L'e-commerce che parla con la produzione
Vendi online e produci tu quello che vendi. Sulla carta è un vantaggio enorme; nella pratica sono due mondi che non si parlano, e in mezzo c'è una persona che ricopia. Questo è il racconto di come è stato chiuso quel divario — e di cosa succede quando ai dati che ne escono si aggiunge l'AI. Nomi e dettagli identificativi omessi: alcuni progetti sono stati commissionati da terzi.
01 La situazione di partenza
Un e-commerce montato su una piattaforma standard, un gestionale di produzione per conto suo, e tra i due il lavoro di qualcuno che ogni mattina apre entrambi e li riallinea a mano. Le disponibilità sul sito erano una fotografia di ieri. I tempi di consegna promessi al cliente erano una stima fatta a occhio da chi conosceva bene lo stabilimento — finché c'era. Ogni promozione andava calcolata a parte, perché nessuno sapeva davvero cosa ci fosse in linea di produzione quella settimana.
La tentazione, in questi casi, è comprare un CRM e sperare che incolli tutto. Ma un CRM generalista impone il suo modo di lavorare, e un'azienda che produce ha vincoli che nessun modulo standard conosce: lotti, tempi macchina, materie prime con lead time propri, lavorazioni esterne.
02 Cosa è stato costruito
Un e-commerce su misura, costruito attorno ai processi produttivi invece che accanto. Niente CRM preconfezionato da piegare: il catalogo, le disponibilità e i tempi di consegna nascono dai dati reali della produzione, non da un magazzino teorico aggiornato la sera prima. Quando un ordine entra, la produzione lo vede; quando la produzione cambia, il sito lo dice.
La scelta di non usare uno strumento pronto non è ideologica: serviva efficienza. Ogni passaggio che un prodotto generalista avrebbe risolto con tre schermate e un import notturno qui è una sola operazione, perché il software segue il processo dell'azienda e non il contrario.
| Prima | Dopo |
|---|---|
| Disponibilità sul sito aggiornate a mano, sempre in ritardo | Disponibilità calcolate sui dati di produzione, aggiornate in continuo |
| Tempi di consegna stimati a occhio da chi conosce lo stabilimento | Tempi calcolati su carico di lavoro e vincoli reali |
| Ordini web ricopiati nel gestionale | Ordine unico, visibile a chi vende e a chi produce |
| Promozioni decise senza sapere cosa c'è in linea | Decisioni prese guardando la produzione della settimana |
03 Cosa fa oggi, con l'AI
Un sistema che raccoglie ordini e produzione da anni non è solo un gestionale: è uno storico. Su quello storico oggi girano modelli che stimano la domanda per prodotto e periodo, e la confrontano con il carico produttivo previsto. Non per sostituire chi decide, ma per dargli una domanda migliore da cui partire: cosa conviene produrre adesso, cosa rischia di restare fermo, dove il mercato si sta muovendo prima che lo dica il fatturato.
È la parte che nessun software comprato può darti: le previsioni valgono quanto i dati su cui girano, e quei dati esistono solo perché il sistema li raccoglie da anni nel modo giusto.
04 Se ti ci riconosci
Il segnale è semplice: qualcuno nella tua azienda passa tempo a tenere allineate due schermate. Non serve rifare tutto — nella maggior parte dei casi si parte dal punto di contatto più costoso e si allarga da lì, lasciando in piedi quello che già funziona.
Se vendi online e produci, o se il tuo e-commerce è un'isola rispetto al resto dell'azienda, quella distanza si può misurare in ore-persona al mese. È il primo numero da mettere sul tavolo.
Perché non usare un CRM o un e-commerce già pronto?
Perché un prodotto generalista impone il suo modello di dati e i suoi passaggi, e un'azienda che produce ha vincoli che quel modello non prevede. Quando i processi sono standard un prodotto pronto è la scelta giusta e lo diciamo. Quando l'efficienza dipende proprio da come lavori tu, il su misura si ripaga.
Serve buttare via il gestionale che uso adesso?
Quasi mai. Nella maggior parte dei progetti il gestionale resta dov'è e si costruisce l'integrazione: si legge e si scrive via API o tramite gli export già esistenti. Sostituire tutto è una decisione da prendere per ragioni sue, non per aggiungere l'AI.
Da quanti dati servono per fare previsioni utili?
Dipende dalla stagionalità del tuo mercato, ma la regola pratica è: almeno due cicli completi di quello che vuoi prevedere. Se i dati non ci sono ancora, il primo passo è raccoglierli bene — ed è un lavoro che ha valore anche prima di qualsiasi modello.