Cos’è la gestione delle scorte con l’IA? Una guida per prendere decisioni più intelligenti sulle scorte

Per molti anni, la gestione delle scorte si è basata su una metodologia semplice che teneva conto delle medie storiche, delle scorte di sicurezza e dell’intuito dei responsabili per colmare eventuali lacune. Funzionava bene in un contesto in cui la domanda era stabile e la supply chain prevedibile, dato che i modelli non variavano molto da un periodo di analisi all’altro. I tempi però sono cambiati e oggi non si può più contare su nessuna di queste certezze. Le interruzioni della supply chain, l’evoluzione della domanda dei consumatori e le catene di approvvigionamento globali sempre più complesse hanno messo in luce i limiti delle vecchie tecniche di previsione e hanno spinto le aziende a cercare una nuova strada da seguire.

Uno degli approcci alternativi è il controllo delle scorte basato sull’intelligenza artificiale (IA). Non si tratta semplicemente di aggiungere un altro nome all’ecosistema esistente della gestione delle scorte. È un paradigma completamente nuovo di monitoraggio e previsione delle scorte. Con l’attuale pressione sui responsabili delle scorte, sui responsabili della supply chain e sulle operations affinché facciano di più con meno risorse, c’è un bisogno crescente di capire cos’è e cosa non è il controllo delle scorte basato sull’IA.

È proprio in questo contesto che si usano spesso i termini “controllo intelligente delle scorte” e “controllo smart delle scorte”. Entrambi si riferiscono allo stesso cambiamento, per cui le decisioni relative al controllo delle scorte vengono aggiornate automaticamente man mano che arrivano nuove informazioni.

Cos’è il controllo delle scorte con l’IA?

Il controllo delle scorte basato sull’IA utilizza l’intelligenza artificiale e l’apprendimento automatico per prendere decisioni relative al livello delle scorte e al loro rifornimento, basandosi su dati in continua evoluzione, anziché seguire regole sviluppate mesi o addirittura anni fa. Il controllo delle scorte con metodi convenzionali si basa su punti di riordino statici e revisioni a intervalli fissi. Il software per il controllo delle scorte basato sull’IA analizza sia i dati in tempo reale che quelli storici, come le tendenze di vendita, la stagionalità, le promozioni e persino fattori esterni quali le condizioni meteorologiche e il contesto economico.

In altre parole, mentre il controllo delle scorte tradizionale si chiede: «Cosa ha funzionato in passato?», quello basato sull’IA si chiede: «Cosa sta succedendo adesso e cosa succederà dopo?». Questa distinzione ha un peso molto maggiore di quanto possa sembrare a prima vista. Anche se una certa regola era valida un anno fa, potrebbe perdere gradualmente la sua precisione a causa dei cambiamenti nel comportamento dei consumatori, dei tempi di consegna dei fornitori o della situazione del mercato.

Il sistema di gestione delle scorte basato sull’IA opera in parallelo ad altre discipline come la gestione dell’inventario, ma le due cose non vanno confuse. La gestione delle scorte basata sull’IA implica l’uso dell’intelligenza artificiale per facilitare questo processo, mentre la gestione dell’inventario è il processo in sé.

Come funziona il controllo delle scorte tradizionale

L’approccio tradizionale al controllo delle scorte si basa su regole. Ogni volta che le scorte scendono al di sotto di un livello minimo predefinito, si procede a un nuovo ordine, mentre è prevista una scorta di sicurezza per gestire le variazioni della domanda e una revisione periodica da parte del responsabile della pianificazione. Si tratta di un sistema di natura prevalentemente reattiva. Le scorte vengono riordinate solo dopo che sono scese al di sotto di un certo livello, sulla base di ipotesi che potrebbero essere completamente superate.

Per il responsabile di magazzino o il pianificatore di produzione che ha a che fare solo con un numero limitato di SKU e una domanda relativamente stabile, questo metodo può rivelarsi molto efficace per molto tempo. È semplice da capire e da implementare e non richiede nemmeno l’uso di alcun software specifico. Il problema è che l’efficacia dell’intero processo dipenderà dalla frequenza e dall’accuratezza con cui vengono riviste le regole.

Questa strategia può ancora funzionare in modo molto efficiente in condizioni stabili e molte aziende la utilizzano con successo per il controllo delle scorte. Il problema è che il processo richiede di mantenere aggiornate tali regole e di avere tempo a sufficienza per rivederle, dato che la varietà dei prodotti aumenta costantemente.

Perché il controllo delle scorte tradizionale non basta più

Sono sempre meno i casi in cui il controllo delle scorte basato su regole si riveli una pratica efficace. È più difficile prevedere i tempi di consegna a causa delle continue interruzioni nelle supply chain globali. Le richieste dei clienti variano più rapidamente e con preavvisi più brevi a causa delle mutevoli tendenze sociali, delle promozioni e del passaggio da un canale di vendita all’altro, fattori che difficilmente possono essere colti in un processo di analisi trimestrale. Ci sono più fornitori, più sedi geografiche e quindi un potenziale di interruzione delle catene di approvvigionamento maggiore rispetto al passato.

Le decisioni sbagliate sulle scorte hanno due facce della medaglia. Tenere scorte superiori al necessario grava sul capitale circolante e comporta lo stoccaggio di prodotti che non verranno venduti. Questo incide anche sui margini a causa delle spese di stoccaggio e, alla fine, delle svalutazioni. Le scorte insufficienti comportano perdite di vendite e, a lungo termine, i clienti finiscono per acquistare altrove a causa dell’indisponibilità dei prodotti desiderati. I punti di riordino fissi e le previsioni manuali non riescono ad adattarsi abbastanza velocemente per gestire entrambi i rischi, non perché ai pianificatori manchi la competenza, ma perché la quantità di dati e la velocità con cui cambiano sono cresciute oltre ciò che chiunque possa realisticamente esaminare manualmente, SKU per SKU e revisione per revisione.

Come l’IA sta trasformando la gestione delle scorte

La gestione delle scorte basata sull’IA rappresenta un cambiamento significativo nella gestione dell’inventario. Anziché basarsi sul raggiungimento di un valore assoluto di previsione o di scorte, l’apprendimento automatico analizzerà i dati di vendita, le tendenze, la stagionalità, le promozioni e altre variabili, individuando i cambiamenti nella domanda ancora prima che si riflettano nei numeri che normalmente preoccuperebbero un responsabile della pianificazione.

Va notato che il controllo delle scorte basato su tecniche di IA non è la stessa cosa della previsione della domanda. La previsione della domanda è solo una fase del processo, mentre il controllo delle scorte tramite IA si occupa delle fasi successive all’analisi.

Il punto di forza principale dei sistemi di IA è la loro velocità e la capacità di individuare tendenze a livelli irraggiungibili per gli esseri umani. Utilizzando un sistema basato sull’IA, puoi rilevare i cambiamenti nella domanda dei prodotti, nelle condizioni meteorologiche regionali e nelle attività promozionali molto prima rispetto a quando ti affidi all’analisi manuale. Questo vale soprattutto per i responsabili del retail che gestiscono centinaia di SKU in diversi punti vendita. Le informazioni tempestive sui cambiamenti della domanda sono fondamentali per evitare che i tuoi negozi rimangano senza scorte.

Le caratteristiche principali del controllo delle scorte basato sull’IA

I sistemi di gestione delle scorte che utilizzano l’IA non si limitano a fornire previsioni più accurate ai fini della pianificazione. Il prossimo passo in questo ambito riguarda il supporto decisionale e, sempre più spesso, l’esecuzione automatica delle decisioni fino a un limite concordato. Nello specifico, ciò comporta:

• Adeguare dinamicamente le scorte di sicurezza in base all’andamento della domanda, anziché mantenere una riserva statica.
• Individuare le scorte a bassa domanda, evitando così che diventino scorte morte in magazzino.
• Riassegnare le scorte in base alle variazioni della domanda nelle varie sedi.
• Suggerire, o eseguire entro un limite prestabilito, le decisioni di rifornimento senza ritardi.

Questa è la differenza fondamentale tra il metodo tradizionale e le tecniche moderne. La revisione manuale delle previsioni limita la quantità di dati che i pianificatori possono realisticamente analizzare. Un sistema in grado di adeguare i quantitativi degli ordini entro limiti concordati non ha le stesse restrizioni, ed è uno dei motivi per cui l’ottimizzazione delle scorte e il controllo delle scorte tramite IA vanno sempre più di pari passo.

Idee sbagliate comuni sul controllo delle scorte tramite IA

Man mano che si parla sempre più spesso del controllo delle scorte tramite IA, continuano a circolare alcuni malintesi comuni. Vale la pena affrontarli direttamente.

«L’IA sostituisce il pianificatore.» Al contrario, nella pratica questo accade raramente. Sebbene l’IA sia eccellente nell’elaborazione dei big data e nell’individuazione di modelli, ha sempre bisogno degli esseri umani per prendere decisioni su questioni che vanno oltre i dati, come la creazione di una nuova partnership commerciale, una futura iniziativa di marketing o un cambiamento nella strategia aziendale. Le aziende che traggono il massimo beneficio dalla gestione delle scorte con l’IA applicano questo approccio per supportare i propri pianificatori, non per sostituirli. I pianificatori definiscono il quadro di riferimento e prendono decisioni in circostanze straordinarie, mentre il sistema si occupa dell’analisi e dell’individuazione di modelli su vasta scala.

«Il controllo delle scorte tramite IA è solo automazione.» L’automazione opera secondo principi rigidi e in modo più veloce. A differenza dell’automazione, il controllo delle scorte tramite IA adatta le regole in base alle condizioni mutevoli, definite dai dati. Pertanto, modifica il processo decisionale anziché limitarsi ad accelerarlo.

«La gestione delle scorte tramite IA va implementata tutta in una volta.» Non è comune adottare questo sistema tutto in una volta. Le aziende introducono gradualmente nei propri sistemi il supporto decisionale basato sull’intelligenza artificiale. Una delle aree in cui di solito si inizia a utilizzare il supporto decisionale è il rifornimento, perché comporta decisioni che possono essere prese ripetutamente e i suggerimenti dell’IA per queste decisioni possono essere analizzati e approvati da un responsabile della pianificazione prima di qualsiasi azione.

«La gestione delle scorte con l’IA funziona solo per le grandi organizzazioni con enormi quantità di dati.» Avere più dati può tornare utile, ma non è necessario. Anche le aziende di medie dimensioni con una linea di prodotti ben definita e una storia di risultati di vendita positivi possono usare l’IA nella gestione delle scorte, specialmente quando la domanda oscilla molto rapidamente.

Disponibilità e qualità dei dati

L’IA per la gestione delle scorte richiede dati validi e accurati. È necessario disporre di dati relativi a vendite passate, scorte, tempi di consegna, promozioni e altre informazioni correlate affinché il sistema sia in grado di individuare dei modelli. La mancanza di dati o la presenza di dati imprecisi potrebbe ridurre l’efficacia dei consigli generati dal sistema di IA.

Questo non significa che le aziende abbiano bisogno di dati perfetti per usare l’IA. Ma è uno dei primi passi che dovrebbero compiere prima di utilizzarla.

In generale, la gestione delle scorte con l’IA tende a funzionare in modo abbastanza efficace con circa uno o due anni di dati storici sulle vendite, poiché permette di identificare l’intero ciclo stagionale e distinguere la domanda effettiva dalle variazioni casuali. Potrebbe essere possibile utilizzare anche una cronologia delle vendite più breve, ma il sistema non ha molto da cui imparare e quindi i primi suggerimenti forniti dal sistema devono essere interpretati con particolare attenzione.

Quando si tratta di prodotti per cui sono disponibili pochi o nessun dato storico sulle vendite da analizzare, la situazione è diversa, poiché il sistema non ha modo di fare una previsione accurata basata sui dati storici. In questi casi, la gestione delle scorte tramite IA utilizza altri criteri come base per le previsioni, come l’andamento di prodotti simili o altri indicatori, finché il prodotto non accumula una storia delle vendite propria e sufficiente.

Il futuro della gestione delle scorte con l’IA

È sempre più chiaro quale sia la direzione in cui sta andando il settore dei sistemi di gestione delle scorte basati sull’IA. Le aziende che si limitano a semplici soglie di riordino e previsioni manuali avranno sempre più difficoltà a competere con chi usa tecniche di gestione delle scorte proattive e adattive, soprattutto ora che le catene di approvvigionamento diventano sempre più internazionali e imprevedibili.

È proprio questo che guida la strategia che perseguiamo in Slimstock. La nostra soluzione sfrutta le previsioni e il rifornimento basati sull’IA, combinati con la libertà per i responsabili della pianificazione di usare il proprio giudizio dove è più necessario, insieme a funzionalità più ampie nella pianificazione della catena di approvvigionamento. Non si tratta di lasciare che siano gli algoritmi a prendere tutte le decisioni; si tratta di sviluppare un processo che migliori e dia al responsabile della pianificazione più tempo per prendere le decisioni che richiedono il suo giudizio.

Il divario tra chi adotta la tecnologia dell’IA e chi aspetta non farà che aumentare man mano che l’IA matura. Per molti dirigenti della catena di approvvigionamento, la domanda non è se l’IA abbia un ruolo nella gestione delle scorte, ma piuttosto quando potranno integrarla senza interferire con le loro operazioni.

In futuro, ci si aspetta che l’IA passi dal semplice supporto al processo decisionale a un ruolo sempre più autonomo entro certi limiti, mentre il responsabile della pianificazione si concentrerà maggiormente sulla gestione delle eccezioni e sulle decisioni strategiche. Le organizzazioni che gettano oggi solide basi in termini di dati e processi saranno meglio posizionate per trarne vantaggio in futuro.

I vantaggi delle operations snelle (e cosa misurare)

La gestione delle scorte basata sull’IA e i processi snelli hanno lo stesso obiettivo: ridurre al minimo gli sprechi. Gli sprechi si manifestano attraverso l’eccesso di scorte, la perdita di tempo nell’analisi manuale e le potenziali perdite dovute a scorte insufficienti. La gestione delle scorte basata sull’IA aiuta a implementare processi di gestione snella, poiché fornisce al responsabile della pianificazione informazioni più accurate e in tempo reale sulla domanda e sulle scorte disponibili. Di conseguenza, la decisione di mantenere, ridurre o riordinare i prodotti viene presa in base alla situazione attuale, piuttosto che a dati statici.

Le aziende che valutano l’impatto dell’IA sul controllo delle scorte in genere prendono in considerazione alcuni dei seguenti indicatori di performance:

• Rotazione delle scorte: l’efficacia con cui le scorte vengono vendute in un determinato periodo.
• Livello di servizio: la percentuale di richieste dei clienti soddisfatte senza ritardi utilizzando le scorte disponibili.
• Accuratezza delle previsioni della domanda: la corrispondenza tra la domanda prevista e quella effettiva nel tempo.
• Capitale circolante immobilizzato nelle scorte: i fondi bloccati nelle scorte che avrebbero potuto essere utilizzati altrove.
• Livello delle scorte morte: le scorte che non possono più essere vendute e devono essere cancellate dal bilancio.

Monitorare costantemente questi indicatori aiuta le organizzazioni a trasformare il controllo delle scorte basato sull’intelligenza artificiale da un semplice investimento tecnologico in un miglioramento aziendale misurabile. Inoltre, favorisce una più ampia pianificazione delle scorte e un miglioramento continuo in tutta l’organizzazione.

L’esempio di Aster Pharmacy, la principale organizzazione di servizi sanitari integrati della regione con 338 punti vendita nei paesi del CCG, è emblematico a questo proposito. Da quando Aster ha implementato la soluzione Slim4 di Slimstock, ha ottenuto una riduzione dei giorni di magazzino (capitale circolante) del 19%, un miglioramento del livello di disponibilità delle scorte del 4% e una diminuzione delle scorte in eccesso del 26% entro due mesi dall’implementazione. Questi risultati riguardano contemporaneamente la gestione del capitale circolante, il livello di servizio e il livello delle scorte morte.

Mettendo tutto insieme

Il controllo delle scorte basato sull’intelligenza artificiale non significa eliminare il fattore umano dal processo di pianificazione delle scorte. Si tratta piuttosto di fornire ai responsabili della pianificazione le informazioni necessarie per prendere decisioni migliori in modo più efficiente e accurato. Con un mercato sempre più incerto e catene di approvvigionamento sempre più complesse, il passaggio da un controllo reattivo a uno predittivo delle scorte non è più un vantaggio competitivo, ma una necessità.