La lista delle cose che sono state difficili da ottenere in un momento o nell'altro negli ultimi mesi è tanto varia quanto lunga: auto nuove, telefoni nuovi, lenti a contatto, prodotti per la pulizia, prodotti freschi, mobili da giardino, libri, il colore blu. "Non è come quando tutti hanno finito la carta igienica nel marzo 2020", ha riferito Chris Nicholson, fondatore di Pathmind, un'azienda che applica l'AI ai problemi di logistica. "Questa volta gli articoli mancanti sembrano personalizzati".

Covid-19 ha acceso un riflettore su molte delle reti mondiali, da internet ai viaggi aerei internazionali. Ma le catene di approvvigionamento che attraversano il mondo - le navi e i camion e i treni che collegano le fabbriche ai porti e ai magazzini, portando quasi tutto ciò che compriamo a molte migliaia di chilometri da dove viene prodotto a dove viene consumato - stanno affrontando più controlli di quanti ne abbiano mai fatti.

"È giusto dire che qualsiasi cosa stiate vendendo, avete un problema in questo momento", ha riferito Jason Boyce, fondatore e CEO di Avenue7Media, una società di consulenza che consiglia i migliori venditori di Amazon. Boyce dice di avere clienti che girerebbero decine di milioni di dollari all'anno se potessero rimanere in magazzino. "Ogni giorno abbiamo colloqui con clienti che piangono", dice. "Per mesi, non sono stati completamente in stock per un periodo di 30 giorni di fila".

I gemelli digitali cercano di risolvere le rotture nella catena di approvvigionamento anticipando prima che accadano e poi usando l'IA per trovare una soluzione. Il nome cattura l'idea chiave di simulare un sistema complesso in un computer, creando una sorta di gemello che rispecchia gli oggetti del mondo reale - dai porti ai prodotti - e i processi di cui fanno parte. Le simulazioni sono state una parte del processo decisionale nell'industria per alcuni anni, aiutando le persone a esplorare diversi progetti di prodotti o a ottimizzare il layout di un magazzino. Ma la disponibilità di grandi quantità di dati in tempo reale e di potenza di calcolo significa che i processi più complessi possono essere simulati per la prima volta, compreso il caos delle catene di fornitura globali che spesso si basano su numerosi fornitori e reti di trasporto.

Questo tipo di tecnologia ha dato ad Amazon, che ha già il vantaggio di controllare i propri camion e magazzini, un vantaggio in più per anni. Ora anche altri la stanno abbracciando. Google sta sviluppando gemelli digitali della supply-chain che la casa automobilistica Renault ha annunciato di aver iniziato a usare a settembre. I giganti delle spedizioni internazionali come FedEx e DHL stanno costruendo il loro software di simulazione. E aziende AI come Pathmind stanno creando strumenti su misura per chiunque possa pagare. Eppure non tutti ne beneficeranno. Infatti, la nuova potente tecnologia potrebbe allargare un crescente divario digitale nell'economia globale.

Prevedere la tempesta

È facile incolpare la pandemia per gli attuali problemi della catena di approvvigionamento. Le chiusure delle fabbriche e le carenze di manodopera hanno messo fuori uso la produzione e i centri di consegna nello stesso momento in cui un balzo negli acquisti online e nelle comodità ha fatto salire alle stelle la domanda di consegne a domicilio.

Ma in verità, la pandemia ha solo peggiorato una brutta situazione. "Ci sono forze globali che guidano questo, tutte combinate in una tempesta perfetta", dice D'Maris Coffman, un economista dell'University College di Londra che studia l'effetto della pandemia sulle catene di approvvigionamento.

Per placare questa tempesta sarà necessario affondare trilioni di dollari nelle infrastrutture globali, espandere i porti e le flotte di consegna, e investire in una migliore gestione, migliori condizioni di lavoro e migliori accordi commerciali. "La tecnologia non risolverà questi problemi. Non permetterà alle navi di trasportare più container", dice David Simchi-Levi, che guida il laboratorio di scienza dei dati al Massachusetts Institute of Technology e ha contribuito a costruire gemelli digitali per diverse grandi aziende. Ma l'AI può aiutare le aziende a superare il peggio. "I gemelli digitali ci permettono di identificare i problemi prima che accadano", dice.

Secondo Hans Thalbauer, l'amministratore delegato delle catene di approvvigionamento e del team di logistica di Google, il più grande problema che le aziende devono affrontare è l'incapacità di prevedere gli eventi a monte della catena. "Non importa con quale azienda si parla", dice. "Tutti nel mondo della catena di approvvigionamento vi diranno che non hanno la visibilità di cui hanno bisogno per prendere decisioni".

È la visibilità della catena di approvvigionamento che permette ad Amazon, per esempio, di prevedere quando un articolo si presenterà alla porta di casa. Per ogni articolo che Amazon consegna direttamente - e questo include i milioni di articoli che consegna per conto di venditori terzi come Boyce e i suoi clienti - fornisce una stima accurata di quando arriverà. Potrebbe non sembrare molto, dice Boyce, ma se Amazon sbagliasse queste previsioni, comincerebbe a perdere clienti, specialmente durante le vacanze, quando la gente compra regali all'ultimo minuto e si affida ad Amazon per la consegna. "Ci vuole un'enorme potenza di calcolo solo per mostrare quel semplice piccolo giorno di consegna", dice. "Ma la gente va fuori di testa quando non riceve la roba in tempo".

Secondo Deliverr, una società statunitense che gestisce la logistica delle consegne per diverse aziende di e-commerce tra cui Amazon, Walmart, eBay e Shopify, un tempo di consegna stimato di due giorni contro sette-dieci giorni aumenta le vendite del 40%; un tempo di consegna stimato di un giorno aumenta le vendite del 70%.

Non è una sorpresa che altri vogliano una sfera di cristallo tutta loro. Le catene di fornitura just-in-time sono quasi morte. Le perturbazioni degli ultimi due anni hanno affondato molte imprese che hanno inseguito l'iper-efficienza fino all'estremo. Lo spazio del magazzino è costoso, e pagare per immagazzinare l'inventario che potrebbe non servire per una settimana può sembrare stravagante in tempi di abbondanza. Ma quando lo stock della prossima settimana non arriva, non hai niente da vendere.

"Prima della pandemia, la maggior parte delle aziende si concentrava sul taglio dei costi", dice Simchi-Levi. Ora sono disposte a pagare per la resilienza, ma concentrarsi solo sulla resilienza è anche un errore: bisogna trovare il giusto equilibrio tra le due cose. Questo è il vero potere delle simulazioni. "Stiamo vedendo un numero crescente di aziende che iniziano a testare le loro catene di approvvigionamento usando i gemelli digitali", dice.

E se?

Esplorando diversi scenari possibili, le aziende possono identificare l'equilibrio tra efficienza e resilienza che funziona meglio per loro. Aggiungete l'apprendimento di rinforzo profondo, che permette a un'IA di imparare per tentativi ed errori quali azioni intraprendere in diverse situazioni, e i gemelli digitali diventano macchine per esplorare le domande "what-if". Cosa succede se c'è una siccità a Taiwan e la carenza d'acqua chiude la produzione di microchip? Un gemello digitale potrebbe prevedere il rischio che questo accada, tracciare l'impatto che avrebbe sulla vostra catena di approvvigionamento e - utilizzando l'apprendimento per rinforzo - suggerire quali azioni intraprendere per minimizzare il danno.

Se sei un produttore di auto nel Midwest degli Stati Uniti, un gemello digitale potrebbe suggerirti di comprare componenti extra da un distributore sulla costa occidentale che ha ancora delle eccedenze. Ma se si infilano più scenari insieme, le cose diventano ben presto molto complesse. Per esempio, secondo Simchi-Levi, Ford ha più di 50 stabilimenti in tutto il mondo, che usano 35 miliardi di parti per produrre 6 milioni di auto e camion ogni anno. Ci sono circa 1.400 fornitori sparsi in 4.400 siti di produzione con cui interagisce direttamente, e una pila di fornitori e fornitori di fornitori fino a 10 livelli di profondità tra Ford e le materie prime che vanno nei suoi veicoli. Ognuno di questi collegamenti potrebbe rompersi, e un buon test di stress dovrebbe sondare ognuno di essi.

I gemelli digitali attingono a quanti più dati possibili per eseguire le loro simulazioni e addestrare le loro IA. Ci sono informazioni logistiche sull'azienda e i suoi fornitori, tenendo conto di input come l'inventario e i dati di spedizione. Poi ci sono i dati sul comportamento dei consumatori, basati su analisi di mercato e proiezioni finanziarie. E dati sul mondo in generale, come le tendenze geopolitiche e socioeconomiche. Simchi-Levi ha persino tratto dati dai social media per prevedere il comportamento delle persone, specialmente durante la pandemia.

Il gemello digitale di Google può essere inserito in Google Earth e tiene conto dei modelli meteorologici globali. Se sei un coltivatore di verdure in California, puoi eseguire simulazioni per vedere quali dei tuoi campi sono a rischio di La Niña, dice Thalbauer. Quando Google imposta un gemello digitale per un cliente come Renault, può scegliere quale delle molte fonti di dati disponibili includere.

Pathmind ha un approccio meno pesante. Il suo gemello digitale avvolge semplicemente gli strumenti di gestione della catena di approvvigionamento esistenti di un'azienda, attingendo ai dati che già producono. Poi aumenta questi dati eseguendo simulazioni "what-if" e aggiungendo i dati sintetici risultanti al vaso su cui addestra la sua IA. L'approccio è simile a come AlphaZero ha imparato a giocare a Go e a scacchi giocando milioni di partite virtuali contro se stesso. Invece di imparare quale pezzo muovere su una scacchiera, i gemelli digitali possono imparare quali scorte ordinare e quando, o dove aprire un nuovo magazzino.

Con i giusti dati sintetici, un gemello digitale può imparare a rispondere a eventi mai visti prima, persino a pandemie globali. "Qui è dove entriamo in tutto il segreto del 'Perché l'IA è intelligente?'" dice Nicholson. "Vive più di noi, in questi molti mondi diversi, alcuni dei quali non sono mai esistiti prima".

In teoria, chiunque può beneficiare di questa tecnologia. In pratica, ci saranno vincitori e perdenti. "La tecnologia digital-twin presenta una potente opportunità per le aziende di qualsiasi dimensione", dice Rick Lazio, un avvocato ed ex membro del Congresso degli Stati Uniti che ora è vicepresidente senior di Alliantgroup, una società di consulenza fiscale con sede negli Stati Uniti. Ma nota che sono le aziende più grandi, che sono già le più protette dalle perdite, che stanno iniziando ad usare questa tecnologia più velocemente.

Rick Lazio pensa che molte piccole imprese avranno bisogno di un aiuto, forse attraverso investimenti governativi, per evitare che rimangano indietro. "Le aziende che adottano presto la tecnologia vedono benefici maggiori della somma delle sue parti", dice.

E non si tratta solo di piccole imprese. "Un sacco di porti del mondo funzionano su carta; se sei fortunato, stanno usando PDF ed e-mail", dice Nicholson. "Questi sono operatori importanti, non un produttore di candele nel New Hampshire. Ma senza digitalizzazione, non otteniamo l'AI".

Simchi-Levi è più ottimista. Molte aziende supponevano che la creazione di un gemello digitale richiedesse enormi investimenti e anni per ripagarsi, dice, ma non è più così: un milione di dollari e 18 mesi possono dare molti dei benefici.

Simchi-Levi non ha dubbi che il brusio intorno ai gemelli digitali rimarrà anche una volta che il peggio delle attuali interruzioni sarà passato. Se non è la pandemia, sarà qualcos'altro, dice. Gli ultimi due anni hanno insegnato alle aziende come prepararsi meglio, e come competere meglio. "Quando torneremo alla normalità, non sarà lo stesso di prima", dice. "La pandemia ha dimostrato che il futuro è qui".