Dove rende, in ordine di solidità
| Caso | Solidità | Cosa serve |
|---|---|---|
| Leggere ordini in formati diversi | Alta | Volume e formati vari |
| Classificare segnalazioni e non conformità | Alta | Uno storico di testo libero |
| Cercare in manuali e schede tecniche | Alta | Documenti in ordine |
| Riconoscere difetti da immagini | Media | Molte foto etichettate, e il difetto deve vedersi |
| Individuare anomalie ricorrenti nei dati | Media | Dati affidabili e un periodo sufficiente |
| Prevedere la domanda | Bassa nelle PMI | Storici lunghi, puliti e stabili |
| Ottimizzare percorsi e carichi | Non è AI generativa | Sono algoritmi, e funzionano bene |
L'ultima riga è una precisazione utile: molti problemi di operations — percorsi, carichi, sequenze — si risolvono meglio con algoritmi di ottimizzazione che esistono da decenni. Chiamarli AI confonde, e porta a valutare lo strumento sbagliato.
Perché le previsioni deludono
Una previsione della domanda si costruisce su uno storico. Per essere utile serve che sia lungo, completo e riferito a condizioni comparabili. Nelle PMI di solito accade il contrario: due o tre anni di dati, con un periodo anomalo in mezzo, cambi di catalogo, clienti che sono entrati e usciti e stagionalità che dipende da poche commesse grandi.
- Con pochi clienti, la domanda dipende dalle loro decisioni, non da un andamento.
- Un ordine grande sposta il mese: nessun modello lo prevede, perché dipende da una trattativa.
- I cambi di catalogo spezzano la continuità dello storico.
- I dati di magazzino, se non sono affidabili, rendono inaffidabile anche la previsione migliore.
Il caso più solido: leggere ciò che arriva
- 01
Gli ordini clienti arrivano in cento formati
Email, PDF, fogli, moduli del cliente. L'AI ne estrae righe, codici e quantità; le regole verificano che i codici esistano e i totali tornino.
- 02
Le segnalazioni sono testo libero
Classificate per tipo e gravità, diventano un dato: quante volte ricorre quel problema, su quale linea, con quale fornitore.
- 03
I documenti dei fornitori
DDT e conferme d'ordine estratti e confrontati con l'ordine emesso: le differenze emergono subito, non alla fattura.
In tutti e tre i casi il valore non è l'intelligenza, è che un'informazione che oggi esiste solo come testo diventa un dato su cui si può contare, filtrare e decidere.
La condizione che viene prima di tutto
Senza queste, nessun progetto AI in operations regge
- Le giacenze corrispondono alla realtà, con uno scarto noto e accettabile.
- I movimenti vengono registrati quando avvengono, non a fine giornata.
- Gli articoli hanno codici univoci e non duplicati.
- Gli stati degli ordini sono aggiornati da chi li fa avanzare.
- Chi lavora si fida dei numeri che vede, invece di verificarli ogni volta.
Se l'ultima riga è falsa, il primo progetto non è l'AI: è registrare i movimenti nel momento in cui avvengono. Costa meno, produce un risultato immediato, ed è la condizione perché tutto il resto abbia senso.