L'utilizzo dell'IA nella logistica

This Master’s thesis provides a comprehensive and multidisciplinary analysis of the digital and organizational transformation driven by the adoption of Artificial Intelligence (AI) within logistics and Supply Chain Management. In today’s volatile and highly dynamic global market, AI and Logistics 4.0 represent not merely technical tools, but vital strategic assets for operational efficiency, organizational resilience, and competitive advantage. The thesis is structured into four main chapters. Chapter 1 establishes the theoretical and historical framework of organizational change, tracing the evolution from Taylorism and Fordism to Lean Production, Just-in-Time, and the shift toward Just-in-Case models. Chapter 2 dissects the core AI technologies (Machine Learning, Deep Learning, Big Data, IoT) and their practical applications, such as demand forecasting, route optimization via Reinforcement Learning, intelligent inventory management, and warehouse automation. Chapter 3 investigates the organizational, human, and ethical impacts, focusing on workforce transformation, skill development (upskilling and reskilling), Kotter’s change management model, and ethical algorithm governance. Finally, Chapter 4 presents a qualitative empirical case study on Amazon, validating theoretical models against real-world operational evidence.

Il presente lavoro di tesi magistrale analizza in ottica multidisciplinare il processo di trasformazione digitale e organizzativa determinato dall’introduzione dell’Intelligenza Artificiale (IA) all’interno della gestione logistica e della catena di approvvigionamento (Supply Chain Management). Nel contesto economico globale contemporaneo, caratterizzato da forte incertezza, volatilità della domanda e spinta verso la sostenibilità, l’IA e la Logistica 4.0 non rappresentano semplici strumenti tecnologici di supporto, ma veri e propri fattori strategici di competitività aziendale ed evoluzione dei modelli organizzativi. L’elaborato si articola in quattro capitoli principali che guidano l’analisi dalla dimensione teorico-storica a quella empirica applicata. Nel Capitolo 1 viene trattata l’evoluzione del cambiamento organizzativo e dei sistemi logistici, collocando le dinamiche attuali all’interno della traiettoria storica che va dal Taylorismo e Fordismo fino al paradigma del Post-Fordismo, del Just in Time (JIT) e alla recente transizione verso modelli Just in Case (JIC) e di regionalizzazione delle catene del valore. Il Capitolo 2 approfondisce il funzionamento computazionale delle tecnologie abilitanti (Machine Learning, Deep Learning, Big Data, sensori IoT e Sistemi Cyber-Fisici) e le loro principali applicazioni operative nei processi logistici: dalle tecniche avanzate di previsione della domanda (modelli LSTM, SVM e algoritmi ensemble) all’ottimizzazione dinamica delle rotte e dei trasporti urbani (tramite Reinforcement Learning e il framework CAPPL-RL), fino alla gestione intelligente delle scorte e all’automazione dei magazzini guidata dalla robotica collaborativa (Cobot). Nel Capitolo 3 l’attenzione si sposta sulle implicazioni organizzative, umane ed etiche. Viene indagata la ristrutturazione del capitale umano attraverso l’emergere di nuove figure professionali, la trasformazione delle competenze (bilanciamento tra hard skills analitiche e soft skills relazionali/metacognitive) e la gestione dei percorsi di upskilling e reskilling. Si analizzano altresì le dinamiche di gestione del cambiamento (con riferimento al modello di John Kotter), la mitigazione delle resistenze interne legate alla paura della sostituzione tecnologica, e le sfide di responsabilità etico-decisionale e privacy. Infine, il Capitolo 4 presenta un’analisi empirica qualitativa incentrata sul caso studio Amazon. Attraverso interviste semi-strutturate e codifica tematica dei dati raccolti sul campo, lo studio valida i modelli teorici, mostrando come l’integrazione sistemica di algoritmi predittivi e robotica collaborativa ridisegni il lavoro operativo, incrementi l’efficienza della rete distributiva e richieda una nuova visione di leadership e formazione continua nel Change Management.