Più Segnale o Rumore?

Seppure gran parte della nostra attenzione sia rivolta ai Leader e alla metodologia del MQ, una breve nota va fatta sugli altri quadranti: Visionari, Challengers e Giocatori di Nicchia. Paradossalmente, alcuni dei fornitori più interessanti risiedono proprio lì – ma anche la nomenclatura di Gartner può fuorviare in questo caso. Un “Visionario” in termini di MQ significa elevata Completezza della Visione, ma minore Capacità di Esecuzione. Potrebbe benissimo voler dire “buone idee, ma insufficiente presenza sul mercato/risorse.” Nel 2024, il quadrante dei Visionari comprendeva o9 Solutions, GAINSystems, E2open e Dassault Systèmes (DELMIA). Questi rappresentano un mix di attori relativamente nuovi (o9, GAINS) e aziende consolidate che non hanno dominato questo segmento (E2open, Dassault). È importante notare che o9 è stata retrocessa da Leader a Visionario ³⁷, come spiegato da Gartner, il quale ha affermato che o9 possiede ancora una visione forte (nulla da ridire – fanno marketing aggressivo con parole d’ordine) ma forse problemi di esecuzione o la concorrenza li ha raggiunti. E2open e Dassault dispongono di componenti tecnologiche interessanti (E2open ha un ampio focus sulla rete della supply chain; Dassault possiede Quintiq, un potente strumento di ottimizzazione). Eppure, nessuno di essi è risultato Leader. Perché? Probabilmente perché sono o più piccoli in termini di quota di mercato SCP (GAINS è un fornitore di nicchia più piccolo, Quintiq è spesso utilizzato in scenari di pianificazione altamente personalizzati, ecc.) oppure hanno ricevuto feedback contrastanti dai clienti. La cosa importante da notare è che alcuni Visionari o addirittura Giocatori di Nicchia potrebbero essere la scelta giusta per determinate situazioni. Ad esempio, GAINS (alias GAINSystems) è molto apprezzato per la sua capacità di ottimizzazione degli inventari e vanta clienti estremamente soddisfatti in certi settori – semplicemente non è grande quanto i Leader. Un’azienda il cui problema principale è l’ottimizzazione degli inventari potrebbe trarre più valore da GAINS che, ad esempio, implementando l’intera suite di Oracle. Ma, per natura, il MQ tende a enfatizzare i Leader. I Visionari ricevono un cenno, ma molti dirigenti che lo leggono penseranno: “Non sono Leader, quindi sono di seconda fascia.” Questo è sfortunato: in alcuni casi un Visionario è un Leader in attesa che non ha ancora versato il dovuto nel mercato, o uno specialista di nicchia che privilegia la profondità rispetto all’ampiezza. Gartner almeno li riconosce, ma ancora una volta il formato ne minimizza il rilievo.

Il quadrante dei Giocatori di Nicchia nel 2024 è affollato (Adexa, Coupa, ToolsGroup, Slimstock, AIMMS, Blue Ridge). Questo quadrante comunica in sostanza “visione inferiore, esecuzione inferiore” – una etichetta che può essere fatale. Ma al suo interno si trovano anche alcuni nuovi arrivati e specialisti che semplicemente non corrispondono all’ampia definizione SCP di Gartner. AIMMS, ad esempio, è uno specialista nella modellizzazione della supply chain (un toolkit per l’ottimizzazione), e Blue Ridge si concentra sulla pianificazione incentrata sulla distribuzione. Sono di nicchia per disegno, servono bisogni particolari, e non mirano a essere soluzioni end-to-end. Il loro posizionamento non implica necessariamente che siano scadenti; significa semplicemente che non sono considerati sufficientemente ampi o grandi agli occhi di Gartner. Il fatto che ToolsGroup sia stato inserito nel quadrante Niche come “nuova aggiunta” ³⁸ è interessante, poiché ToolsGroup è stato un fornitore consolidato per anni – la sua assenza in passato potrebbe essere dovuta al fatto di non aver partecipato. Ora è incluso, ma Gartner lo ha collocato nel Niche, pur riconoscendo la sua visione nel gestire l’incertezza (probabilmente in riferimento al suo approccio probabilistico) ³⁹. Si potrebbe sostenere che ToolsGroup abbia una visione più autentica (con il suo focus sul forecasting probabilistico già anni fa) rispetto ad alcuni cosiddetti Visionari. Ma i criteri di Gartner possono essere bizzarri. La presenza di Coupa nel Niche (dopo essere stata in precedenza Challenger) dimostra come le fortune possano cambiare rapidamente – Coupa ha acquisito LLamasoft (design della supply chain) ed è stata essa stessa acquisita, e apparentemente la sua storia SCP non sta risuonando; da qui il suo posizionamento nel quadrante. Il tema comune è che i posizionamenti nei quadranti spesso restano indietro o appianano le turbolenze del settore. Un’azienda potrebbe star lottando o evolvendosi nella realtà, ma nel mondo del MQ si sposta di un quadrante, o rimane in una categoria che non riflette pienamente il suo potenziale o i suoi problemi. È una categorizzazione grossolana.

Da una prospettiva critica, si dovrebbe trattare i player Visionary/Niche non come una “lista da ignorare” ma come gemme nascoste potenzialmente o almeno come fonti di capacità specifiche. Tuttavia, il testo di Gartner spesso li tratta con scarso rilievo – poche frasi ciascuno – rispetto all’attenzione riservata ai Leader. Ciò riflette ancora una volta il modello di business di Gartner: i loro clienti (i lettori dei MQ, tipicamente grandi imprese) sono spesso interessati solo ai “fornitori top”, e Gartner accontenta tali richieste. L’effetto collaterale sfortunato è che l’innovazione ne risente; se i player emergenti o più focalizzati non ottengono visibilità, le imprese continueranno a nutrire i grandi, e il ciclo continuerà.

L’Omissione dei Disruptors: Dov’è Lokad (e gli altri)?

Forse la accusa più forte del Gartner MQ non è chi include, ma chi esclude. In nessun punto del quadrante 2024 vediamo nomi come Lokad, nonostante Lokad sia una software house per supply chain che, secondo molte misure tecniche, innova più della maggior parte degli incumbents del MQ. Certo, Lokad è più piccola e ha adottato un approccio non convenzionale (concentrandosi su previsioni probabilistiche, un linguaggio specifico per supply chain, e una filosofia di “supply chain quantitativa”). Ma consideriamo il curriculum di Lokad: ha pionierizzato le previsioni probabilistiche un decennio fa (molto prima di Kinaxis e altri), e nella competizione di previsioni M5 del 2020 (un benchmark globale con centinaia di squadre), la metodologia di Lokad si è classificata #1 a livello mondiale per SKU (e #6 complessivamente tra 909 squadre) ⁴⁰ ⁴¹ – dimostrando sostanzialmente i suoi algoritmi su un palcoscenico aperto. L’azienda ha la sua tecnologia documentata apertamente ed insegna addirittura supply chain science tramite lezioni su YouTube ⁴². Questo tipo di trasparenza e risultato tecnico è raro. Secondo criteri oggettivi, un fornitore di tale calibro non dovrebbe almeno qualificarsi come Visionario, se non addirittura come Challenger? La ragione della sua assenza è molto semplice: Lokad si rifiuta di giocare il gioco di Gartner. Lokad ha dichiarato pubblicamente di non essere abbonata a Gartner e non investe in relazioni con gli analisti, concentrandosi invece sullo sviluppo del prodotto e sul servizio ai clienti ⁴³. Di conseguenza, gli analisti di Gartner hanno un’esposizione minima a Lokad (e forse persino un pregiudizio contro di essa, dato che sfida la loro narrativa). I criteri di inclusione del MQ potrebbero indicare che un fornitore necessita di un certo fatturato o numero di clienti, ma si sospetta che anche se Lokad li soddisfacesse, senza pagare Gartner rimarrebbe ignorata o sottovalutata. Questa assenza è un segnale di allarme per la completezza del MQ. Un quadrante che pretende di coprire “i provider di soluzioni SCP più significativi” eppure omette un attore noto per l’eccellenza tecnica e l’approccio unico, chiaramente non è esaustivo. E Lokad non è l’unica – altri attori focalizzati sull’analisi o emergenti (forse in ambiti accademici o open-source, o specialisti regionali) non compaiono nemmeno.

Si potrebbe sostenere che Gartner non possa includere tutti, ed è giusto. Ma l’omissione di un innovatore noto suggerisce un modello ricorrente: il MQ è intrinsecamente conservatore. È in ritardo nel riconoscere i cambiamenti paradigmatici. È eccellente nel catalogare i fornitori consolidati e i miglioramenti incrementali, ma scarso nel riconoscere quando un nuovo entrante offre una trappola per topi fondamentalmente migliore. Anche i clienti di Gartner (le grandi aziende) spesso chiedono a Gartner di valutare solo i fornitori affermati (“vogliamo vedere come si comportano i soliti sospetti”). Così, il MQ è tanto uno specchio delle shortlist per gli acquisti delle grandi imprese quanto un’analisi. Rinforza un ciclo: se non è nel MQ, molti non lo considereranno. La strategia di Lokad è stata quella di bypassare ciò, dimostrando il proprio valore direttamente ai professionisti e attraverso media indipendenti. Ma quanti potenziali acquirenti potrebbero non venire mai a conoscenza di Lokad perché è assente dai rapporti di Gartner? È per questo che lo definiamo un bias pay-to-play – non nel senso di una tangente rozza, ma nel senso che le regole del gioco favoriscono chi partecipa all’ecosistema di Gartner.

Da un punto di vista della ricerca della verità, l’assenza dal MQ di fornitori tecnicamente validi ma dirompenti come Lokad dovrebbe far sì che i lettori siano molto cauti. Ciò significa che la visione del MQ sulla “completezza della visione” potrebbe in realtà essere incompleta. Significa anche che, se il vostro obiettivo è trovare la migliore soluzione per il vostro problema di supply chain, non potete basarvi esclusivamente sul MQ; dovete lanciare una rete più ampia. Forse il MQ dovrebbe essere corredato da un’etichetta di avvertimento: “Approcci non tradizionali o anticonformisti non rappresentati.” In termini scientifici, è come se una revisione della ricerca escludesse studi outlier che avevano ottenuto risultati rivoluzionari semplicemente perché non erano stati pubblicati nelle consuete riviste. Un grande quadrante che pretende di mappare l’innovazione ed esclude uno dei pochi fornitori noti per un approccio radicalmente diverso (in questo caso la programmazione probabilistica) è discutibilmente invalido come mappa dell’innovazione. Ha un grande punto cieco.

Conclusione: Un Invito allo Scetticismo e a un’Analisi Più Approfondita

Il Gartner Magic Quadrant per le Soluzioni di Pianificazione della Supply Chain, edizione 2024, si presenta come la guida definitiva per scegliere un fornitore di software di pianificazione. In realtà, è un instantanea altamente soggettiva e influenzata commercialmente che dovrebbe essere letta con sano scetticismo. Abbiamo visto come la struttura del MQ – i suoi assi e i suoi elementi visivi – nasconda profondi pregiudizi: favorendo i grandi fornitori storici, premiando il clamore del marketing e ampie promesse, e trascurando fattori critici come il successo dell’implementazione e la profondità tecnica. Il quadrante dei Leader, ben lontano dall’essere una garanzia di qualità, contiene fornitori con noti limiti, dalla dipendenza di Kinaxis dall’AI integrata alla piattaforma patchwork di Blue Yonder e alle esagerazioni di altri. Le dinamiche pay-to-play di Gartner e la natura “infomerciale” di alcuni Magic Quadrants significano che le valutazioni dei fornitori possono correlare tanto all’impegno con Gartner quanto all’eccellenza del prodotto ¹. L’eccessiva enfasi sulla visione (spesso intesa come parole d’ordine) e sull’esecuzione (spesso intesa come impronta commerciale) crea una classifica che è solo vagamente collegata a ciò che realmente guida il successo nella pianificazione della supply chain – vale a dire, una tecnologia solida, su misura per le esigenze dell’azienda, implementata da persone capaci e adottata dagli utilizzatori.

Per un’azienda in cerca di una soluzione di pianificazione della supply chain, il MQ può essere un punto di partenza – elenca molti attori, e il rapporto dettagliato di Gartner (al di fuori della grafica del quadrante) evidenzia alcuni punti di forza e di debolezza. Ma bisogna andare oltre il quadrante. Consideratelo come uno degli input tra molti, ed esaminate criticamente le sue affermazioni. Chiedete: Cosa non viene detto? Cosa potrebbe essere di parte? Indagate su recensioni indipendenti, parlate con utenti reali (non solo con i riferimenti soddisfatti) e valutate di fare prove pilota o benchmark. Il detto “fidati, ma verifica” si applica fortemente – o forse “diffida finché non verifichi.” Come abbiamo evidenziato, persino gli analisti di Gartner riconoscono quanto sia difficile far riuscire questi progetti (con tassi di adozione sorprendentemente bassi in molti casi) ⁴⁴. Questa realtà dovrebbe infondere modestia a qualsiasi classificazione quadrante lusinghiera.

In definitiva, il valore più grande del Magic Quadrant potrebbe risiedere nel provocare le domande giuste anziché fornire risposte. Può avvertirvi su chi sono i grandi attori e su cosa affermano. Ma spetta a voi fare chiarezza tra il clamore e la sostanza. Se un fornitore dice “pianificazione in tempo reale guidata dall’AI”, sfidatelo a spiegare concretamente come funziona e come evita le insidie. Se un Leader non ha mai pubblicato o dimostrato la propria tecnologia, non fidatevi della parola di Gartner che lo definisce eccezionale – chiedete prove. E siate consapevoli del confirmation bias: una volta che un fornitore è etichettato come Leader, tendiamo a razionalizzarne il merito. Provate l’inverso – immaginate che non fosse nel quadrante, lo inserireste comunque nella shortlist? Al contrario, immaginate che un attore di nicchia avesse il peso di marketing di un Leader, la sua tecnologia sembrerebbe improvvisamente più valida?

Il MQ offre una semplificazione rassicurante in un dominio complesso, ma gestire una supply chain non è così semplice come scegliere il punto più in alto a destra. Infatti, quel punto potrebbe indurvi in errore allontanandovi da una soluzione migliore che è fuori scala. I professionisti esperti della supply chain useranno quindi il MQ di Gartner come riferimento leggero, non come una bibbia. Apprezzeranno perché alcuni definiscono questi quadranti “scienza finta” ⁸ e invece si concentrano sui primi principi e prove concrete. Come consiglia Joannes Vermorel, studi di casi reali e risultati comprovati dovrebbero prevalere sui rating pagati ³⁰. Nella pianificazione della supply chain, ciò che conta è se il software garantisce miglioramenti nei livelli di servizio, nell’inventario, nei costi e nell’agilità – e se può essere sostenuto nella vostra organizzazione. Questo non emerge da un grafico x-y, ma da una valutazione rigorosa e magari da un po’ di pensiero avversariale (testando le affermazioni dei fornitori contro scenari difficili).

In conclusione, il MQ 2024 di Gartner per la Pianificazione della Supply Chain, una volta spogliato del suo alone di mistero, appare come una rappresentazione conservatrice e intrisa di marketing del panorama dei fornitori. Evidenzia i soliti giganti (con tutte le loro imperfezioni non dette), aggiunge alcuni attori più piccoli e tralascia alcuni veri innovatori. Una revisione orientata alla massima ricerca della verità trova che l’imperatore ha pochi vestiti: la grafica del quadrante nasconde più di quanto riveli. Essendo scettici e richiedendo profondità tecnica anziché narrazioni patinate, si possono evitare le insidie del quadrante. È responsabilità dell’acquirente vedere attraverso le limitazioni del quadrante – perché il successo nella pianificazione della supply chain ha radici nella realtà, non nella magia. ² ⁴