Celonis sostiene che i propri clienti abbiano generato complessivamente oltre 11,3 miliardi di dollari di valore attraverso la Process Intelligence. Il caso Molex mostra come dati strutturati, digital twin e automazione abbiano portato il tasso di conferma degli ordini dal 30% al 90%, oltre a migliorare la gestione delle fatture e dei magazzini.
L’intelligenza artificiale aziendale sta passando dalla sperimentazione all’impiego nei processi più importanti delle organizzazioni. Dopo una prima fase dominata da progetti pilota e strumenti rivolti soprattutto alla produttività individuale, le imprese più avanzate iniziano a integrare agenti AI, automazione e capacità decisionali direttamente nelle proprie operazioni.
Celonis, società specializzata in Process Intelligence, quantifica in oltre 11,3 miliardi di dollari il valore complessivamente generato dai propri clienti attraverso la sua piattaforma. Il dato comprende i risultati ottenuti da aziende attive in diversi settori, tra cui Novo Nordisk, Hitachi Energy e Molex.
Quest’ultima rappresenta un esempio concreto di come l’analisi dei processi possa preparare il terreno per un utilizzo industriale dell’intelligenza artificiale. Molex ha infatti costruito una base di dati strutturati e arricchiti con il contesto operativo, utilizzandola per automatizzare attività negli acquisti, aumentare la visibilità sulla catena di fornitura e creare un gemello digitale delle operazioni di magazzino.
Dall’AI generativa all’AI inserita nei processi
L’industrializzazione dell’Enterprise AI richiede più della capacità di generare testi, analizzare documenti o rispondere alle domande degli utenti. Un agente incaricato di intervenire su un processo aziendale deve conoscere il contesto nel quale opera, comprendere le relazioni tra dati e attività e coordinarsi con persone, sistemi gestionali e workflow esistenti.
“Per scalare con successo l’Enterprise AI è fondamentale comprendere il proprio contesto operativo, implementare strategicamente gli agenti AI e garantire un’integrazione senza soluzione di continuità con i workflow esistenti”, ha dichiarato Carsten Thoma, presidente di Celonis.
Secondo Thoma, l’obiettivo è trasformare l’intelligenza artificiale da semplice strumento di produttività in una tecnologia capace di comprendere le operazioni, supportare le decisioni e agire autonomamente per produrre risultati misurabili.
Il problema principale è che i dati necessari sono spesso distribuiti tra applicazioni, sistemi gestionali e reparti differenti. Un agente AI privo di questa visione complessiva può produrre una risposta formalmente corretta ma non adatta alla situazione reale dell’azienda.
La proposta di Celonis ruota quindi attorno alla creazione di un contesto operativo comune, attraverso il quale agenti, persone e sistemi possano interpretare nello stesso modo lo stato dei processi.
La complessità della catena di fornitura Molex
Molex produce componenti elettronici e sistemi in fibra ottica utilizzati in applicazioni che spaziano dai dispositivi medicali ai sensori per airbag, sistemi frenanti e veicoli a guida autonoma.
La sua catena di fornitura opera continuamente attraverso più fusi orari e comprende stabilimenti in oltre 65 Paesi, circa 70.000 componenti differenti e 5.000 fornitori. Ogni giorno l’azienda elabora approssimativamente 2.100 righe di ordini di acquisto.
In una struttura di queste dimensioni, anche una singola interruzione nelle comunicazioni può propagarsi lungo il processo, rallentando gli approvvigionamenti e compromettendo la puntualità delle consegne.
Per affrontare questa complessità, il gruppo guidato da Tony Gainsford, senior director of Supply Chain di Molex, ha iniziato a utilizzare Celonis per ottenere maggiore visibilità sul processo Procure-to-Pay, che comprende le attività comprese tra la richiesta di acquisto e il pagamento del fornitore.
Il punto di partenza era particolarmente critico: solo il 30% degli ordini di acquisto riceveva una conferma. L’assenza di risposte obbligava i compratori a effettuare numerosi controlli e interventi manuali, sottraendo tempo anche per l’approvazione di richieste dal valore minimo.
L’analisi del processo ha permesso di individuare i punti nei quali le comunicazioni si interrompevano. Molex ha così aumentato il tasso di conferma degli ordini dal 30% al 90%, riducendo il lavoro manuale e migliorando la capacità di prevedere la disponibilità dei componenti.
Fatture senza intervento manuale e approvazioni automatizzate
I risultati non si sono limitati alla conferma degli ordini. Molex ha raggiunto una quota dell’87% di fatture elaborate senza interventi manuali e tassi di approvazione delle richieste definiti “quasi perfetti” attraverso l’automazione e la maggiore fiducia nei dati del sistema.
L’automazione delle richieste di valore ridotto ha eliminato migliaia di operazioni manuali ripetitive. Il beneficio può sembrare limitato osservando la singola transazione, ma diventa significativo quando viene moltiplicato per il numero di sedi, dipendenti e operazioni gestite ogni giorno.
La maggiore automazione ha inoltre consentito ai team di concentrarsi sulle eccezioni e sulle attività che richiedono valutazioni umane, invece di dedicare tempo a verifiche e approvazioni di routine.
Gainsford paragona la piattaforma a una risonanza magnetica applicata al sistema ERP: uno strumento capace di mostrare ciò che avviene all’interno dei processi e di evidenziare problemi che i sistemi transazionali, da soli, non rendono immediatamente visibili.
Un digital twin per le operazioni di magazzino
Molex ha successivamente esteso l’approccio oltre gli acquisti. MJ Patil, director of Process Excellence dell’azienda, ha utilizzato Celonis per costruire un gemello digitale delle operazioni di magazzino.
Il modello ha permesso di osservare dove i materiali si bloccavano all’interno delle strutture e di simulare l’effetto delle possibili modifiche prima della loro applicazione. In questo modo, l’azienda ha potuto valutare gli interventi in un ambiente digitale, riducendo i rischi associati alle modifiche dei processi fisici.
Il progetto ha prodotto un incremento di efficienza compreso tra il 10% e il 15% nella gestione dei magazzini. Molex prevede ora di replicare il modello a livello globale.
“Questo ricco insieme di dati che sto costruendo in Celonis, nel livello di Process Intelligence, ci aiuterà sicuramente ad accelerare il nostro percorso nell’AI”, ha affermato Patil.
Il caso mostra come la preparazione dei dati e la comprensione dei processi precedano l’introduzione degli agenti. Prima di affidare all’intelligenza artificiale decisioni o interventi autonomi, l’azienda deve essere in grado di rappresentare accuratamente ciò che sta accadendo nelle proprie operazioni.
Il Context Model come base per gli agenti AI
La piattaforma Celonis utilizza il Context Model, un digital twin dei processi indipendente dai singoli sistemi informatici. Il modello combina dati di processo, conoscenza aziendale, Process Intelligence e Decision Intelligence, traducendo le operazioni in un contesto che può essere interpretato dagli agenti AI.
Il Celonis Data Core è invece l’infrastruttura incaricata di elaborare grandi quantità di informazioni. Secondo i dati comunicati dall’azienda, può interrogare miliardi di record e offre prestazioni fino a venti volte superiori rispetto alle soluzioni alternative considerate da Celonis. I clienti avrebbero inoltre ottenuto tempi di caricamento dimezzati, una riduzione del 75% della variabilità nei tempi di esecuzione e tempi di elaborazione fino a quattordici volte inferiori.
Le integrazioni “zero-copy” con Amazon Web Services, Databricks e Microsoft Fabric consentono di utilizzare i dati senza crearne ulteriori copie, mentre il Celonis Agent Toolkit mette il contesto operativo a disposizione degli agenti attraverso il Model Context Protocol. Il sistema è progettato per funzionare con piattaforme AI di AWS, Databricks, IBM, Microsoft e Oracle.
Celonis propone inoltre soluzioni preconfigurate per comparti come manifattura, automotive, farmaceutica, banche e assicurazioni, con l’obiettivo di ridurre il tempo necessario per avviare i progetti.
Il valore dell’AI dipenderà dalla conoscenza dei processi
Oltre a Molex, Celonis cita Novo Nordisk e Hitachi Energy tra le aziende che stanno portando l’intelligenza artificiale nei processi operativi.
Novo Nordisk utilizza agenti AI con l’obiettivo di ridurre di un anno il tempo necessario per accompagnare un farmaco dalla prima sperimentazione sull’uomo all’approvazione. Hitachi Energy sta invece introducendo agenti su scala più ampia e, secondo Celonis, avrebbe generato milioni di dollari di valore in pochi mesi.
I casi presentati indicano una direzione comune: per ottenere risultati affidabili, l’intelligenza artificiale deve conoscere non soltanto i dati aziendali, ma anche il modo in cui tali dati vengono prodotti, modificati e utilizzati all’interno dei processi.
La nuova fase dell’Enterprise AI potrebbe quindi essere caratterizzata meno dalla corsa al maggior numero di agenti e più dalla qualità del contesto fornito loro. L’esperienza di Molex suggerisce che la capacità di osservare e migliorare i processi può produrre benefici immediati, creando contemporaneamente la base sulla quale sviluppare automazioni e sistemi AI progressivamente più autonomi.
