Revisione di GEP, Supply Chain e Fornitore di Software per gli Acquisti

Di Léon Levinas-Ménard

Ultimo aggiornamento: novembre, 2025

GEP è un fornitore di software per gli acquisti e la supply chain con sede negli Stati Uniti, nato da un’attività di consulenza e outsourcing, e ora vende una vasta suite cloud che copre l’intero processo source-to-pay (GEP SMART), l’esecuzione e la pianificazione della supply chain (GEP NEXXE) e strati trasversali AI/low-code (la piattaforma QUANTUM low-code e il motore AI/ML MINERVA) in esecuzione su Microsoft Azure. In circa 25 anni, GEP ha accumulato una consistente base di clienti enterprise, in particolare nel settore degli acquisti, e più recentemente si è posizionata come una piattaforma “AI-powered” utilizzando Azure SQL Database, il deployment tramite Azure Marketplace e integrazioni con Azure OpenAI per funzionalità generative. La suite è ampia in termini di funzionalità – flussi di lavoro per gli acquisti, collaborazione con i fornitori, visibilità logistica, monitoraggio in stile control-tower e una parte di pianificazione – ma i materiali tecnici pubblici descrivono principalmente l’automazione dei flussi di lavoro, l’analitica e l’assistenza generativa, con dettagli limitati sugli algoritmi sottostanti di previsione e ottimizzazione che guidano le decisioni reali della supply chain. Presa alla lettera, la tecnologia di GEP appare commercialmente matura e nativa del cloud, ma tecnicamente più vicina a uno strato di processi e visibilità enterprise, potenziato dall’analitica AI, che a un motore di ottimizzazione profondamente quantitativo per inventario, capacità e prezzi.

Panoramica di GEP

GEP affonda le sue origini nel 1999 come Global eProcure, fondata da un gruppo di imprenditori nati in India e con sede a Clark, New Jersey, combinando la consulenza per lo strategic sourcing con operazioni di procurement in outsourcing e i primi strumenti di e-sourcing.¹ Durante gli anni 2000 l’azienda si espanse attraverso centri di erogazione globali in India e altrove, crescendo principalmente come business di servizi che concesse in licenza anche tecnologia proprietaria per supportare il sourcing e la gestione della spesa.¹² Intorno ai primi anni 2010 Global eProcure si rebrandizzò come GEP e progressivamente si riposizionò come fornitore unificato di software e servizi, culminando nel lancio di SMART by GEP, poi abbreviato in GEP SMART, come piattaforma source-to-pay (S2P) unica basata su cloud.¹³

Per espandersi oltre gli acquisti, abbracciando un’esecuzione e una pianificazione più ampie della supply chain, GEP ha realizzato diverse acquisizioni. Nel 2012 ha acquisito Enporion, una piattaforma statunitense B2B di marketplace e gestione della supply chain che serve il settore dell’energia e delle utilities, in un accordo riportato da FreightWaves e confermato dal comunicato stampa di GEP.⁴⁵ Nel 2024 GEP ha acquisito il business di procurement, e-invoicing e automazione AP di OpusCapita, aggiungendo clienti nordici/europei e tecnologie focalizzate su purchase-to-pay e l’elaborazione delle fatture.⁶⁷ Fonti secondarie come Owler elencano ulteriori acquisizioni (ad esempio COSTDRIVERS e DATAMARK) che estendono le capacità di analitica e servizi gestiti, sebbene questi siano scarsamente documentati nei materiali tecnici pubblici.⁸

Oggi, GEP si presenta come un fornitore integrato di consulenza, managed services (BPO) e GEP SOFTWARE, il marchio ombrello che copre GEP SMART (S2P), GEP NEXXE (supply chain) e gli strati AI/low-code GEP MINERVA e GEP QUANTUM.¹⁹ Le analisi degli esperti (ad es. Spend Matters) descrivono GEP come un fornitore “ibrido”: in parte consulenza strategica, in parte operatore di procurement in outsourcing, in parte azienda software.³ Dal punto di vista commerciale, GEP vanta centinaia di grandi clienti enterprise nei settori dei beni di consumo, farmaceutico, manifatturiero, dei servizi finanziari e dell’energia, gestendo decine o centinaia di miliardi di spesa – cifre ripetute nei profili aziendali su Everipedia e Umbrex, ma non verificate in modo indipendente.¹²

Gartner’s 2025 Magic Quadrant for Source-to-Pay Suites ha collocato GEP nel quadrante dei Leader, citando la sua visione S2P unificata e una forte adozione da parte dei clienti in organizzazioni globali complesse.⁹ Tuttavia, questo riconoscimento è confinato al dominio S2P; non esiste una voce equivalente nel Magic Quadrant per GEP nel nucleo della pianificazione della supply chain. Nel complesso, le evidenze pubbliche indicano che GEP è un fornitore commercialmente affermato nella tecnologia per gli acquisti con ambizioni crescenti in ambito supply chain, ma molto meno validato esternamente in quest’ultimo settore.

GEP vs Lokad

GEP e Lokad affrontano entrambi problemi di supply chain, ma da prospettive fondamentalmente differenti. Confrontarli direttamente ha senso solo se queste differenze strutturali vengono rese esplicite.

Ambito e forma del prodotto. GEP vende una ampia suite enterprise: GEP SMART per il source-to-pay, GEP NEXXE come piattaforma per la supply chain, e strati trasversali AI/low-code (MINERVA, QUANTUM), oltre a sostanziali servizi di consulenza e managed services. Il suo punto di forza è rappresentato dai flussi di lavoro end-to-end per gli acquisti (sourcing, contratti, gestione dei fornitori, fatturazione) con visibilità e collaborazione adiacenti nella supply chain. Lokad, invece, è una piattaforma ristretta ma approfondita focalizzata quasi esclusivamente sulla pianificazione quantitativa della supply chain e sull’ottimizzazione – previsione della domanda, decisioni su inventario e capacità, alcuni aspetti di pricing – e non tenta di sostituire i sistemi S2P, ERP o WMS. Lokad deve integrarsi con qualunque stack procurement/ERP che un cliente già possiede (che può includere GEP); GEP mira a essere il fulcro transazionale stesso.
Architettura e programmabilità. La suite di GEP è una stack applicativa cloud-native, ospitata su Azure. SMART e NEXXE sono offerti tramite Azure Marketplace, costruiti su Azure SQL Database e altri servizi Azure.¹⁰¹¹¹² Materiali pubblici e profili di ingegneri indicano un’architettura a microservizi con uno strato low-code e un front-end in stile plugin, che utilizza tecnologie web comuni; il back-end di NEXXE è descritto come microservizi con orchestrazione saga, e la piattaforma è posizionata esplicitamente come low-code/no-code per la personalizzazione dei flussi di lavoro.¹³¹⁴ Lokad, invece, utilizza una tecnologia sviluppata internamente centrata sul suo linguaggio specifico per il dominio Envision, supportato da un sistema basato su event sourcing e una VM distribuita. La piattaforma è programmabile prima di tutto: ogni previsione e ottimizzazione è codice, piuttosto che configurata tramite interfaccia low-code. Ciò rende Lokad più vicino a un motore di analitica specifico per la supply chain; GEP è più vicino a una suite applicativa enterprise generalizzata arricchita dal low-code.
Modello decisionale e “AI”. La narrazione AI di GEP enfatizza MINERVA – un motore AI/ML che ora integra l’AI generativa di Microsoft tramite Azure OpenAI – e QUANTUM, una piattaforma low-code commercializzata come “AI-first”.¹⁵⁹ Nella supply chain, NEXXE promette “AI e ML avanzati per risolvere problemi reali della supply chain”, intuizioni predittive e pianificazione in loop chiuso.¹¹¹³ Tuttavia, le fonti pubbliche descrivono principalmente casi d’uso come query conversazionali, sintesi di documenti, classificazione, rilevamento di anomalie e predizioni generiche; vi è poco dettaglio tecnico sulla modellizzazione probabilistica della domanda, l’ottimizzazione degli inventari a più livelli o sugli algoritmi combinatori di scheduling. Lokad, invece, è esplicitamente costruito attorno alla previsione probabilistica e all’ottimizzazione stocastica (metodi Monte Carlo, basati sul gradiente e euristici) con evidenze pubblicate quali le prestazioni nella competizione M5 e approfondimenti tecnici dettagliati. In altre parole, l’AI di GEP appare principalmente come analitica assistita e automazione applicata ai flussi di lavoro, mentre l’“AI” di Lokad è per lo più un meccanismo matematico interno che genera direttamente decisioni ottimizzate.
Output: flussi di lavoro vs. decisioni prioritarie. GEP SMART e NEXXE sono fortemente incentrati sui flussi di lavoro: i percorsi utente ruotano attorno a eventi di sourcing, approvazione dei contratti, onboarding dei fornitori, gestione delle eccezioni nella supply chain, viste in stile control-tower e simulazioni di scenari.¹⁰¹¹ Il sistema può generare raccomandazioni (ad es., fornitori da contattare, politiche di inventario, piani logistici), ma queste si inseriscono in flussi di processo e strutture di governance più ampie. Il principale output di Lokad è una lista ordinata di decisioni – ordini d’acquisto, trasferimenti di stock, lotti di produzione, variazioni di pricing – ciascuna annotata con l’impatto finanziario atteso in condizioni di incertezza. Lokad lascia i flussi di lavoro di procurement e le approvazioni ad altri sistemi; GEP integra le decisioni all’interno dei propri processi.
Modello di erogazione. GEP spesso vende grandi programmi di trasformazione che mescolano software, consulenza e BPO; Umbrex osserva il posizionamento di GEP come un “partner per la trasformazione del procurement a servizio completo” con operazioni in outsourcing a lungo termine per alcuni clienti.¹ Lokad tipicamente opera con piccoli team di “supply chain scientist” che sviluppano e mantengono script Envision basati sui dati del cliente, senza assumersi la gestione operativa del procurement. Per un’azienda che desidera esternalizzare parti del procurement e standardizzare i processi a livello globale, GEP è strutturalmente allineato; per un’azienda che cerca un cervello ottimizzato specializzato da integrare in un panorama ERP/S2P esistente, Lokad è più vicino a quel ruolo.

In breve, GEP è un fornitore di suite con flussi di lavoro aziendali potenziati dall’AI, mentre Lokad è una piattaforma di ottimizzazione che presuppone che qualcun altro gestisca i processi transazionali. Per valutare la tecnologia decisionale nella supply chain, il confronto rilevante non riguarda la sofisticazione dell’interfaccia utente o l’ampiezza dell’S2P, ma la profondità e la trasparenza della modellizzazione decisionale; su questo asse, i materiali pubblici di GEP risultano ancora scarsi rispetto alle divulgazioni tecniche di Lokad.

Storia aziendale e acquisizioni

La storia iniziale di GEP è relativamente ben documentata da profili di terze parti. Umbrex riporta che Global eProcure fu fondata nel 1999, fornendo inizialmente servizi di consulenza e outsourcing per il procurement, per poi sviluppare gradualmente una propria tecnologia a supporto del sourcing strategico e dell’analisi della spesa.¹ Everipedia descrive similmente GEP come evoluta da una boutique di consulenza a un fornitore globale di soluzioni per il procurement, con uffici in Nord America, Europa e Asia, evidenziando la sua crescita nei servizi gestiti accanto al software.²

Le acquisizioni sembrano essere state utilizzate principalmente per espandere la copertura del dominio e la portata geografica:

Enporion (2012). Nel gennaio 2012, GEP (all’epoca spesso ancora indicato come Global eProcure) annunciò l’acquisizione di Enporion, un fornitore statunitense di software per la gestione della supply chain e di marketplace elettronici per il settore dell’energia e delle utilities.⁴⁵ FreightWaves riportò l’accordo come una mossa strategica per approfondire le capacità di GEP nel settore delle utilities e per acquisire la piattaforma di procurement ospitata di Enporion.⁴ Il comunicato stampa di GEP (PDF) presenta Enporion come un apportatore di “soluzioni avanzate per la gestione della supply chain” e di una rete di marketplace consolidata.⁵ Vi sono pochi dettagli tecnici pubblici su come la tecnologia di Enporion sia stata integrata o dismessa; il successivo rebranding dei prodotti GEP (SMART, poi NEXXE) suggerisce una graduale consolidazione in un’unica stack cloud piuttosto che il mantenimento di più codebase.
Altre acquisizioni (DATAMARK, COSTDRIVERS). Il profilo aziendale su Owler elenca ulteriori acquisizioni tra cui DATAMARK e COSTDRIVERS, ma senza date di transazione o dettagli tecnici; queste sembrano essere mirate principalmente ad espandere le capacità di analitica, dati e BPO, e non a creare linee di prodotto separate.⁸ Data la mancanza di fonti corroboranti, tali acquisizioni andrebbero considerate indicative e non esaustivamente documentate.
Business di procurement di OpusCapita (2024). Nel luglio 2024, GEP annunciò l’acquisizione del business di software per il procurement e l’automazione AP di OpusCapita, un fornitore finlandese di soluzioni per il procurement, e-invoicing e contabilità fornitori.⁶⁷ I comunicati stampa affermano che i prodotti e i clienti di OpusCapita saranno integrati in GEP SMART, con GEP che sottolinea l’espansione della propria impronta europea e il rafforzamento delle capacità di e-invoicing/compliance.⁶⁷ Non è disponibile pubblicamente alcuna roadmap tecnica di migrazione; basandosi sui tipici schemi di consolidamento S2P, ci si può aspettare che le funzionalità di OpusCapita vengano progressivamente integrate in SMART mentre il marchio indipendente venga progressivamente eliminato.

Nel complesso, il modello di acquisizioni è coerente con una strategia di costruzione della piattaforma: acquistare asset specifici per il dominio (marketplace per utilities, e-invoicing nordico), per poi assimilarli in una suite unificata basata su Azure.

Portafoglio prodotti e posizionamento

GEP SMART: suite S2P unificata

GEP SMART (spesso stilizzato come “SMART by GEP” nei materiali più vecchi) è la piattaforma di punta per il source-to-pay dell’azienda. L’Azure Marketplace di Microsoft lo descrive come una “piattaforma di procurement unificata” che copre l’analisi della spesa, il sourcing, la gestione dei contratti, la gestione dei fornitori, il monitoraggio dei progetti di risparmio, il procurement, la fatturazione e le funzioni di workbench per categorie, offerto come servizio cloud multi-tenant in esecuzione su Azure.¹⁰ GEP posiziona SMART come una piattaforma singola e integrata piuttosto che come una raccolta di moduli debolmente accoppiati; il profilo del fornitore di Spend Matters conferma questo, sottolineando che SMART è stato architettato come una suite unificata costruita nativamente per il cloud, in contrasto con gli strumenti legacy on-premise poi ristrutturati per il SaaS.³

In termini di funzionalità, le capacità di SMART sono in larga misura in linea con le aspettative moderne per un S2P enterprise: eventi di sourcing avanzati, acquisto guidato, repository contrattuale con tracciamento degli obblighi, onboarding dei fornitori e scorecard di performance, gestione dei cataloghi, flussi P2P e riconciliazione delle fatture. Casi di studio dal marketing di GEP (ad es., un’implementazione di SMART per un produttore globale) descrivono deployment con centinaia di utenti, migrazione di dati storici su più anni e un team di implementazione dedicato che combina esperti di settore di GEP con stakeholder del cliente.¹¹¹⁴ Un esempio pubblicato menziona la migrazione di tre anni di dati storici e l’abilitazione di accesso simultaneo per circa 300 utenti su una piattaforma source-to-contract unificata, in linea con un tipico rollout enterprise SaaS piuttosto che con un sistema sperimentale o immaturo.¹⁴

Da un punto di vista tecnologico, SMART è strettamente integrato con l’ecosistema Microsoft. Un blog di Microsoft Azure sui pool elastici di SQL Database cita GEP come cliente di riferimento, sottolineando che GEP ha migrato oltre 800 database in pool elastici di Azure SQL Database, ha chiuso i propri data center e ora opera come azienda “senza data center”, con SMART by GEP descritto come una soluzione per il procurement e la supply chain basata su cloud, costruita su Azure SQL.¹² Questo rappresenta una forte evidenza che SMART funziona su Azure SQL Database in una configurazione multi-database, elastic-pool, che si adatta perfettamente a una piattaforma SaaS multi-tenant destinata a numerosi clienti.

Nei materiali più recenti, SMART viene spesso descritto come “alimentato da GEP MINERVA™ AI” – il che implica che il motore AI/ML si trovi sotto o accanto a SMART per guidare la classificazione, le previsioni e le funzionalità generative – ma i dettagli tecnici sugli algoritmi esatti utilizzati (ad es., per la classificazione della spesa, la valutazione del rischio dei fornitori o la rilevazione di frodi) non sono divulgati pubblicamente. Pertanto, consideriamo le affermazioni sull’ottimizzazione basata su AI in SMART come parzialmente supportate (l’integrazione Azure OpenAI è reale; i modelli ML interni rimangono opachi).

GEP NEXXE: supply chain piattaforma

GEP NEXXE è la piattaforma supply chain dell’azienda, commercializzata come una “piattaforma supply chain unificata cloud-native” per la visibilità end-to-end, la collaborazione e la pianificazione.¹¹¹⁶ L’annuncio su Azure Marketplace descrive NEXXE come supportante la pianificazione della domanda, la pianificazione dell’offerta, l’ottimizzazione dell’inventario, la logistica e capacità in stile “control-tower”, e mette in evidenza “AI e ML avanzati per risolvere problemi reali della supply chain” come punto di forza.¹¹¹³

Siti indipendenti di comparazione software (ad es., eBool) caratterizzano NEXXE come una combinazione di visibilità in tempo reale su più livelli, analisi predittive per il rischio e le interruzioni, e un design low-code/no-code che permette agli utenti di personalizzare flussi di lavoro e dashboard, enfatizzando la flessibilità nella costruzione di applicazioni supply chain senza competenze di programmazione avanzate.¹³ I profili tecnici degli ingegneri GEP menzionano microservizi e orchestrazione saga nel back-end di NEXXE e un front-end basato su plugin, confermando un’architettura moderna e distribuita coerente con quell’approccio low-code.¹⁴

Tuttavia, i dettagli tecnici pubblici sulla logica centrale di ottimizzazione di NEXXE sono limitati. Le descrizioni in stile marketing e analisi fanno riferimento a:

visibilità in tempo reale e avvisi (tipici dei sistemi control-tower),
analisi predittiva dei rischi (ad es., anticipare le interruzioni della supply chain),
pianificazione dell’inventario multi-echelon e analisi degli scenari,
rilevamento e previsioni della domanda basate su AI/ML.

Ciò che non viene descritto in modo concreto è:

come vengono modellate le previsioni della domanda (serie storiche classiche vs. ML vs. distribuzioni probabilistiche),
quali funzioni obiettivo stanno alla base dell’“ottimizzazione dell’inventario” (livello di servizio, costo, profitto),
se l’incertezza viene gestita tramite distribuzioni di probabilità complete o euristiche di scorta di sicurezza semplificate,
quali algoritmi vengono utilizzati per decisioni combinatorie complesse (ad es., flussi di rete, programmazione).

I case study sul sito di GEP menzionano risultati come “riduzione del 40% dell’inventario” o “miglioramento del 30% nell’evasione degli ordini” attribuiti a NEXXE, ma queste narrazioni rimangono focalizzate qualitativamente e non espongono il meccanismo matematico né forniscono dettagli sufficienti per una replicazione indipendente.³ Da un punto di vista tecnico scettico, NEXXE oggi appare come un moderno strato di control-tower e collaborazione, nativo di Azure, con analisi integrate, piuttosto che un motore di ottimizzazione specificato in modo trasparente.

GEP QUANTUM e MINERVA

GEP QUANTUM viene commercializzato come una “piattaforma low-code, incentrata sull’AI, per applicazioni di procurement, supply chain e sostenibilità”. Un articolo di AIThority sul suo lancio descrive QUANTUM come fornitore di building blocks componibili, motori AI integrati e un ambiente low-code visivo per assemblare rapidamente nuove applicazioni sopra GEP SMART e NEXXE, rivolgendosi sia a sviluppatori professionisti sia a “citizen developers”.¹⁵ QUANTUM è dunque da intendersi principalmente come collante per piattaforme ed estensibilità, non come un prodotto di ottimizzazione autonomo.

GEP MINERVA è il motore di AI e machine learning che supporta sia SMART che NEXXE. Un comunicato stampa del 2023 di MarketScreener/Microsoft afferma che GEP ha lanciato una suite di soluzioni all’interno di GEP SOFTWARE che utilizzano ChatGPT di OpenAI tramite il Microsoft Azure OpenAI Service, offrendo un’interfaccia intuitiva per interrogare i dati, automatizzare processi e migliorare il processo decisionale; inoltre, si nota che le capacità di AI generativa di Microsoft sono incorporate nel motore AI e ML di GEP MINERVA per fornire analisi dei dati e supporto decisionale a livello organizzativo.⁹

Complessivamente, ciò indica che lo stack AI di GEP è costruito attorno a:

un motore proprietario AI/ML (MINERVA) che gestisce compiti ML classici (classificazione, clustering, modelli predittivi),
una piattaforma low-code (QUANTUM) per esporre queste capacità nelle applicazioni,
Azure OpenAI per funzioni generative (interfacce conversazionali, riassunti, comprensione dei documenti).

Rimane poco chiaro fino a che punto questo stack AI venga utilizzato per un’ottimizzazione prescrittiva nella supply chain, oltre all’analisi descrittiva e predittiva. Non esiste alcuna discussione pubblica, per esempio, di funzioni obiettivo di addestramento basate sul costo o profitto end-to-end, apprendimento congiunto di previsioni e decisioni, o ottimizzazione avanzata vincolata simile ai solutori di ricerca operativa.

Architettura e tecnologia

Le informazioni pubbliche indicano un’architettura incentrata su Microsoft e nativa di Azure per la suite di GEP:

Azure SQL e operazioni “senza datacenter”. Nel blog di Microsoft che annuncia la disponibilità generale degli elastic pools di Azure SQL Database, GEP viene citata come cliente SaaS che ha migrato oltre 800 database in elastic pools e ha chiuso i propri datacenter, con un VP della tecnologia di GEP che ha osservato che questa mossa ha reso GEP “senza datacenter” e ha generato notevoli risparmi sui costi.¹² SMART by GEP è esplicitamente citato come una soluzione cloud per procurement e supply chain costruita su Azure SQL Database, stabilendo che i dati relazionali sono archiviati in Azure SQL e che la gestione dei database multi-tenant è curata tramite elastic pools anziché server auto-gestiti.
Distribuzione tramite Azure Marketplace. Sia GEP SMART che GEP NEXXE sono elencati sul Microsoft Azure Marketplace come “Unified Procurement Platform – GEP SMART” e “Unified Supply Chain Platform – GEP NEXXE”, rispettivamente, enfatizzando la distribuzione cloud-native, la scalabilità e la disponibilità globale nelle regioni di Azure.¹⁰¹¹ Ciò suggerisce che almeno alcuni clienti acquistano il software come abbonamento SaaS tramite il marketplace di Microsoft, sebbene per i grandi affari di trasformazione rimangano la norma i contratti diretti con GEP.
Microservizi e low-code. I profili degli ingegneri e le descrizioni di terze parti offrono spunti sull’architettura interna. Un ingegnere software senior descrive il lavoro su GEP NEXXE utilizzando microservizi e pattern saga nel back-end e un front-end in stile plugin, contribuendo a rendere NEXXE una piattaforma low-code.¹⁴ I siti di comparazione software enfatizzano un design low-code per NEXXE che consente agli utenti di personalizzare flussi di lavoro e dashboard.¹³ Insieme, questi indicano che GEP ha implementato un livello applicativo basato su microservizi con uno strato low-code per comporre componenti UI e flussi di lavoro, in linea con le pratiche attuali degli SaaS aziendali.
Integrazione AI tramite Azure OpenAI. Come già notato, il motore MINERVA di GEP è integrato con Azure OpenAI per fornire capacità di AI generativa all’interno della suite.⁹ Ciò implica un livello AI orientato ai servizi: i servizi applicativi fanno richieste ai modelli Azure OpenAI per generare testi, fare riassunti e classificare, mentre i modelli proprietari operano altrove nello stack.

Ciò che manca è una descrizione a basso livello di:

i linguaggi di programmazione e i framework utilizzati (probabilmente .NET/JavaScript, ma non esplicitamente dichiarati),
i pattern di modellazione dei dati oltre “in esecuzione su Azure SQL Database”,
il design interno di QUANTUM e MINERVA (ad es., se utilizzano microservizi ospitati su Kubernetes, quali librerie ML vengono impiegate),
come viene gestita l’isolamento dei tenant e la distribuzione multi-regione.

Data la dimensione di GEP e il suo status di riferimento su Azure, è ragionevole dedurre un’architettura SaaS aziendale mainstream, tecnicamente competente, ma non vi sono evidenze di un’infrastruttura insolita o pionieristica paragonabile a un DSL personalizzato o a un motore di analisi basato su event sourcing. Ciò non è una critica – la maggior parte degli acquirenti aziendali preferisce stack convenzionali – ma significa che la distintività di GEP risiede più nell’ampiezza della suite che in un’innovazione architettonica insolita.

AI, machine learning e ottimizzazione: affermazioni vs evidenze

Il marketing di GEP punta fortemente su AI, ML e ora sull’AI generativa. Una recensione critica deve distinguere tra:

capacità AI ben supportate (dove il comportamento e l’implementazione sono ragionevolmente chiari),
affermazioni plausibili ma non provate (in linea con le norme ma non tecnicamente dettagliate),
affermazioni ambigue o potenzialmente esagerate (dove “AI” potrebbe mascherare analisi di base).

Capacità ben supportate

Integrazione con Azure OpenAI. L’articolo di MarketScreener/Microsoft fornisce evidenze concrete che GEP ha integrato ChatGPT di OpenAI tramite il servizio Azure OpenAI, abilitando query conversazionali di dati di procurement e supply chain, automazione dei processi e supporto decisionale all’interno di GEP SOFTWARE.⁹ Esso afferma esplicitamente che le capacità di AI generativa sono incorporate nel motore AI/ML di GEP MINERVA. Ciò conferma il vero uso di modelli linguistici di grandi dimensioni (LLM) per compiti a lungo testo: interrogazione, riassunti e possibilmente interpretazione dei documenti.
Ampia distribuzione della suite potenziata dall’AI. Lo stesso articolo nota che GEP SOFTWARE è utilizzato in 120 paesi ed è disponibile su Azure Marketplace, indicando che queste funzionalità AI sono integrate in una suite matura anziché essere componenti sperimentali.⁹

Capacità plausibili ma debolmente specificate

Analisi predittiva e ML all’interno di SMART e NEXXE. La descrizione di NEXXE su Azure Marketplace fa riferimento a “AI e ML avanzati per risolvere problemi reali della supply chain”, coprendo il rilevamento della domanda, la previsione dei rischi e la rilevazione di anomalie.¹¹ Il marketing e i case study descrivono modelli predittivi per il rischio dei fornitori, anomalie nella domanda e interruzioni logistiche in termini generali. È molto plausibile che GEP abbia sviluppato modelli ML supervisionati per la classificazione e la regressione in questi settori (ad es., previsioni di aumento della domanda, valutazione del rischio), ma senza dettagli sulle caratteristiche, i tipi di modelli o le metriche di valutazione, la sophisticazione tecnica è sconosciuta. Al minimo, questo appare come ML aziendale standard piuttosto che una ricerca all’avanguardia.
Classificazione della spesa e arricchimento dei dati. Le suite di procurement comunemente utilizzano ML per classificare la spesa in tassonomie, deduplicare i record dei fornitori e raccomandare mappature di categoria. Data la lunga storia di GEP nell’analisi della spesa e i molteplici riferimenti alla classificazione basata su AI nel marketing, è ragionevole supporre che esistano tali modelli, ma ancora una volta, i dettagli specifici non sono pubblici.

Affermazioni ambigue o esagerate

Le affermazioni più provocatorie, dal punto di vista dell’ottimizzazione della supply chain, riguardano “ottimizzazione dell’inventario”, “ottimizzazione della supply chain” e “pianificazione a ciclo chiuso” guidate dall’AI. I materiali di NEXXE menzionano l’ottimizzazione dell’inventario, la pianificazione degli scenari e la pianificazione a ciclo chiuso, ma non specificano:

se le decisioni sull’inventario sono ottimizzate in base a distribuzioni di probabilità della domanda e dei tempi di consegna,
quale obiettivo viene ottimizzato (ad es., costo totale atteso, livello di servizio, profitto),
se l’ottimizzazione utilizza programmazione matematica, euristiche o script basati su regole.

Data l’assenza di documentazione tecnica, modelli open-source o riferimenti peer-reviewed, è più sicuro supporre che NEXXE implementi una combinazione di euristiche basate su regole e previsioni convenzionali, integrate in un’interfaccia utente moderna e arricchite con ML predittivo e AI generativa per analisi e collaborazione. Fino a quando GEP non pubblicherà ulteriori dettagli tecnici, le affermazioni di “ottimizzazione dell’inventario alimentata dall’AI” dovrebbero essere trattate come linguaggio di marketing parzialmente supportato, non come prova di avanzata ricerca operativa.

Al contrario, Lokad documenta pubblicamente previsioni probabilistiche, algoritmi di ottimizzazione specializzati e persino lavori accademici in programmazione differenziabile; questa trasparenza è esattamente ciò che manca nella storia dell’AI di GEP, rendendo difficile giudicare quanto sia all’avanguardia l’ottimizzazione di GEP.

Distribuzione, roll-out e utilizzo

I case study pubblici offrono alcuni spunti su come GEP distribuisce il suo software:

Implementazioni in stile project. Un case study di SMART per un’azienda manifatturiera globale descrive una distribuzione in cui gli esperti tecnologici di GEP “hanno aiutato il cliente a implementare una piattaforma completa dalla source al contract,” hanno migrato tre anni di dati storici e hanno lanciato il sistema a circa 300 utenti, supportati da SME e account manager dedicati di GEP.¹⁴ Ciò è in linea con progetti di implementazione plurimensili tipici delle suite S2P aziendali: migrazione dei dati, configurazione, formazione e change management, piuttosto che una pura adozione self-service SaaS.
Integrazione di consulenza e BPO. Umbrex sottolinea che GEP spesso combina il suo software con servizi di consulenza e managed services, posizionandosi come partner di trasformazione piuttosto che come fornitore “solo software”.¹ Ciò implica che le distribuzioni di successo includano frequentemente contratti di servizio continuativi, con personale GEP integrato o in stretta collaborazione con i team di procurement e supply chain dei clienti.
Casi d’uso di NEXXE. I case study per NEXXE fanno riferimento a implementazioni di control tower per la supply chain, riduzioni dell’inventario e miglioramenti in OTIF (on-time in-full) per grandi produttori e aziende farmaceutiche.³ Gli aneddoti suggeriscono che NEXXE venga utilizzato per aggregare dati provenienti da molteplici ERP e sistemi logistici, fornire una visibilità quasi in tempo reale e coordinare le risposte alle interruzioni. Tuttavia, non spiegano la logica decisionale né come vengono arbitrati gli obiettivi contrastanti (servizio vs. costo vs. rischio).

Rispetto al modello di distribuzione di Lokad – sviluppo iterativo di script Envision guidato da supply chain scientists – gli roll-out di GEP appaiono più vicini a classiche implementazioni di piattaforme aziendali: progetti trasversali più ampi, una standardizzazione dei processi più profonda e un maggiore focus sulla governance, la formazione e il change management.

Maturità commerciale e base clienti

Molteplici fonti concordano sul fatto che GEP sia commercialmente maturo, in particolare nel procurement:

Umbrex ed Everipedia citano centinaia di clienti, comprese grandi imprese in molti settori.¹²
Il vendor snapshot di Spend Matters (2019) posiziona GEP come un fornitore S2P di “alto livello” con una significativa presenza sul mercato e un continuo investimento in SMART.³
Il Magic Quadrant 2025 di Gartner per le suite Source-to-Pay colloca GEP nel quadrante dei leader, implicando sia la completezza della visione sia la capacità di esecuzione in S2P.⁹ Per la supply chain, il quadro è più sfumato:
NEXXE appare su Azure Marketplace e in storie di clienti, ma non esiste un Gartner Magic Quadrant o Forrester Wave dedicato specifico per NEXXE come strumento di pianificazione della supply chain.
I case studies fanno riferimento a miglioramenti significativi (riduzioni dell’inventario, guadagni OTIF), tuttavia mancano di sufficienti dettagli per discriminare tra i miglioramenti derivanti da una maggiore visibilità e disciplina dei processi e quelli provenienti da algoritmi di ottimizzazione realmente superiori.

Da un punto di vista scettico, è giusto affermare che GEP è un attore consolidato nella tecnologia per gli acquisti e un attore emergente – ma non ancora chiaramente confrontato – nella tecnologia per la pianificazione della supply chain.

Valutazione del merito tecnico e dell’unicità

Rispondendo alle principali domande dell’utente:

Cosa offre la soluzione di GEP, in termini tecnici precisi?

Negli acquisti (GEP SMART): Una suite di applicazioni S2P ospitata nel cloud, basata su Azure, che gestisce dati master, documenti transazionali e flussi di lavoro riguardanti l’analisi della spesa, il sourcing, i contratti, la gestione dei fornitori, il purchase-to-pay e la fatturazione. Memorizza i dati strutturati principalmente in Azure SQL Database, utilizza interfacce web e espone la logica di processo configurabile tramite strumenti low-code. L’IA viene utilizzata per la classificazione, le raccomandazioni e l’assistenza generativa (ad es., chat, sintesi).
In supply chain (GEP NEXXE): Una piattaforma per la visibilità e la collaborazione nella supply chain che aggrega dati da ERP, WMS e sistemi logistici; offre dashboard in tempo reale, avvisi e analisi di scenario; e fornisce un certo grado di pianificazione della domanda e dell’inventario supportata da routine di ML generiche e di ottimizzazione. È strutturata come una piattaforma low-code basata su microservizi su Azure, integrata con il motore IA MINERVA e Azure OpenAI per funzionalità analitiche e conversazionali.
Cross-suite (QUANTUM & MINERVA): Un ambiente low-code (QUANTUM) per lo sviluppo di applicazioni su SMART/NEXXE e un motore AI/ML (MINERVA) che centralizza modelli predittivi e servizi di IA generativa.

Attraverso quali meccanismi e architetture si raggiungono questi risultati?

Infrastruttura: Elastic pools di Azure SQL Database, distribuzione su Azure Marketplace, microservizi e framework UI low-code, come dimostrato dalle referenze a Microsoft Azure, dagli elenchi su Azure Marketplace e dai profili degli ingegneri.¹⁰¹¹¹³¹²¹⁴
Analisi e IA: Modelli ML proprietari (con dettagli non divulgati) per previsioni e classificazioni; LLM ospitati su Azure OpenAI per interfacce conversazionali ed elaborazione del testo; strumenti low-code QUANTUM per integrarli nei flussi di lavoro.¹⁵⁹
Logica decisionale: Regole aziendali, euristiche e strumenti di analisi degli scenari implementati in SMART e NEXXE; viene rivendicato un certo grado di ottimizzazione per l’inventario e la pianificazione, ma non è specificato tecnicamente. Non esistono evidenze pubbliche di modelli end-to-end completamente probabilistici, risolutori combinatori avanzati o programmazione differenziabile nel senso di Lokad.

Quanto è all’avanguardia la tecnologia di GEP?

In progettazione dell’infrastruttura e delle applicazioni, GEP appare aggiornato ma non eccezionale: nativo Azure, microservizi, low-code, IA generativa tramite Azure OpenAI. Ciò è in linea con le migliori pratiche attuali tra i fornitori SaaS aziendali seri, ma non è particolarmente avanzato.
Nella digitalizzazione dei processi degli acquisti, SMART è competitiva e matura, come evidenziato dalla posizione di Leader Gartner e dalla copertura continuativa degli analisti.⁹³
Nella ottimizzazione delle decisioni nella supply chain, le informazioni pubbliche suggeriscono che GEP è differita rispetto alla frontiera definita dai fornitori specializzati in ottimizzazione. Ci sono scarse evidenze di previsioni probabilistiche rigorose, ottimizzazione stocastica avanzata o motori decisionali trasparenti e basati su fondamenta matematiche. I punti di forza di NEXXE sembrano essere la visibilità, la collaborazione e l’analisi, piuttosto che algoritmi di ottimizzazione rivoluzionari.

Maturità commerciale

GEP è commercialmente matura negli acquisti (decenni di esperienza sul mercato, ampia base di imprese, riconoscimento degli analisti) e emergente ma meno validata nella pianificazione sofisticata della supply chain. Le sue soluzioni sono meglio comprese come applicazioni aziendali ampie con flussi di lavoro potenziati dall’IA, e non come motori quantitativi specializzati.

Conclusioni

GEP è un fornitore rilevante, nativo Azure, la cui forza principale risiede nell’unificare i processi di acquisto a livello globale attraverso GEP SMART e nel completarlo con la visibilità e la collaborazione nella supply chain tramite GEP NEXXE. L’architettura è moderna e credibile: elastic pools di Azure SQL Database, microservizi, UI low-code e uno strato di IA cross-suite che sfrutta Azure OpenAI. La sua posizione commerciale in S2P è ben consolidata e validata in modo indipendente.

Da una prospettiva tecnica, incentrata sull’ottimizzazione, tuttavia, l’approccio pubblico di GEP è molto più debole. Sebbene MINERVA, QUANTUM e NEXXE siano commercializzati come potenziati dall’IA e guidati dall’ottimizzazione, le evidenze disponibili indicano prevalentemente analisi predittiva, assistenza generativa e strumenti incentrati sui flussi di lavoro, e non modelli probabilistici dettagliatamente specificati o motori di ottimizzazione avanzati. Il processo decisionale nella supply chain appare come una combinazione di euristiche basate su regole, previsioni convenzionali e pianificazione di scenari, con l’IA che migliora l’intuizione e l’automazione invece di ridefinire fondamentalmente la matematica decisionale.

Rispetto a Lokad, GEP è un fornitore di suite ampie con flussi di lavoro aziendali potenziati dall’IA, mentre Lokad è una piattaforma di ottimizzazione stretta ma profonda costruita attorno a previsioni probabilistiche e modelli decisionali personalizzati. Per le organizzazioni che valutano tecnologie specificamente per spingere la frontiera dell’ottimizzazione quantitativa della supply chain, lo stack di supply chain di GEP attualmente manca della trasparenza tecnica e delle evidenze che giustificherebbero considerarlo all’avanguardia in quella nicchia. Per le organizzazioni in cerca di un unico fornitore per la trasformazione degli acquisti con una ragionevole visibilità sulla supply chain e alcune analisi guidate dall’IA, l’offerta di GEP è credibile e matura – ma deve essere intesa come una piattaforma di processo, non come un motore di ottimizzazione puro.