Una revisione critica del Quadrante Magico Gartner 2024 per le soluzioni di pianificazione della supply chain, aprile 2025

Di Léon Levinas-Ménard

Ultima modifica: 5 aprile 2025

Introduzione

Il Quadrante Magico (MQ) Gartner 2024 per le soluzioni di pianificazione della supply chain del 2024 si propone di mappare i migliori fornitori di software per “Completezza della visione” e “Capacità di esecuzione”, un formato che porta con sé un’illusione di oggettività. In pratica, però, questo MQ ci dice di più sugli incentivi di Gartner e sul bagaglio ereditato dell’industria che sul vero merito tecnico. Questa revisione critica prende in esame la verità, guardando con scetticismo dietro il quadrante lucido. Dissettiamo la metodologia e la struttura del MQ, esponendo difetti sistemici - dalle dinamiche pay-to-play che distorcono le classifiche, alla sovrarappresentazione dei fornitori “dinosauri” vecchi di decenni. Esaminiamo il quadrante dei Leader, denunciando affermazioni di marketing vaghe (cifre di ROI gonfiate, promesse di AI/ML magici senza dettagli tecnici, automazione “black-box”), e mettiamo in luce le contraddizioni interne nelle narrazioni dei fornitori (ad es. vantando la pianificazione in tempo reale mentre affermano anche di ottimizzare assortimenti massicci - una combinazione che è incompatibile computazionalmente nel calcolo del mondo reale). In tutto ciò, ci basiamo su un ragionamento tecnico approfondito e analisi indipendenti (inclusa la ricerca di Lokad dal 2021 al 2025) per tagliare attraverso l’hype. Mettiamo anche in evidenza ciò che il MQ omette - in particolare le frequenti implementazioni fallite di queste stesse soluzioni, e l’assenza di fornitori disruptivi, scientificamente rigorosi che scelgono di non partecipare al gioco di Gartner. L’obiettivo è un’analisi completa, skeptical che sfida la visione di Gartner del panorama del software di pianificazione della supply chain e prepara i lettori a vedere attraverso la semplicità rassicurante ma fuorviante del quadrante.

Metodologia del Quadrante Magico: Struttura, Preconcetti e Pay-to-Play

Il MQ di Gartner è presentato come una valutazione imparziale: un grafico ordinato con due assi, “Capacità di esecuzione” (asse y) e “Completezza della visione” (asse x). In teoria, un fornitore nel tanto ambito quadrante dei “Leader” in alto a destra ha sia una forte esecuzione che una visione convincente. Tuttavia, il processo dietro queste classifiche è tutto tranne neutrale. Nelle stesse descrizioni di Gartner, i criteri includono cose come le capacità del prodotto, l’esperienza del cliente, la reattività del mercato, la strategia, ecc. - fattori altamente qualitativi che danno agli analisti ampio margine di manovra. È un segreto aperto nel mondo del software aziendale che importanti società di analisi come Gartner operano su un modello “pay-to-play”, e le loro raccomandazioni riflettono spesso più le relazioni con i fornitori che l’eccellenza del prodotto ¹. Come una FAQ di Lokad mette brutalmente in chiaro, “i fornitori che scelgono di non impegnarsi nelle sostanziali interazioni a pagamento con Gartner di solito si vedono relegati a posizioni meno favorevoli o del tutto omessi.” Il risultato è che i Quadranti Magici tendono a funzionare come infomercial per coloro che pagano, piuttosto che valutazioni rigorose - molti dirigenti trattano queste classifiche “con la stessa credibilità che attribuirebbero agli oroscopi casuali” ².

Questa parzialità sistemica non è solo un’accusa da parte dei concorrenti; è confermata dal modo in cui Gartner conduce affari. I fornitori investono pesantemente nelle relazioni con gli analisti - acquistando servizi di ricerca di Gartner, informando gli analisti, acquistando diritti di ristampa - sapendo bene che la loro posizione nell’MQ può migliorare con maggiore coinvolgimento. Gartner, naturalmente, nega qualsiasi forma di scambio di favori, ma anche se gli analisti singoli cercano l’obiettività, il conflitto di interessi è inevitabile. Come osservato da Joannes Vermorel, c’è una “finta neutralità” in queste valutazioni dei fornitori, ma in realtà “i conflitti di interessi sono così evidenti che non si ottiene neutralità; ciò che si ottiene è pagare per vincere.” ³ ⁴ Nessun codice di condotta o barriera tra gli analisti può eliminare completamente le sottili pressioni; come nota Vermorel, anche le persone ben intenzionate mostrano un bias inconscio quando si profilano interessi commerciali significativi ⁵ ⁶. Nel contesto dell’MQ, ciò significa che i grandi fornitori con grandi budget di marketing e abbonamenti a Gartner sono sistematicamente favoriti. L’assenza di un’analisi veramente indipendente è incorporata nel modello - i ricavi di Gartner provengono dalle stesse aziende che vengono “oggettivamente” classificate.

Visione vs. Esecuzione - Chi Definisce il Successo?

I due assi dell’MQ misurano apparentemente la “Visione” e l’“Esecuzione” di un fornitore, ma questi concetti sono nebulosi. Cosa conta come una visione audace nel software di pianificazione della supply chain? In molti casi, è ciò che gli analisti di Gartner hanno sentito durante le informazioni ai fornitori e le parole di moda del mercato. Ad esempio, avere tutti gli acronimi di tendenza nel proprio piano (AI/ML, gemello digitale, IBS in tempo reale, ecc.) spunterà la casella Visione, che il prodotto li realizzi veramente o meno. Al contrario, un fornitore con un approccio veramente nuovo potrebbe essere penalizzato se non si adatta al modello preconcetto di Gartner su “cosa significa essere bravi”. La capacità di esecuzione spesso si riduce alle dimensioni: numero di clienti, presenza globale, rete di partner di implementazione - essenzialmente un proxy per la portata del marketing e l’esecuzione delle vendite aziendali, non per risultati di successo effettivi. Questo distorce l’MQ contro le aziende più piccole e tecnicamente innovative (che potrebbero avere algoritmi migliori ma meno grandi referenze) e a favore degli incumbent che hanno grandi basi installate anche se le loro implementazioni spesso deludono.

È cruciale notare che il punteggio di Gartner non tiene conto del tasso di successo nel mondo reale delle implementazioni in modo trasparente. Un fornitore che vende 100 copie del suo software e ha 80 fallimenti su 100 otterrà comunque un punteggio alto in “Capacità di Esecuzione” grazie alle sole vendite e alla presenza, mentre un fornitore che vende 10 copie e ha successo con tutte e 10 potrebbe essere considerato un’esecuzione più debole. La metodologia dell’MQ penalizza quindi la qualità a favore della quantità. È significativo che gli stessi analisti di Gartner abbiano ammesso che l’adozione da parte degli utenti di queste soluzioni di pianificazione è estremamente bassa. Al Summit sulla Pianificazione della Supply Chain del 2024, Pia Orup Lund di Gartner ha condiviso che in media solo il 32% dei pianificatori di un’organizzazione tipica si è effettivamente trasferito al nuovo strumento di pianificazione che è stato implementato - un tasso di adozione sorprendentemente basso date le progetti da milioni di dollari ⁷. In altre parole, due terzi delle implementazioni presumibilmente riuscite non riescono a convincere gli utenti, diventando software inutilizzati. Eppure tali risultati a malapena influenzano la posizione dell’Magic Quadrant di un fornitore, poiché la valutazione di Gartner trascura questi fallimenti. L’asse “Capacità di Esecuzione” non è una misura della creazione di valore, ma principalmente una misura della penetrazione di mercato e della resistenza del fornitore. Questo mette in discussione il significato del quadrante dei Leader: esecuzione solo nel nome, non nella realtà.

La Falsa Oggettività del Quadrante

Il formato stesso del MQ - un grafico a quadranti - conferisce un’aria di analisi scientifica, come se i fornitori fossero misurati con precisione e tracciati su un grafico cartesiano. Questo è ingannevole. A differenza di un grafico a dispersione basato sui dati, le posizioni su un Quadrante Magico sono il risultato di discussioni a porte chiuse, rubriche di punteggio ponderate che Gartner non divulga completamente e, in ultima analisi, giudizi soggettivi. La semplicità visiva (chi è in alto a destra rispetto a in basso a sinistra) nasconde una moltitudine di scelte soggettive. Inoltre costringe a un confronto universale che ignora il contesto: un “Leader” per un tipo di azienda potrebbe essere una scelta terribile per le esigenze di un’altra, eppure il MQ continuerà comunque a rappresentare uno come universalmente migliore. Comprimendo prodotti multifunzionali in un singolo punto, si perde la sfumatura. Ad esempio, un fornitore potrebbe avere una soluzione eccellente per la previsione ma mediocre per la pianificazione della produzione - come si riflette questo in un punto X-Y? La risposta di Gartner è effettivamente di mediare e ponderare in base ai criteri che preferiscono in quell’anno. Il risultato è un offuscamento delle distinzioni che può indurre i lettori a pensare che le differenze siano solo incremental. Il formato a quadranti incoraggia un’interpretazione pigra: “in alto a destra è il migliore, in basso a sinistra è il peggiore”, evitando il duro lavoro di comprendere i compromessi e le capacità specifiche. Come ha osservato Vermorel, “I Quadranti Magici sono, come suggerisce il nome, la superstizione nel suo massimo splendore e la falsa scienza nel suo peggior momento.” ⁸ La formulazione severa sottolinea che il grafico a quadranti è più teatro di marketing che ricerca rigorosa.

I Vendor Legacy Dominano il Quadrante dei Leader

Guardando al MQ 2024 per la Pianificazione della Catena di Approvvigionamento, non si può fare a meno di notare che il quadrante dei Leader è effettivamente un club di ex alunni dei vendor legacy. Kinaxis, Blue Yonder, Oracle, OMP, Logility - queste aziende (o i loro nomi predecessori) esistono da decenni. Kinaxis è stata fondata negli anni ‘80 (come WebPlan), Blue Yonder risale al 1985 (come JDA Software), OMP agli anni ‘70, Logility agli anni ‘90 e Oracle è vecchia quanto l’IT moderna stessa. La loro presenza costante al vertice potrebbe indicare un’eccellenza duratura - o potrebbe indicare che i criteri di Gartner favoriscono intrinsecamente la scala e la longevità. La storia suggerisce il secondo. Questi incumbent hanno raggiunto una posizione di rilievo spesso non solo attraverso una tecnologia superiore, ma anche attraverso acquisizioni aggressive e l’espansione dei loro portafogli. Blue Yonder è un esempio lampante: è “il risultato di una lunga serie di operazioni di M&A”, che ha portato a “una collezione caotica di prodotti, la maggior parte datati” sotto un unico marchio ⁹. Il MQ di Gartner elenca ancora Blue Yonder come Leader con un “architettura di microservizi completa” e una suite completa end-to-end, trascurando il fatto che gran parte di quella suite è assemblata da strumenti più vecchi. Il software enterprise non si unifica magicamente attraverso le M&A; l’integrazione è difficile, e lo stack di Blue Yonder mostra le sue cuciture. Lo studio di Lokad sui fornitori ha notato che Blue Yonder “caratterizza in modo prominente l’IA” nel marketing, ma le “affermazioni sono vaghe e prive di sostanza.” Infatti, i pochi indizi dai materiali tecnici pubblici di Blue Yonder (ad es. alcuni progetti open-source) “fanno pensare a approcci pre-2000” come modelli di previsione ARMA di base ¹⁰. Quindi abbiamo un Leader che esalta l’“IA” mentre probabilmente utilizza tecniche di previsione vecchie di oltre 20 anni sotto il cofano. Questo solleva una domanda difficile: Blue Yonder è un Leader per merito tecnico o per slancio ereditario? Il rapporto di Gartner non pone questa domanda, ma una revisione scettica deve farlo.

Kinaxis e Oracle sono anche esempi istruttivi. Kinaxis, celebrata per la sua piattaforma RapidResponse, è davvero un pioniere - ha introdotto in anticipo la pianificazione simultanea veloce e in memoria rispetto a molti concorrenti, ed è ancora molto popolare per la pianificazione delle vendite e delle operazioni. Ma anche Kinaxis è un attore tradizionale che si sta modernizzando mentre procede. Storicamente, Kinaxis non offriva previsioni statistiche avanzate o di ML nel suo core; gli utenti dovevano importare previsioni o utilizzare metodi semplici. Alcuni anni fa, Kinaxis ha riconosciuto questa lacuna e ha iniziato ad aggiungere strumenti probabilistici tramite acquisizioni/partnership (ad es. acquisendo Rubikloud per le previsioni di intelligenza artificiale, collaborando con Wahupa per l’ottimizzazione dell’inventario) ¹¹ ¹². Questi sono passi positivi, ma fondamentalmente Kinaxis sta recuperando le capacità di AI/ML che altri avevano già, e lo sta facendo integrando moduli separati. Questo solleva questioni di coerenza tecnologica - le nuove funzionalità di Kinaxis sono “aggiunte” che “sollevano questioni sulla coerenza dello stack tecnologico” ¹². Resta da vedere se questi moduli probabilistici sono profondamente integrati o solo aggiunte superficiali a fini di marketing. Nella narrazione di MQ, Kinaxis è classificata al primo posto per la sua “Ability to Execute” e per un decennio di successi, ma un’approfondita audit tecnica mostra un architettura legacy deterministica che si evolve in un ibrido. Senza contare che l’approccio in memoria che dà velocità a Kinaxis impone anche limiti - le grandi implementazioni affrontano “costi hardware elevati e limiti di scalabilità man mano che i dati crescono (le grandi implementazioni richiedono RAM massicce)” ¹³. Questa sfumatura manca nella valutazione dell’“esecuzione” di Gartner. Un pianificatore che legge il MQ potrebbe pensare che Kinaxis sia una scommessa sicura a causa del suo status di Leader, senza rendersi conto che se i loro dati sulla supply chain sono enormi, potrebbero incontrare ostacoli di costo/prestazioni o avere bisogno di un investimento significativo in hardware per utilizzare le simulazioni in tempo reale di Kinaxis. Queste realtà raramente emergono nella descrizione di Gartner.

Anche l’inclusione di Oracle come Leader nel 2024 è un altro riconoscimento dell’incumbenza. La soluzione SCP di Oracle fa parte della sua vasta suite Cloud SCM. Gartner applaude la “visione per un’architettura componibile” di Oracle e la sua capacità di “pianificare a qualsiasi livello di dettaglio” ¹⁴. Ma sembra una brochure - la pianificazione a qualsiasi livello di dettaglio suona bene, tranne che i praticanti esperti sanno che pianificare a un livello di granularità estremamente alto (ad esempio, livello SKU-negozio con vincoli complessi) non sarà istantaneo o addirittura fattibile se si intende davvero pianificare a qualsiasi dettaglio. C’è un compromesso computazionale: o si aggrega per pianificare velocemente, o si impiega più tempo (o più potenza di calcolo) per pianificare in dettaglio. Oracle, come gli altri, sta implicitamente affermando di poter quadrare il cerchio. Forse il loro cloud può elaborare più di sistemi più vecchi, ma la pretesa di piena granularità senza conseguenze mette a dura prova la credibilità. Riflette una tendenza generale: i fornitori tradizionali che si riconvertono in “piattaforme cloud AI” ma sotto il cofano si scontrano ancora con limitazioni. Oracle ha acquisito numerose aziende nel corso degli anni (Demantra per la pianificazione della domanda, G-Log, ecc.) e le ha integrate per costruire la sua suite. Merito dove merito: Oracle ha investito per modernizzarsi, ma di nuovo il riassunto di MQ non menzionerà quanti anni e ore di consulenza potrebbero essere necessari per realizzare effettivamente quella visione “componibile” in un’implementazione client.

È anche notevole quali fornitori legacy non compaiono nei Leader del MQ o affatto. SAP, ad esempio, è solo un Challenger nel 2024 (nonostante sia il gigante dell’ERP con un prodotto SCP, IBP). Infor - un altro grande giocatore dell’ERP che aveva acquisito aziende come Mercia e Predictix per la pianificazione - è assente del tutto nel MQ del 2024. Perché? Forse perché l’attenzione di Infor è cambiata (o ha scelto di non partecipare alla valutazione di Gartner). Lo studio dei fornitori di Lokad ha evidenziato che Infor ha acquisito Predictix (uno specialista della previsione AI) nel 2016, ma “l’angolo della previsione è rimasto un cittadino di seconda classe” all’interno della suite di Infor ¹⁵. Le tecniche ML avanzate di Predictix sono state “declassate” ed è “dubbio che quei metodi superino i modelli di previsione precedenti al 2000”, con le affermazioni di “AI” di Infor considerate dubbie anche ¹⁶. In breve, l’innovazione della pianificazione di Infor è andata a vuoto, quindi non sono nel MQ. Questo è effettivamente un punto a favore dell’integrità di Gartner - non hanno avuto problemi a eliminare un grande nome quando è rimasto indietro. Ma sottolinea anche come le acquisizioni possano non portare da nessuna parte: acquistare startup di AI non garantisce il leadership se l’azienda principale non riesce a integrare ed eseguire. L’ironia è che coloro che rimangono nel quadrante dei Leader hanno storie di acquisizioni simili (Blue Yonder con JDA/i2/Manugistics, Logility che ha acquisito Garvis e Starboard negli ultimi anni ¹⁷ ¹⁸, Kinaxis con Rubikloud, ecc.), eppure Gartner continua a dar loro il beneficio del dubbio. La sovrarappresentazione dei fornitori legacy suggerisce che la quota di mercato passata e la relazione con Gartner spesso prevalgono sull’eccellenza tecnica attuale.

Hype vs. Reality: Affermazioni discutibili nel quadrante dei Leader

La retorica di marketing nella pianificazione della supply chain è leggendaria, e le descrizioni del MQ riflettono spesso le affermazioni dei fornitori che meritano un estremo scetticismo. Un modello ricorrente con i Leader è il vanto di ROI altissimi e risultati trasformativi - di solito senza prove concrete. Ad esempio, molti fornitori vantano cifre come “riduzione del 30% dell’inventario, livello di servizio del 98%, miglioramento del 90% della produttività” dopo l’implementazione della loro soluzione. ToolsGroup, ora un Giocatore di Nicchia ma storicamente spesso citato dagli analisti, ha pubblicizzato risultati come “disponibilità del prodotto superiore al 90%, riduzione dell’inventario del 20-30%, riduzione del carico di lavoro del 40-90%.” Anche se questi numeri sono presumibilmente accaduti per qualche cliente da qualche parte, sembrano troppo belli per essere veri in combinazione. Un’analisi di Lokad ha avvertito che tali statistiche sono tipicamente selezionate: “probabilmente provengono da clienti diversi ognuno raggiungendo uno di quei risultati elevati, non un cliente che li raggiunge tutti contemporaneamente” - nessuno dovrebbe aspettarsi di ottenere tutti quei guadagni contemporaneamente ¹⁹. La realtà comporta compromessi; potresti ridurre l’inventario del 20% ma poi il livello di servizio potrebbe calare, o viceversa. Il MQ, tuttavia, raramente include tali avvertenze quando elogia la “capacità di fornire valore” di un Leader. Tende a ripetere le storie di successo fornite dal fornitore. Il risultato è un aumento delle aspettative. Un dirigente della supply chain che legge su Kinaxis o Blue Yonder nel MQ potrebbe pensare che questi strumenti risolveranno automaticamente i problemi e garantiranno un rapido ROI, quando in realtà l’implementazione potrebbe avere difficoltà e i guadagni, se ci sono, arriveranno dopo lunghi sforzi di change management.

Un’altra area di hype è precisione delle previsioni e intelligenza artificiale. Ogni fornitore ora afferma di avere una qualche forma di “previsioni alimentate da intelligenza artificiale” che migliorerà drasticamente le previsioni della domanda. Tuttavia, i dettagli sono quasi sempre assenti. Le descrizioni di Blue Yonder e Logility menzionano l’IA/ML, Kinaxis parla di “Pianificazione IA”, ecc., ma il riassunto di Gartner non chiede dettagli su come la loro IA sia diversa o comprovata. Un esempio lampante è il concetto di “sensore di domanda” - un termine di moda per l’utilizzo di dati molto a breve termine per aggiustare le previsioni. ToolsGroup ha utilizzato questo termine, così come altri. Tuttavia, come ha notato la ricerca di Lokad, “le affermazioni sul ‘sensore di domanda’ non sono supportate dalla letteratura scientifica.” ²⁰ È sostanzialmente un termine di marketing; c’è poco evidenza che ciò che i fornitori chiamano sensore di domanda produca previsioni costantemente migliori rispetto a ciò che possono fare buone statistiche a breve termine. Allo stesso modo, un fornitore (John Galt Solutions, un Challenger) si vanta di un algoritmo proprietario “Procast” più accurato dei concorrenti, ma non fornisce prove pubbliche - infatti, è significativo che questo algoritmo fosse assente dai primi posti della competizione di previsione M5, dove i metodi open-source eccellevano ²¹. Molto probabilmente, il segreto di John Galt non sta nel battere colossi come il Prophet di Facebook o i pacchetti R di Hyndman in termini di pura accuratezza, ma il resoconto dell’MQ non lo rivelerebbe. È necessario fare ricerche indipendenti per scoprire queste cose. L’asse Vision dell’MQ tende a premiare i fornitori che esaltano l’IA e l’analisi, indipendentemente dal fatto che i loro approcci siano innovativi o statisticamente validi. Consideriamo o9 Solutions: l’anno scorso (2023) Gartner aveva inserito o9 nel quadrante dei Leader, in parte sulla base del suo hype come piattaforma “cervello digitale”. Nel 2024, o9 è scivolato nella categoria dei Visionari. Cosa è cambiato? Possibilmente Gartner si è reso conto che alcune delle grandi affermazioni di o9 non erano comprovate. L’ispezione di Lokad su o9 ha rilevato che “molte delle sue [IA] affermazioni (ad esempio, che il suo grafo della conoscenza migliora in modo unico le previsioni) sono dubbie senza supporto scientifico” ²². Infatti, l’analisi dei componenti tecnologici pubblicamente visibili di o9 ha mostrato principalmente tecniche standard, “niente di fondamentalmente nuovo abbastanza da giustificare il grande marchio ‘IA’” ²². Questa è una storia comune: il marketing supera la realtà. Gartner, per sua merito, alla fine si adegua (come con o9), ma solo dopo aver inizialmente amplificato parte di quel hype posizionando il fornitore come Leader. Questo capovolgimento evidenzia anche quanto sia soggettivo l’MQ - un visionario un anno, un leader l’anno successivo, poi di nuovo visionario - il che non ispira fiducia in un processo stabile e basato su criteri.

Una delle affermazioni più fuorvianti diffuse tra i fornitori Leader è l’idea di “pianificazione in tempo reale end-to-end”. Questa formulazione suggerisce che si possa avere un piano veramente sincronizzato fino all’ultimo minuto lungo l’intera supply chain, forse anche con aggiustamenti automatici in tempo reale. Kinaxis e Blue Yonder hanno entrambi utilizzato un linguaggio relativo alla pianificazione concorrente o continua; il testo di Gartner per Oracle sottolinea “la pianificazione a qualsiasi livello di dettaglio” e Kinaxis è elogiata per l’automazione e l’allineamento. La contraddizione risiede nel trade-off tra scala e velocità. Per le grandi imprese, “qualsiasi livello di dettaglio” può significare milioni di combinazioni SKU-località, vincoli multi-anello complessi, stagionalità, ecc. Realizzare un piano ottimale anche giornaliero per quella portata è un’impresa computazionale massiccia. Farlo in tempo reale (aggiornamenti sub-secondo o istantanei ogni volta che i dati cambiano) è praticamente impossibile con gli algoritmi e l’hardware attuali, a meno che non si sacrifichi il dettaglio o l’ottimalità. Kinaxis affronta questo problema utilizzando un’architettura in memoria per ricalcolare rapidamente, ma anche loro hanno dei limiti (necessitando di enormi quantità di RAM e semplificando alcuni calcoli) ¹³. La piattaforma “Luminate” di Blue Yonder parla di un motore AI e forse utilizza euristiche per aggiustamenti rapidi anziché una riottimizzazione completa. Le descrizioni di MQ non riconoscono queste realtà tecniche. Consentono ai fornitori di avere entrambe le cose: affermare un’analisi completa e granulare e una risposta istantanea. Un occhio critico dovrebbe notare questo come doppio pensiero di marketing. Ad esempio, se un fornitore afferma di gestire una “pianificazione in tempo reale” e anche una “pianificazione basata sugli attributi a livelli altamente granulari” (come Gartner nota anche per alcuni Visionaries) ²³ ²⁴, si dovrebbe chiedere: come mantengono la velocità in tempo reale con tale granularità? La risposta probabile: non lo fanno, non senza hardware pesante o semplificazioni. Il team di Lokad ha sottolineato che spingere il limite su entrambi gli estremi di solito fallisce - o il sistema si appesantisce, o elimina silenziosamente la granularità (ad esempio, aggiorna alcuni numeri aggregati in tempo reale ma non tutto). Sfortunatamente, MQ di Gartner non spinge i fornitori a risolvere queste contraddizioni. L’apparenza di capacità all’avanguardia viene presentata, e spetta agli utenti scoprire in seguito che alcune combinazioni di promesse sono irrealizzabili.

“AI” Black-Box e Mancanza di Trasparenza

Un’altra preoccupazione con i fornitori del quadrante dei Leader è quanto si affidino alle soluzioni “black-box”. Molti si vantano di automazioni basate sull’IA in cui il sistema prende decisioni con un input umano minimo. In teoria, questo è ottimo - chi non vorrebbe un pilota automatico per la supply chain? - ma nella pratica, se l’IA è una scatola nera, può essere pericoloso. I pianificatori hanno decenni di esperienza con software di ottimizzazione inesplicabili; tendono a non fidarsi di esso, o produce raccomandazioni strane che sono difficili da risolvere. Ad esempio, Blue Yonder si è fortemente orientato verso l’IA dopo il rebranding (il nome stesso “Blue Yonder” è derivato da una startup di IA acquisita). Tuttavia, poco è pubblicato su come funziona la loro IA, e gli utenti spesso descrivono la necessità di annullare manualmente o regolare le uscite. Léon Levinas-Ménard ha notato che l’approccio di Blue Yonder comporta “complessità dell’IA black-box”, una spada a doppio taglio ²⁵. Potrebbe essere sofisticato all’interno, ma se è opaco, aumenta la resistenza dell’utente e il rischio di errori non visti. La valutazione di Gartner offre quasi nessuna informazione in merito. Un fornitore potrebbe avere un modello di machine learning fragile sotto il cofano, ma finché ha alcuni clienti di riferimento disposti a dire che li ha aiutati, Gartner li valuterà positivamente. C’è un modello più ampio di mancanza di trasparenza tecnica: con poche eccezioni, questi fornitori non pubblicano articoli di ricerca, non competono in competizioni di algoritmi aperti (come accennato all’assenza di John Galt da M5, e allo stesso modo nessuno dei grandi Leader ha avuto voci di spicco in tali eventi), e non rendono open source parti significative del loro software. Operano sulla fiducia e sul marchio. Il Quadrante di Gartner perpetua ciò perché non richiede prove oltre le interviste ai clienti e le dimostrazioni. È significativo che un fornitore come ToolsGroup, che storicamente aveva un approccio più analitico e trasparente (con il suo noto motore di ottimizzazione SO99+), abbia sentito la necessità di unirsi di recente all’onda di hype dell’IA. ToolsGroup ha iniziato a definire tutto “alimentato da IA” e ha introdotto previsioni probabilistiche nel marketing intorno al 2018, ma lo ha fatto in modo goffo - pubblicizzando previsioni probabilistiche e vantandosi comunque di miglioramenti MAPE ²⁶ ²⁷ (anche se MAPE, una metrica di errore, è priva di significato per le previsioni probabilistiche!). Questo tipo di incoerenza mostra un’adozione guidata dal marketing di parole di moda senza una vera comprensione. La critica di Lokad è stata pungente: le affermazioni di ToolsGroup sull’IA erano “dubbie” e i loro materiali “fanno pensare a modelli di previsione pre-2000” camuffati da nuovi ²⁸. Se un fornitore relativamente tecnico come ToolsGroup è caduto nella inflazione delle parole di moda, si può immaginare quanto marketing puro vada nei portafogli di aziende più orientate alle vendite.

Il rapporto MQ di Gartner occasionalmente riconosce quando qualcosa è principalmente visione. Ad esempio, nota la “visione per l’IA” di un fornitore come un punto di forza (ad esempio, la “visione sopra la media per l’IA” di Logility è menzionata dopo le sue recenti acquisizioni) ¹⁷ ¹⁸. Ma definire la “visione per l’IA” un punto di forza significa essenzialmente parlano bene del gioco dell’IA. Non è una funzionalità fornita - è un piano o un’aspirazione. Lodare ciò nella stessa frase delle capacità effettive confonde la linea tra la realtà attuale e la roadmap futura. Anche questo serve i fornitori: premia le presentazioni e le intenzioni annunciate. Un cliente potrebbe firmare con un Leader pensando di acquistare una soluzione di pianificazione in tempo reale completamente automatizzata e alimentata da IA, solo per scoprire che molte di quelle capacità sono in fase iniziale, non provate o richiedono progetti separati per essere implementate. Il formato di Gartner non differenzia chiaramente la funzionalità provata rispetto alle funzionalità pianificate nel grafico MQ; entrambe vengono integrate in quella posizione di “Completezza della Visione”. Di conseguenza, il quadrante dei Leader tende ad essere pieno di aziende che sono bravissime a raccontare una storia convincente sul futuro della supply chain (spesso prendendo in prestito quella storia dalle tendenze pubblicate da Gartner per guadagnare favore), indipendentemente dal fatto che siano effettivamente loro a realizzare quel futuro.

Ignorare il Brutto: Fallimenti Omessi e Sfide in Corso

Un aspetto conspicuamente assente dal quadrante lucido di Gartner è il lato oscuro del software aziendale: i progetti falliti, i costi eccessivi e le implementazioni accantonate. La pianificazione della supply chain, in particolare, ha una lunga storia di implementazioni fallite o deludenti, tanto che molti professionisti diventano cinici di fronte a qualsiasi nuova “soluzione” dopo essere stati bruciati un paio di volte. Eppure, se si legge il rapporto MQ, si potrebbe pensare che siano tutte storie di successo e caratteristiche differenzianti. Gartner raccoglie feedback dai clienti come parte della ricerca MQ, ma di solito pubblica solo un riassunto “sanitizzato” di “Punti di forza” e “Cautelativi” per ciascun fornitore. Queste cautele sono di solito formulate in modo mite (“alcuni clienti citano sfide di usabilità” o “l’integrazione può essere complessa”). Non vedrete dichiarazioni esplicite come “Il fornitore X ha avuto diversi fallimenti di progetto l’anno scorso” in un MQ. Quel tipo di verità, se emerge, arriva attraverso voci e forum degli utenti, non da Gartner. Il risultato è un asimmetria informativa: un potenziale acquirente che legge il MQ potrebbe non essere a conoscenza del fatto che, ad esempio, un certo fornitore Leader ha la reputazione di implementazioni di 18 mesi che spesso non vanno mai in produzione. L’omissione da parte di Gartner dei tassi di fallimento è un danno per l’industria, poiché dipinge un quadro eccessivamente roseo.

Considerate il “tempo per il valore” - un fattore assolutamente critico per qualsiasi progetto. Gartner ha valutato quanto tempo impiega tipicamente l’implementazione di ciascun fornitore, o con quale frequenza consegnano in tempo? Se l’avesse fatto, tale conoscenza non è riflessa chiaramente nel quadrante. Sappiamo per sentito dire che alcuni dei grandi fornitori di suite (come i tradizionali progetti Blue Yonder o SAP) potrebbero impiegare anni per essere completamente implementati. Nel frattempo, alcuni nuovi attori SaaS potrebbero essere implementati in mesi. Ma la capacità di esecuzione del MQ non lo menziona esplicitamente. Infatti, un fornitore più piccolo potrebbe essere bocciato come “non scalabile per progetti di grandi dimensioni” anche se in realtà si implementa più velocemente, semplicemente perché non ha affrontato ancora molti rollout globali. Anche il bias di successo si insinua: Gartner parla principalmente con i clienti di riferimento forniti dai fornitori, che di solito sono i più soddisfatti. I molti clienti insoddisfatti o meno riusciti non vengono offerti proattivamente per interviste. Quindi il campione è distorto verso casi di successo. Gli analisti di Gartner lo sanno, ma le descrizioni del MQ raramente lo riconoscono oltre le dichiarazioni di cautela generiche.

La frequenza delle implementazioni fallite è l’elefante nella stanza. Diversi studi (tra cui uno di Gartner in un contesto diverso) hanno citato tassi di fallimento estremamente elevati per grandi iniziative tecnologiche - ad esempio, Gartner ha affermato famosamente che l'85% dei progetti di intelligenza artificiale fallisce, e una grande percentuale dei progetti tecnologici della supply chain delude. Un riassunto di LinkedIn del Summit SCP di Gartner del 2024 ha menzionato che nonostante la moderna tecnologia di pianificazione, molte aziende faticano ancora e i pianificatori non adottano gli strumenti ²⁹ ⁷. Quando solo il 32% di adozione è la media, significa che la maggior parte dei progetti non sta producendo l’impatto previsto. Eppure, il MQ non integra tale metrica nelle valutazioni dei fornitori. Se mai, ci fa solo accennare: un fornitore con una “Capacità di esecuzione” più bassa potrebbe essere uno i cui clienti si sono lamentati di usabilità o complessità. Ma è tutto leggere tra le righe. Il grafico del MQ stesso, che mostra alcuni punti più bassi sulla scala di esecuzione, non vi dice “molti clienti non sono riusciti a mettere in produzione questo software”. Mostra solo un punto nella metà inferiore, che potrebbe essere interpretato erroneamente come la società essere piccola o qualcosa del genere, piuttosto che un segnale di implementazioni problematiche. La narrazione di Gartner evita così l’assunzione di responsabilità: i fornitori non sono veramente ritenuti responsabili per i risultati sul campo, solo per la vendita e per avere una bella roadmap.

Per un pubblico di professionisti, questo è un grave difetto. Significa che l’MQ non è un predittore affidabile del successo. Un “Leader” potrebbe benissimo condurti in un pantano pluriennale e multimilionario se la tua organizzazione non è estremamente preparata e allineata, e Gartner non lo avrebbe segnalato chiaramente. Al contrario, un fornitore di nicchia o visionario potrebbe effettivamente darti una vittoria più rapida, ma il basso ranking di Gartner potrebbe scoraggiare i tuoi dirigenti dal considerarli. Questa dinamica è il motivo per cui molti leader esperti della supply chain prendono l’MQ con beneficio d’inventario e si affidano invece a raccomandazioni tra pari e valutazioni indipendenti. Secondo le FAQ di Lokad, “una diligente dovuta diligenza è meglio servita esaminando risultati provati in contesti operativi reali”, piuttosto che fidarsi di un “sigillo di approvazione da parte di una consulenza a pagamento” ³⁰. L’MQ fornisce al massimo un elenco iniziale di fornitori, ma assolutamente deve essere temperato con una ricerca esterna su come quei fornitori si sono comportati in aziende simili alla tua.

Sfida ai Leader di Gartner: Studi di caso su Tecnologie deludenti

Per fondare la critica, concentriamoci su due dei rinomati Leader del 2024 – Kinaxis e Blue Yonder – e verifichiamo se la loro posizione in alto a destra è giustificata dalla sostanza tecnica o smentita da problemi noti.

Kinaxis (Leader) – Pianificazione Concorrente, ma in Ritardo con l’IA. Gartner posiziona Kinaxis come il Leader più alto, lodando la sua “esperienza utente unificata” e l’automazione. La forza di Kinaxis sta effettivamente nel suo motore di pianificazione reattivo: un modello in memoria che propaga rapidamente i cambiamenti in modo che tu possa fare simulazioni di scenari al volo. Questo è molto utile per S&OP e analisi di ipotesi. Tuttavia, storicamente Kinaxis non offriva previsioni avanzate o ottimizzazione di serie. La sua pianificazione era in gran parte basata su regole e deterministica, affidandosi ai pianificatori per impostare la logica di bilanciamento tra domanda e offerta. Riconoscendo i cambiamenti del settore, Kinaxis ha recentemente aggiunto capacità di previsione probabilistica e ottimizzazione dell’inventario – ma lo ha fatto acquisendo o facendo partnership per quei pezzi (ad es. il motore Wahupa MEIO, la previsione AI Rubikloud) ¹¹ ³¹. Queste aggiunte sollevano domande: Sono integrate in modo trasparente nella piattaforma RapidResponse, o sono moduli esterni aggiunti in modo approssimativo? Le prime indicazioni suggeriscono il secondo – effettivamente Kinaxis ha ora “app” per l’ottimizzazione dell’inventario e la previsione ML che si collegano al suo sistema. Non è la stessa cosa di un nucleo analitico unificato fatto in casa. Inoltre, l’incursione di Kinaxis nell’IA è piuttosto nuova. A partire dal 2023, ha iniziato a commercializzare “Planning.AI”, il che indica che sa di dover giocare il gioco dell’IA, ma è stato cauto nel suo messaggio – forse perché sa che la sua profondità di AI/ML è ancora in fase di sviluppo ³² ³³. L’analisi di Lokad ha evidenziato che Kinaxis non aveva dimostrato pubblicamente la sua abilità di previsione probabilistica (nessuna pubblicazione o competizione), quindi bisogna fidarsi che sia efficace ³⁴. In breve, Kinaxis merita assolutamente credito per la sua pionieristica concorrenza e per i molti clienti soddisfatti, ma da un punto di vista puramente tecnico, non è affatto il più avanzato in analisi. La sua architettura di base sta invecchiando – basata su molta RAM e CPU per calcoli veloci a forza bruta – e sta solo ora modernizzando il suo approccio alla previsione che altri hanno abbracciato anni prima. Ci sono voci nelle comunità degli utenti di Kinaxis che parlano di difficoltà quando i dataset diventano molto grandi o quando si cerca di fare pianificazioni dettagliate oltre certe soglie (che si allineano alle note preoccupazioni di RAM/scalabilità ¹³). Quindi Kinaxis è veramente il “migliore tra i migliori” nel software di pianificazione della supply chain nel 2024? O è solo il migliore nel vendere una visione end-to-end e avere un track record di implementazioni (sebbene a un prezzo e sforzo considerevoli)? L’MQ di Gartner lo colloca nettamente al primo posto, ma una valutazione più critica potrebbe posizionare Kinaxis come molto forte nella pianificazione interattiva ma ancora mediocre nella previsione algoritmica. Il punteggio su un solo asse dell’MQ non può riflettere bene quella dicotomia. Quindi, la posizione di Leader di Kinaxis – sebbene guadagnata attraverso il successo di mercato – nasconde il suo ritardo nell’IA e le potenziali sfide di integrazione future.

Blue Yonder (Leader) - Suite All-in-One o Miscellanea Confusa? La presenza di Blue Yonder come Leader sembra quasi scontata a causa della sua lunga tradizione (precedentemente JDA). Gartner cita la sua “Piattaforma Luminate” e la funzionalità completa, implicando che faccia tutto: pianificazione della domanda, pianificazione della fornitura, ottimizzazione dell’inventario, pianificazione della produzione, ecc., oltre a cose più recenti come analisi e microservizi. La promessa è una piattaforma integrata end-to-end. La realtà riportata da coloro che conoscono il prodotto è diversa. La suite di Blue Yonder è il risultato di molte acquisizioni nel corso dei decenni: hanno motori di pianificazione della domanda multipli (il legacy JDA rispetto al nuovo motore Blue Yonder ML), moduli multipli di pianificazione della fornitura e soddisfazione, strumenti di rifornimento dei negozi da diverse origini, ecc. È stato un problema per loro unificarli veramente. Lo studio dei fornitori di Lokad ha dato una recensione molto critica: “sotto il marchio BY si trova una collezione disordinata di prodotti, la maggior parte datati.” ⁹ L’integrazione è più a livello di interfaccia utente e marketing che a un livello tecnico profondo. Ad esempio, Blue Yonder potrebbe offrire un portale comune, ma dietro le quinte la pianificazione della domanda potrebbe essere un codice sorgente diverso rispetto alla soddisfazione o alla pianificazione della produzione. Dal punto di vista del cliente, ciò può significare un’esperienza utente inconsistente e problemi di sincronizzazione dei dati. La descrizione di Gartner sul MQ non menziona affatto questo; dipinge Blue Yonder come un cloud moderno e unificato (viene utilizzato il termine “architettura a microservizi” ³⁵, che suona molto all’avanguardia). Lo scettico chiede: se Blue Yonder avesse veramente avuto una riarhittettura unificata a microservizi, perché ha dovuto essere acquisita da Panasonic per restare a galla, e perché molti dei suoi clienti di lunga data continuano a utilizzare versioni più vecchie on-prem dei moduli JDA? La risposta è che la trasformazione è incompleta. Anche il marketing di Blue Yonder si basa pesantemente sull’IA ora, probabilmente a causa dell’influenza della piccola Blue Yonder (startup tedesca di IA) che hanno acquisito e poi hanno chiamato l’intera azienda. Eppure, come notato, le loro affermazioni sull’IA sono vaghe. Lokad ha notato la mancanza di sostanza e che le loro tecniche conosciute erano piuttosto convenzionali ³⁶. Nell’uso quotidiano, alcuni moduli BY come la previsione della domanda vanno bene, ma non necessariamente meglio dei pacchetti statistici pronti all’uso - e a volte peggio, dati i rapporti di difficoltà nel far sì che l’IA superi semplici basi. Ci sono stati anche importanti sfide di implementazione: ad esempio, grandi rivenditori che hanno cercato di implementare la pianificazione della domanda e della soddisfazione di Blue Yonder hanno incontrato ritardi pluriennali e solo un successo parziale (spesso non è pubblico, ma gli addetti ai lavori conoscono alcuni esempi). Il MQ di Gartner, ovviamente, non menziona casi del genere. Blue Yonder rimane nei Leaders, probabilmente sostenuta dalla sua ampiezza e portata globale (e sì, dal suo costante coinvolgimento con Gartner e presenza nelle conversazioni degli analisti). Sfidare il posizionamento leader di Blue Yonder, si potrebbe dire: se lo stack di un fornitore è un mix di “tecnologie obsolete” e la sua IA è non provata, dovrebbe essere in alto a destra? Il MQ dice di sì, perché possono eseguire (hanno molti partner di servizio, possono supportare grandi clienti - il che è vero) e hanno una visione ampia (cioè, una soluzione per tutto). Questo illustra il pregiudizio del MQ: ampiezza e presenza sul mercato prevalgono sulla profondità o sull’eleganza. Un’azienda che fa 10 cose abbastanza bene supererà una che fa 3 cose estremamente bene. Blue Yonder fa molte cose, e alcune discutibilmente male, eppure è un Leader perché copre tutte le basi e nessuno è stato licenziato per aver acquistato JDA (parafrasando il vecchio detto di IBM). Ma i team della supply chain dovrebbero essere cauti - una suite jack of all trades può essere maestra di nessuna, e integrare vecchie tecnologie sotto una nuova interfaccia può creare più complessità di quanta ne risolva. Il MQ non tiene conto di questo rischio.

Questi casi di studio rafforzano il motivo per cui è necessaria una visione scettica. I Leader spesso hanno credenziali (molti clienti, elenchi completi di funzionalità, grandi team) ma hanno anche bagagli (codice vecchio, fallimenti passati, chiacchiere di marketing). Il formato di Gartner vede principalmente solo il primo. È lasciato all’utente scoprire il secondo, che è ciò su cui ci stiamo concentrando qui.

I Visionari e i Giocatori di Nicchia: Più Segnale o Rumore?

Mentre gran parte della nostra attenzione è rivolta ai Leader e alla metodologia MQ, una breve parola sugli altri quadranti: Visionari, Challenger e Giocatori di Nicchia. Paradossalmente, alcuni dei fornitori più interessanti risiedono lì - ma la nomenclatura di Gartner può ingannare anche in questo caso. Un “Visionario” in termini di MQ significa un’elevata Completezza della Visione, una minore Capacità di Esecuzione. Potrebbe anche significare “buone idee, non abbastanza presenza/risorse di mercato”. Nel 2024, il quadrante dei Visionari includeva o9 Solutions, GAINSystems, E2open e Dassault Systèmes (DELMIA). Si tratta di una miscela di giocatori relativamente nuovi (o9, GAINS) e di giocatori consolidati che non hanno dominato questo segmento (E2open, Dassault). È da notare che o9 è stato retrocesso da Leader a Visionario ³⁷, cosa che Gartner ha spiegato dicendo che o9 ha ancora una forte visione (senza scherzi - fanno marketing in modo aggressivo con parole di moda) ma forse ha problemi di esecuzione o la concorrenza li ha raggiunti. E2open e Dassault hanno componenti tecnologiche interessanti (E2open ha un focus ampio sulla rete di supply chain; Dassault possiede Quintiq che è un potente strumento di ottimizzazione). Tuttavia, nessuno di loro è diventato Leader. Perché? Probabilmente perché sono più piccoli in termini di quota di mercato SCP (GAINS è un fornitore specializzato più piccolo, Quintiq è spesso utilizzato in scenari di pianificazione molto personalizzati, ecc.) o hanno ricevuto feedback misto dai clienti. La cosa da notare è che alcuni Visionari o addirittura Giocatori di Nicchia potrebbero essere la scelta giusta per determinate situazioni. Ad esempio, GAINS (alias GAINSystems) è ben considerato per la sua competenza nell’ottimizzazione dell’inventario e ha clienti molto soddisfatti in alcuni settori - semplicemente non è grande come i Leader. Un’azienda il cui principale problema è l’ottimizzazione dell’inventario potrebbe ottenere più valore da GAINS che, ad esempio, dall’implementazione dell’intera suite di Oracle. Ma la natura del MQ è quella di enfatizzare i Leader. I Visionari ricevono un cenno, ma molti dirigenti che lo leggono penseranno: “Non sono Leader, quindi sono di secondo livello”. Questo è sfortunato: in alcuni casi un Visionario è un Leader in attesa che semplicemente non ha pagato i contributi sul mercato, o uno specialista di nicchia che sceglie la profondità rispetto alla vastità. Gartner almeno li riconosce, ma ancora una volta il formato minimizza la loro importanza.

Il quadrante dei Niche Players nel 2024 è affollato (Adexa, Coupa, ToolsGroup, Slimstock, AIMMS, Blue Ridge). Questo quadrante dice efficacemente “visione inferiore, esecuzione inferiore” - che può essere un’etichetta di condanna a morte. Ma all’interno di Niche ci sono anche nuovi entranti e specialisti che semplicemente non corrispondono alla definizione ampia di SCP di Gartner. AIMMS, ad esempio, è uno specialista nella modellazione della supply chain (un toolkit di ottimizzazione), e Blue Ridge si concentra sulla pianificazione centrata sulla distribuzione. Sono di nicchia per design, servono esigenze particolari, non puntano ad essere end-to-end. La loro posizione non implica necessariamente che siano cattivi; significa solo che non sono abbastanza ampi o grandi agli occhi di Gartner. Il fatto che ToolsGroup sia in Niche come “nuova aggiunta” ³⁸ è interessante, perché ToolsGroup è stato un fornitore consolidato per anni - la sua assenza prima potrebbe essere stata dovuta alla non partecipazione. Ora è incluso, ma Gartner l’ha inserito in Niche con qualche elogio per la sua visione nel gestire l’incertezza (probabilmente facendo riferimento al suo approccio probabilistico) ³⁹. Si potrebbe sostenere che ToolsGroup abbia una visione più reale (con il suo focus sulla previsione probabilistica anni fa) di alcuni cosiddetti Visionaries. Ma i criteri di Gartner possono essere strani. La presenza di Coupa come Niche (dopo essere stata Challenger prima) mostra quanto rapidamente cambino le fortune - Coupa ha acquisito LLamasoft (design della supply chain) e ora è stata a sua volta acquisita, e apparentemente la sua storia di SCP non sta risuonando; quindi è caduta nel quadrante. Il tema comune è che le posizioni nel quadrante spesso rimangono indietro o attenuano le turbolenze dell’industria. Una società potrebbe essere in difficoltà o in evoluzione nella realtà, ma nel mondo di MQ si sposta di un quadrante, o persiste in una categoria che non riflette appieno il loro potenziale o i loro problemi. È una categorizzazione grossolana.

Da un punto di vista critico, si dovrebbero considerare i Visionary/Niche players non come “elenco da ignorare” ma come gioielli potenzialmente nascosti o almeno come fonti di capacità specifiche. Tuttavia, il testo di Gartner spesso li tratta con superficialità - poche frasi ciascuno - rispetto all’attenzione dedicata ai Leaders. Questo riflette ancora una volta il modello di business di Gartner: i loro clienti (i lettori di MQ, tipicamente grandi imprese) sono spesso interessati solo ai “migliori fornitori”, e Gartner acconsente. L’effetto collaterale sfortunato è che l’innovazione ne risente; se i giocatori emergenti o più focalizzati non ottengono visibilità, le imprese continuano a nutrire i grandi pesci, e il ciclo continua.

L’Omissione dei Disruptor: Dove si trova Lokad (e altri)?

Forse la più forte critica al MQ di Gartner non è chi include, ma chi esclude. Da nessuna parte nel quadrante del 2024 vediamo nomi come Lokad, nonostante Lokad sia una società di software per la supply chain che, secondo molti parametri tecnici, innova più di gran parte degli attuali MQ. È vero che Lokad è più piccola e ha adottato un approccio non convenzionale (concentrandosi sulla previsione probabilistica, un linguaggio specifico per la supply chain e una filosofia di “supply chain quantitativa”). Ma considerate il track record di Lokad: ha introdotto la previsione probabilistica dieci anni fa (molto prima di Kinaxis e altri), e nella competizione di previsione M5 del 2020 (un benchmark globale con centinaia di team), la metodologia di Lokad si è classificata al primo posto a livello mondiale a livello di SKU (e al sesto posto in assoluto tra 909 team) ⁴⁰ ⁴¹ - dimostrando essenzialmente i suoi algoritmi su un palcoscenico aperto. L’azienda ha la sua tecnologia documentata apertamente e insegna persino la scienza della supply chain tramite lezioni su YouTube ⁴². Questo tipo di trasparenza e successo tecnico è raro. Secondo standard obiettivi, un fornitore del genere non dovrebbe almeno qualificarsi come Visionary, se non come Challenger? Il motivo della sua assenza è molto semplice: Lokad rifiuta di giocare il gioco di Gartner. Lokad ha dichiarato pubblicamente di non essere un abbonato di Gartner e di non investire nelle relazioni con gli analisti, concentrandosi invece sulla costruzione del prodotto e sulla soddisfazione dei clienti ⁴³. Di conseguenza, gli analisti di Gartner hanno una minima esposizione a Lokad (e forse anche un pregiudizio contro di esso, poiché è una sfida alla loro narrazione). I criteri di inclusione del MQ potrebbero dire che un fornitore ha bisogno di un certo fatturato o di un certo numero di clienti, ma si sospetta che anche se Lokad li avesse soddisfatti, senza pagare Gartner, sarebbe rimasto ignorato o sottovalutato. Questa assenza è un campanello d’allarme sulla completezza del MQ. Un quadrante che afferma di coprire “i più significativi fornitori di soluzioni SCP” eppure esclude un giocatore noto per l’eccellenza tecnica e l’approccio unico non è chiaramente esaustivo. E Lokad non è solo - altri giocatori focalizzati sull’analisi o emergenti (forse in ambiti accademici o open-source, o specialisti regionali) non sono presenti.

Si potrebbe sostenere che Gartner non può includere tutti, ed è giusto. Ma l’omissione di un innovatore noto suggerisce un pattern: il MQ è intrinsecamente conservatore. Tarda nel riconoscere i cambiamenti di paradigma. È bravo a catalogare i fornitori consolidati e i miglioramenti incrementali, ma scarso nel riconoscere quando un nuovo entrante ha una trappola per topi fondamentalmente migliore. I clienti di Gartner (grandi aziende) spesso chiedono a Gartner di valutare solo fornitori consolidati (“vogliamo vedere come si confrontano i soliti sospetti”). Quindi il MQ è tanto uno specchio delle shortlist di approvvigionamento delle grandi imprese quanto un’analisi. Rinforza un ciclo: se non è nel MQ, molti non lo considereranno. La strategia di Lokad è stata quella di aggirare questo problema dimostrando valore direttamente ai professionisti e attraverso i media indipendenti. Ma quanti potenziali acquirenti potrebbero non aver mai sentito parlare di Lokad perché è assente dai report di Gartner? Ecco perché lo chiamiamo un bias pay-to-play - non nel senso di una mera tangente, ma nel senso che le regole del gioco favoriscono coloro che partecipano all’ecosistema di Gartner.

Da un punto di vista orientato alla ricerca della verità, l’assenza di fornitori tecnicamente validi ma rivoluzionari come Lokad dalla MQ dovrebbe rendere i lettori molto cauti. Significa che la visione della MQ sulla “completezza della visione” potrebbe effettivamente essere incompleta. Significa anche che se il tuo obiettivo è trovare la migliore soluzione per il tuo problema di supply chain, non puoi fare affidamento esclusivamente sulla MQ; devi ampliare la tua ricerca. La MQ dovrebbe forse essere accompagnata da un’etichetta di avvertimento: “Approcci non tradizionali o maverick non rappresentati”. In termini scientifici, è come se una revisione della ricerca escludesse studi outlier che hanno ottenuto risultati rivoluzionari semplicemente perché non sono stati pubblicati nelle solite riviste. Un quadrante importante che pretende di mappare l’innovazione escludendo uno dei pochi fornitori noti per un approccio radicalmente diverso (programmazione probabilistica in questo caso) è probabilmente invalido come mappa dell’innovazione. Ha un grande punto cieco.

Conclusione: Un Appello allo Scetticismo e all’Analisi Approfondita

Il Quadrante Magico di Gartner per le Soluzioni di Pianificazione della Supply Chain, edizione 2024, si presenta come la guida definitiva per la scelta di un fornitore di software di pianificazione. In realtà, si tratta di uno scatto altamente soggettivo, influenzato commercialmente che dovrebbe essere letto con sana diffidenza. Abbiamo visto come la struttura della MQ - i suoi assi e visual - nasconda profondi pregiudizi: favorendo grandi fornitori ereditati, premiando l’esagerazione del marketing e le promesse ampie, e trascurando fattori critici come il successo dell’implementazione e la profondità tecnica. Il quadrante dei Leader, lontano dall’essere una garanzia di qualità, contiene fornitori con noti difetti, dalla dipendenza di Kinaxis dall’IA aggiuntiva alla piattaforma articolata di Blue Yonder e alle affermazioni esagerate di altri. Le dinamiche del pay-to-play di Gartner e la natura “infomercial” di alcuni Quadranti Magici significano che le valutazioni dei fornitori possono correlare tanto con l’impegno di Gartner quanto con l’eccellenza del prodotto ¹. La sovrapposizione sulla visione (spesso significando parole di moda) e sull’esecuzione (spesso significando presenza commerciale) crea una classifica che è solo vagamente collegata a ciò che realmente porta al successo nella pianificazione della supply chain - ovvero, una tecnologia solida adattata alle esigenze dell’azienda, implementata da persone capaci e adottata dagli utenti.

Per un’azienda alla ricerca di una soluzione di pianificazione della supply chain, la MQ può essere un punto di partenza - elenca molti attori, e il rapporto dettagliato di Gartner (al di fuori della grafica del quadrante) nota alcuni punti di forza e debolezze. Ma bisogna andare oltre il quadrante. Trattalo come un input tra molti, e esamina criticamente le sue affermazioni. Chiediti: Cosa non viene detto? Cosa potrebbe essere distorto? Indaga su recensioni indipendenti, parla con utenti effettivi (non solo i riferimenti soddisfatti), e considera di fare test o confronti. La massima “fidati ma verifica” si applica fortemente - o forse “diffida finché non verificato”. Come abbiamo evidenziato, persino gli stessi analisti di Gartner riconoscono quanto sia difficile far avere successo questi progetti (con tassi di adozione sorprendentemente bassi in molti casi) ⁴⁴. Quella realtà dovrebbe umiliare qualsiasi classifica di quadrante luccicante.

In definitiva, il maggior valore del Quadrante Magico potrebbe essere nel suscitare le domande giuste piuttosto che nel dare risposte. Può avvisarti su chi sono i grandi attori e su cosa affermano. Ma spetta a te fare breccia nell’esagerazione. Se un fornitore dice “pianificazione in tempo reale basata sull’IA”, chiedigli di spiegare concretamente come funziona e come evitano le insidie. Se un Leader non ha mai pubblicato o dimostrato la sua tecnologia, non prendere per buona la parola di Gartner che è ottima - richiedi prove. E sii consapevole del bias di conferma: una volta che un fornitore è etichettato come Leader, tendiamo a razionalizzare il motivo per cui lo meritano. Prova l’inverso - immagina che non fossero nel quadrante, li metteresti comunque nella lista ristretta? Al contrario, immagina che un attore di nicchia avesse la forza di marketing di un Leader, la loro tecnologia sembrerebbe improvvisamente più valida?

Il MQ fornisce una rassicurante semplificazione in un dominio complesso, ma gestire una supply chain non è così semplice come scegliere il punto più lontano in alto a destra. Infatti, il punto potrebbe indurti in errore lontano da una soluzione migliore che è fuori dal grafico. I professionisti esperti della supply chain utilizzeranno quindi il MQ di Gartner come riferimento leggero, non come una bibbia. Apprezzeranno perché alcuni chiamano questi quadranti “scienza fasulla” ⁸ e invece si concentreranno su principi fondamentali e prove reali. Come consiglia Joannes Vermorel, casi di studio del mondo reale e risultati provati dovrebbero avere la meglio sulle valutazioni pagate ³⁰. Nella pianificazione della supply chain, ciò che conta è se il software offre miglioramenti nei livelli di servizio, nell’inventario, nei costi e nell’agilità - e se può essere sostenuto nella tua organizzazione. Questo non emerge da un grafico x-y, ma da una valutazione rigorosa e forse un po’ di pensiero avversario (testare le affermazioni dei fornitori contro scenari difficili).

In conclusione, il MQ 2024 di Gartner per la pianificazione della supply chain, una volta spogliato della sua mistica, appare come una rappresentazione conservatrice, intrisa di marketing del panorama dei fornitori. Mette in evidenza i soliti giganti (con tutti i loro difetti taciuti), aggiunge alcuni più piccoli e trascura alcuni veri innovatori. Una revisione massimamente orientata alla verità scopre che l’imperatore ha pochi vestiti: il grafico del quadrante nasconde più di quanto riveli. Essere scettici e richiedere profondità tecnica rispetto a narrazioni lucide, permette di evitare le insidie del quadrante. La responsabilità è dell’acquirente vedere attraverso le limitazioni del quadrante - perché una pianificazione di successo della supply chain è radicata nella realtà, non nella magia. ² ⁴