ai e pianificazione

Supply chain italiane, la resilienza si ferma ai rattoppi


Indirizzo copiato

Le imprese italiane monitorano rischi e fornitori, ma puntano ancora soprattutto su scorte, alternative e piani d’emergenza. La pianificazione della supply chain diventa decisiva nell’incertezza permanente, mentre AI, competenze e interventi strutturali avanzano con lentezza, con effetti limitati sulla capacità di trasformazione delle aziende

Pubblicato il 30 ott 2026

Gianluca Martin

Ricercatore dell'Osservatorio Supply Chain Planning del Politecnico di Milan



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 23 ott 2026, 10_52_48




Un cigno nero, per definizione, è un evento raro: imprevedibile, devastante, eccezionale. Ma che cosa succede quando i cigni neri cominciano ad arrivare in stormo? Dazi che cambiano da una settimana all’altra, guerre che chiudono rotte commerciali, bollette dell’energia sulle montagne russe, clienti che un mese ordinano il doppio e quello dopo la metà. Per le imprese italiane l’incertezza ha smesso di essere un incidente di percorso. È diventata la nuova normalità.

È da questa immagine che è partito il convegno dell’Osservatorio Supply Chain Planning del Politecnico di Milano, “Pianificare la Supply Chain nello stormo di cigni neri”, che si è tenuto il 22 settembre 2026. Ricercatori, manager di aziende manifatturiere, consulenti e fornitori di tecnologia si sono confrontati su una domanda semplice solo in apparenza: come si pianifica quando il piano rischia di essere vecchio prima ancora di essere approvato?

La pianificazione della supply chain nell’incertezza permanente

La risposta breve è scomoda. Le imprese si stanno attrezzando, sì, ma soprattutto per incassare il prossimo colpo, non per cambiare davvero il modo in cui lavorano. E l’Intelligenza Artificiale, che sulla carta sarebbe l’alleata perfetta per decidere più in fretta e simulare il futuro, per ora resta in gran parte in panchina: l’86% delle aziende ritiene che sul mercato esistano già strumenti abbastanza maturi, ma solo una su quattro ha avviato progetti concreti. Il problema, insomma, non è la tecnologia.

Dall’efficienza alla continuità operativa

Negli ultimi cinque anni la gestione della filiera ha cambiato pelle. Per decenni è stata soprattutto una questione di efficienza: tagliare costi, ridurre scorte, ottimizzare. Oggi è diventata il pilastro che tiene in piedi la continuità operativa delle imprese.

Complice anche un contesto in cui l’incertezza e il rischio le fanno da padrona. Ecco perché la metafora dello stormo di cigni neri funziona così bene. Gli shock si susseguono con una frequenza tale da mettere in discussione l’idea stessa di pianificare. Bisogna accettare che la variabilità di tutti i giorni e gli eventi estremi non sono più due mondi separati, uno “normale” e uno “anormale”: sono entrambi parte strutturale della vita d’impresa, da incorporare nelle decisioni, nell’organizzazione e nei sistemi informativi.

La buona notizia è che le aziende italiane stanno mostrando una forte voglia di adattarsi. Quella cattiva è che i problemi non si stanno riducendo ma, al contrario, si intensificano.

I progetti più ambiziosi, quelli che cambierebbero davvero le regole del gioco, faticano a decollare: costruire basi dati solide e integrate, passare da una gestione del rischio che insegue gli eventi a una che li anticipa, vedere cosa succede ai fornitori dei propri fornitori. Ancora più in salita sono gli interventi strutturali, come ridisegnare la rete di stabilimenti e magazzini.

Il risultato? Tocca alla pianificazione compensare una catena del valore fisica che non è più adatta al mondo in cui opera. Un po’ come chiedere al navigatore di rimediare a un’auto che non sterza bene.

Gestione del rischio e resilienza nella supply chain italiana

Al convegno l’Osservatorio ha presentato i risultati della sua ricerca sulla gestione del rischio nelle aziende manifatturiere che operano in Italia. Il primo messaggio è netto: il rischio non è più un’eccezione da fronteggiare, ma una condizione permanente con cui convivere. E non fa differenze di taglia. I tre rischi considerati più pericolosi sono gli stessi per PMI, grandi e grandissime imprese: instabilità geopolitica e dazi (65%), volatilità della domanda (57%) e disruption logistiche (49%). Cambia il peso, non la sostanza: l’incertezza attraversa da parte a parte tutto il manifatturiero.

Il monitoraggio continuo resta minoritario

Non stupisce quindi che quasi tutti, almeno sulla carta, si siano organizzati: il 96% delle aziende ha un processo di monitoraggio del rischio e solo il 4% interviene quando il problema è già esploso. Ma basta scavare un po’ per scoprire che la proattività è più dichiarata che praticata.

Quasi un’impresa su due (45%) monitora i rischi in modo saltuario, di solito dopo uno shock o su segnalazione. Un altro 31% lo fa a scadenza fissa, ogni tre o sei mesi.

È una modalità strutturata che, però, soffre di un’importante limitazione: qualora il rischio si manifesti negli intervalli di inattività, l’impresa dispone della stessa visibilità di chi non lo monitora affatto. Solo il 20% tiene i rischi sotto osservazione in modo continuo, con avvisi automatici e aggiornamenti frequenti.

La visibilità si ferma ai fornitori diretti

Lo stesso schema si ripete sui fornitori. Quelli critici, il cui stop fermerebbe quasi subito anche l’azienda, sono sorvegliati dal 77% delle imprese. Se si allarga lo sguardo a tutti i fornitori diretti, la quota scende al 47%.

Oltre, è buio quasi totale: solo un’impresa su cinque (19%) sa qualcosa dei rischi che corrono i fornitori dei propri fornitori. Non per scelta, ma perché spesso non sa nemmeno chi siano e non ha alcun contratto su cui far leva per chiedere informazioni. Eppure è proprio lì, nelle pieghe più lontane della filiera, che si nascondono le vulnerabilità, come hanno dimostrato casi recenti che hanno coinvolto marchi importanti della moda italiana.

Strategie di resilienza ancora difensive

E come ci si difende? La raffica di shock iniziata nel 2020 ha reso le strategie di resilienza ormai diffuse, ma sono soprattutto strategie da “cuscinetto”: avere qualcosa in più per assorbire il colpo e continuare a lavorare. Le più usate sono qualificare fornitori alternativi (62%), avere più fornitori per componenti critici (59%), rivedere le politiche di scorta (54%) e rendere la produzione più flessibile (45%).

Le scelte che ridisegnano davvero la filiera restano minoritarie: avvicinare o riportare in Italia produzione e acquisti si ferma al 24%, ripensare la rete di stabilimenti e magazzini o diversificare le rotte di trasporto al 22%, l’insourcing di attività esternalizzate al 18%.

Allo stesso modo, le leve a cui le imprese affermano di voler ricorrere maggiormente nei prossimi 12 mesi non sono strutturali ma analitiche: in cima alla lista ci sono la creazione di un piano di emergenza formalizzato (23%) e previsioni della domanda più accurate (20%). Le strategie più onerose – in termini di impegno di risorse e orizzonte temporale – restano marginali anche nelle intenzioni, con percentuali d’intenzione di adozione nel breve termine che vanno dall’1% per la diversificazione delle rotte logistiche al 7% per la revisione del network.

Tradotto: il prossimo passo è pianificare meglio, non riconfigurarsi. Più ruota di scorta che auto nuova. E intanto solo un’azienda su quattro punta su visibilità lungo la filiera e collaborazione con fornitori e clienti, cioè proprio le leve che servono a vedere arrivare la tempesta prima che scoppi.

Persone e competenze per pianificare la supply chain

Se gli strumenti per pianificare meglio sono ormai alla portata di molti, la vera partita si gioca sulle persone. E la domanda che tutti si fanno è una sola: che cosa fa l’Intelligenza Artificiale a chi ogni giorno pianifica la filiera?

L’impatto dell’AI sui ruoli è ancora limitato

Per ora, poco. Il 65% delle imprese dice di non aver visto impatti significativi sui ruoli, e la quota sale al 79% tra le PMI. Dove l’effetto si vede, consiste soprattutto nell’eliminare il lavoro ripetitivo, come inserire dati o compilare report a mano (32%).

La “job apocalypse” può aspettare: solo l’8% ha ridotto il personale in alcuni ruoli operativi. Ma restano rari anche i segnali di una vera evoluzione: appena il 19% dedica più tempo all’analisi e alle decisioni strategiche, il 13% ha visto i propri pianificatori passare da esecutori a supervisori dei sistemi automatici, l’11% ha creato ruoli nuovi.

Il divario di competenze frena l’adozione dell’AI

Il nodo vero sono le competenze. La mancanza di persone preparate è la prima barriera all’adozione dell’AI, indicata dal 38% delle grandi imprese e dal 43% delle PMI. È prima di tutto un disallineamento culturale: i team non sono abituati a lavorare con sistemi che ragionano per probabilità e vanno sorvegliati, invece di eseguire istruzioni sempre uguali. Eppure, ed ecco il paradosso, quasi metà delle aziende (44%) non ha un piano strutturato per sviluppare queste competenze e si affida all’imparare facendo. Tutti dicono che mancano le competenze, quasi nessuno le sta costruendo.

Il pianificatore diventa supervisore delle decisioni

Il messaggio emerso al convegno è chiaro: la macchina calcola, prevede e automatizza il ripetitivo; le persone interpretano il contesto, gestiscono le eccezioni e scelgono i compromessi tra livello di servizio al cliente, costi e scorte. La competenza che farà la differenza non sarà più produrre il piano, ma saperlo giudicare, cioè riconoscere quando la proposta del sistema è sbagliata. Il valore del pianificatore sta cambiando. Le aziende, però, non hanno ancora ridisegnato i ruoli.

Intelligenza artificiale nella pianificazione della supply chain

Mentre i colossi tecnologici raccontano filiere che si governano da sole, guidate da agenti di Intelligenza Artificiale, le imprese manifatturiere italiane procedono con molta cautela. Solo il 25% ha almeno un progetto di AI a regime, mentre il 47% sta ancora valutando.

E la distanza tra chi corre e chi resta indietro è enorme: nella previsione della domanda metà delle grandissime aziende lavora già con sistemi integrati che parlano tra loro in tempo reale, mentre metà delle PMI resta ancorata a strumenti frammentati o ai fogli di calcolo. Nella pianificazione della produzione quasi sei PMI su dieci operano senza strumenti strutturati.

I progetti partono da domanda, ordini e scorte

Il quadro però non è fermo. Rispetto a due anni fa la digitalizzazione della pianificazione ha fatto un salto evidente, e otto aziende su dieci, nei loro progetti di trasformazione, cercano soprattutto di migliorare la capacità di simulare scenari alternativi. I progetti di AI oggi si concentrano dove la tecnologia è già collaudata e i benefici sono dimostrati: la previsione della domanda (23%), la gestione degli ordini (18%) e quella delle scorte (13%). Sono anche le aree da cui di solito si parte, per poi estendere l’esperienza alla produzione, ai trasporti e agli acquisti.

Gli agenti AI restano una frontiera per pochi

C’è poi un’avanguardia molto ristretta: appena il 4% delle grandi e grandissime imprese ha tracciato un percorso di lungo periodo per affidare ad agenti AI il coordinamento dell’intera filiera, dal fornitore al cliente finale. Queste aziende hanno scelto una piattaforma unica, una sola base dati e regole comuni per descrivere prodotti, clienti e fornitori.

Così le informazioni scorrono in automatico e spesso in tempo reale, e diventa molto più semplice simulare cosa succederebbe se un fornitore si fermasse o un porto venisse chiuso. La lezione che arriva da loro è pragmatica: partire con pochi casi d’uso mirati, con risultati raggiungibili in tempi ragionevoli e una complessità sostenibile, e poi crescere passo dopo passo.

La supply chain autonoma è ancora lontana

Quanto alla filiera che si guida da sola, è bene non farsi illusioni. Gli strumenti “facili” oggi disponibili sono un buon punto d’ingresso, ma non bastano a gestire processi così complessi, e i grandi modelli linguistici usati in produzione costano, sia in tempi di risposta sia in infrastruttura. L’autonomia resta una meta lontana, che richiede di rivedere un passo alla volta processi, ruoli e architettura tecnologica. La barriera più alta non è la tecnologia, ma la prontezza delle imprese a ripensare il proprio modo di pianificare.

Perché la supply chain deve evolvere oltre le emergenze

La direzione è giusta, ma la strada è ancora lunga. Le imprese italiane hanno imparato a convivere con lo stormo di cigni neri: misurano di più, monitorano di più, hanno qualche fornitore di riserva e qualche scorta in più nel magazzino. Ma la resilienza scritta e governata è ancora molto meno diffusa di quella improvvisata sul campo.

Per fare il salto servono tre mosse: affiancare agli indicatori di efficienza quelli di resilienza, pianificare dando per scontato che lo shock arriverà invece di sperare che non arrivi, e investire su visibilità e collaborazione lungo la filiera, perché senza dati condivisi nessuna simulazione e nessun algoritmo potranno vedere la tempesta in anticipo.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x