Nato a Bergamo, Luca Cortinovis ha costruito gran parte della propria carriera in Logistics Reply, lavorando sullo sviluppo di soluzioni tecnologiche applicate alla logistica e alla gestione dei magazzini. Nel 2013 si è trasferito negli Stati Uniti per seguire alcuni clienti del settore automotive e da allora ha osservato da vicino l’evoluzione della supply chain americana e l’ingresso dell’intelligenza artificiale nei processi operativi. In questa intervista racconta il suo percorso professionale, spiega come l’AI possa passare dalla comprensione del contesto alla raccomandazione e poi all’azione e analizza gli errori più frequenti delle aziende che adottano nuove tecnologie senza avere prima costruito una base informativa adeguata. Il confronto tra Stati Uniti e Italia porta infine a una riflessione su come potrebbero cambiare i magazzini nei prossimi cinque anni.
Partiamo dal suo percorso. Da dove viene e come è iniziata la sua esperienza professionale in Reply?
Sono nato a Bergamo e ho iniziato a lavorare in Reply quasi all’inizio della mia carriera, subito dopo il servizio militare, quando in Italia era ancora obbligatorio. Da quel momento ho cominciato a lavorare sulla tecnologia. Reply è nata a Torino nel 1996 come network di aziende e i fondatori avevano individuato fin dall’inizio nella tecnologia uno strumento per crescere e portare innovazione. All’inizio il mercato era legato soprattutto all’avvento di Internet, all’automazione, all’automotive e a tutto ciò che si stava sviluppando intorno a Milano e Torino, poi è cresciuto in tutte le direzioni del digitale. Oggi anche l’intelligenza artificiale sta trasformando questo tipo di soluzioni e Reply la sta affrontando in maniera propositiva, lavorando direttamente con la tecnologia e insieme ai partner e ai clienti con cui collaboriamo.
Il suo percorso personale all’interno di questo sviluppo come si è evoluto?
Il mio percorso è nato nel mondo della logistica e delle soluzioni di prodotto. Fin dall’inizio ho lavorato su una soluzione per la gestione del magazzino e sono rimasto per parecchi anni in Italia, fino a quando, nel 2013, si è presentata un’opportunità sia per me sia per Reply: trasferirmi negli Stati Uniti e cominciare a seguire alcuni clienti che avevamo nel settore automotive, portando sul posto le nostre soluzioni. Da allora Reply è cresciuta molto anche negli Stati Uniti, con diversi uffici, tra Chicago, Atlanta, Philadelphia, Kansas City, Seattle e Detroit. In questo modo continuiamo quella che era la missione originaria dei fondatori: avere all’interno della rete aziende fortemente specializzate, con competenze molto specifiche e capaci di gestire le tecnologie che vengono proposte sul mercato, portandole direttamente ai clienti e collaborando tra loro. Intervista a Luca Cortinovis_rev
Di cosa si occupa più nello specifico la realtà nella quale lavora e come sta cambiando il settore della logistica?
Io lavoro fin dall’inizio nella realtà di Logistics Reply specializzata nelle soluzioni per la logistica. Siamo partiti dalla Warehouse Execution e abbiamo progressivamente esteso le attività oltre il magazzino: yard, hub, distribuzione, last mile, fino ad arrivare a un livello di visibility, a quella che possiamo definire intelligenza in azione. Le nuove sfide, anche con l’introduzione dell’AI, riguardano soprattutto l’orchestrazione di più attori all’interno della logistica. Se parliamo, per esempio, di Warehouse Management, parliamo di una soluzione ormai conosciuta e matura. Dal punto di vista operativo il settore utilizza questi sistemi praticamente dall’inizio dell’introduzione del software a supporto delle attività manuali e della tracciabilità. L’intelligenza artificiale rappresenta invece l’ultima trasformazione.
In concreto, che cosa aggiunge l’intelligenza artificiale a sistemi che esistono già da molti anni?
Negli ultimi anni l’AI sta migliorando l’utilizzo di queste tecnologie. Non le sta sostituendo e non le sta nemmeno, tra virgolette, minacciando: sta aumentando la capacità di fare, di eseguire e soprattutto di capire. Questo è il primo passaggio e anche il modo in cui introduciamo l’intelligenza artificiale all’interno delle nostre soluzioni. Il punto è comprendere il contesto che sta intorno alle attività che gestiamo, in modo da dare all’operatore, al supervisore, al manager o a chiunque agisca all’interno della rete la possibilità di interpretare quel contesto con una velocità che non sarebbe possibile semplicemente interrogando un sistema o guardando le informazioni con l’occhio umano. L’AI può raccogliere più informazioni e costruire un contesto esteso, naturalmente con gli opportuni guardrail e con confini ben definiti. Una volta compreso il contesto si può arrivare alla raccomandazione: posso suggerire quale sia il migliore intervento da fare. È qui che entra il concetto di agente.
Quindi l’agente AI lavora insieme all’operatore umano?
Esattamente. Parliamo di un agente che collabora con l’operatore: supervisione umana, collaborazione e raccomandazione del migliore intervento da fare di fronte a una determinata situazione. Il passo successivo è poi l’azione, cioè dare anche all’intelligenza artificiale presente nelle nostre soluzioni la possibilità di agire. Ma deve farlo in maniera sicura, e questo è fondamentale.
Nella nostra piattaforma LEA (ndr Logistics Execution Architecture) abbiamo formalizzato un modello: “LEA AI Agent Authority Model”. Uniamo due aspetti spesso trattati separatamente: la maturità nell’adozione dell’intelligenza artificiale e il livello di autorità degli agenti, definendo cosa possono fare, quando e all’interno di quali limiti.
In un magazzino e in un sistema di esecuzione le operazioni sono deterministiche, riguardano anche la sicurezza e la movimentazione e devono portare qualcosa dal punto A al punto B. Agire significa quindi muoversi all’interno di determinati vincoli, con un’autorità garantita e gestita da chi ha organizzato l’attività, mantenendo il controllo human in the loop: la persona, il supervisore, resta all’interno del processo e l’azione avviene attraverso procedure concordate, definite e gestite. Intervista a Luca Cortinovis_rev
L’intelligenza artificiale, quindi, può entrare direttamente nei processi. Eppure introdurre una nuova tecnologia non significa automaticamente avere una supply chain più efficiente. Quali sono gli errori più comuni che vede nelle aziende?
È un terreno di discussione molto fertile. Prima di tutto bisogna capire perché viene introdotta l’intelligenza artificiale e, naturalmente, uno degli obiettivi principali è ridurre i costi. Nella logistica significa generare risparmi sull’handling: quante volte tocco la merce, come la muovo, come la gestisco. Recenti ricerche indicano che le aziende manifatturiere e quelle della logistica sono tra quelle che sono riuscite a ottenere i maggiori risparmi attraverso l’AI. Significa che sono riuscite a mettere a terra l’intelligenza artificiale in maniera corretta. Ma dove si ottengono questi risparmi? Vedendo più informazioni, automatizzando processi ripetitivi — penso per esempio alla valutazione di un reso — oppure introducendo l’intelligenza artificiale nei processi non semplicemente per sostituirli, ma per migliorarli. Non bisogna fare un copia e incolla del processo precedente: bisogna migliorarlo grazie alla tecnologia.
Dove nasce allora il problema?
Uno dei primi problemi è l’adozione spesso legata all’hype. Tutti ne parlano e tutti vogliono introdurre l’intelligenza artificiale. Più del 60 per cento delle aziende sta investendo nell’AI in qualche processo o all’interno dell’impresa. Molto spesso, però, lo fa in maniera confusa. Una quota molto alta di questi progetti è ancora nella fase di proof of concept: sono prove per capire se qualcosa possa funzionare. Quello che spesso manca è la maturità informativa dell’azienda che sta dietro all’introduzione dell’intelligenza artificiale. Manca, in altre parole, la maturità dell’organizzazione rispetto alle necessità che l’AI comporta. Intervista a Luca Cortinovis_rev
Da dove dovrebbe partire un’azienda prima di introdurre l’intelligenza artificiale?
Prima di tutto dai dati. Molte volte partiamo da sistemi frammentati, da basi informative che non sono consolidate, da dati che non possono essere facilmente aggregati o centralizzati. Partiamo magari da informazioni inserite in maniera non corretta e poi pretendiamo che l’intelligenza artificiale ci dia risposte perfettamente contestuali ai nostri bisogni. Ma questo non può succedere se il contesto che sta dietro non è corretto. Pensiamo al famoso LLM, il modello linguistico che ci permette di parlare con un chatbot: può darci una risposta perfettamente coerente dal punto di vista linguistico, ma quella risposta può non aiutarci affatto e non produrre alcun valore rispetto al contesto concreto nel quale stiamo operando.
Può fare un esempio applicato alla gestione di un magazzino?
Io posso chiedere al sistema perché un mio ordine non sia stato prelevato. La risposta potrebbe essere: probabilmente non hai una forza lavoro adeguata. È una risposta plausibile, ma non sta mappando il contesto informativo che mi serve realmente. Quello che dovrebbe riuscire a dirmi è, per esempio: ti serve un operatore allo scaffale 12, perché è lì che deve essere prelevato quel materiale. Ma per arrivare a quella risposta bisogna avere il dato che informa il sistema sulla presenza delle attività e quindi su dove debba essere prelevato il materiale. Quel dato deve essere disponibile in tempo reale e deve poter essere messo in relazione anche con l’urgenza dell’ordine da spedire, un’informazione che magari arriva da un altro sistema. È questo il contesto che permette all’intelligenza artificiale di diventare davvero utile.
Quindi la preparazione dell’azienda viene prima della tecnologia?
Sì. Prima di adottare l’intelligenza artificiale nei propri processi, nel mondo della logistica ma anche più in generale, un’azienda deve consolidare la propria maturità. Ed è proprio su questi passaggi che Logistics Reply può intervenire. Si può partire da un livello di maturità molto semplice, quasi newborn, e costruire gradualmente i diversi passaggi fino ad arrivare al risultato desiderato. Il traguardo finale può essere anche una forma di autonomia, ma parliamo sempre di autonomia controllata e monitorata. Intervista a Luca Cortinovis_rev
Come si arriva a questa autonomia controllata?
Si parte dal conoscere: dagli insight, dalla raccolta delle informazioni e dalla costruzione del contesto. Poi, man mano che cresce la maturità dell’organizzazione e dei sistemi, ci si può spostare verso attività sempre più esecutive. Già nella fase degli insight possono esserci dei ritorni importanti, ma il passaggio decisivo arriva quando si automatizzano anche alcuni processi. È lì che può diventare più evidente il ritorno sull’investimento e quindi la capacità di rendere profittevole l’introduzione dell’intelligenza artificiale. Quello è il traguardo a cui si può arrivare.
Ha lavorato per molti anni sia in Italia sia negli Stati Uniti. Nota differenze nell’approccio all’intelligenza artificiale, nel modo in cui viene percepita e applicata?
Con l’intelligenza artificiale ho lavorato soprattutto negli Stati Uniti, perché quando questo fenomeno ha iniziato ad assumere una dimensione maggiore io mi ero già trasferito qui. In generale, però, vedo una forte curiosità in entrambi i contesti. Negli Stati Uniti c’è forse la percezione che l’AI faccia più naturalmente parte del tessuto lavorativo. C’è un forte orientamento imprenditoriale, quasi da do it yourself, una maggiore tendenza ad adottare le tecnologie il più velocemente possibile: vedo che l’intelligenza artificiale è utile, la voglio e provo a utilizzarla. Se penso invece all’approccio europeo e italiano, vedo passaggi più graduali e più ragionati nell’adozione, a volte anche per vincoli o limiti legati all’esecuzione. È un approccio generalmente più graduale.
Negli Stati Uniti incide anche il fatto che molte delle principali aziende che stanno sviluppando l’AI siano nate lì?
Sicuramente qui c’è una forte spinta da parte di chi sta innovando e introducendo direttamente queste tecnologie. Alcune delle maggiori aziende che sviluppano intelligenza artificiale sono nate negli Stati Uniti. In Europa e in Italia, sotto alcuni aspetti, viviamo ancora di riflesso per quanto riguarda la produzione di risultati, modelli e tecnologie di questo tipo. Però, al di là delle differenze nell’approccio e nei tempi di adozione, vedo una grandissima curiosità nei confronti dell’AI in entrambi i contesti. Intervista a Luca Cortinovis_rev
Se dovesse indicare una sola cosa che oggi molte aziende fanno ancora alla vecchia maniera nella gestione del magazzino e che tra cinque anni potrebbe sembrarci assurda, quale sceglierebbe?
È una domanda difficile, perché quando si entra nella realtà dei magazzini ci si accorge che, nonostante anni e anni di innovazione tecnologica, esistono ancora situazioni estremamente diverse. Oggi abbiamo molti modi per automatizzare i processi, non soltanto attraverso la robotica o l’automazione fisica, ma anche semplicemente automatizzando l’esecuzione delle attività. Eppure si trovano ancora magazzini che non utilizzano un sistema di gestione del magazzino. Si trovano magazzini che usano fogli Excel per mappare praticamente qualsiasi cosa e altri che utilizzano ancora enormi quantità di carta.
Come immagina invece un magazzino tra cinque anni?
Tra cinque anni sarei davvero sorpreso se non vedessimo una forte riduzione dell’utilizzo dei device tradizionali durante le operazioni, indipendentemente dal fatto che a eseguirle sia una persona o un sistema automatizzato. L’operatore potrà indossare il dispositivo oppure interagire direttamente con l’ambiente senza avere continuamente bisogno di un device separato. L’automa, l’umanoide o comunque il sistema robotico sarà in qualche modo esso stesso il dispositivo e non avrà più bisogno dello scan o della lettura così come li intendiamo oggi. Ci muoveremo verso un mondo molto più visuale e molto più interattivo. Sarei sorpreso se questo non accadesse su larga scala. Allo stesso tempo, però, mi aspetto che anche tra cinque anni continueranno a esistere parecchi magazzini ancora governati dalla carta.
L’articolo Luca Cortinovis: «L’intelligenza artificiale non sostituisce la logistica, aumenta la capacità di capire e di agire» proviene da IlNewyorkese.
