L’AI nella logistica per il retail e la GDO è ancora in una fase iniziale in Italia: pochi casi operativi, poca maturità digitale, e tuttavia c’è grande attenzione verso quelle applicazioni che possono migliorare affidabilità, visibilità, collaborazioni e previsione.
Solo il 30% delle imprese italiane del settore logistico ha integrato almeno una forma di intelligenza artificiale nei sistemi IT e soltanto l’8% vanta un’applicazione già operativa; il restante 22% è in fase di implementazione. A dirlo è la ricerca Radar IA condotta da LIUC – Università Cattaneo in collaborazione con Columbus Logistics, presentata a maggio 2025, che ha coinvolto oltre 600 direttori logistici e supply chain.
Poco più di un terzo delle aziende, prosegue il report, raggiunge una “maturità digitale” sufficiente. Le principali barriere segnalate includono la carenza di competenze interne (52%) e difficoltà di integrazione con i sistemi esistenti.
Indice degli argomenti
Primi ambiti di applicazione nella logistica: la top 5 delle soluzioni AI
Tra le applicazioni già adottate emergono il sales forecasting (indicata dal 43% delle aziende che utilizzano IA), il production planning, il transportation planning, l’ottimizzazione del magazzino e la gestione delle scorte. Il supply chain planning risulta il più maturo, con il 22% delle aziende che ne fa uso, segno di una tradizione consolidata nell’uso di modelli predittivi.
Le sfide e le opportunità future: verso soluzioni più mature
Il report evidenzia un divario tra l’elevato desiderio di soluzioni innovative in ambiti quali tracciabilità, allocazione dinamica, automazione robotizzata del magazzino e la reale adozione di queste applicazioni. Per le imprese con fatturato superiore a 50 milioni di euro, il 33% ha già progetti attivi, rispetto al 21% delle PMI, che restano escluse per mancanza di risorse e dati. Per il futuro, ai manager si consiglia di investire proprio nei processi dove il gap tra desiderio e realtà è più elevato, per generare un vantaggio competitivo sostenibile.
Ma vediamo un paio di case study attinenti all’argomento.
Coop Italia: demand planning e collaborazione filiera
Coop Italia ha adottato una soluzione di demand planning basata su IA sviluppata con Relex, focalizzata sui prodotti a marchio. Il sistema analizza dataset relativi all’evasione degli ordini, flussi fisici della merce e promozioni, considerando stagionalità ed eventi promozionali. L’obiettivo è una previsione accurata per migliorare il servizio dei fornitori e l’efficienza collaborativa lungo la filiera. Il progetto ha coinvolto tutte e cinque le grandi cooperative di Coop ed è stato validato dall’interesse condiviso dei fornitori e delle cooperative. La principale sfida emergente è stata il cambiamento operativo legato alle decisioni anticipate nell’area promozionale.
Coca‑Cola HBC Italia: visibilità e ottimizzazione del trasporto
Coca‑Cola HBC Italia ha implementato due prodotti IA per migliorare la visibilità del trasporto e la pianificazione logistica dei carichi tra stabilimenti, magazzini e distribuzione. Attraverso la piattaforma proprietaria Intelligent Center, aggrega dati da pianificazione produzione, ordini, giacenze e richieste dei clienti, integrando requisiti specifici e date di scadenza. Grazie all’IA predittiva, è possibile intercettare colli di bottiglia e generare soluzioni operative concrete, con quantificazione economica dell’impatto.
Logistica: un approccio integrato all’AI dentro le aziende
Come sottolineato da Tito Zavanella (Gea Consulenti di Direzione), un progetto AI non è solo tecnologico, ma richiede coinvolgimento trasversale, soprattutto del vertice aziendale. Occorre avviare casi d’uso circoscritti, valorizzando gli aspetti organizzativi e umani piuttosto che affrontare subito progetti complessi che rischiano di focalizzarsi solo sull’aspetto tecnico. I leader devono equilibrare performance a breve termine e trasformazione graduale, verificando ritorni economici prima di scalare su scala aziendale.
I case study di Coop e Coca‑Cola HBC testimoniano che è possibile avviare progetti concreti, partendo da processi specifici e coinvolgendo i fornitori e tutte le funzioni aziendali. L’indicazione è chiara: scegliere casi d’uso circoscritti, investire in competenze e culturale aziendale, e lungo tale percorso trasformare l’innovazione in vantaggio competitivo.
