L'ultimo miglio assorbe il 53% dei costi di spedizione: 5 casi reali di ottimizzazione percorsi con l'AI

L’ultimo miglio assorbe il 53% dei costi totali di spedizione, secondo Insider Intelligence: il tratto finale dal deposito alla porta del cliente è il segmento più costoso dell’intera catena logistica, e l’ottimizzazione dei percorsi è la leva più potente per ridurlo. Della robotica di magazzino e dell’automazione dell’intera supply chain abbiamo già scritto nel nostro case study sulla supply chain dedicato ad Amazon, UPS e Ocado. Questo articolo resta invece tutto dentro l’ultimo miglio: i furgoni, gli autisti, le finestre di consegna, i citofoni. Qui sotto trovi quattro risultati verificati di aziende reali — Anheuser-Busch, Instacart, Tesco e l’algoritmo Greenplan sviluppato in DHL — più una spiegazione concreta di cosa fanno davvero questi algoritmi e di come una flotta piccola può ottenere gli stessi meccanismi senza budget enterprise.

Perché l’ultimo miglio si mangia il margine

Tutti gli altri segmenti di una spedizione viaggiano in massa: container, camion completi, pallet. L’ultimo miglio porta un pacco a un indirizzo, e l’economia della spedizione crolla di conseguenza. L’analisi di Insider Intelligence sui costi di consegna rileva che l’ultimo miglio assorbe il 53% dei costi totali di spedizione — più di nave, lunga percorrenza e smistamento messi insieme. Le fermate sono a bassa densità, il tempo perso al marciapiede non lo paga nessuno, e ogni svolta sbagliata o finestra oraria mancata si moltiplica per centinaia di giri al giorno.

Poi ci sono le consegne che semplicemente non avvengono. Uno studio commissionato da Loqate (verifica degli indirizzi) e condotto da Censuswide a dicembre 2020 — 304 dirigenti retail e 3.040 consumatori tra USA, Regno Unito e Germania — ha rilevato che l’8% delle prime consegne domestiche fallisce, con un costo medio di 17,20 dollari a ordine, che lo studio traduce in circa 197.730 dollari l’anno per retailer. (In giro sui blog di settore circola un 17,78 dollari attribuito allo stesso studio: la fonte primaria dice 17,20.)

Ecco perché il routing è l’applicazione AI a leva più alta nelle consegne: non richiede nuovi magazzini, nuovi mezzi né nuovo personale. Cambia solo la sequenza e i tempi del lavoro che la flotta sta già facendo. I quattro casi qui sotto mostrano cosa succede quando aziende reali lo misurano.

Anheuser-Busch: −80% di consegne in ritardo con il dispatch autonomo

La rete di grossisti di Anheuser-Busch consegna birra a bar, ristoranti e negozi con finestre di ricevimento strettissime: se la manchi, il camion aspetta, viene respinto o torna domani. Dopo un pilota a metà anni 2010, l’azienda è passata dal dispatch manuale al dispatch autonomo con routing AI di Wise Systems, che risequenzia le fermate dinamicamente durante la giornata man mano che traffico, tempi di servizio e nuovi ordini cambiano il quadro. Il risultato, secondo il case study di Wise Systems: consegne in ritardo ridotte dell’80%.

La parte istruttiva è quale tipo di AI ha vinto qui. Non previsione della domanda, non un chatbot: routing dinamico in giornata, cioè la capacità di ripianificare un giro alle 11 perché la fermata n. 7 ha richiesto 40 minuti invece di 15. I piani statici, per quanto ben ottimizzati alle 6 del mattino, degradano per tutta la giornata. Il dispatch autonomo continua a ri-ottimizzare contro la realtà.

Instacart: −9% di distanza prevedendo le miglia stradali reali

Il team di ingegneria di Instacart ha pubblicato uno dei racconti tecnici più onesti del settore, intitolato “Don’t let the crow guide your routes” (non lasciare che il corvo guidi i tuoi percorsi). Il sistema di batching — quello che decide quali ordini uno shopper gestisce insieme in un giro multi-ordine — usava la distanza in linea d’aria (Haversine) tra i punti. La linea d’aria ignora fiumi, autostrade e sensi unici, e si vedeva: Haversine aveva un errore percentuale medio del 33% rispetto alle distanze stradali reali nella regione campione del test di Instacart (Orange County). Instacart l’ha sostituita con un modello di machine learning che prevede le distanze sulla rete stradale reale, portando l’errore all’11%.

Il risultato di business, con le parole del team: il modello ha ridotto del 9% la distanza percorsa dagli shopper nei giri multi-ordine in tutte le aree in cui Instacart opera — “milioni di miglia risparmiate ogni anno”.

La lezione vale per qualsiasi flotta: se il tuo strumento di routing misura le distanze in linea d’aria — e molti strumenti economici lo fanno in silenzio — ogni decisione a valle eredita quell’errore da 33%. Sistemare la sola funzione di distanza, alla scala di Instacart, valeva il 9% di tutte le miglia.

Tesco: 150.000 miglia risparmiate ogni settimana

Tesco gestisce una delle più grandi reti di consegna private del Regno Unito: circa 1.400 camion e oltre 4.000 consegne al giorno dai centri di distribuzione ai negozi. Con il software di routing e scheduling Paragon (oggi parte di Aptean), Tesco ha eliminato 150.000 miglia a settimana dalla rete e migliorato del 12% i viaggi a vuoto — i camion che girano senza carico — con migliaia di tonnellate di CO2 evitate ogni anno secondo il case study.

Una precisazione onesta: questi numeri riguardano la flotta di distribuzione verso i negozi, non i furgoni delle consegne a domicilio — quindi leggili come ottimizzazione dei percorsi su una rete di consegna, non come risultato strettamente last-mile. Ma i meccanismi (sequenziamento multi-fermata, consolidamento dei carichi, pianificazione dei ritorni) sono gli stessi che usa una flotta di furgoni per pacchi o spesa a domicilio, con fermate più piccole e più numerose.

UPS ORION e Greenplan di DHL: cosa dicono i numeri dei giganti

Altri due dati fissano il tetto. Quando UPS ha completato il rollout americano del suo sistema di routing ORION nel 2016, l’azienda prevedeva che il sistema a pieno regime avrebbe tagliato 100 milioni di miglia percorse all’anno, risparmiato 10 milioni di galloni di carburante, evitato 100.000 tonnellate di CO2 e fatto risparmiare oltre 300 milioni di dollari l’anno — ottenuti togliendo appena 6-8 miglia dal giro quotidiano di ogni autista. Sono proiezioni datate al pieno dispiegamento del 2016, ma restano il benchmark più citato di cosa fa il routing algoritmico su larga scala. (UPS è anche uno dei protagonisti del nostro case study sulla supply chain, dove copriamo il suo programma di automazione più ampio.)

Sul fronte europeo, l’algoritmo Greenplan — sviluppato dentro DHL insieme al Research Institute for Discrete Mathematics dell’Università di Bonn, e uscito dal gruppo con un management buyout nel 2022 — è stato lanciato con la promessa di far risparmiare fino al 20% dei costi rispetto alle soluzioni standard di ottimizzazione percorsi, riducendo i chilometri percorsi. È un “fino al” da lancio di prodotto, non un risultato misurato su una flotta; ma dice una cosa interessante: anche le flotte che usano già un software di routing lasciano sul tavolo percentuali a due cifre con algoritmi più deboli.

Cosa fanno davvero gli algoritmi di routing

Tolto il marketing, l’ottimizzazione dei percorsi last-mile è fatta di quattro capacità concrete impilate una sull’altra:

• Risoluzione del Vehicle Routing Problem (VRP). Date N fermate, M veicoli, finestre orarie e capacità, trova l’assegnazione fermata-veicolo e la sequenza che minimizza il costo totale. È un classico problema di ottimizzazione combinatoria; i solver moderni arrivano vicini all’ottimo su migliaia di fermate in pochi minuti.
• Distanze sulla rete stradale reale. Il solver vale quanto la sua matrice delle distanze. La riduzione dell’errore dal 33% all’11% di Instacart è arrivata tutta dalla sostituzione della linea d’aria con la distanza stradale prevista — prima ancora di toccare l’ottimizzatore.
• Modellazione di finestre orarie e tempi di servizio. Prevedere quanto dura ogni fermata (un bar che riceve un fusto non è un pacco sullo zerbino) è ciò che rende reali le promesse di puntualità. È qui che vive il −80% di ritardi di Anheuser-Busch.
• Ri-ottimizzazione dinamica in giornata. I piani degradano al contatto col traffico. Sistemi come quello adottato da Anheuser-Busch ri-ottimizzano di continuo le fermate rimanenti man mano che la giornata evolve, invece di lasciare che un ritardo si propaghi a cascata su tutto il giro.

Niente di tutto questo richiede scienza nuova. Gli algoritmi sono pubblicati, i solver sono commerciali (e diversi open source), le API di distanza stradale sono una commodity. Quello che separa i vincitori è l’idraulica dei dati: indirizzi puliti, flussi ordini in tempo reale, tracce GPS e tempi di servizio registrati onestamente.

Come una flotta PMI ottiene gli stessi risultati

Non serve il budget di UPS — la stampa di settore descrive per ORION uno sviluppo durato circa un decennio e costato centinaia di milioni di dollari — ma era un progetto “fatto in casa” di epoca 2012. Nel 2026 gli stessi meccanismi esistono come API e software mid-market. Cosa dovrebbe fare concretamente una flotta da 5 a 50 mezzi:

• 1. Misura prima la baseline. Chilometri per fermata, tasso di successo al primo tentativo, tasso di ritardi, costo per consegna fallita. Senza questi numeri nessun claim dei vendor è verificabile sui tuoi dati — e il dato Loqate di 17,20 $ a fallimento è un default difendibile se non tracci ancora i costi dei fallimenti.
• 2. Sistema la funzione di distanza. Se il tuo strumento attuale sequenzia le fermate in linea d’aria, passare alle distanze su rete stradale (Google Routes, Mapbox o l’open source OSRM) è l’upgrade singolo più economico che esista: il 9% di Instacart viene esattamente da lì.
• 3. Parti dall’ottimizzazione statica, poi aggiungi la dinamica. L’ottimizzazione batch notturna dei giri di domani cattura gran parte del risparmio di chilometri; la ri-ottimizzazione in giornata (il pattern Anheuser-Busch) è la fase due, ed è quella che muove la puntualità.
• 4. Integra, non appiccicare. Gli strumenti di routing falliscono commercialmente quando dati ordini, app degli autisti e notifiche ai clienti non si parlano. La maggior parte delle storie tipo “il software non funzionava” sono fallimenti di integrazione: abbiamo sezionato il pattern nel nostro articolo sui progetti software logistici che falliscono.
• 5. Ri-ottimizza la promessa, non solo il percorso. Finestre di consegna più strette e oneste alzano il successo al primo tentativo, e attaccano direttamente quell’8% di fallimenti — spesso vale più del risparmio di carburante.

Un’aspettativa realistica per una flotta piccola che passa dal routing manuale o in linea d’aria a una vera ottimizzazione su rete stradale, basandosi sui casi verificati qui sopra: riduzioni delle percorrenze da una cifra singola a una doppia cifra bassa, e miglioramenti molto più grandi sulla puntualità aggiungendo il dispatch dinamico. Diffida di qualsiasi vendor che cita “medie di settore” precise al decimale senza una fonte con un nome: preparando questo articolo diverse cifre molto citate si sono rivelate prive di qualsiasi studio rintracciabile alle spalle, e le abbiamo lasciate fuori.

Fonti e riferimenti

• Insider Intelligence / eMarketer — Last-mile delivery explained (53% dei costi totali di spedizione)
• Loqate / Censuswide — studio Fixing Failed Deliveries, 2021 (8% di fallimenti, 17,20 $ a ordine)
• Wise Systems — Come Wise Systems ha aiutato Anheuser-Busch a ridurre i ritardi dell’80%
• Instacart Engineering — Don’t let the crow guide your routes (−9% di distanza)
• Aptean — Paragon aiuta Tesco a tagliare le emissioni (150.000 miglia/settimana, −12% viaggi a vuoto)
• UPS via 3BL Media — software di routing ORION, −100 milioni di miglia (2016)
• Comunicato stampa DHL Group, giugno 2020 — algoritmo Greenplan (fino al 20% di risparmio)