00:00:03 AI nelle supply chain.
00:01:02 La visione di Joannes Vermorel sull’AI pratica.
00:02:40 Il potenziale dell’AI per previsioni più accurate.
00:04:07 L’AI in pratica: risolvere la compatibilità dei componenti automobilistici.
00:06:33 Il ruolo dell’AI nella gestione dei casi limite delle supply chain.
00:08:01 Il potenziale dell’AI per rilevare i casi limite del sistema.
00:09:59 Applicare l’AI alle previsioni nelle supply chain.
00:11:42 La necessità di supervisione umana nelle implementazioni dell’AI.
00:14:27 La resistenza all’adozione dell’AI a causa della paura per i posti di lavoro.
00:16:00 Le doppie funzioni dell’inventario nel retail.
00:17:33 L’AI nel determinare le necessità precise dell’inventario.
00:18:39 L’impatto dell’AI sui ruoli nelle supply chain e nel marketing.
00:19:32 Le sfide dell’implementazione dell’AI.
Summary
La discussione si concentra sull’applicazione dell’AI nella supply chain management. Vermorel, fondatore di Lokad, sottolinea il potenziale dell’AI nel risolvere sfide complesse che vanno oltre i semplici problemi statistici, come la compatibilità dei componenti automobilistici, e nel gestire i casi limite che tradizionalmente vengono gestiti manualmente. Anche con la diffusa paura della perdita di posti di lavoro, egli sostiene che l’AI elimina spesso compiti noiosi, migliorando così la qualità del lavoro. Tuttavia, riconosce che la natura dirompente dell’AI può innescare conflitti interni, come evidenziato dall’esempio in cui l’ottimizzazione dell’inventario guidata dall’AI incide sulle responsabilità di marketing e supply chain. Vermorel suggerisce che tali cambiamenti organizzativi, piuttosto che il semplice dispiegamento del software, potrebbero rallentare l’adozione dell’AI nelle aziende, segnando un notevole cambiamento nelle norme operative nel tempo.
Riassunto Esteso
La discussione ruota attorno al tema dell’Intelligenza Artificiale (AI) nella supply chain management, evidenziando benefici potenziali e implicazioni. Kieran Chandler, il conduttore, avvia la conversazione affermando che l’AI è un termine di moda recente nel settore tecnologico. Questo induce l’ospite, Joannes Vermorel, a riflettere sui tempi di integrazione dell’AI nelle operazioni di supply chain.
Vermorel concorda con l’osservazione di Chandler riguardo lo status di buzzword dell’AI e propone che i veri esperti del settore raramente utilizzino il termine “intelligenza artificiale”. Egli sottolinea che, nonostante l’AI sia una buzzword, ciò non sminuisce i significativi sviluppi in corso sotto l’ombrello dell’AI. Nomina tre componenti chiave: metodi matematici migliori, molti più dati accessibili e una maggiore potenza di elaborazione.
Vermorel sostiene che questi avanzamenti possono portare a previsioni più accurate nella gestione della supply chain. Tuttavia, insiste sul fatto che la tempistica per un’integrazione completa è indefinita e probabilmente richiederà decenni a causa delle sfide uniche del settore della supply chain.
Quando Chandler chiede chiarimenti sui benefici potenziali che metodi statistici sofisticati o tecniche di deep learning possono apportare alla gestione della supply chain oltre al miglioramento delle previsioni, Vermorel sostiene che l’impatto dell’AI è multifaccettato. Egli chiarisce che la rivoluzione dell’AI è come passare dal bianco e nero al colore; non si tratta solo di una maggiore risoluzione, ma anche di rivelare nuove prospettive e dimensioni.
Egli sottolinea ulteriormente che i benefici più significativi dell’AI per la gestione della supply chain potrebbero emergere da ambiti che inizialmente non appaiono come problemi statistici. Queste opportunità nascoste per l’applicazione dell’AI, suggerisce Vermorel, sono là dove risplenderà il vero valore dell’AI.
Per esemplificare il suo punto, Vermorel propone un esempio di un’applicazione non ovvia dell’AI nella supply chain: la compatibilità dei componenti automobilistici. Egli descrive la difficoltà di mantenere un database delle compatibilità tra componenti d’auto, un compito formidabile se si considerano i milioni di pezzi unici e le centinaia di migliaia di veicoli unici presenti solo in Europa.
Vermorel rivela come il suo team a Lokad abbia utilizzato il machine learning (un sottoinsieme dell’AI) per affrontare questo problema. Il loro algoritmo ha dimostrato il 98% di accuratezza nel rilevare affermazioni di compatibilità errate nel database, nonché compatibilità mancanti. Questo caso sottolinea il potenziale dell’AI nel risolvere problemi complessi all’interno della supply chain che vanno oltre le tipiche questioni statistiche.
Vermorel avvia una conversazione su come le complessità della supply chain vadano oltre i cataloghi standard o le soluzioni preconfezionate. Sottolinea che la maggior parte delle sfide della supply chain si trova nei casi limite, situazioni che si discostano dalla norma. Tali casi limite, afferma, sono spesso gestiti da grandi team di persone che modificano e correggono manualmente le anomalie attraverso l’uso esteso di strumenti come Excel. Questo processo laborioso, sebbene necessario, indica un ambito in cui l’AI potrebbe offrire benefici sostanziali.
La discussione poi si sposta sulle possibilità che l’AI offre nel rilevare e gestire questi casi limite. Vermorel illustra come l’AI potrebbe potenzialmente mitigare alcuni problemi affrontati nella gestione della supply chain, inclusi ritardi e stock-outs. Tuttavia, questa soluzione AI potrebbe non assomigliare ai sistemi vocali noti come Siri o Cortana. Piuttosto che un’unica AI multifunzionale, Vermorel immagina una serie di micro-casi d’uso altamente specializzati dell’AI progettati per gestire specifici aspetti della supply chain.
Vermorel commenta anche le capacità predittive dell’AI nella gestione della supply chain. Osserva che, oltre alla previsione della domanda, l’AI può offrire anche una previsione probabilistica riguardo ai problemi dei fornitori, come ritardi o problemi di qualità. Menziona che l’AI può prevedere i resi dei clienti, un fattore particolarmente cruciale nel contesto dell’e-commerce di moda. Queste capacità predittive dell’AI potrebbero giocare un ruolo fondamentale nell’ottimizzazione delle operazioni di supply chain, mitigando numerose incertezze intrinseche al processo.
Successivamente, Chandler e Vermorel dibattono sul livello di competenza in AI necessario per implementare un simile sistema. La domanda è se le aziende abbiano bisogno di esperti in AI per sfruttare i benefici dell’AI
nella gestione della supply chain. Vermorel ritiene che gli elementi AI dell’operazione possano essere esternalizzati, eliminando così la necessità per le aziende di mantenere un team interno di specialisti in AI. Suggerisce che le organizzazioni possano delegare le proprie esigenze in AI a un’azienda come Lokad, che è specializzata nell’ottimizzazione della supply chain.
Vermorel individua uno dei principali ostacoli nell’adozione dell’AI nelle aziende nei potenziali conflitti interni dovuti alla disruption dello status quo. La paura della perdita di posti di lavoro con l’implementazione dell’AI emerge anche nella discussione. Tuttavia, Vermorel considera questa paura, pur essendo valida, spesso fuorviante. Afferma che l’AI tende a sostituire compiti noiosi e ripetitivi, come la gestione dei fogli di calcolo, che definisce “il peggior tipo di lavoro in assoluto”. Invece di generare risentimento, questo tipo di automazione può liberare i dipendenti, permettendo loro di concentrarsi su aspetti più significativi dei loro ruoli.
Tuttavia, Vermorel riconosce che l’adozione dell’AI può portare a discordie all’interno di un’azienda, ma questi conflitti si manifesterebbero a livello aziendale piuttosto che tra i dipendenti di base. Lo illustra con un esempio nel retail. L’inventario in un negozio al dettaglio ha due funzioni: soddisfare la domanda dei clienti e rendere il negozio attraente per i clienti. Qui, l’AI potrebbe determinare l’inventario ottimale necessario per soddisfare entrambe le esigenze.
Il problema sorge quando si deve determinare quale dipartimento dell’azienda debba sostenere i costi per ciascuna funzione dell’inventario. La supply chain coprirebbe naturalmente il costo dell’inventario per soddisfare la domanda dei clienti. Tuttavia, il costo dell’inventario destinato a rendere il negozio attraente (che Vermorel equipara alle spese di marketing come le pubblicità televisive) ricadrebbe logicamente sul marketing. Questa allocazione, guidata dalla precisione dell’AI, potrebbe portare a dispute significative, specialmente se, per esempio, i direttori marketing si ritrovassero improvvisamente a dover sostenere spese ingenti e inaspettate.
Vermorel suggerisce che sono proprio questi tipi di problemi a rallentare l’adozione dell’AI nelle aziende, piuttosto che la paura della perdita di posti di lavoro. Sebbene il dispiegamento del software in sé possa essere realizzato relativamente rapidamente, i cambiamenti organizzativi che esso comporta potrebbero richiedere molto più tempo. Vermorel crede che questa rivalutazione delle norme operative e delle responsabilità, stimolata dall’implementazione dell’AI, costituirà la sfida principale per le imprese nei prossimi anni.
Trascrizione Completa
Kieran Chandler: Oggi parleremo di intelligenza artificiale, un argomento che negli ultimi anni è diventato una buzzword nel mondo della tecnologia. Oggi cercheremo di andare oltre tutto questo clamore e concentrarci invece sulla sua applicazione e su cosa può fare per il mondo delle supply chain. Mi accompagna ancora una volta oggi Joannes Vermorel, che mi aiuterà con la discussione di oggi. Quindi Joannes, grazie per essere di nuovo con noi.
Joannes Vermorel: Ciao, Kieran.
Kieran Chandler: Quindi, se ascoltiamo alcuni esperti del settore, affermano che l’intelligenza artificiale sostituirà metà dei posti di lavoro nel mondo entro il 2050. Tuttavia, se si guarda in generale alle supply chain, non sono ancora a quel punto. Sono ancora gestite in gran parte tramite fogli Excel e in modo molto guidato dall’uomo. Allora, quando pensi che l’intelligenza artificiale arriverà nell’industria della supply chain? Di che fascia temporale stiamo parlando?
Joannes Vermorel: È una domanda molto interessante. Sono d’accordo con te sul fatto che l’intelligenza artificiale sia una buzzword. E credo addirittura che un modo per riconoscere se qualcuno sa davvero di cosa sta parlando, quando si discute di intelligenza artificiale, sia proprio se utilizza o meno il termine “intelligenza artificiale”. Le persone più competenti spesso non lo usano. Ma solo perché è una buzzword non significa che non ci sia qualcosa al di sotto. Quindi, cosa c’è sotto? Abbiamo circa tre cose: metodi matematici migliori, molti più dati e una maggiore potenza di elaborazione. Occorre un metodo che possa convertire tutti questi dati, utilizzando metodi matematici migliorati, in risultati migliori, che nella supply chain si traduce in qualcosa come previsioni più accurate. Per quanto riguarda i tempi, credo che ci siano molti aspetti specifici nel mondo della supply chain che devono essere affrontati, e i tempi sono piuttosto indefiniti. Ci vorrà molto tempo, letteralmente decenni.
Kieran Chandler: Quindi, se da un lato mettiamo da parte le preoccupazioni legate alla terminologia e diciamo che l’intelligenza artificiale si riferisce fondamentalmente a tecniche di deep learning davvero avanzate, cosa possono aspettarsi i professionisti della supply chain da questi metodi statistici avanzati? Probabilmente previsioni migliori, ma c’è qualcosa in più che possono aspettarsi?
Joannes Vermorel: Sì, ce n’è davvero molto di più. Uno dei problemi nelle previsioni prima di questa ondata di intelligenza artificiale era che non avevamo molti esempi reali di come potesse essere una previsione migliore. Per definizione, una previsione più accurata è una previsione migliore, ma è l’unico modo? L’intelligenza artificiale offre altri esempi che fanno pensare di no. È un po’ come se guardassimo qualcosa in bianco e nero, e ora finalmente vedessimo il colore. Non si tratta solo di una risoluzione migliore, ma anche di una nuova dimensione. Per le supply chain, credo che i maggiori benefici deriveranno da problemi che non sembrano affatto problemi statistici, ed è lì che l’intelligenza artificiale brillerà veramente.
Kieran Chandler: Quindi, quello che stai dicendo è che ci sono problemi che, in apparenza, non sembrano affatto problemi statistici, ma che in realtà possono essere utilizzati come una sorta di previsione per rendere possibile l’uso della tecnologia AI. Potresti approfondire un po’ questo concetto?
Joannes Vermorel: L’anno scorso ho avuto l’opportunità di lavorare su un problema molto intrigante, ovvero la compatibilità dei componenti automobilistici nell’industria automobilistica.
Kieran Chandler: Fondamentalmente, hai auto che necessitano di riparazioni e per queste auto servono i componenti. Solo per farti capire il problema nel mercato europeo, ci sono diversi milioni di parti differenti. È un po’ pazzesco se si considera che ci sono solo 300 milioni di europei. Inoltre, ci sono oltre centomila veicoli distinti. Esiste un’intera industria, seppur piccola, che compete su un’unica cosa: creare un database di compatibilità tra auto e componenti. Tutte queste aziende si limitano a costruire una lista che indica quale auto è compatibile con quale componente.
Joannes Vermorel: Infatti, questi database sono composti da milioni di righe e sono interamente gestiti manualmente, con letteralmente centinaia di persone che dedicano la loro vita al mantenimento di questo unico database. Il mio team a Lokad, che si specializza nel machine learning, e non propriamente nell’intelligenza artificiale, è riuscito a sviluppare un algoritmo. Abbiamo testato questo algoritmo in un contesto reale e ha raggiunto il 98% di accuratezza nel rilevare la compatibilità dichiarata nel database. L’algoritmo ha anche dimostrato il 98% di accuratezza nel rilevare compatibilità mancanti, quindi potrebbe esistere un componente che in realtà può essere montato sulla tua auto, ma tu o chiunque altro non ne sia ancora a conoscenza, perché è davvero difficile tenere traccia di così tante auto e componenti.
Kieran Chandler: Utilizzare l’intelligenza artificiale per stabilire se un componente automobilistico è compatibile con la mia auto sembra un po’ eccessivo. Avrei pensato che un semplice catalogo potesse bastare o, altrimenti, una soluzione di base già pronta all’uso. Ma che dire delle supply chain in generale? Cosa può fare l’intelligenza artificiale per esse?
Joannes Vermorel: Il punto che voglio illustrare è che la maggior parte delle sfide nelle supply chain in realtà risiede nei casi limite. Queste sono situazioni che di solito funzionano, ma poi ci sono delle eccezioni. Queste eccezioni non si risolvono da sole. Ci vogliono persone, e molte di esse, per risolvere questi casi limite. Finisci per avere interi eserciti di persone che, in sostanza, modificano fogli Excel, perché il segno che ci sono così tante persone che si occupano di questi casi limite nelle supply chain è l’enorme numero di persone che modificano fogli Excel. Non stanno sprecando il loro tempo. Si stanno occupando di questi casi limite che non si adattano veramente al sistema principale ERP. Devono ricorrere a Excel per gestirli. Quindi, tecnicamente, ogni volta che vedi persone costrette a gestire manualmente una moltitudine di casi limite che tipicamente coinvolgono Microsoft Excel, questa è una situazione che molto probabilmente l’intelligenza artificiale può risolvere.
Kieran Chandler: Quindi, far sì che l’IA rilevi questi casi limite sembra un’ottima idea. Contribuirebbe sicuramente a risolvere in larga misura alcuni dei problemi che vediamo qui a Lokad, come ad esempio ritardi e stock-out accidentali. Ma come si tradurrebbe tutto ciò nella pratica? Sarebbe qualcosa come Siri o Cortana, una voce nell’orecchio dell’operatore che in qualche modo gli dice cosa fare e quando farlo?
Joannes Vermorel: L’idea che il tuo telefono improvvisamente dica, “guarda a sinistra, hai un problema” è pura fantascienza. Gli attuali sistemi di intelligenza artificiale, come Cortana e Siri, sono in realtà una serie di micro casi d’uso fortemente specializzati. Per esempio, le persone che hanno implementato Cortana e Siri hanno un caso d’uso specifico per ordinare una pizza. Hanno scritto moltissimo codice solo per renderlo sufficientemente flessibile da funzionare praticamente in tutto il mondo, in modo che tu possa ordinare una pizza.
Kieran Chandler: Ottenere una consegna di pizza di successo in qualsiasi parte del mondo è davvero una sfida. Si tratta di casi d’uso molto specifici. Quegli assistenti AI non sono altro che una raccolta di casi d’uso ben integrati. Ora, per la supply chain, sarà praticamente lo stesso. Otterrai previsioni per tutte le aree in cui c’è incertezza. La domanda futura non è l’unica variabile incerta nella tua supply chain, ci sono molte altre cose come, ad esempio, lead times. I tuoi fornitori non sono perfettamente affidabili. Non è chiaro quanto lo siano o meno.
Joannes Vermorel: Assolutamente, ed è qui che l’IA può aiutare. L’intelligenza artificiale può fornire una previsione probabilistica molto accurata dei problemi che i tuoi fornitori potrebbero generare. E non si tratta solo di ritardi. Forse il tuo fornitore consegnerà le merci che hai ordinato in tempo, ma quando arriveranno nel tuo warehouse e le ispezioni, potresti scoprire che c’è un problema di qualità.
Quindi, non si tratta solo di ritardi, ma anche della qualità di ciò che hai ricevuto. Se sei una piattaforma di e-commerce di moda, ad esempio, vendi prodotti ai tuoi clienti e a volte, perché è moda, semplicemente non piace. Quindi, ciò che fanno è restituirti quei prodotti. Sapere in anticipo chi e quante persone restituiranno gli articoli è estremamente utile per ottimizzare la tua supply chain.
Ci sono tonnellate di aree in cui affronti incertezza, magari non tanto significative quanto prevedere la domanda futura, ma comunque cruciali da affrontare. Credo che queste tecnologie future basate sull’IA contribuiranno in modo significativo alla gestione della supply chain.
Kieran Chandler: Passando all’aspetto della supervisione umana. Queste tecnologie AI non saranno in grado di funzionare da sole. Quanta competenza in AI sarà effettivamente necessaria per far funzionare un progetto come questo? Le grandi aziende, come Google, potrebbero avere le risorse per impiegare un gran numero di esperti di AI, ma che dire del resto di noi? Ad esempio, le aziende di e-commerce di moda tendono ad essere all’avanguardia in fatto di tecnologia, ma potrebbero non avere esperti di AI nei loro ranghi. Come vedi che questo funzioni realmente nel mondo reale?
Joannes Vermorel: Innanzitutto, le migliori aziende di e-commerce di moda che conosco hanno esperti di AI nei loro ranghi, anche se si tratta di un’eccezione. Per rispondere alla tua domanda, credo che le aziende della supply chain, o le aziende che hanno una supply chain da gestire, non necessitino necessariamente di esperti di AI. Hanno bisogno di qualcos’altro, e ci tornerò più avanti.
La componente AI può essere completamente esternalizzata a un’azienda come Lokad. Se hai delle preoccupazioni riguardo all’IA, puoi semplicemente diventare un cliente di Lokad ed esternalizzare la tua componente AI a noi. È una strategia che può scalare molto bene.
Tuttavia, affrontiamo gli elementi che non scalano, ed è qui che entra in gioco l’aspetto temporale. Credo che il problema con l’IA sia che costringe le aziende a diventare più razionali. Le obbliga anche a eliminare le ambiguità e a sfidare lo status quo. Esattamente questo è ciò di cui parlo nel mio libro sulla quantitative supply chain. Se speri di ottimizzare qualcosa, devi prima stabilire una misurazione. Questo è impegnativo perché mette in discussione lo status quo. Questo, credo, è la vera sfida della tecnologia AI nella supply chain.
Kieran Chandler: Le aziende devono affrontare la sfida di cambiare lo status quo per migliorare e sfruttare l’IA. Questo può potenzialmente portare a dispute interne. È interessante esplorare come andrà a finire. Sembrerebbe che ci siano aziende che potrebbero vedere l’IA come una prospettiva realistica. Eppure, c’è anche simpatia per quei dipendenti che potrebbero vedere i loro lavori sostituiti da questi sistemi intelligenti. Quanto tempo passerà prima che abbiamo un presentatore AI qui in TV? Scherzi a parte, c’è il timore che ciò possa bloccare o rallentare l’adozione della tecnologia? Qui a Lokad abbiamo molti clienti. Se introducessimo un nuovo modello di intelligenza artificiale, come lo vedresti funzionare con i tuoi clienti?
Joannes Vermorel: È un buon punto. La paura è valida, ma le aspettative delle persone su ciò che accadrà sono solitamente errate. Se leggi la stampa, penseresti che tutti questi lavori saranno sostituiti e che la gente protesterà. Tuttavia, nella supply chain non è così. Perché? Perché i lavori che vengono sostituiti, a dire il vero, non sono granché. Immagina di dedicare otto ore al giorno a modificare fogli Excel. Non è un lavoro stimolante. Di solito, le persone sono molto contente quando quel compito può essere automatizzato. In questo modo, possono svolgere una versione del loro lavoro più gratificante, che ha più senso e non comporta tanto lavoro noioso con Excel. Ma questo non significa che non ci saranno dispute. Queste dispute, tuttavia, si verificheranno a un livello completamente diverso - a livello aziendale.
Ad esempio, considera una rete di vendita al dettaglio con vari negozi. La domanda è: e l’inventario in ogni negozio? In apparenza, penseresti che tutti i prodotti nei negozi esistano esclusivamente per essere venduti ai clienti. Ma non è del tutto vero. L’inventario all’interno di un negozio ha due scopi. Il primo è che un cliente entri nel negozio, trovi ciò che desidera e effettui un acquisto. Il secondo scopo è rendere il negozio abbastanza attraente da incitare il cliente ad acquistare qualcosa. Quindi, l’inventario ha una duplice funzione.
Kieran Chandler: Il problema che stiamo discutendo oggi è la ragione per cui i negozi sono così pieni di merce. Sembra che abbiano paura di apparire semi-vuoti, alla maniera di un negozio dell’URSS. Non è un’immagine desiderabile per i clienti.
Joannes Vermorel: Assolutamente, le persone nel settore retail sono consapevoli di ciò. Questo è sostanzialmente l’essenza del merchandising. Ora, consideriamo cosa può offrire l’intelligenza artificiale. L’IA è così precisa che può fornire risposte di cui non sapevi nemmeno di aver bisogno. Innanzitutto, può dirti esattamente quante unità di stock ti servono per servire i tuoi clienti. In secondo luogo, può calcolare quanta merce ti serve per rendere il tuo negozio visivamente attraente per i clienti.
Kieran Chandler: Quindi, se pensiamo a questo a livello aziendale, chi pagherà per questi due tipi di stock?
Joannes Vermorel: Beh, la supply chain paga naturalmente per lo stock necessario ai clienti. Ma per quanto riguarda lo stock aggiuntivo che esiste semplicemente per rendere il negozio attraente, si tratta essenzialmente di una spesa di marketing. È come pagare una pubblicità in TV: non vende direttamente i prodotti, ma genera interesse. Quindi, quando integri l’IA nella tua retail chain, il confine tra supply chain e marketing inizia a sfumare. Alcuni potrebbero trovare questa situazione difficile, specialmente il direttore marketing, che potrebbe improvvisamente vedere una grande parte del budget destinata allo stock.
Kieran Chandler: Sembra che questo cambiamento potrebbe causare alcuni conflitti interni all’azienda.
Joannes Vermorel: Sì, potrebbe esserci resistenza, soprattutto da parte di chi era a suo agio con i precedenti accordi di budget. Potrebbero dire: “No, gente della supply chain, per favore mantenete così. Io andavo benissimo avendo solo le pubblicità in TV nel mio budget.” Ma ora, la percezione sta cambiando. Lo stock viene visto come parte del marketing. Questo è un cambiamento profondo, e mentre implementare il software AI può essere fatto rapidamente, comprendere e adattarsi a tali cambiamenti potrebbe richiedere decenni.
Kieran Chandler: Capisco, è una prospettiva illuminante. Bene, temo che per oggi abbiamo terminato il tempo a disposizione. Grazie per questa discussione così interessante, Joannes. È stata variegata: abbiamo iniziato con l’intelligenza artificiale e siamo finiti a parlare di negozi nell’URSS. È così che vanno le cose. Comunque, grazie per il tuo tempo, Joannes.
Joannes Vermorel: Grazie, Kieran.
Kieran Chandler: Spero che la nostra discussione abbia aiutato a chiarire alcuni dei fraintendimenti comuni sull’intelligenza artificiale. Grazie per aver seguito e per i fantastici feedback che abbiamo ricevuto finora sui nostri video. Torneremo molto presto, ma fino ad allora, arrivederci.
