Recensione di eLogii, fornitore di software per Supply Chain

Di Léon Levinas-Ménard

Ultimo aggiornamento: novembre, 2025

eLogii è una piattaforma cloud per l’ottimizzazione dei percorsi e l’esecuzione delle consegne o dei servizi sul campo, gestita da Brisqq Ltd, una società del Regno Unito che inizialmente aveva creato la propria rete di consegne dell’ultimo miglio prima di lanciare eLogii come SaaS indipendente. Il software modella magazzini, veicoli, autisti, calendari, competenze, capacità e compiti dei clienti (ritiri, consegne o lavori sul campo) e successivamente calcola percorsi vincolati utilizzando motori di ottimizzazione integrati che risolvono varianti del Problema del Percorso del Veicolo (VRP) con finestre temporali e vincoli operativi complessi. Una volta calcolati, i percorsi vengono esposti ai dispatcher tramite una dashboard web, eseguiti dagli autisti tramite app per iOS/Android e mostrati ai clienti finali attraverso link di tracciamento con aggiornamenti in tempo reale degli ETA e con cattura della prova di consegna. La piattaforma offre inoltre un’API REST e webhook per l’integrazione in sistemi ERP, WMS, CRM ed e-commerce, e utilizza tempi di percorrenza consapevoli del traffico con alcuni aggiustamenti basati sul machine-learning per affinare, nel tempo, gli ETA e le durate dei servizi. Commercialmente, eLogii appare come un piccolo ma consolidato fornitore SaaS (circa una dozzina di dipendenti e un fatturato di pochi milioni di USD), posizionato nettamente nell’ambito del routing e dell’esecuzione dell’ultimo miglio, piuttosto che nella pianificazione della supply chain o nell’ottimizzazione dell’inventario.

Panoramica e posizionamento di eLogii

In sostanza, eLogii è un’applicazione SaaS multi-tenant per l’ottimizzazione dei percorsi e l’esecuzione della forza lavoro mobile. Le pagine pubbliche del prodotto la descrivono come un software per la gestione delle consegne e l’ottimizzazione dei percorsi, che consente alle flotte di pianificare operazioni giornaliere, settimanali, su intervalli di date o plurigiornalieri, con modalità di ottimizzazione flessibili, supporto multi-deposito e una configurazione avanzata di vincoli e obiettivi.¹² I termini di servizio chiariscono che il servizio è fornito da Brisqq Ltd, che opera come “eLogii” e concede in licenza l’accesso al sito e alle applicazioni correlate.³⁴

Da un punto di vista tecnico, eLogii è meglio compreso come:

Un modello dei dati per magazzini, veicoli, autisti, calendari, capacità, zone e compiti.
Una coppia di motori di ottimizzazione (Base e Advanced) che costruiscono percorsi soggetti a vincoli e obiettivi regolabili.⁵⁶⁷
Un interfaccia web di pianificazione in cui i dispatcher importano compiti, configurano l’ottimizzazione e revisionano percorsi e KPI.¹⁸⁹
App mobili per autisti su iOS e Android per eseguire compiti e catturare la prova di consegna.¹⁰
Un REST API + webhooks utilizzati per ricevere ordini e inviare aggiornamenti di stato a sistemi esterni.¹¹¹²¹³
Tracciamento e notifiche che mostrano ETA in tempo reale, la posizione dell’autista e lo stato dei compiti ai clienti finali.¹¹⁴¹⁵¹⁶¹⁷

La piattaforma è distribuita esclusivamente come SaaS cloud (non viene offerta in modalità on-premise) ed è inoltre inclusa nel framework G-Cloud del governo britannico come soluzione di ottimizzazione delle consegne cloud pronta all’uso, con Brisqq Ltd identificata come fornitore.¹⁴

Commercialmente, directory e profili SaaS indipendenti (Tracxn, CB Insights, IRONPROS, GetLatka) descrivono convergentemente eLogii come un piccolo fornitore di ottimizzazione dei percorsi, fondato intorno al 2019–2020, con circa 10–20 dipendenti e un fatturato dell’ordine di 1,5 milioni di USD all’anno a partire dal 2025.¹⁸¹⁹²⁰²¹ Brisqq stessa opera dal 2014–2015 come fornitore per le consegne dell’ultimo miglio abilitato dalla tecnologia, servendo centinaia di marchi a Londra e in altre città.²²²³ La base clienti di eLogii spazia tra logistica, 3PL, retail e distribuzione, food & grocery, sanità e operazioni sul campo.¹²¹⁶

Dal punto di vista tecnologico, le evidenze indicano uno stack web moderno abbastanza standard (back-end Node.js + MongoDB, front-end React, app ibride mobili basate su Cordova) combinato con un motore di ottimizzazione VRP configurabile e modelli ausiliari di machine learning per affinare gli ETA.²⁴⁷¹⁴ Rispetto allo stato dell’arte accademico nell’ottimizzazione combinatoria e nel processo decisionale probabilistico, l’approccio di eLogii appare competente e configurabile, ma non dimostrabilmente superiore ai tipici risolutori commerciali di VRP; le sue affermazioni relative all’“AI” si concentrano principalmente sul miglioramento degli ETA e dell’analitica, piuttosto che su politiche decisionali apprese end-to-end.¹⁷¹⁴²⁵²⁶

eLogii vs Lokad

Sebbene sia eLogii che Lokad si commercializzino attorno all’“ottimizzazione” in contesti di supply chain, affrontano livelli di problema molto diversi e utilizzano architetture tecniche nettamente differenti.

Ambito delle decisioni. eLogii si concentra sul routing e la dispersione a livello esecutivo: decidere quale autista debba visitare quali fermate e in quale ordine, in base alle capacità del veicolo, ai turni degli autisti, alle finestre temporali e ai vincoli geografici.¹⁵⁶ I suoi motori di ottimizzazione risolvono una variante del VRP con finestre temporali e capacità, poi trasmettono questi percorsi alle app per autisti e alle pagine di tracciamento per i clienti.⁵⁶⁷¹⁰ Lokad, invece, si concentra sulle decisioni tattiche e strategiche della supply chain, come la previsione della domanda, il rifornimento degli stock, la pianificazione della distribuzione multi-echelon, la programmazione della produzione e, in alcuni casi, la determinazione dei prezzi.¹¹¹⁸²⁷²⁸ Piuttosto che dirigere camion individuali, Lokad calcola previsioni probabilistiche della domanda e poi ottimizza le quantità d’ordine, le allocazioni degli stock ed altre decisioni per massimizzare i risultati economici attesi (profitto, capitale circolante, livelli di servizio) su intere reti.

Trattamento dell’incertezza. La documentazione pubblica di eLogii descrive motori di ottimizzazione deterministici, migliorati con tempi di percorrenza consapevoli del traffico e con ETA “migliorate tramite machine learning”, ma non espone modelli probabilistici o distribuzioni complete della domanda.⁷¹⁴¹⁵¹⁰ I motori mirano a minimizzare la durata del percorso, la distanza o il numero di veicoli e a bilanciare i carichi di lavoro, utilizzando obiettivi configurati dall’utente e limiti temporali.⁶⁷ Il materiale pubblicato da Lokad enfatizza la previsione probabilistica come il “paradigma predittivo dominante”, con distribuzioni complete della domanda generate tramite programmazione differenziabile, e mette in evidenza prove oggettive dalla competizione di previsione M5, in cui il suo team si è classificato al sesto posto e ha ottenuto la massima accuratezza a livello SKU su 909 team.²⁹¹¹¹⁸³⁰³¹³² Queste previsioni probabilistiche alimentano algoritmi di ottimizzazione stocastica, progettati per minimizzare il costo monetario degli errori nelle decisioni della supply chain, piuttosto che l’errore puramente statistico di previsione.

Architettura e programmabilità. eLogii espone un SaaS basato sulla configurazione: gli utenti configurano magazzini, flotte, vincoli e obiettivi di ottimizzazione tramite la dashboard o l’API; la logica di ottimizzazione sottostante non è programmabile in senso generale.¹⁸⁵⁶⁷ Il suo stack è convenzionale (Node/React/Mongo, app mobili tramite Cordova), e non esiste un DSL pubblico o uno strato di modellazione programmabile. Lokad, al contrario, centra la sua piattaforma su un linguaggio specifico di dominio (DSL) chiamato Envision, eseguito su una VM distribuita personalizzata, dove tutta la logica di previsione e ottimizzazione è espressa come codice.²⁷³⁰²⁸ Ciò consente ai clienti (con l’assistenza di Lokad) di codificare vincoli complessi e fattori economici (ad esempio, costi di mantenimento, penali per esaurimento scorte, dipendenze dalla distinta base, programmi di manutenzione) e di adattare i modelli al mutare delle esigenze aziendali.

Profondità dell’“AI”. eLogii e diverse fonti esterne descrivono la sua piattaforma come “alimentata da AI” o “basata sul machine learning”, in particolare per le previsioni degli ETA e l’analitica.¹²²⁵²⁶ Tuttavia, l’unico impiego chiaramente documentato del ML è per affinare gli ETA e stimare i tempi di servizio basandosi sui dati storici e sul traffico; la costruzione dei percorsi è invece rappresentata come un processo di ottimizzazione vincolato. Le affermazioni di Lokad relative all’“AI” sono supportate da materiali tecnici più dettagliati, inclusa la previsione probabilistica, pipeline di programmazione differenziabile ed algoritmi di ottimizzazione stocastica personalizzati, oltre a benchmark pubblici come M5 e case study documentati (ad es., Air France Industries) che dimostrano applicazioni su larga scala.²⁹¹¹¹⁸³⁰³¹³³ In breve, eLogii utilizza il ML a livello di percorso, mentre Lokad impiega ML e modellazione probabilistica a livello di decisioni su scala di rete.

Posizione nello stack della supply chain. eLogii si colloca nello strato di esecuzione dell’ultimo miglio: presuppone che ordini o compiti esistano già e si concentra sulla loro consegna in modo efficiente. Non prevede la domanda, non elabora piani di rifornimento né ottimizza l’inventario multi-echelon. Lokad opera a monte come un “cervello” analitico che genera distribuzioni della domanda e raccomandazioni (ordini, allocazioni, piani di produzione, prezzi), che vengono poi integrati negli ERP, WMS e, in alcuni casi, anche in sistemi esecutivi come TMS o motori di routing.¹¹⁴¹⁸²⁷³³ In una architettura stratificata, eLogii sarebbe più vicino a un motore di routing a valle; Lokad rappresenterebbe un ottimizzatore decisionale di livello medio/alto che alimenta piani strategici.

Dal punto di vista dell’acquirente, questi strumenti sono quindi complementari piuttosto che intercambiabili. eLogii è indicato quando la sfida principale è “abbiamo molti veicoli e fermate; come possiamo instradarli in modo efficiente ed eseguire con buoni ETA e POD?” Lokad è indicato quando la sfida è “cosa dovremmo acquistare, dove dovremmo stoccarlo e come pianificare la produzione o la manutenzione in condizioni di incertezza per massimizzare il profitto o il servizio?” Una loro combinazione porterebbe a aspettative disallineate: eLogii non è un sistema completo di pianificazione della supply chain; Lokad non è un motore di routing in tempo reale.

Contesto aziendale e storia

Identità aziendale e origini

Il marchio eLogii è gestito da Brisqq Ltd, una società costituita in Inghilterra e Galles (numero di società 09226265) che inizialmente offriva consegne dell’ultimo miglio basate sul crowdsourcing a Londra.⁴²²²³³⁴ Il sito di Brisqq lo descrive come un facilitatore logistica-as-a-service, che connette le aziende a una flotta di consegne basata sul crowdsourcing con slot di consegna di un’ora, servendo quasi 1.000 marchi retail.²³ I termini di servizio di eLogii e le condizioni G-Cloud del Regno Unito affermano che Brisqq Ltd, operante come eLogii, concede ai clienti una licenza per accedere e utilizzare il sito web di eLogii e le applicazioni correlate.³⁴

Il marchio eLogii è registrato come marchio del Regno Unito, depositato a marzo 2020, con Brisqq Ltd indicata come proprietario; il marchio copre software e servizi correlati.³⁵ Directory indipendenti di startup (EU-Startups, IRONPROS) descrivono eLogii come parte del “Brisqq Group”, con Brisqq che gestisce il business della logistica-as-a-service ed eLogii che fornisce una piattaforma cloud per la gestione delle consegne e l’ottimizzazione dei percorsi.³⁵³⁶²⁰

Vari profili indicano che Brisqq ha iniziato le operazioni intorno al 2014–2015, mentre eLogii è stato lanciato come prodotto SaaS successivamente, intorno al 2019.²³¹⁸ Tracxn elenca eLogii come fondato nel 2019,¹⁸ mentre CB Insights indica il 2020 come anno di fondazione.¹⁹ Tale discrepanza si spiega probabilmente con la differenza fra il lancio iniziale del prodotto (2019) e successivi eventi di branding e di marchio (2020).

Fondatori e leadership

Molte fonti indipendenti identificano:

Andrew Mukerjee – Fondatore e CEO di Brisqq e cofondatore / CEO di eLogii.²³¹⁸
Saagar Shah – Cofondatore e responsabile commerciale di eLogii, nonché Chief Commercial Officer in Brisqq, precedentemente in Capco, Morgan Stanley e McKinsey.¹⁸³⁶
Leonard Budima – CTO di eLogii (e precedentemente di Brisqq), con esperienza pregressa in software per l’ottimizzazione di sistemi elettrici e reti.²⁴

I diagrammi organizzativi pubblici e i profili professionali confermano questi ruoli e mostrano un piccolo team centrale di ingegneri e personale di prodotto.²⁰²⁴

Finanziamenti e proprietà

Le informazioni pubbliche sui finanziamenti per eLogii stesso sono scarse e alquanto contraddittorie:

Tracxn descrive eLogii come “non finanziato”, senza round di finanziamento registrati.¹⁸
GetLatka elenca una “M&A Offer” nell’aprile 2025, ma non mostra una transazione conclusa; riporta inoltre che eLogii ha raccolto $0 in finanziamenti dichiarati e un team di circa 14 persone.²¹
Un’altra directory di investimenti etichetta eLogii come “fase seed” ma senza specificare investitori o importi.¹⁸

Al contrario, le operazioni precedenti di Brisqq sono state supportate da diversi milioni di dollari di finanziamenti, secondo vecchie notizie, sebbene i dettagli precisi dei round non siano riportati nei principali database di startup utilizzati qui.²³

Date la mancanza di depositi verificabili o comunicati stampa, la conclusione più sicura è che non esistono round con prezzi documentati pubblicamente per eLogii; è probabile che sia finanziato principalmente attraverso i flussi di cassa di Brisqq e investimenti precedenti, piuttosto che tramite il tradizionale venture capital. Eventuali etichette come “seed” andrebbero trattate come metadati di directory, non come eventi di finanziamento confermati.

Attività di M&A

Tracxn osserva che Brisqq non ha effettuato investimenti o acquisizioni, e non esistono annunci pubblici che eLogii abbia acquisito o sia stato acquisito da un’altra società.¹⁸²² L’entrata “M&A Offer” di GetLatka per eLogii nell’aprile 2025 rimane non corroborata da depositi o copertura mediatica indipendenti, e pertanto va considerata come un’indicazione di interesse o di negoziazione piuttosto che un accordo concluso.²¹

Dimensioni e organizzazione

I conteggi dei dipendenti, secondo le fonti, sono contenuti ma piuttosto consistenti:

Tracxn e IRONPROS indicano un range di 11–50 dipendenti.¹⁸²⁰
Strumenti basati sui contatti e GetLatka suggeriscono un team di ~14 persone a partire dal 2025.²¹²⁴

Combinato con stime di fatturato intorno a 1,5 milioni di USD all’anno, ciò colloca eLogii saldamente nella categoria dei piccoli fornitori SaaS, con un prodotto mirato e una trazione commerciale modesta ma non trascurabile.²¹

Ambito del prodotto e capacità funzionali

Ambito del problema

Il core business di eLogii è l’ottimizzazione dei percorsi e l’esecuzione delle consegne / dei servizi sul campo. Le pagine del prodotto e i documenti del centro assistenza enfatizzano:

Industrie: logistica e 3PL, retail e distribuzione, consegne per generi alimentari e ristoranti, sanità e farmaceutica, servizi postali e di corriere, e operazioni sul campo come il disinfestazione o la gestione degli impianti.¹²¹⁶
Casi d’uso: consegna dell’ultimo miglio, distribuzione multi-fermata, visite di servizio programmate, missioni di ritiro e consegna, e varie forme di routing per la forza lavoro mobile.¹²⁸

Il concetto centrale è il Task, che rappresenta un ritiro, una consegna, o un lavoro sul campo con una posizione specificata, una finestra temporale, una durata del servizio, consumo di capacità e attributi opzionali del cliente.⁸⁹ I Task sono assegnati agli autisti e ordinati in Routes, dove ogni route è una sequenza di task da eseguire da un singolo autista durante un orizzonte di pianificazione.⁹⁶⁷

Modellazione dei dati principali e delle operazioni

Il modello di configurazione di eLogii include:

Depots – luoghi in cui i veicoli possono iniziare/terminare i percorsi, ricaricarsi o immagazzinare l’inventario (magazzini, cucine centrali, hub, ecc.).⁸⁹
Vehicles – definiti con capacità (possibilmente multidimensionale), attributi e assegnazioni a depots e autisti.⁸⁹²⁹
Drivers – con orari di lavoro, appartenenza a team, competenze, credenziali e veicoli assegnati.⁸⁹²⁹
Dimensions – unità di capacità generiche come peso, volume, pallet, scatole o numero d’ordini usate nei calcoli di capacità e utilizzo.⁸
Zones – partizioni geografiche dell’area di servizio (codici postali o poligoni) utilizzate per i vincoli di zonizzazione e per l’assegnazione degli autisti.⁸⁹

Queste entità possono essere configurate tramite il dashboard, importate via CSV o gestite tramite l’API.⁸⁹¹¹¹²¹³

Ottimizzazione dei percorsi e dispatch

L’articolo di aiuto Optimization e la documentazione correlata definiscono l’ottimizzazione come il processo di assegnazione dei task agli autisti, rispettando i vincoli e minimizzando l’utilizzo delle risorse.⁹⁶ Punti chiave:

L’ottimizzazione può essere eseguita per:
- Un singolo giorno.
- Un intervallo di date.
- Percorsi multi-giornalieri (task che si estendono per diversi giorni).
- Team selezionati o sottoinsiemi di task/autisti (ad es., “optimize for selected”).⁹⁶¹⁵²³
Sono esposti due motori:
- Base (default) engine: mira a minimizzare la durata totale del percorso, utilizzando il minor numero possibile di autisti pur servendo il maggior numero di task, considerando vincoli quali specifiche dei veicoli, competenze, zone e orari di lavoro.⁷¹⁵²³
- Advanced engine: offre un controllo più preciso sugli obiettivi di ottimizzazione (ad es., minimizzare costi, distanza, veicoli, orario di fine percorso; bilanciare il carico per numero di incarichi, distanza o durata; dare priorità a cluster, priorità/valore dei task) e include fattori di tempo di ottimizzazione regolabili, al costo di tempi di esecuzione più lunghi.⁷²⁹
Entrambi i motori supportano la riottimizzazione manuale e l’auto-ottimizzazione attivate da azioni quali l’aggiunta di task o la selezione di percorsi e il clic su “Reoptimize”.⁹³⁷¹⁷

L’obiettivo ad alto livello è completare il maggior numero di task nel modo più efficiente possibile utilizzando il minor numero di autisti, nel rispetto di vincoli quali capacità, finestre temporali, zone e orari degli autisti.⁹⁶⁷ Questo è il classico VRP con finestre temporali e vincoli articolati.

Esecuzione e flusso di lavoro degli autisti

Gli autisti interagiscono tramite la Driver App, disponibile su iOS e Android.¹⁰ L’app:

Consente agli autisti di effettuare il login con un ID organizzativo, nome utente e password.
Mostra i task e i percorsi assegnati in visualizzazione lista e mappa.
Fornisce la navigazione tramite applicazioni di mappatura esterne (Google Maps, Waze, HERE, Yandex).
Permette agli autisti di aggiornare lo stato del task (arrivato, completato, fallito, ecc.) e di acquisire la prova di consegna (firme, foto, note).¹⁰³⁸

Gli aggiornamenti dello stato dei task vengono riportati nel sistema centrale, consentendo il tracciamento in tempo reale e la ricalibrazione degli ETA.¹⁴¹⁵

Tracciamento, notifiche e customer UX

eLogii supporta le notifiche via email e SMS attivate dagli eventi del ciclo di vita dei task (ad es., percorso iniziato, autista nelle vicinanze, completato), contenenti link di tracciamento dove i clienti finali possono visualizzare:

ETA in tempo reale.
Posizione dell’autista in tempo reale.
Cronologia/eventi dei task.
Prova di consegna.
Moduli di valutazione/feedback.¹¹⁴¹⁵¹⁶¹⁷

Le pagine di tracciamento possono essere white-labelled con il marchio del cliente e limitate a mostrare solo determinati campi.¹¹⁶¹⁷

Analisi e reportistica

I materiali di marketing e le pagine di confronto fanno riferimento ad analisi e calcoli dei costi come parte della piattaforma, includendo:

KPI operativi (task completati, puntualità, utilizzo degli autisti).
Stima dei costi e consumo di carburante.
Confronti delle performance storiche (ad es., ETA pianificati vs reali).¹²¹⁶³⁹

La documentazione stessa si concentra maggiormente sulla configurazione operativa che sull’analisi, ma le recensioni dei clienti menzionano dashboard e reportistica come parte del prodotto.⁴⁰

Motori di ottimizzazione, “AI” e profondità tecnica

Nucleo di ottimizzazione deterministico

L’articolo Optimization Engines offre la visione più chiara dell’interno del risolutore.⁷ Il Base engine:

Utilizza informazioni storiche e attuali sui percorsi (condizioni del traffico, velocità medie di viaggio) per calcolare i tempi di percorrenza.
Costruisce percorsi rispettando vincoli (specifiche dei veicoli, competenze, zone, orari degli autisti, finestre temporali, capacità).
Minimizza la durata totale del percorso e quindi tende a utilizzare il minor numero di autisti in grado di servire tutti i task.
Supporta percorsi multi-giornalieri e ricariche automatiche ai depots quando la capacità viene superata.⁷²⁹¹⁵

Il Advanced engine:

Si basa sullo stesso modello di dati ma espone funzioni obiettivo personalizzate, dove gli utenti possono dare priorità a metriche differenti: numero di task, costo, distanza, durata, veicoli, orario di fine percorso, clustering, priorità dei task, ecc.
Include modalità di bilanciamento del carico: “percorso più efficiente”, “bilanciare il numero di percorsi” (per incarichi, durata o distanza), oppure “utilizza tutti gli autisti / finisci il prima possibile”.
Dispone di controlli per i fattori temporali di ottimizzazione e dei limiti di tempo, permettendo agli utenti di scambiare la qualità della soluzione contro il tempo di esecuzione.⁷²⁹

Questa configurazione è coerente con un solutore VRP metaeuristico (ad es., large neighborhood search, tabu search, algoritmi genetici), anche se gli algoritmi specifici non sono divulgati. La presenza di limiti di tempo e obiettivi multipli suggerisce fortemente una ricerca euristica anziché un’ottimizzazione esatta a programmazione mista intera.

Calcolo dell’ETA e traffico

La documentazione sugli ETA di eLogii descrive un livello separato per la scalatura degli ETA e il calcolo dell’ETA del percorso.¹⁴ Elementi chiave:

I tempi di percorrenza possono includere dati di traffico statici o dinamici, a seconda della configurazione e del fornitore di mappe.
Il sistema mantiene sia ETA pianificati (al momento della pianificazione) sia ETA in tempo reale, aggiornando questi ultimi man mano che gli autisti avanzano e arrivano nuove informazioni.¹⁴¹⁵
Gli utenti possono disabilitare gli aggiornamenti in tempo reale degli ETA se preferiscono mantenere costanti le stime originali.¹⁵

Il sito di marketing principale afferma che “eLogii consente gli ETA più accurati sul mercato [e] gli ETA vengono costantemente migliorati dal Machine Learning man mano che i dati reali scorrono attraverso la piattaforma.”¹² CB Insights riassume similmente eLogii come fornitore di “previsioni degli ETA potenziate dal machine learning.”¹⁹ Insieme, questi indicano che il machine learning viene applicato principalmente per calibrare i tempi di percorrenza e le durate dei servizi basandosi sui dati di esecuzione storici, e non per sostituire il motore core di ottimizzazione combinatoria.

Dichiarazioni “AI-powered”

Elenchi di terze parti come Omdena e Daidu.ai descrivono eLogii come una “piattaforma logistica AI-powered” con ottimizzazione dei percorsi intelligente e analisi.²⁵²⁶ Tuttavia, nessuna fonte pubblica (documentazione, articoli, brevetti, codice open-source) dettaglia l’architettura di questi componenti AI oltre agli accenni sugli ETA e sull’analisi sopra citati.

Una lettura tecnica prudente è quindi:

L’ottimizzazione centrale rimane un solutore VRP basato su vincoli, con euristiche OR classiche.
Il machine learning sembra essere utilizzato a livello di previsione degli ETA e analisi delle performance, e non come apprendista di politica generale per la costruzione del percorso.

Di conseguenza, sebbene sia corretto affermare che eLogii utilizza un routing potenziato dal ML, sarebbe fuorviante trattarlo come un sistema decisionale profondamente nativo AI nello stesso senso delle piattaforme che implementano un’ottimizzazione decisionale probabilistica end-to-end.

Architettura e stack tecnologico

Architettura di alto livello

Dalla documentazione API, dal centro assistenza e dal comportamento generale della piattaforma, possiamo dedurre:

Backend cloud multi-tenant:
- API REST su HTTPS (api.elogii.com e sottodomini sandbox) con URL basati su risorse e payload in JSON.¹¹¹²¹³
- Risorse per task, clienti, depots, autisti, veicoli, percorsi, zone e lavori di ottimizzazione.¹¹¹²¹³
- Webhook per l’integrazione basata su eventi con sistemi esterni.¹¹¹³
Dashboard web:
- Applicazione a pagina singola su dash.elogii.com o simili, utilizzata per configurazione, pianificazione e analisi.¹⁸⁹
- Fornisce visualizzazioni mappa e timeline dei task, percorsi degli autisti e risultati dell’ottimizzazione.¹²⁸
App mobile:
- App per iOS/Android costruite utilizzando Cordova e framework JavaScript, usate dagli autisti per eseguire i task e acquisire POD.¹⁰²⁴
Fornitori di mappe:
- Integrazione con motori di mappatura e navigazione esterni (Google Maps, Waze, HERE, Yandex) per geocodifica e navigazione.¹⁰³⁸
Servizio di ottimizzazione:
- Servizio backend invocato quando gli utenti cliccano su “Optimize” nella schermata di pianificazione o tramite l’API; utilizza il motore Base o Advanced insieme a eventuali opzioni o preset di ottimizzazione personalizzati.⁹⁷²⁹¹³¹⁷

Questo schema complessivo è ampiamente in linea con altre moderne piattaforme SaaS per la logistica.

Linguaggi e framework

eLogii non pubblica uno stack tecnologico ufficiale, ma vari profili di sviluppatori su siti indipendenti (ad es., TheOrg) indicano che gli ingegneri che lavorano su eLogii utilizzano:

Node.js con il framework Hapi e Mongoose (ORM per MongoDB) sul backend.
MongoDB come principale archivio dati.
React per l’interfaccia dashboard a pagina singola.
Cordova per applicazioni mobile ibride.²⁴

Questi indizi, uniti al comportamento osservabile dell’applicazione, supportano l’ipotesi che eLogii funzioni su uno stack fortemente basato su JavaScript (Node + React + MongoDB) con app per autisti basate su Cordova—tecnicamente mainstream e ben compreso, anziché esotico.

Metodologia di deployment e roll-out

Flusso di onboarding

Le guide Getting Started delineano una sequenza tipica di implementazione:⁸⁵⁹

Configurazione dell’account e login sul dashboard web.
Impostazioni dell’organizzazione, in particolare la configurazione del fuso orario (critica per ETA corretti e orizzonti di pianificazione).
Configurazione dei dati principali:
- Definire depots, dimensions, veicoli, autisti e team.
- Configurare gli orari di lavoro degli autisti e le eccezioni.
Ingestione dei task:
- Creare task manualmente, importare CSV con indirizzi (geocodificati all’importazione) o inviare task tramite API da ERP, WMS, CRM, e-commerce, ecc.⁸⁹¹¹¹³
Pianificazione e ottimizzazione:
- Utilizzare la schermata di pianificazione per un giorno specifico o un intervallo, visualizzare i task non assegnati e gli autisti disponibili, e attivare l’ottimizzazione con il motore Base o Advanced.⁹⁷²⁹
Esecuzione:
- Gli autisti installano e accedono all’app, seguono il loro percorso, aggiornano gli stati dei task e raccolgono POD.¹⁰
Tracciamento e notifiche:
- Configurare i modelli di notifica e i link di tracciamento; monitorare gli ETA in tempo reale e il completamento dei task dal dashboard.¹⁴¹⁵¹⁶
Integrazione e automazione:
- Utilizzare chiavi API, webhook e auto-ottimizzazione per integrarsi con i sistemi a monte e automatizzare parti del flusso.¹¹¹³³⁷¹⁷

Modello di deployment

eLogii viene venduto esclusivamente come servizio cloud; non sono pubblicizzate opzioni di deployment on-premise. Questo è coerente con:

La documentazione G-Cloud che descrive il servizio come “Software as a Service”.⁴
Pagine di confronto prezzi e piani pubblici che mostrano livelli di abbonamento con diversi pacchetti di funzionalità piuttosto che licenze perpetue.²³

Le implementazioni riguardano principalmente l’integrazione dei dati e la configurazione, anziché l’installazione del software.

Esperienza segnalata dagli utenti

Le recensioni degli utenti sui principali elenchi di software (Capterra, SoftwareAdvice, SourceForge) evidenziano costantemente:

La facilità d’uso dell’interfaccia.
La semplicità di implementazione rispetto agli strumenti legacy.
La capacità di scalare da flotte piccole a operazioni su più sedi.⁴⁰

Queste osservazioni sono aneddotiche, ma corroborano ampiamente il posizionamento di eLogii come un SaaS relativamente leggero e rapidamente implementabile, piuttosto che come una suite aziendale pesante.

Clienti, settori e geografie

Clienti nominati (autosegnalati)

I materiali di marketing e gli annunci di lavoro di eLogii elencano diversi clienti nominati:

Northern Care Alliance / NHS (UK) – Trust NHS citato per l’utilizzo di eLogii per migliorare la logistica delle strutture.¹²⁴⁰
Porcelanosa – Gruppo spagnolo di ceramiche/piastrellature, citato come cliente globale.⁴⁰
Ananas – Operatore e-commerce presentato nel materiale caso.²¹⁶
Vergo Pest Management (ex Terminix UK) – Oggetto di uno studio caso sull’ottimizzazione del servizio sul campo.¹⁶¹⁷
Richburns e Baycorp – Clienti per il recupero crediti e servizi sul campo, presentati in studi caso focalizzati sull’efficienza dei percorsi e la digitalizzazione.¹⁶⁴¹

Un annuncio di lavoro per un senior content writer presso Brisqq afferma esplicitamente che la tecnologia di eLogii è “di fiducia per clienti globali, tra cui Porcelanosa, Ananas e il National Health Service del Regno Unito.”⁴⁰

Importante avvertenza: questi riferimenti sono autosegnalati da eLogii/Brisqq; non è stata trovata una conferma indipendente tramite comunicati stampa dei clienti o copertura mediatica di terze parti. Sono quindi plausibili ma non verificati esternamente.

Settore e geografia

In tutte le fonti, eLogii è costantemente posizionato come:

Servire i settori retail, e-commerce, grocery, logistica/3PL, sanità, postale/corriere e servizi sul campo.¹²¹⁶³⁵²⁰²⁵
Con sede a Londra, Regno Unito, con operazioni che possono supportare percorsi in più paesi.¹²²³⁵¹⁹²⁰

L’inclusione nel framework UK G-Cloud e la presenza nei marketplace del settore pubblico suggeriscono almeno una certa adozione da parte del governo britannico o contesti quasi-governativi.⁴ eLogii è inoltre elencato da analisti di tecnologie logistiche e siti di confronto come una delle numerose offerte SaaS per l’ottimizzazione dei percorsi.¹⁶³⁵²⁵³⁹

Scala dei clienti

Non sono divulgati numeri ufficiali di clienti, ma:

Brisqq afferma che quasi 1.000 marchi utilizzano le sue operazioni di logistics-as-a-service.²³
GetLatka stima che il fatturato di eLogii sia intorno a USD 1.5M nel 2025.²¹
Le principali piattaforme di recensioni software ospitano decine di recensioni per eLogii, implicando almeno decine (probabilmente di più) di clienti paganti o in prova.⁴⁰

Complessivamente, ciò supporta un quadro di adozione commerciale moderata: eLogii non è né un piccolo prodotto sperimentale né un grande fornitore per imprese, ma un piccolo e attivo attore SaaS.

Maturità commerciale e posizione sul mercato

Sintetizzando le evidenze:

Età: eLogii è sul mercato da circa 2019–2020.¹⁸¹⁹
Team: circa 14 dipendenti, in leggero aumento nel tempo.²⁰²¹²⁴
Fatturato: circa USD 1.5M/anno a partire dal 2025, secondo una stima esterna.²¹
Finanziamento: nessun round documentato pubblicamente; probabilmente finanziato dai fondatori/holding piuttosto che supportato da venture capital.¹⁸¹⁹²¹
Base clienti: distribuita in diversi settori, con una combinazione di implementazioni per piccole e medie imprese fino a quelle di medio mercato, oltre ad alcuni nomi più grandi dichiarati ma non validati in modo indipendente.¹²¹⁶⁴¹⁴⁰

Questo profilo è coerente con un piccolo ma consolidato fornitore SaaS con una nicchia chiaramente definita (ottimizzazione e esecuzione dei percorsi) e diversi anni di utilizzo nel mondo reale, ma senza il capitale o la portata di un grande fornitore di software per la pianificazione aziendale.

Lacune, incertezze e discrepanze

Alcuni punti rimangono incerti o contraddittori:

Anno di fondazione – Tracxn e alcuni profili indicano il 2019; CB Insights e alcuni elenchi riportano il 2020.¹⁸¹⁹ Questo probabilmente riflette la differenza tra il lancio iniziale del prodotto e i successivi traguardi aziendali/marchio.
Finanziamento e M&A – Gli elenchi non concordano sul fatto che eLogii abbia un finanziamento da “seed” o sia completamente autofinanziato; GetLatka riporta un “offerta M&A” senza evidenze di completamento.¹⁸¹⁹²¹ In assenza di documenti formali, è più prudente considerare questi dati non verificati.
Referenze clienti – I clienti nominati (NHS, Porcelanosa, Ananas, Vergo, Richburns, Baycorp) si trovano solo nel materiale di marketing e nelle offerte di lavoro di eLogii; non esistono comunicati stampa indipendenti che confermino implementazioni specifiche.¹⁶¹⁷⁴¹⁴⁰
Profondità dell’AI – eLogii e siti di terze parti utilizzano frequentemente il termine “AI-powered”,¹²²⁵²⁶ ma l’unico utilizzo concreto descritto del ML riguarda la stima degli ETA e dei tempi di servizio; non esistono dettagli tecnici pubblici o benchmark per componenti AI più avanzati.

Queste incertezze non mettono in discussione la caratterizzazione principale di eLogii come piattaforma per l’ottimizzazione e l’esecuzione dei percorsi, ma limitano la possibilità di valutare appieno le sue affermazioni riguardo finanziamenti, clienti di spicco e sofisticazione dell’AI.

Conclusione

Da un punto di vista strettamente tecnico e basato sulle evidenze, eLogii offre una piattaforma SaaS competente e configurabile per l’ottimizzazione dell’ultimo miglio e l’esecuzione della forza lavoro mobile, gestita da Brisqq Ltd da Londra e utilizzata in diversi contesti della logistica, del retail e dei servizi in campo. Le capacità della piattaforma — VRP multi-giornaliero, vincoli complessi, app per autisti, link di tracciamento, notifiche e integrazioni — sono ben documentate e approssimativamente paragonabili alle offerte commerciali di ottimizzazione dei percorsi contemporanee.¹⁵⁶⁷¹⁰

I motori di ottimizzazione sono chiaramente progettati attorno alla ricerca operativa classica: un risolutore VRP euristico di base e un motore avanzato con molteplici obiettivi e modalità di bilanciamento del carico, entrambi regolabili con limiti temporali e preset.⁶⁷²⁹ Il machine learning sembra giocare un ruolo mirato nel perfezionare gli ETA e le durate dei servizi piuttosto che nel condurre la costruzione dei percorsi di base.⁷¹⁴¹⁵ Di conseguenza, il marchio “AI-powered” di eLogii dovrebbe essere interpretato come un routing potenziato da OR e ML, non come un sistema decisionale fondamentalmente nativo nell’AI.

Dal punto di vista architettonico, eLogii utilizza uno stack mainstream Node/React/Mongo con client mobile basati su Cordova, confezionato come un SaaS multi-tenant con API REST e webhook.¹¹¹²¹³²⁴ Questo design è pragmatico e familiare, ma non inusuale. Dal punto di vista commerciale, l’azienda è cresciuta fino a raggiungere una scala modesta ma stabile (pochi milioni di fatturato annuo, circa una dozzina di dipendenti, diverse decine o più di clienti) senza finanziamenti di venture capital visibili pubblicamente.¹⁸²⁰²¹

Rispetto a Lokad, eLogii opera a un livello diverso dello stack tecnologico della supply chain: esso ottimizza i percorsi dei veicoli e orchestra l’esecuzione, mentre Lokad ottimizza cosa acquistare, stoccare, produrre o prezzi in condizioni di incertezza utilizzando previsioni probabilistiche e modelli decisionali personalizzati.¹¹⁴¹⁸²⁷³⁰³¹³³ Per le organizzazioni che dispongono già di una solida pianificazione della domanda e dell’inventario ma mancano di strumenti moderni per il routing e l’esecuzione, eLogii può colmare un’importante lacuna nell’ultimo miglio. Per coloro che cercano un’ottimizzazione end-to-end, consapevole dell’incertezza, dell’intera supply chain, uno strumento come Lokad si rivolge a una classe di problemi molto più ampia.

In sintesi, eLogii è meglio caratterizzato come un fornitore specializzato in ottimizzazione dei percorsi e nell’esecuzione delle consegne, con un solido motore basato sulla OR, miglioramenti modesti attraverso ML e una trazione di mercato piccola ma reale. I suoi punti di forza risiedono nella flessibilità operativa e nelle funzionalità di esecuzione; i suoi limiti consistono nella mancanza di trasparenza sugli interni algoritmici, nelle prove limitate di capacità AI profonde e in un’impronta commerciale adatta a un piccolo SaaS indipendente piuttosto che a una grande piattaforma aziendale.