Come Li & Fung utilizza l'IA e le piattaforme di dati per l'orchestrazione della supply chain

Li & Fung, la società commerciale di Hong Kong centenaria che ha approvvigionato abbigliamento e beni di consumo per brand globali dal 1906, si sta reinventando attorno all'intelligenza artificiale e alle piattaforme basate sul cloud. L'azienda ha trascorso gli ultimi tre anni costruendo un'infrastruttura digitale per orchestrare produzione, logistica e inventario attraverso migliaia di fabbriche in Asia, competendo non solo con intermediari tradizionali ma anche con fornitori di software che promettono di disintermediare completamente l'agente di approvvigionamento.

Questo cambiamento è importante perché Li & Fung gestisce ancora miliardi di dollari di volume annuale di merci per nomi noti nel settore della moda e della vendita al dettaglio, e le sue scelte tecnologiche modellano il modo in cui migliaia di fornitori adottano strumenti digitali. Mentre i brand richiedono tempi di consegna più brevi, lotti di produzione più piccoli e visibilità in tempo reale sulle condizioni delle fabbriche, la strategia della piattaforma dell'azienda offre un caso di studio concreto per capire se gli operatori consolidati possano utilizzare dati e machine learning per difendere il proprio ruolo nella supply chain.

Questo articolo esamina come Li & Fung stia implementando l'IA per la previsione della domanda, l'abbinamento dei fornitori e l'ottimizzazione logistica, quali risultati afferma di aver raggiunto e dove rimangono lacune e rischi per le aziende di moda che valutano investimenti simili.

Qual è la strategia della piattaforma digitale di Li & Fung?

Li & Fung ha consolidato le sue iniziative tecnologiche sotto una piattaforma basata sul cloud progettata per collegare brand, fabbriche e fornitori di logistica in un unico ambiente di dati. La piattaforma acquisisce informazioni sugli ordini, programmi di produzione, monitoraggio delle spedizioni e metriche di performance dei fornitori, quindi utilizza analisi e machine learning per consigliare decisioni di approvvigionamento, allocare ordini e segnalare potenziali ritardi.

L'azienda descrive questo approccio come orchestrazione della supply chain: invece di passare semplicemente gli ordini di acquisto dall'acquirente alla fabbrica, Li & Fung si posiziona come una torre di controllo che ottimizza continuamente il flusso di materiali, capacità produttiva e prodotti finiti. La piattaforma si basa su interfacce di programmazione delle applicazioni per estrarre dati dai sistemi di pianificazione delle risorse aziendali sia dal lato del brand che del fornitore, creando una fonte condivisa di verità per lo stato degli ordini, i livelli di inventario e le tappe delle spedizioni.

Nelle presentazioni agli investitori durante il 2025, Li & Fung ha evidenziato investimenti in quelle che definisce capacità di approvvigionamento digitale, che includono strumenti per il campionamento virtuale, la collaborazione nella progettazione di prodotti tridimensionali e processi automatizzati di richiesta di offerta che abbinano le specifiche di un brand alle capacità dei fornitori senza intervento manuale. L'obiettivo è comprimere il tradizionale ciclo di sviluppo del prodotto, che nell'abbigliamento può estendersi a nove mesi o più dal concetto alla ricezione in magazzino, e ridurre la necessità di campioni fisici e visite in fabbrica di persona.

Come Li & Fung utilizza l'intelligenza artificiale nell'approvvigionamento e nella produzione?

Li & Fung applica modelli di machine learning a tre flussi di lavoro principali: previsione della domanda, abbinamento della capacità dei fornitori e previsione della qualità. Gli algoritmi di previsione della domanda analizzano i modelli storici degli ordini, i dati di sell-through condivisi dai clienti retail e segnali esterni come le tendenze di ricerca e le previsioni meteorologiche per generare raccomandazioni di produzione a breve termine. L'obiettivo è aiutare i brand a ridurre l'inventario in eccesso e le situazioni di esaurimento scorte allineando i volumi di produzione più strettamente alla domanda effettiva dei consumatori.

L'abbinamento della capacità dei fornitori utilizza un algoritmo di classificazione addestrato su anni di dati di produzione per valutare ogni fabbrica nella rete di Li & Fung rispetto ai requisiti degli ordini in arrivo. Le variabili includono tipo di tessuto, complessità del capo, quantità minima d'ordine, risultati degli audit di conformità etica e storico delle consegne puntuali. Quando un brand invia un nuovo ordine di acquisto, il sistema classifica i fornitori per idoneità e consiglia allocazioni che bilanciano costo, velocità e rischio.

La previsione della qualità si basa sul riconoscimento delle immagini e sul rilevamento delle anomalie. Durante la produzione, le fabbriche caricano fotografie dei capi in lavorazione sulla piattaforma; i modelli di computer vision segnalano deviazioni dal campione approvato, come cucitura errata o discrepanza di colore. Il sistema monitora anche i tassi storici di difetti per fornitore e categoria di prodotto, avvisando i responsabili di account quando una particolare fabbrica mostra una varianza di qualità in aumento.

Quali brand e categorie di prodotti utilizzano la piattaforma?

Li & Fung non ha pubblicato un elenco completo dei clienti per la sua piattaforma digitale e i principali clienti retail in genere non divulgano in dettaglio le relazioni con i loro agenti di approvvigionamento. I documenti pubblici e i materiali per gli investitori confermano che l'azienda serve grandi rivenditori nordamericani ed europei in abbigliamento, calzature, tessuti per la casa e beni durevoli, ma i nomi specifici dei brand e i volumi delle transazioni per gli strumenti digitali rimangono riservati.

In termini generali, Li & Fung ha indicato che l'adozione dell'approvvigionamento digitale è più elevata tra i clienti nei segmenti fast-fashion e retail di valore, dove la velocità di accesso al mercato e i frequenti cambi di prodotto creano un incentivo più forte per automatizzare il posizionamento degli ordini e la pianificazione dell'inventario. Al contrario, i brand di lusso e premium, che spesso mantengono relazioni di lunga data con un gruppo più ristretto di atelier specializzati, sono stati più lenti nello spostare i flussi di lavoro di approvvigionamento su piattaforme digitali condivise, preferendo comunicazioni su misura e un controllo più stretto sulla proprietà intellettuale.

Quali risultati misurabili ha riportato Li & Fung?

Li & Fung ha condiviso affermazioni qualitative su guadagni di efficienza e riduzioni dei tempi di consegna ma è stata cauta nel pubblicare dati di performance granulari che permetterebbero una verifica indipendente. In un aggiornamento agli investitori del 2025, l'azienda ha dichiarato che i clienti che utilizzano i suoi strumenti di approvvigionamento digitale hanno sperimentato cicli di sviluppo del prodotto più brevi e tassi di consegna puntuale migliorati rispetto ai clienti che si affidano a processi manuali tradizionali, ma non ha quantificato l'entità di tali miglioramenti né divulgato la dimensione del campione.

Evidenze aneddotiche da conferenze sulla supply chain e stampa specializzata suggeriscono che la digitalizzazione può ridurre il tempo di elaborazione degli ordini di una o due settimane e ridurre il numero di campioni fisici richiesti durante lo sviluppo del prodotto, generando risparmi sui costi di corriere e spreco di materiali. Tuttavia, questi benefici maturano gradualmente e dipendono fortemente dalla maturità dei sistemi di ciascun cliente e dalla volontà dei fornitori di adottare nuovi protocolli di condivisione dei dati.

Li & Fung ha anche evidenziato miglioramenti nella rotazione dell'inventario per clienti selezionati, sostenendo che migliori previsioni della domanda consentono ai rivenditori di rifornire gli stili più venduti con maggiore frequenza e di cancellare o modificare gli ordini per prodotti a vendita più lenta all'inizio del ciclo di produzione. Anche in questo caso, l'azienda non ha rilasciato cifre verificate che isolino il contributo dei suoi modelli di IA da altre variabili come condizioni di mercato, strategia di merchandising o attività promozionali.

Come la piattaforma integra logistica e monitoraggio delle spedizioni?

Oltre all'approvvigionamento in fabbrica, la piattaforma di Li & Fung si estende alla spedizione merci e all'orchestrazione logistica. L'azienda gestisce il proprio ramo logistico e collabora anche con vettori terzi per prenotare trasporti marittimi, aerei e terrestri. La piattaforma digitale aggrega i dati di spedizione da più vettori, fornendo ai clienti una visione unificata dell'inventario in transito, dei tempi di arrivo stimati e dello stato di sdoganamento.

Gli algoritmi di machine learning analizzano le prestazioni storiche delle spedizioni, i dati di congestione portuale e i punteggi di affidabilità dei vettori per consigliare instradamento e selezione del vettore. Per ordini urgenti, il sistema può passare automaticamente a modalità di trasporto più veloci ma più costose se un ritardo in fabbrica minaccia di non rispettare una finestra di consegna al dettaglio. Allo stesso modo, quando più ordini per lo stesso cliente sono in produzione in fabbriche diverse, la piattaforma può consolidare le spedizioni per ridurre i costi di trasporto e semplificare la ricezione in magazzino.

La visibilità in tempo reale è particolarmente preziosa durante le stagioni di punta e i periodi di interruzione della supply chain. Durante l'anno solare 2025, le spedizioni globali hanno affrontato ritardi intermittenti a causa di controversie sul lavoro portuale, carenze di capacità e tensioni geopolitiche. La piattaforma di Li & Fung ha consentito ai responsabili di account di reindirizzare le spedizioni, cambiare vettori e adattare i programmi di produzione in risposta a condizioni in evoluzione, riducendo il rischio di esaurimento scorte o svalutazioni di fine stagione.

Quali sono i rischi, le limitazioni e le questioni aperte?

Nonostante la logica strategica dell'orchestrazione della supply chain basata su IA, rimangono diverse sfide e incertezze. In primo luogo, la qualità dei dati è irregolare nella base di fornitori di Li & Fung. Mentre le fabbriche grandi e tecnologicamente sofisticate possono integrare i loro sistemi di produzione con la piattaforma tramite API, molti laboratori più piccoli mancano di software aziendale o connettività internet affidabile. In quei casi, l'inserimento dei dati è manuale, ritardato e soggetto a errori, il che mina l'accuratezza dei modelli di machine learning che dipendono da input tempestivi e granulari.

In secondo luogo, i fornitori possono resistere alla condivisione di dati dettagliati di produzione e capacità con un intermediario che serve anche i loro concorrenti. Le fabbriche temono che la trasparenza nelle loro strutture di costo, margini e capacità disponibile possa indebolire la loro posizione negoziale o portare Li & Fung ad allocare ordini a rivali a costo inferiore. Costruire fiducia e dimostrare beneficio reciproco è un processo lento, e l'adozione incompleta da parte dei fornitori limita gli effetti di rete della piattaforma.

In terzo luogo, il business case per l'approvvigionamento digitale non è universalmente convincente. I brand che hanno già relazioni profonde e di lungo termine con una manciata di fabbriche preferite possono vedere poco valore incrementale nelle raccomandazioni di fornitori guidate da algoritmi. I segmenti di lusso e premium, dove l'artigianalità, l'esclusività e la protezione della proprietà intellettuale contano più della velocità o del costo, sono particolarmente scettici riguardo alle piattaforme digitali condivise e ai flussi di lavoro standardizzati.

In quarto luogo, Li & Fung affronta pressione competitiva da fornitori di software che vendono strumenti di visibilità della supply chain e gestione della produzione direttamente ai brand, bypassando completamente l'intermediario. Se un rivenditore può raggiungere un'accuratezza di previsione comparabile, valutazione dei fornitori e monitoraggio delle spedizioni concedendo in licenza software e assumendo analisti interni della supply chain, può scegliere di disintermediare la società commerciale e catturare il margine per sé. La proposta di valore di Li & Fung si basa sulla premessa che i suoi dati proprietari, le relazioni con i fornitori e l'esperienza nel settore non possano essere facilmente replicati, ma tale assunzione è messa alla prova mentre i costi della tecnologia diminuiscono e i talenti diventano più ampiamente disponibili.

Infine, le dimensioni ambientali e sociali dell'orchestrazione della supply chain rimangono sottosviluppate. Mentre la piattaforma di Li & Fung può tracciare gli audit di conformità etica e segnalare fornitori con scarsi record ambientali o sul lavoro, non integra ancora calcoli dell'impronta di carbonio, metriche di circolarità o monitoraggio in tempo reale delle condizioni di lavoro. Man mano che i regolatori nell'Unione Europea e altrove introducono requisiti obbligatori di due diligence e rendicontazione della sostenibilità, la piattaforma dovrà espandere il suo modello di dati e analisi per aiutare i clienti a soddisfare tali obblighi.

Come le capacità di Li & Fung si confrontano con le alternative interne e software?

Le aziende di moda che valutano investimenti in tecnologia per la supply chain affrontano una scelta tra tre archetipi: affidarsi a un intermediario a servizio completo come Li & Fung, concedere in licenza software da un fornitore specializzato e costruire capacità analitiche interne, o perseguire un modello ibrido che combina elementi di entrambi. Ogni approccio comporta diversi compromessi in termini di costo, controllo, velocità e rischio.

Un intermediario a servizio completo offre il percorso più veloce verso le capacità di approvvigionamento digitale perché l'infrastruttura, le integrazioni dei fornitori e i modelli di machine learning sono già costruiti. Tuttavia, il brand sacrifica un certo controllo sulla selezione dei fornitori, la proprietà dei dati e la capacità di differenziare la propria supply chain come vantaggio competitivo. Il software in licenza e i team interni forniscono maggiore controllo e personalizzazione ma richiedono investimenti iniziali in tecnologia, formazione e gestione del cambiamento. Le piattaforme personalizzate offrono massima flessibilità e protezione della proprietà intellettuale ma sono costose, richiedono tempo e sono rischiose, specialmente per aziende di medie dimensioni senza talenti tecnologici approfonditi.

In pratica, molte aziende di moda perseguono un modello ibrido: utilizzano un intermediario per categorie di prodotti di base o regioni in cui mancano relazioni dirette, mentre costruiscono capacità proprietarie per linee di prodotti strategiche o fornitori chiave. Questo approccio a portafoglio consente loro di sperimentare con IA e piattaforme di dati in modo incrementale, imparare cosa funziona ed evitare un impegno eccessivo con un singolo fornitore o stack tecnologico.

Quali sono le prospettive per l'IA nell'orchestrazione della supply chain?

La traiettoria dell'adozione dell'IA nelle supply chain della moda sarà modellata da tre forze: mandati normativi per trasparenza e sostenibilità, pressione competitiva per ridurre tempi di consegna e rischio di inventario, e l'evoluzione del costo e delle capacità della tecnologia di machine learning. La strategia della piattaforma di Li & Fung illustra sia la promessa che l'attrito della trasformazione digitale in un settore frammentato e basato sulle relazioni.

Per gli intermediari, l'imperativo è dimostrare che i loro asset di dati, le reti di fornitori e l'esperienza nel settore creano vantaggi duraturi che non possono essere facilmente replicati da fornitori di software o team interni. Per i brand, la sfida è bilanciare controllo e velocità, investendo abbastanza in capacità proprietarie per differenziare le loro supply chain pur sfruttando piattaforme di terze parti dove la commoditizzazione e le economie di scala hanno senso.

Nei prossimi due o tre anni, aspettatevi di vedere consolidamento tra i fornitori di software per la supply chain, integrazione più profonda di dati ambientali e sociali nelle piattaforme di orchestrazione e uso crescente dell'IA generativa per automatizzare progettazione del prodotto, campionamento e comunicazione con i fornitori. Le aziende che avranno successo saranno quelle che tratteranno l'approvvigionamento digitale non come un progetto tecnologico ma come un processo continuo di sperimentazione, apprendimento e adattamento in partnership con fornitori, fornitori di logistica e partner tecnologici.

Cosa dovrebbero fare ora le aziende di moda?

1. Verifica la tua infrastruttura di dati. Prima di investire in approvvigionamento o logistica basati su IA, valuta la completezza, l'accuratezza e la tempestività dei tuoi dati interni su domanda, inventario, performance dei fornitori e stato delle spedizioni. Identifica le lacune e dai priorità ai progetti di integrazione che creeranno una base affidabile per i modelli di machine learning.
2. Mappa la maturità digitale dei fornitori. Sondaggia i tuoi partner di produzione per comprendere le loro attuali capacità tecnologiche, la volontà di condividere dati tramite API e la capacità di adottare nuovi flussi di lavoro digitali. Concentra i progetti pilota iniziali della piattaforma sui fornitori pronti e disposti, piuttosto che cercare di imporre l'adozione all'intera base.
3. Definisci casi d'uso chiari. Articola problemi aziendali specifici che vuoi risolvere con l'orchestrazione della supply chain, come ridurre i tempi di consegna per il rifornimento stagionale, migliorare l'accuratezza delle previsioni per nuove introduzioni di prodotti o minimizzare i costi di trasporto durante i periodi di spedizione di punta. Misura il successo rispetto a questi obiettivi concreti piuttosto che vaghi guadagni di efficienza.
4. Progetto pilota con ambito limitato. Inizia con una singola categoria di prodotto, regione o segmento di clientela dove i benefici della visibilità in tempo reale e del processo decisionale automatizzato hanno maggiori probabilità di essere elevati. Esegui un esperimento controllato che confronti i flussi di lavoro digitali con i processi tradizionali, cattura risultati quantitativi e itera in base a ciò che impari.
5. Negozia proprietà e portabilità dei dati. Se coinvolgi un intermediario o concedi in licenza una piattaforma software, chiarisci nel contratto chi possiede i dati delle transazioni, le metriche di performance dei fornitori e i modelli di machine learning. Assicurati di poter esportare i tuoi dati in un formato standard e migrare a un sistema diverso se la relazione termina o le tue esigenze cambiano.
6. Integra metriche di sostenibilità e conformità. Man mano che la pressione normativa aumenta, costruisci indicatori di impronta di carbonio, circolarità e diritti del lavoro nel tuo modello di dati della supply chain fin dall'inizio. Scegli piattaforme che possano acquisire risultati di audit di terze parti, tracciare le emissioni Scope 3 e generare report allineati con gli standard di divulgazione emergenti.
7. Investi in gestione del cambiamento e formazione. La tecnologia da sola non trasformerà la tua supply chain; le persone devono capire come interpretare le raccomandazioni algoritmiche, annullarle quando il giudizio aziendale lo richiede e migliorare continuamente i modelli con feedback. Assegna budget per formazione, riprogettazione dei processi e supporto continuo, non solo licenze software e hardware.