Entro il 2030 il 50% delle applicazioni per le supply chain sarà Agentic AI, ovvero forme avanzate di intelligenza artificiale capace di operare autonomamente per raggiungere obiettivi complessi, pianificando e agendo con supervisione umana minima. Diventeranno veri e propri colleghi di lavoro dei logistici, in team misti composti da umani e intelligenze digitali. La previsione è di Philipp Pfister, Sector Vice President di Transporeon, società di Trimble che gestisce una delle più grandi piattaforme della logistica presente in 25 paesi nel mondo.
Anche secondo Gartner, una delle principali società di consulenza strategica, ricerca di mercato e analisi specializzata nel settore dell’Information Technology (IT), entro il 2030 il 50% delle soluzioni per la supply chain integrerà meccanismi di decision-making autonomo: un cambiamento rilevante, che segnerà il passaggio da sistemi progettati solo per eseguire determinati compiti, a tecnologie orientate al raggiungimento di obiettivi concreti.
Attualmente però l’Agentic AI è solo all’1%
La realtà, tuttavia, è più complessa: infatti, sempre secondo dati Transporeon/Trimble attualmente il 36% dei committenti dichiara di disporre di strumenti di intelligenza artificiale base o intermedi all’interno dei propri sistemi di gestione dei trasporti, ma solo l’1% utilizza già oggi soluzioni di decision-making autonomo avanzato. Il divario è marcato, ma il trend è chiaro: il 23% delle organizzazioni sta ampliando l’implementazione di sistemi di Agentic AI, mentre un ulteriore 39% li sta sperimentando.
Il 2025 – secondo Pfister – è stato una prima fase di sperimentazione, il 2026 dovrà necessariamente essere caratterizzato da una fase di accelerazione nell’adozione di questi strumenti. Come sono utilizzate per ora le? Le prime applicazioni Agentic AI messe in campo dai conmittenti riguardano l’acquisto spot dei trasporti, la valutazione e qualificazione dei vettori, il monitoraggio in tempo reale degli ETA e la gestione delle interruzioni operative. “Una volta consolidata l’efficacia delle Agentic AI in questi ambiti – ribadisce Pfister – è difficile pensare che la loro utilità possa essere limitata a pochi casi d’uso: il loro perimetro di applicazione è destinato ad ampliarsi progressivamente, fino a coinvolgere l’intera supply chain”.
Ma quale strada per ottenere buoni risultati nella logistica?
In primis, per ottenere risultati – secondo Pfister – occorre valutare la maturità dei dati, l’avviamento di progetti pilota in ambienti controllati, la definizione o adozione di modelli di governance già validati dal mercato e la progettazione di soluzioni orientate all’interconnessione; sarà inoltre essenziale investire sulle competenze delle persone, formando team in grado di collaborare con le Agentic AI e di supervisionarne l’operato.
Non sorprende che la qualità del dato resti la principale barriera all’adozione e sia, da anni, uno dei temi più discussi nel settore, motivo per cui oltre la metà dei mittenti e dei vettori la indica come principale ostacolo. Tuttavia – continua Pfister – la disponibilità di dati di qualità, da sola, non è sufficiente se questi rimangono confinati in silos. L’interoperabilità è un fattore critico, perché amplifica il potenziale dell’Intelligenza Artificiale: i sistemi apprendono più rapidamente quando sono connessi lungo l’intera rete dei partner commerciali, attingendo ad informazioni condivise e in tempo reale, anziché da dataset isolati.
In questo scenario, la modularità è un altro fattore chiave, perché le aziende devono poter integrare l’Agentic AI all’interno delle infrastrutture esistenti, senza essere costrette a ricostruire tutto da zero. Questo approccio consente di adottare le capacità degli agenti in modo progressivo, allineando il ritmo di implementazione alle risorse disponibili e al livello di maturità tecnologica dell’azienda.
La governance essenziale
Quanto più l’Intelligenza Artificiale prende decisioni in autonomia – spiega Pfister – tanto più la governance diventa un elemento critico; per questo motivo, è necessario definire confini chiari, ovvero che cosa possono fare gli agenti IA e quali azioni, invece, restano escluse. La conoscenza di questi limiti consente un utilizzo sicuro dell’IA, pienamente allineato agli obiettivi e alle intenzioni dell’azienda. È essenziale stabilire questi limiti prima di incrementare l’implementazione delle soluzioni al fine di monitorare le prestazioni degli agenti in ogni fase del flusso operativo, e non limitare la loro valutazione al risultato finale. Questo approccio permette di individuare tempestivamente eventuali errori e di affinare progressivamente i sistemi, garantendo un livello di visibilità che si rivela indispensabile una volta superata la fase pilota.
I team digitali
Non ci sono dubbi: i “colleghi digitali” basati sull’Intelligenza Artificiale diventeranno una componente strutturale dei team di supply chain del futuro. La tecnologia ha già dimostrato la propria portata: ad esempio, negli Stati Uniti, alcune ricerche indicano che l’IA è già in grado di svolgere attività pari all’11,7% della forza lavoro, segno che, entro la fine del decennio, il potenziale globale in termini di efficienza e riduzione dei costi sarà significativamente più elevato.
Il metro dell’eccellenza non sarà dato solo dal livello di automazione raggiunto, ma soprattutto dai risultati economici che team formati da persone e Intelligenza Artificiale sapranno raggiungere insieme. Infine, le aziende che guideranno la futura supply chain, saranno quelle che riusciranno a costruire la giusta governance, un’infrastruttura solida e, soprattutto, una cultura in grado di sostenere questa collaborazione ibrida.
