A Chicago, all’IMTS, la grande fiera della tecnologia manifatturiera, Sven Diedrich ha sostenuto una cosa che suona ovvia e che si dimentica di continuo: prima di comprare una tecnologia di automazione bisogna chiedersi se l’organizzazione è pronta a riceverla. Diedrich è responsabile della trasformazione digitale e delle soluzioni per le imprese di Pinaxis, e Manufacturing Dive ha riassunto il 25 settembre le quattro condizioni che indica: le persone, i processi, i dati e i sistemi. L’articolo non contiene statistiche e non dice che cosa faccia Pinaxis, per cui non so se la società venda proprio ciò che il suo dirigente consiglia di verificare prima. Lo segnalo perché è la tesi di chi vive di quel mercato, e va letta così.
Eppure regge anche fuori dalla fabbrica, e l’ho messa alla prova con i casi di cui ho scritto nelle ultime settimane. Il punto centrale è semplice: l’automazione non fallisce perché la tecnologia non funziona, ma perché porta alla luce ciò che l’organizzazione già non faceva bene. Diedrich lo dice in una frase che riporto in traduzione: l’automazione mette in luce molto in fretta i difetti dei processi. Finché il lavoro lo fa una persona, i rimedi improvvisati dell’operatore esperto coprono le falle. Quando lo fa la macchina, i rimedi spariscono e le falle restano. Diedrich aggiunge un’avvertenza che vale anche per i bilanci: non si deve automatizzare un processo inefficiente, perché l’automazione lo rende efficiente nell’essere sbagliato e digitalizza lo spreco senza toccarne la causa.
Il caso più pulito è quello dei processi, e viene da Skipton, nello Yorkshire, dove Morrisons sta provando armadietti multitemperatura per il ritiro della spesa online. Il sistema sostituisce la consegna a mano della spesa sfusa con ordini già impacchettati in sacchi di carta e caricati negli scomparti ambiente, fresco e surgelato prima dell’arrivo del cliente. Ne deduco che l’armadietto vuoto o incompleto è un difetto immediatamente visibile, mentre al banco il collega poteva rimediare in pochi minuti. Il test è in un solo punto vendita, e Morrisons dice che amplia le fasce di ritiro e aggiunge due ore al giorno di apertura del servizio. Il collega non scompare: resta per verificare l’età sugli alcolici, perché l’armadietto si apre solo dopo il suo controllo, e risponde al pulsante di assistenza. Il ruolo non si elimina, si sposta. Il caso dice anche, senza volerlo, quanto cambi la sequenza: il lavoro di preparazione non può più ritardare, perché non c’è nessuno a coprire il ritardo.
Per le persone, l’esempio è Beauvais. Amazon promette mille posti a tempo indeterminato in un sito robotizzato da 110.000 metri quadrati, ma Diedrich chiede un’altra cosa: chi possiede il processo, chi lo fa funzionare, chi lo sostiene, chi risponde quando si guasta. Nel comunicato su Boves, il terzo sito robotizzato del gruppo in Francia, la squadra di manutenzione robotica è raddoppiata a 60 persone su circa 1.300, mentre, secondo Économie Matin, Amazon dice di aver assunto più di 4.000 persone in cerca di lavoro nel 2024 e di aver avuto più di 300 diplomati dalla propria scuola interna nel 2025. Le basi sono diverse, ma l’ordine di grandezza dice che gli amministratori del sistema sono una frazione di chi lo alimenta. Diedrich parla di qualcuno che indaga le eccezioni ricorrenti, di formatori, di persone che migliorano il sistema nel tempo: sono ruoli che non compaiono nei numeri di un comunicato di apertura.
Poi c’è il dato, e qui la distribuzione ha un vantaggio e un debito. Diedrich distingue tre tipi di dati: anagrafici, come codici articolo, dimensioni e pesi; transazionali, come ordini e spedizioni; di processo, come tempi, correzioni manuali, rilavorazioni. Nella grande distribuzione le schede prodotto sono dati anagrafici, gli ordini transazionali e le correzioni del picker, quando qualcuno le registra, dati di processo. L’articolo di FoodNavigator sul rapporto di Mars, di cui ho scritto, invita marchi e distributori a pubblicare dati puliti e strutturati perché gli agenti di intelligenza artificiale li leggano, e Euromonitor consiglia informazioni leggibili dalle macchine. Un agente che confronta prodotti non legge le campagne, legge le schede, e se le schede sono sbagliate il guasto non è dell’agente ma di chi le ha scritte.
Sui sistemi, il caso è Carrefour. In Francia, dal marzo 2026, l’utente costruisce il carrello dentro ChatGPT e poi paga sul sito di Carrefour; dal 25 agosto la stessa cosa funziona in Belgio, con un connettore sviluppato con la società Mealz.ai, che per sua stessa descrizione è collegato al catalogo, alle giacenze e al carrello reali dell’insegna e alla carta fedeltà Bonus. È il tipo di integrazione che Diedrich chiede: sapere quali applicazioni esistono, che cosa fa ciascuna, come i dati vi entrano e dove escono. Il pagamento, che resta fuori dall’agente, è il punto in cui l’insegna ha scelto dove fermare il collegamento. Diedrich lamenta che informatica e tecnologia operativa lavorino a compartimenti stagni. Nel retail, mi pare, il compartimento corre tra l’e-commerce e il punto vendita. Diedrich osserva anche che le imprese comprano robot per la produttività, software per la visibilità e AI per la previsione, e che il valore arriva solo se i pezzi sono collegati. I tre casi di cui ho scritto, armadietti, agente e magazzino robotizzato, sono tre pezzi di tre aziende diverse: nessuno dimostra ancora che, collegati, rendano.
Resta la parte che Diedrich considera la prova vera, la scala. Un progetto pilota riesce spesso, dice, perché operatori esperti usano la loro conoscenza tacita per aggirare i buchi, e solo quando si passa al processo intero si capisce se l’azienda è pronta. Copiare un’operazione da uno stabilimento all’altro non basta, perché le persone lavorano in modo diverso. Per la distribuzione è la questione che torna in ogni mia analisi: i sistemi federativi, fatti di imprenditori indipendenti, e quelli a proprietà unitaria scalano un pilota in modi opposti. Dove una centrale può imporre un processo, il pilota si replica; dove ogni socio ha il suo assortimento e i suoi strumenti, va convinto. Carrefour Italia, secondo un documento del 2023, aveva oltre 1.200 punti vendita in franchising su circa 1.500. Il connettore di Carrefour è passato dalla Francia al Belgio in cinque mesi, da marzo ad agosto: è un secondo mercato, non ancora la prova di una rete.
I numeri generali dicono che la scala è il punto dove ci si ferma. Nell’indagine McKinsey ed EuroCommerce sulla grande distribuzione alimentare europea, il 47% degli amministratori delegati mette l’AI e l’automazione tra le prime due priorità, ma solo il 3% dichiara un aumento dell’utile operativo superiore al 5%, perché molti sono ancora in fase di sperimentazione. Una distanza così ampia tra priorità dichiarata e risultato è ciò che Diedrich descrive: la tecnologia comprata per prima e le altre tre condizioni dopo.
Le quattro sfide sono quindi quattro domande che un distributore dovrebbe potersi fare prima di comprare: chi è responsabile del processo, chi lo fa funzionare, quali dati lo alimentano, quali sistemi lo collegano. Il rischio è che l’automazione arrivi prima delle risposte, e che mostri alla distribuzione i propri difetti più in fretta di quanto riesca a correggerli. Se è così, quanti dei risultati che si attribuiscono oggi alla tecnologia sono invece il lavoro di persone esperte che coprono le falle in silenzio?
