P&G, la pianificazione dei turni da 8 ore a 20 minuti con l'AI di magazzino

Il 6 novembre 2026 IIoT World ha pubblicato un'intervista video a Keith Moore, CEO di AutoScheduler.AI, dedicata all'uso dell'intelligenza artificiale nei magazzini di Procter & Gamble. Il dato che colpisce: la pianificazione dei turni sarebbe scesa da circa 8 ore a 20 minuti. Va precisato subito che le cifre sono dichiarazioni di Moore e nell'articolo non risultano confermate in modo indipendente da P&G.

Il problema: un piano che dura 10 minuti

Nei campus produttivi di P&G la pianificazione quotidiana del personale richiedeva circa 8 ore per turno. Il piano, però, di solito saltava entro 10 minuti dall'inizio del turno, per guasti alle attrezzature, assenze o camion in ritardo. I movimenti delle navette tra gli edifici devono essere sincronizzati con precisione per mantenere in marcia le linee e alti i fill rate: un solo ritardo costringeva i pianificatori a rifare continuamente i conti.

La causa: sistemi isolati

Secondo Moore, la radice è il software di magazzino tradizionale, organizzato a silos. Un sito può usare un sistema di gestione del lavoro e, separatamente, uno strumento di slotting, che raramente dialogano. Eppure l'efficienza del lavoro dipende da dove si trova la merce e da quando arrivano i camion in ingresso.

La soluzione: il 80% standard e il 20% locale

AutoScheduler.AI ha impiegato sei anni per costruire un semantic layer, un corpo di conoscenza strutturata che codifica come funziona un magazzino in modo ottimale. Lo strato collega i dati di WMS ed ERP con algoritmi che modellano le capacità delle attrezzature e le agende dei baie di carico. Automatizza le decisioni universali, che l'articolo stima attorno all'80% delle operazioni di magazzino.

Il restante 20% è specifico di ogni stabilimento: per esempio un sorter con regole di carico particolari o un flusso di cross-dock attivo solo in certi giorni. Invece di un ciclo di sviluppo IT di circa 6 mesi, i supervisori di reparto, senza esperienza di programmazione, usano un costruttore AI no-code.

Secondo l'intervista, i risultati sul campo includono:

• quasi 500 app personalizzate create dai supervisori, ad esempio per programmare le consegne di materie prime alle linee e per i flussi di rifornimento;
• un'app per i carichi incompleti che consulta i dati SAP/ERP sulle spedizioni future allo stesso cliente e suggerisce sostituzioni di prodotto per proteggere il fill rate;
• l'automazione di un'attività manuale che impegnava due persone, con un risparmio dichiarato di 150.000 dollari entro due giorni dal rilascio.

La fiducia passa dalla spiegabilità

L'AI registra ragionamento e logica in linguaggio naturale. Un supervisore di banchina esperto può quindi ricostruire perché è stata fatta una raccomandazione, metterne in discussione i compromessi e modificare i parametri. È un punto chiave per l'adozione in reparto, dove una scatola nera difficilmente viene accettata.

Cosa portare a casa

Il consiglio di Moore è non impantanarsi in bonifiche dei dati infinite. Conviene mappare prima le decisioni: che cosa si decide, perché e quali dati informano ciascuna scelta. Poi si automatizzano le aree di maggior valore e si abbandonano i fogli di calcolo fragili.

Prima le decisioni, poi i dati: la mappa delle scelte guida cosa automatizzare.

Il caso mostra uno schema replicabile: unificare i sistemi isolati, automatizzare lo standard e lasciare agli operatori le eccezioni locali.

Le domande aperte

L'articolo non affronta alcuni aspetti che i responsabili IT e di stabilimento dovrebbero valutare prima di imitare l'approccio:

• la governance di circa 500 app create dagli utenti: chi le revisiona, le versiona e le dismette;
• lo sforzo di integrazione con WMS, ERP e sistemi esistenti;
• il metodo con cui sono stati misurati tempi e risparmi, in particolare i 150.000 dollari.

In attesa di verifiche indipendenti, i numeri vanno letti come indicazioni del fornitore. L'impostazione, però, resta solida: partire dalle decisioni, spiegare le raccomandazioni e dare strumenti a chi conosce il pavimento.