Analysis of the Applications of Artificial Intelligence in the Supply Chain

La seguente tesi esplora il potenziale dell'Intelligenza Artificiale nel contesto della gestione della supply chain, con l'obiettivo di comprendere come diverse tecniche possano migliorare l'efficienza, la resilienza e la sostenibilità. Dopo una panoramica teorica dei principali metodi, tra cui machine learning, deep learning e reinforcement learning, vengono presentati quattro casi di studio reali: previsione della domanda, ottimizzazione delle scorte, previsione dei tempi di consegna dell'ultimo miglio e controllo qualità tramite visione artificiale. L'analisi mostra vantaggi misurabili, ad esempio una migliore accuratezza delle previsioni, una riduzione dei costi e un miglioramento dei livelli di servizio: allo stesso tempo, evidenzia le sfide legate alla qualità e alla disponibilità dei dati, la necessità di aggiornamenti continui dei modelli e la difficoltà di integrare l'IA nei processi aziendali esistenti. Oltre ai casi di studio presentati, la tesi discute anche le sfide di implementazione. L'attenzione è rivolta sia alle grandi multinazionali, sia alle piccole e medie imprese che stanno iniziando ad adottare queste tecnologie. Le principali barriere includono la mancanza di competenze specialistiche da parte dei lavoratori, l'infrastruttura digitale limitata, gli elevati costi di adozione e la resistenza organizzativa. Per affrontare queste problematiche, la tesi propone una roadmap di adozione graduale: il percorso inizia con progetti pilota in aree ad alto valore e basso rischio, poi definisce metriche di performance e regole di governance dei dati, e infine si sposta verso sistemi più avanzati basati su gemelli digitali e modelli prescrittivi. La discussione finale offre indicazioni pratiche per le aziende su come integrare l'IA nei processi decisionali. Sottolinea l'importanza della gestione del cambiamento, della formazione dei dipendenti e del monitoraggio continuo delle performance. In questo modo, la tesi non si limita a presentare casi di studio ed evidenze, ma fornisce anche un quadro pratico e strategico per l'adozione dell'IA in modo consapevole, scalabile e sostenibile, aiutando le supply chain a diventare più resilienti e competitive nel lungo termine.