Intervista a Michele Palumbo, Prof. di Operations e Supply Chain di Unicatt

Michele Palumbo è professore a contratto di Operations e Supply Chain all’Università Cattolica di Milano, docente presso Politecnico di Milano e di Torino, LIUC e Bocconi, coordinatore scientifico di master in logistica e supply chain.

I modelli predittivi e cognitivi tendono per natura a ottimizzare il capitale circolante riducendo scorte e ridondanze sui dati storici recenti. Quando però le discontinuità geopolitiche diventano “ordinarie” — come i blocchi nei colli di bottiglia marittimi — questa efficienza rischia di amplificare la fragilità. Qual è il framework quantitativo o il KPI decisionale con cui un Supply Chain Director può stabilire scientificamente il limite oltre il quale l’efficienza algoritmica diventa un rischio inaccettabile di rottura di stock?

Il punto di partenza è riconoscere che i modelli predittivi rispondono a una domanda diversa da quella che pone una crisi. Le scorte di sicurezza classiche e gran parte degli algoritmi di forecasting sono tarati su un’incertezza statisticamente prevedibile, cioè la variabilità di domanda e lead time osservata nello storico recente. Oggi invece viviamo una successione prevedibile di eventi imprevedibili: da Suez a Hormuz, la discontinuità è diventata ordinaria.
Per questo non esiste un unico KPI, ma due livelli da tenere separati. Il primo è la scorta “di variabilità”, che l’algoritmo può e deve ottimizzare. Il secondo è il presidio “di discontinuità”, che si dimensiona per scenari e non sui dati storici. Il criterio decisionale più solido, per i nodi e i fornitori critici, è il confronto fra time to recover (quanto impiega quel nodo a tornare operativo) e time to survive (per quanto tempo la mia rete continua a servire il cliente senza di esso). Quando il time to recover supera il time to survive, l’efficienza è diventata un rischio inaccettabile. A quel punto la scelta va motivata economicamente, mettendo a confronto il costo della protezione e il costo della non-resilienza, cioè vendite e clienti persi.
La resilienza diventa così la terza dimensione del disegno della rete, accanto a costo e servizio. Non significa ridondanza generalizzata ma ridondanza selettiva, fatta di leve preattivate: fornitori alternativi qualificati, piani di continuità, simulazioni di scenario. Ed è qui che entra in gioco la visibilità, che non può fermarsi al primo livello di fornitura.

Nell’abstract della sua conferenza sottolinea il passaggio dalla segmentazione alla singolarizzazione dell’offerta trainata dall’e-commerce, che impone estrema flessibilità. D’altra parte, l’automazione fisica avanzata (magazzini automatici, flussi rigidi di linea) richiede standardizzazione e saturazione per ripagare i costi fissi. Come si riconcilia, a livello di network design, la variabilità estrema richiesta dal cliente finale con la rigidità intrinseca dei grandi investimenti in automazione?

La conciliazione non avviene nel singolo magazzino ma nel disegno del network. Il punto è decidere dove la rete deve essere standard e dove deve essere flessibile. La leva classica, ancora attualissima, è il posticipo della differenziazione (postponement). Si automatizza a monte il “nucleo stabile” dei flussi, cioè i codici ad alta rotazione e a domanda regolare. La personalizzazione si sposta invece il più a valle possibile: confezionamento, kit, ultimo miglio.
Accanto a questo è cambiata la natura stessa dell’automazione. Rispetto ai grandi impianti rigidi del passato, robot mobili, sistemi goods-to-person modulari e formule a canone permettono di scalare la capacità in modo più graduale e di riconfigurarla. Sono soluzioni che si saturano anche con mix variabili. La coda lunga e i picchi possono restare su processi più manuali o su piattaforme condivise multi-client di operatori logistici, che distribuiscono i costi fissi su più clienti.
Infine c’è il ruolo dei dati. La supply chain cognitiva usa l’intelligenza artificiale per orchestrare risorse fisiche eterogenee, assegnando ordini, slot e percorsi in tempo reale e trasformando la variabilità da vincolo a parametro di pianificazione. È il senso del passaggio della tecnologia “da fine a mezzo”: il vantaggio non è nell’impianto più sofisticato, ma nella capacità di farlo lavorare con la giusta informazione.

Con l’entrata a regime di CSRD ed ETS, la rendicontazione e la riduzione delle emissioni Scope 3 non sono più opzionali. Guardando oltre la conformità formale: in base alla sua esperienza sul campo, quali sono oggi i casi concreti in cui l’adozione di una supply chain cognitiva ha trasformato la sostenibilità da mero costo di compliance a reale vantaggio marginale sui conti aziendali?

Una premessa: con il pacchetto Omnibus il perimetro diretto della CSRD si è molto ristretto (imprese con oltre 1.000 dipendenti e 450 milioni di fatturato), e l’ETS 2 per il trasporto su strada slitta al 2028. La pressione però non diminuisce, perché i grandi clienti devono rendicontare il proprio Scope 3 e lo chiedono ai fornitori. Proprio per questo conviene guardare oltre la compliance. I casi in cui ho visto la sostenibilità tradursi in margine hanno un tratto comune: l’emissione evitata coincide con uno spreco evitato.
Pianificazione predittiva delle scorte: in un caso recente nella distribuzione, l’AI predittiva ha ridotto le giacenze in eccesso del 17% e le rotture di stock del 12%. Meno sovrascorta significa meno capitale immobilizzato, meno obsolescenza e meno spedizioni d’urgenza, tre voci che pesano sia sul conto economico sia sulle emissioni.
Ottimizzazione AI delle flotte di ultimo miglio: routing dinamico e saturazione dei mezzi riducono chilometri, costi del carburante ed emissioni nello stesso momento.
Consolidamento delle consegne: le analisi dell’Osservatorio Contract Logistics del Politecnico mostrano che la consegna presso punti di ritiro riduce in modo significativo l’impatto rispetto alla consegna a domicilio, soprattutto nelle aree a bassa densità. Lo stesso vale per la riduzione del numero di consegne giornaliere e per le reti di distribuzione condivise.
In tutti questi casi la tecnologia è il mezzo, il risultato lo fa la collaborazione lungo la filiera.