Intelligenza artificiale per la logistica: cosa insegnano le galee di Venezia a chi gestisce un magazzino

In un magazzino il problema raramente è la merce. È l'informazione che arriva tardi: il riordino fatto quando lo scaffale è già vuoto, il DDT ricopiato con un codice sbagliato, il cliente che scopre il ritardo quando il camion non arriva. L'intelligenza artificiale per la logistica serve proprio lì, a far arrivare l'informazione giusta un po' prima. E l'idea, vi stupirà, ha almeno settecento anni.

Le mude di Venezia: quando il prodotto era il calendario

Nel primo Trecento la Repubblica di Venezia organizzò un sistema che gli storici chiamano delle mude: convogli di galee da mercato di proprietà dello Stato, costruite nell'Arsenale, che ogni anno venivano date in gestione ai mercanti con un'asta pubblica, l'incanto. Chi vinceva l'asta diventava "patrono" della galea e la faceva navigare su rotte stabilite dal governo: verso Alessandria d'Egitto, Beirut, Costantinopoli e il Mar Nero, ma anche verso ponente, fino alle Fiandre e all'Inghilterra. Lo studio di riferimento sul tema è quello di Doris Stöckly, Le système de l'Incanto des galées du marché à Venise, dedicato al periodo tra la fine del Duecento e la metà del Quattrocento.

Perché ve lo racconto? Perché il valore di quel sistema non stava soltanto nelle navi. Stava nella prevedibilità. Le linee erano note, le galee partivano di solito in primavera e rientravano in autunno, le condizioni del viaggio venivano fissate in anticipo dal governo. Un mercante di Rialto poteva organizzare acquisti, crediti e magazzino sapendo, con buona approssimazione, quando sarebbe partita e tornata la sua merce.

Ecco, il vostro magazzino oggi vende la stessa cosa. Il cliente non compra solo un bancale consegnato: compra la certezza di sapere quando arriva. E l'intelligenza artificiale, usata bene, è prima di tutto uno strumento di prevedibilità.

Dove l'AI aiuta davvero in logistica e magazzino

Lasciamo da parte robot e magazzini completamente automatici, che riguardano pochi grandi operatori. Per una PMI della distribuzione, un'azienda di trasporti o un'impresa con un magazzino interno, le applicazioni concrete sono queste.

1. Previsione della domanda e riordino

Un modello che legge lo storico delle vendite, la stagionalità, le promozioni e i tempi di consegna dei fornitori può suggerire quanto e quando riordinare meglio di una scorta minima fissata anni fa. Il risultato atteso: meno rotture di stock sugli articoli che girano, meno merce ferma su quelli che non girano. La decisione finale resta a chi conosce i clienti; l'AI propone, la persona approva.

2. Documenti di trasporto letti in automatico

DDT, CMR, packing list, conferme d'ordine: arrivano in PDF, foto, email. Un sistema di AI che legge i documenti può estrarre codici, quantità, lotti e destinatari, confrontarli con l'ordine e segnalare solo le differenze. È spesso il primo progetto con un ritorno visibile, perché elimina la copiatura e intercetta errori prima che diventino resi. Ne parliamo più in generale nella guida alla gestione documentale con l'intelligenza artificiale.

3. Ubicazioni e prelievo

Analizzando quali articoli escono insieme e con che frequenza, si possono proporre ubicazioni più vicine alle baie per i prodotti più richiesti e percorsi di prelievo più corti. Non serve rifare il magazzino: bastano i dati del gestionale di magazzino (WMS) e un po' di disciplina nelle anagrafiche.

4. Pianificazione dei giri di consegna

Gli strumenti di ottimizzazione dei percorsi esistono da tempo; l'AI aggiunge la capacità di tenere conto di vincoli scritti in linguaggio naturale ("il cliente X riceve solo la mattina", "la via Y è chiusa il martedì di mercato") e di ricalcolare quando qualcosa cambia.

5. Clienti informati prima che chiamino

Un assistente che risponde via email, WhatsApp o sul sito alla domanda più frequente della logistica, "dov'è la mia merce?", leggendo lo stato della spedizione dal sistema. E che passa a una persona tutto ciò che non è una semplice richiesta di stato: reclami, danni, urgenze.

6. Segnalazione delle anomalie

Inventari che non tornano, consegne sistematicamente in ritardo su una tratta, un fornitore che sbaglia spesso le quantità: l'AI è brava a notare gli schemi che a occhio sfuggono, a patto che qualcuno guardi le segnalazioni e decida cosa farne.

Tabella pratica: dati necessari e punto di controllo

Notate che la colonna centrale è la più importante. Se le anagrafiche sono sporche, se i codici articolo cambiano da un fornitore all'altro, se metà dei movimenti si registra a fine giornata "a memoria", nessun algoritmo farà miracoli. Il primo progetto di AI in logistica, molto spesso, è sistemare i dati.

Prima di partire: tre controlli

1. Il gestionale esporta i dati? Se il WMS o l'ERP non permette di estrarre movimenti e storico in modo ordinato, partite da lì.
2. Chi è il responsabile? Ogni automazione ha bisogno di un nome: chi controlla le proposte di riordino, chi guarda le anomalie.
3. Il metodo è chiaro? Mappare, misurare, prototipare su un pezzo piccolo, tenere una persona nel punto giusto: è il metodo in sei passi della nostra guida completa all'automazione dei processi aziendali.

Un capitolo che non si può saltare: la sicurezza

Il Rapporto Clusit 2026 segnala che in Italia, nel 2025, il settore Trasporti e Logistica ha subito il 12% degli incidenti informatici gravi censiti, con un aumento del 134,6% rispetto all'anno precedente. Il motivo è intuitivo: un magazzino fermo per un attacco significa camion fermi, clienti fermi, penali. Ogni nuovo collegamento tra gestionale, portali dei clienti e strumenti di AI va protetto con credenziali personali, autenticazione a due fattori e permessi minimi. E le email che chiedono di "aggiornare le coordinate bancarie del vettore" vanno verificate per telefono, sempre: lo spieghiamo in phishing, AI e sicurezza informatica per PMI.

Errori da evitare

• Comprare la piattaforma prima di conoscere il problema. Prima si misura dove si perde tempo, poi si sceglie lo strumento.
• Fidarsi delle previsioni senza guardarle. Un modello di previsione non sa che il vostro miglior cliente ha appena chiuso uno stabilimento. Voi sì.
• Automatizzare la risposta al cliente senza via d'uscita. Se l'assistente non sa passare la conversazione a una persona, i clienti arrabbiati diventano clienti persi.
• Dimenticare i magazzinieri. Sono loro che sanno perché un'ubicazione "teorica" non funziona. Coinvolgerli dall'inizio evita mesi di resistenze, come raccontiamo in AI e lavoro: quali mansioni cambiano.

Uno scenario tipo

Immagina un distributore di ricambi con un magazzino da qualche migliaio di codici e venti dipendenti. Ogni giorno arrivano decine di DDT dai fornitori, in formati diversi, e un impiegato li confronta a mano con gli ordini. Il primo passo è far leggere i DDT a un sistema di AI che segnala solo le righe con differenze di quantità o codice: l'impiegato non ricopia più, controlla le eccezioni. Il secondo passo, qualche mese dopo, è usare lo storico pulito per proporre i riordini sugli articoli a più alta rotazione. Il terzo, se ha senso, è un assistente che risponde ai clienti sullo stato degli ordini. Tre progetti piccoli, in fila, ognuno misurato prima di passare al successivo. Per i compiti più complessi, dove il sistema deve decidere quali passaggi fare, si può valutare un agente: ne spieghiamo pregi e limiti in agenti AI, cosa sono e quando servono.

Vuoi capire da dove partire nel tuo magazzino?

Lavoriamo con aziende di logistica e distribuzione partendo sempre da come lavorano le persone, non dal software. Scopri i nostri servizi di automazione oppure prenota una call conoscitiva gratuita: in mezz'ora individuiamo il primo flusso di informazioni che conviene sistemare.