Recensione di Pigment, Fornitore di Software per la Pianificazione d'Impresa

Di Léon Levinas-Ménard

Ultimo aggiornamento: dicembre, 2025

Pigment è una piattaforma SaaS per la pianificazione e la gestione delle performance (EPM) con sede a Parigi e sostenuta da investimenti, posizionata come un unico layer di modellazione per la pianificazione finanziaria e operativa: gli utenti costruiscono modelli multidimensionali (dimensioni/metriche/“blocchi”), scrivono formule che ricalcolano automaticamente i blocchi dipendenti, definiscono controlli sugli accessi e pubblicano report e scenari per gli stakeholder. Oltre ai casi d’uso FP&A e di consolidamento, Pigment commercializza applicazioni predefinite per S&OP e pianificazione della domanda e dell’inventario, e offre capacità di previsione tramite funzioni statistiche integrate (ad es., previsioni di serie temporali in stile ETS) oltre a una funzione separata “Predictions” descritta come previsione basata sul machine learning con supporto per fattori esterni. Pigment fornisce anche funzionalità rivolte all’IA (ad es., un “Analyst Agent” e relative pagine AI), ma i dettagli tecnici pubblici variano a seconda della funzionalità: alcuni meccanismi di modellazione fondamentali sono documentati in modo preciso (controlli di dipendenza, mitigazione di riferimenti circolari tramite PREVIOUS/PREVIOUSBASE, ecc.), mentre i componenti ML/AI sono parzialmente spiegati a livello di sistema (ad es., un’architettura Predictions scalabile orizzontalmente che utilizza Dask) senza rivelare in maniera coerente classi di modelli, procedure di addestramento/valutazione o benchmark riproducibili.

Panoramica di Pigment

Pigment vende una piattaforma di pianificazione basata su browser incentrata su un modello semantico condiviso per la pianificazione, la simulazione e il reporting nelle varie funzioni (finanza, vendite, HR, supply chain). Il fornitore pone l’accento sulla sostituzione della pianificazione centrata sugli spreadsheet con un modello centralizzato che supporta collaborazione, permessi, auditabilità e analisi degli scenari.¹² In un posizionamento adiacente a supply chain, Pigment pubblica pagine dedicate alla pianificazione della supply chain, S&OP e pianificazione della domanda e dell’inventario, inquadrando il prodotto come un modo per connettere i piani di domanda, inventario e capacità con gli esiti finanziari all’interno di un unico ambiente di pianificazione.³⁴⁵

Dalla documentazione disponibile, il “motore di modellazione” di Pigment è basato su formule: quando le formule cambiano, i blocchi dipendenti vengono ricalcolati e la piattaforma previene attivamente o gestisce le dipendenze circolari utilizzando funzioni specifiche (ad es., PREVIOUS per iterazioni all’interno di un blocco; PREVIOUSBASE per configurazioni iterative multi-blocco), con vincoli espliciti come limiti sulle “metriche consentite” e implicazioni prestazionali documentate.⁶ Questo è una prova concreta che Pigment non è “solo CRUD + dashboard”: il sistema centrale è un motore di calcolo con tracciamento delle dipendenze per modelli di pianificazione multidimensionali.

Pigment vs Lokad

Pigment e Lokad affrontano la “pianificazione” partendo da presupposti fondamentalmente differenti. Pigment è principalmente una piattaforma di pianificazione aziendale e gestione delle performance: il suo prodotto principale è un layer di modellazione interattivo a livello organizzativo (dimensioni/metriche, formule, flussi di lavoro, permessi, report) che permette agli utenti di realizzare piani, eseguire scenari e allineare gli stakeholder — eventualmente integrato da strumenti di previsione (funzioni statistiche e “Predictions” orientato al ML) e assistenza guidata dall’IA.³⁴⁶⁷ Al contrario, Lokad è costruito come una piattaforma quantitativa di ottimizzazione della supply chain: si concentra sulla produzione di raccomandazioni decisionali (ad es., acquisti, allocazione dell’inventario, pianificazione della produzione) in condizioni di incertezza utilizzando previsioni probabilistiche e obiettivi espliciti di ottimizzazione, implementati programmaticamente tramite il suo Envision DSL ed eseguiti come pipeline computazionali replicabili.⁸⁹¹⁰

Questa differenza ha rilevanza tecnica. I materiali pubblici di Pigment enfatizzano la flessibilità del modello, la collaborazione e la rapidità nell’iterazione degli scenari, con una certa assistenza nel forecasting e nell’IA, ma forniscono prove pubbliche limitate che la piattaforma risolva abitualmente grandi problemi di ottimizzazione combinatoria vincolata (ad es., ottimizzazione a variabili intere miste per decisioni relative alla supply chain) come risultato principale del prodotto; le pagine dedicate alla supply chain di Pigment sono inquadrate attorno al collegamento dei piani e al miglioramento della reattività piuttosto che a dimostrare l’architettura dell’ottimizzatore, le funzioni obiettivo e la gestione dei vincoli su larga scala.³⁴⁵ La narrazione tecnica pubblica di Lokad, invece, mette in primo piano “previsioni probabilistiche → decisioni ottimizzate” come output principale del prodotto, includendo descrizioni pubblicate di previsioni probabilistiche/quantiliche e metodi orientati all’ottimizzazione, e evidenze di lavori tecnici orientati al forecasting (ad es., partecipazione alla competizione M5 forecasting).¹¹⁸

Commercialmente, Pigment assomiglia a un fornitore EPM/IBP in rapida crescita: numerosi round di VC significativi e un posizionamento di pianificazione trasversale a molte funzioni.¹²¹³ Lokad, invece, ricorda un fornitore specializzato in ottimizzazione della supply chain che enfatizza applicazioni di ottimizzazione personalizzate e definite tramite codice piuttosto che un layer di pianificazione aziendale generalizzato.⁸⁹

Storia aziendale, finanziamenti e traguardi

Pigment è stata fondata nel 2019 (Parigi) da Éléonore Crespo e Romain Niccoli, posizionandosi sin dall’inizio come un’alternativa moderna agli strumenti legacy per EPM/pianificazione.²¹⁴ I report pubblici documentano una serie di round di venture: una Serie A riportata nel 2020, una Serie C nel 2023 e una grande Serie D nel 2024, a indicare un costante interesse degli investitori e una scalabilità commerciale significativa.¹⁴¹⁵¹²¹³

Non è stata identificata alcuna attività di acquisizione (né Pigment che acquisisce altre aziende né l’essere acquisita) nelle fonti pubbliche esaminate per questo report. Questa assenza va interpretata con cautela: potrebbe riflettere una mancanza di acquisizioni, oppure una carenza di comunicazioni rese pubbliche e indicizzate.

Capacità di prodotto e tecniche

Modello di pianificazione: blocchi multidimensionali, formule e ricalcolo

La documentazione di Pigment fornisce dettagli insolitamente specifici su come il suo motore di modellazione si comporta quando le formule creano cicli di dipendenza. La piattaforma ricalcola i blocchi dipendenti quando le formule cambiano ed esegue controlli per rilevare dipendenze circolari; fornisce meccanismi per esprimere calcoli iterativi (dipendenze con shift temporale) senza creare cicli infiniti, come PREVIOUSBASE per configurazioni iterative multi-blocco.⁶ La medesima documentazione descrive come Pigment consolida le formule di un ciclo di dipendenza in una “formula base unica” per il calcolo, e mette in guardia riguardo all’impatto sulle prestazioni e ai modi di fallire durante il debug quando la formula base unificata diventa invalida.⁶

Questa è una prova forte che il valore fondamentale di Pigment risiede in un motore di calcolo accoppiato a un modello di pianificazione multidimensionale, non soltanto in un involucro di flussi di lavoro attorno ai fogli di calcolo.

Template e casi d’uso orientati alla supply chain

Pigment mantiene pagine dedicate alla supply chain che descrivono casi d’uso per S&OP e pianificazione della domanda/inventario (inclusi “piani resilienti”, simulazione di scenari e l’allineamento della supply chain con la finanza).³⁴⁵ Una storia cliente concreta afferma che Danone ha utilizzato Pigment per S&OP e pianificazione della domanda a lungo termine, con un “tempo di implementazione” dichiarato pari a tre mesi, e descrive la sostituzione di processi pesantemente basati su Excel con un modello Pigment personalizzato sviluppato con un partner di implementazione.⁷ Pur essendo ancora materiale di marketing, questa è comunque almeno una referenza nominata e attribuibile, con dettagli sull’implementazione e un ambito dichiarato.

Previsione, ML e “Predictions”

Pigment espone funzioni statistiche di previsione nei materiali di documentazione/comunità (ad es., funzioni di previsione ETS).¹⁶¹⁷ Separatamente, Pigment posiziona “Predictions” come una funzionalità orientata al ML per la previsione, inclusa una documentazione “Scegli il modello di previsione” che descrive le opzioni di configurazione ma non specifica, nella pagina pubblica, le esatte famiglie di algoritmi, la metodologia di addestramento, le metriche di validazione o benchmark riproducibili.¹⁸

Il blog di ingegneria di Pigment fornisce le prove tecniche più sostanziali per il sottosistema Predictions. In un post sull’ottimizzazione del scaling delle previsioni, Pigment descrive un’architettura che utilizza un cluster Dask per eseguire molte previsioni in parallelo e afferma che “ogni serie temporale viene prevista in modo indipendente”, consentendo uno scaling orizzontale.¹⁹ Questo supporta l’affermazione che il sistema di previsione di Pigment è implementato come una vera pipeline computazionale (e non un’etichetta superficiale nell’interfaccia utente), ma lascia comunque aperte alcune domande chiave sul ML: quali modelli vengono utilizzati, come viene gestita l’ingegnerizzazione delle caratteristiche (oltre alle dichiarazioni sui “fattori esterni”), come viene monitorato il drift, e quali compromessi tra accuratezza e costo vengono raggiunti in produzione.

Assistenti AI e componenti “agentici”

Pigment commercializza funzionalità rivolte all’IA (ad es., “Pigment AI”, “Analyst Agent Overview”) e dispone di contenuti ingegneristici che descrivono un “Insights Assistant” e un’IA agentica, includendo riferimenti a framework comuni per LLM-agent (ad es., LangGraph) e considerazioni sul design del sistema.²⁰²¹ Queste fonti confermano che Pigment sta implementando funzionalità di assistenza AI come caratteristiche del prodotto. Tuttavia, da un punto di vista tecnico scettico, questi materiali sono meglio interpretati come un potenziamento dello strato UX (query, sintesi, azioni guidate) piuttosto che come una prova che le decisioni di pianificazione core siano ottimizzate end-to-end dall’IA; la documentazione pubblica non offre dimostrazioni riproducibili che lo strato AI produca in modo affidabile decisioni di pianificazione sotto vincoli rigidi.

Evidenze sull’architettura e sullo stack tecnologico

Pigment non pubblica alcun whitepaper canonico sull’architettura nelle fonti esaminate qui. Tuttavia, molteplici segnali indipendenti convergono verso uno stack plausibile:

Un profilo “tech” su Welcome to the Jungle elenca tecnologie chiave tra cui PostgreSQL, .NET (C#), React, D3.js, TypeScript, Google Cloud Platform, Kubernetes (GKE) e CircleCI.²²
Il blog di ingegneria di Pigment indica l’uso di strumenti dell’ecosistema Python (ad es., Dask) per scalare i carichi di lavoro di previsione.¹⁹
La documentazione del prodotto di Pigment dimostra un motore di modellazione personalizzato capace di analisi delle dipendenze e gestione dei calcoli iterativi (PREVIOUS/PREVIOUSBASE), implicando un runtime di calcolo non banale integrato con il modello di pianificazione.⁶

Complessivamente, le evidenze pubbliche supportano che Pigment sia un SaaS cloud-native con un moderno frontend web, un core backend basato su .NET e sottosistemi di calcolo specializzati per le previsioni.

Distribuzione, implementazione e garanzie operative

Il contenuto del case study di Pigment fornisce un esempio di implementazione: l’implementazione di Danone è descritta come passata da ricerca/sviluppo/test/implementazione in “soli tre mesi”, coinvolgendo un partner di implementazione e iterazioni ripetute del modello (più versioni testate in un giorno).⁷ Ciò suggerisce un modello di distribuzione più vicino al “solution modeling + change management” piuttosto che al “installa il software e via”, nonostante Pigment sia fornito come SaaS.

Per quanto riguarda sicurezza e conformità, la pagina sulla sicurezza di Pigment afferma la conformità SOC 2 Type 2 e SOC 1 Type 2, oltre a riferimenti a GDPR/CCPA; descrive inoltre l’integrazione dell’identità aziendale (SAMLv2 SSO, provisioning SCIM, MFA), la crittografia in transito (TLS 1.3, HSTS) e a riposo (AES-256), oltre agli obiettivi dichiarati di RTO/RPO e un programma di garanzia della sicurezza (test di penetrazione, bug bounty, audit, scansione delle vulnerabilità).²³ Queste sono affermazioni operative specifiche, anche se i dettagli delle certificazioni indipendenti dovrebbero essere verificati tramite il “trust report” di Pigment se utilizzato per procurement.²³

Clienti, referenze e case study

Esistono referenze clienti pubblicamente nominate e non interamente anonime. Pigment pubblica storie clienti nominate (ad es., Danone), includendo casi d’uso dichiarati e una tempistica di implementazione.⁷ Report di terze parti fanno riferimento anche alla trazione di Pigment e all’adozione da parte dei clienti in termini generali, accanto agli annunci di finanziamento.¹²¹³

Tuttavia, i lettori dovrebbero distinguere:

Referenze nominate e attribuibili (ad es., una pagina dedicata alla storia del cliente che nomina l’azienda e ne descrive l’ambito/tempi).⁷
Pannelli di loghi / affermazioni generali sull’adozione che potrebbero non specificare quali moduli, aree geografiche o la maturità dell’implementazione.¹²¹³

Valutazione tecnica scettica

Cosa offre esattamente Pigment: un ambiente di calcolo per la pianificazione cloud in cui le organizzazioni definiscono un modello di pianificazione multidimensionale (strutture dati + formule), eseguono simulazioni di scenari, collaborano sugli input del piano con permessi e auditabilità, e producono report; opzionalmente, possono aggiungere previsioni tramite funzioni statistiche e la pipeline “Predictions”, e utilizzare funzionalità di query/insight assistite dall’IA.³⁴⁶¹⁹²³

Come raggiunge tali risultati: le evidenze supportano (1) un motore di formule con tracciamento delle dipendenze e meccanismi per risolvere i calcoli iterativi/circolari,⁶ (2) un’architettura SaaS cloud con controlli comuni di identità aziendale e crittografia,²³ e (3) un sottosistema di previsione scalabile che utilizza il calcolo distribuito (Dask) per previsioni in parallelo delle serie temporali.¹⁹ I dettagli architetturali verificabili pubblicamente sono più solidi per i meccanismi del motore di modellazione e meno per gli esatti algoritmi ML/AI utilizzati.

Valutazione all’avanguardia: Pigment appare tecnicamente moderno in termini di ingegneria della piattaforma (stack cloud-native, forti affermazioni in materia di sicurezza, calcolo distribuito per le previsioni).¹⁹²²²³ Tuttavia, molti aspetti “AI” rimangono difficili da validare esternamente perché Pigment non pubblica in modo consistente classi di modelli, protocolli di valutazione o benchmark riproducibili per le funzionalità Predictions/AI. Da un punto di vista scettico, l’innovazione comprovata è lo strato di calcolo per la pianificazione e la productizzazione operativa; le affermazioni meno supportate sono quelle che implicano un processo decisionale avanzato guidato dall’IA, oltre la semplice previsione e assistenza.

Maturità commerciale: I molteplici round di venture in fase avanzata di Pigment (inclusa una grande Serie D) e le storie di clienti aziendali nominati indicano una scale-up commercialmente consolidata piuttosto che un esperimento di prodotto in fase iniziale.⁷¹²¹³

Conclusione

Pigment è meglio evidenziato come una piattaforma di pianificazione aziendale trasversale con un vero nucleo computazionale: la documentazione relativa alla gestione delle dipendenze, ai calcoli iterativi e alla ricalcolazione delle formule fornisce prove concrete di un motore di modellazione costruito ad hoc, piuttosto che una semplice interfaccia sottile attorno a fogli di calcolo.⁶ Il posizionamento di Pigment nella supply chain (S&OP, pianificazione della domanda e dell’inventario) è supportato da pagine prodotto dedicate e da almeno una storia nominata (Danone) che include l’ambito e una timeline di implementazione dichiarata.³⁴⁵⁷ Le affermazioni relative al machine learning e all’AI sono parzialmente confermate—in particolare grazie alla divulgazione ingegneristica di un’architettura di previsione distribuita (parallelismo basato su Dask) e alla discussione ingegneristica sul design dell’assistente AI—ma la documentazione pubblica rimane insufficiente per verificare in modo indipendente i dettagli algoritmici, le affermazioni di accuratezza o l’affidabilità delle decisioni guidate dall’AI in contesti di pianificazione limitati.¹⁹²⁰²¹

A differenza di Lokad, Pigment appare come uno strato di pianificazione/modellazione aziendale con previsioni e assistenza AI, mentre Lokad si configura come una piattaforma di ottimizzazione della supply chain il cui risultato principale è l’ottimizzazione prescrittiva delle decisioni in condizioni di incertezza attraverso la modellazione programmatica.⁸⁹¹⁰¹¹