Come Otrium ha implementato robotica Autostore e IA per l'efficienza del magazzino
La piattaforma off-price ha automatizzato il suo centro di distribuzione con il sistema a griglia di Autostore e l'IA generativa per le immagini dei prodotti, riducendo i tempi di throughput e accelerando il sell-through.

IN SINTESI Sintesi della redazione
- Otrium ha implementato il sistema robotico a griglia di Autostore nel suo centro di distribuzione europeo nel 2025 per gestire volumi di ordini più elevati.
- La piattaforma utilizza l'IA generativa per creare immagini dei prodotti quando le risorse dei brand non sono disponibili, riducendo i tempi di inserimento dell'inventario.
- I sistemi automatizzati di stoccaggio e recupero consentono ai rivenditori di moda di processare resi e nuove scorte più velocemente rispetto ai magazzini manuali.
- Combinare l'automazione del magazzino con contenuti generati dall'IA può accorciare il ciclo di markdown e migliorare la velocità di sell-through per l'inventario off-price.
Otrium, la piattaforma di moda off-price con sede ad Amsterdam, ha completato l'installazione di un sistema automatizzato di stoccaggio e recupero Autostore presso il suo centro di distribuzione europeo all'inizio del 2025, secondo annunci aziendali e fonti del settore logistico. L'implementazione è arrivata mentre il rivenditore cercava di gestire volumi di ordini crescenti e ridurre il tempo tra la ricezione dell'inventario dai partner di marca e la spedizione ai clienti in tutta Europa. Allo stesso tempo, Otrium ha integrato strumenti di IA generativa per produrre fotografie di prodotto quando le immagini fornite dai brand erano mancanti o inadatte, riducendo il ritardo tra l'arrivo delle scorte e l'inserimento online.
Il doppio investimento in robotica di magazzino e automazione dei contenuti affronta una sfida fondamentale nel retail off-price: l'inventario si muove più velocemente quando gli articoli vengono fotografati, inseriti e prelevati rapidamente, tuttavia molti capi di fine stagione o in eccesso di scorte arrivano senza asset digitali o in imballaggi incompatibili con lo smistamento manuale ad alta velocità. Per i dirigenti della moda che valutano la spesa per l'automazione, il caso di Otrium illustra come robotica e machine vision possano lavorare insieme per comprimere il ciclo di markdown e recuperare margine dall'inventario invenduto.
Questo articolo esamina i progetti di automazione del magazzino e dei contenuti di Otrium del 2025, i guadagni di throughput e velocità riportati dall'azienda e le implicazioni più ampie per le supply chain della moda che gestiscono scorte in eccesso e resi.
Cos'è Otrium e perché ha automatizzato il suo magazzino?
Otrium gestisce un marketplace online che vende inventario di stagioni passate e scorte in eccesso direttamente dai brand di moda, lavorando con oltre 400 marchi tra cui Patagonia, Karl Lagerfeld e Scotch & Soda. La piattaforma prende possesso delle merci invendute, le fotografa e le inserisce sul suo sito, e spedisce gli ordini dai propri centri di distribuzione. I ricavi sono cresciuti man mano che i brand cercavano alternative agli sconti pesanti nei propri canali, e i volumi di ordini in Europa sono aumentati sufficientemente entro il 2024 da rendere il prelievo e l'imballaggio manuali un collo di bottiglia, secondo osservatori del settore della supply chain.
Alla fine del 2024, Otrium ha annunciato piani per installare Autostore, un fornitore norvegese di sistemi di stoccaggio automatizzato basati su cubi, presso il suo principale centro di distribuzione europeo. Il sistema utilizza una griglia di contenitori impilati e robot autonomi che recuperano i container su richiesta, quindi li consegnano alle stazioni di prelievo dove i lavoratori umani imballano gli ordini. I sistemi Autostore possono raggiungere densità di stoccaggio fino a quattro volte superiori rispetto alle scaffalature convenzionali e ridurre i tempi di percorrenza per il personale del magazzino portando i contenitori alle postazioni di lavoro fisse. L'installazione è diventata operativa nel primo trimestre del 2025, consentendo a Otrium di processare un volume maggiore di ordini piccoli e misti di SKU tipici del retail di moda online.
Come funziona il sistema robotico a griglia di Autostore in un magazzino di moda?
Una griglia Autostore comprende binari in alluminio disposti sopra un'area di stoccaggio, con robot che viaggiano sopra per sollevare e spostare i contenitori immagazzinati in colonne verticali sottostanti. Quando arriva un ordine, il software di gestione del magazzino invia un robot alla posizione della griglia che contiene l'articolo richiesto. Il robot solleva il contenitore, lo trasporta a una porta sul bordo della griglia, e un operatore umano preleva il capo, scansiona il codice a barre e lo colloca in un cartone per la spedizione. I contenitori vuoti tornano alla griglia, e il sistema dà priorità agli articoli prelevati frequentemente nei livelli superiori per ridurre al minimo il tempo di recupero.
Per l'inventario di moda, l'approccio si adatta al prelievo ad alto mix e basso volume: ogni contenitore può contenere solo poche unità di una singola taglia e colore, e gli ordini spesso includono articoli di più brand e categorie. L'ingombro compatto di Autostore consente anche una densità di inventario maggiore rispetto alle scaffalature tradizionali, un vantaggio nei centri di distribuzione urbani dove l'affitto è alto. I robot stessi non richiedono pavimentazione speciale o infrastruttura di guida, e il design modulare significa che la capacità può espandersi aggiungendo più moduli di griglia o robot senza riprogettare la struttura.
Quali risultati ha riportato Otrium dall'automazione del magazzino?
Otrium non ha pubblicato metriche dettagliate di throughput nei documenti per gli investitori, poiché l'azienda rimane privata. Tuttavia, fonti del settore e analisti logistici notano che le installazioni Autostore nell'e-commerce tipicamente raddoppiano o triplicano i tassi di prelievo rispetto alle operazioni manuali, misurati in unità per ora per lavoratore. Nel 2025, i sistemi automatizzati di stoccaggio e recupero nei magazzini di moda hanno raggiunto tempi di ciclo degli ordini medi inferiori a 30 minuti dalla ricezione dell'ordine alla spedizione, rispetto ai 60-90 minuti nelle strutture manuali di scala simile. Il management di Otrium ha dichiarato in un'intervista commerciale del 2025 che il sistema ha permesso all'azienda di gestire i picchi stagionali senza assumere personale temporaneo aggiuntivo, suggerendo guadagni di produttività del lavoro in linea con i benchmark del settore.
Altrettanto importante per un modello off-price è la velocità del processing in entrata. Quando un brand spedisce inventario in eccesso a Otrium, ogni giorno che le merci trascorrono in ricezione, fotografia e inserimento rappresenta tempo di vendita perso e maggiore rischio di ulteriori markdown. Lo stoccaggio basato su contenitori di Autostore significa che gli articoli possono essere stoccati immediatamente dopo la fotografia e i controlli di qualità, senza attendere una posizione libera sugli scaffali o la disponibilità del carrello elevatore, comprimendo il tempo dalla consegna alla disponibilità per la vendita.
Fonte: Supply Chain Dive, 2025
Come sta usando Otrium l'IA generativa per le immagini dei prodotti?
Molti capi che arrivano a Otrium mancano di fotografie fornite dai brand o hanno immagini che non soddisfano gli standard di stile della piattaforma: illuminazione coerente, sfondi semplici e angolazioni multiple per ridurre i resi. Storicamente, Otrium rifotografava gli articoli internamente, aggiungendo costi e ritardi. A metà 2025, l'azienda ha iniziato a testare strumenti di IA generativa che creano immagini di prodotto da uno scatto con smartphone o persino descrizioni testuali del capo, secondo report di tecnologia retail.
I modelli di IA generativa addestrati sulla fotografia di prodotti di moda possono produrre immagini di qualità da studio trasformando foto casuali in viste standardizzate con illuminazione controllata e rimozione dello sfondo. L'implementazione di Otrium consente al personale del magazzino di catturare un'immagine rapida su un dispositivo mobile; il sistema di IA genera quindi un set di foto inseribili in secondi, che vengono caricate sulla pagina del prodotto. L'azienda ha riportato che questo workflow ha ridotto il tempo mediano per inserire un nuovo SKU di circa il 40 per cento rispetto alla fotografia manuale in studio, sebbene non abbia divulgato cifre di tempo assolute.
Oltre alla velocità, le immagini generate dall'IA possono migliorare la coerenza su migliaia di SKU di diversi brand, ciascuno con qualità fotografica originale variabile. Per i clienti che sfogliano un assortimento misto, uno stile di immagine uniforme riduce l'attrito cognitivo e può abbassare i tassi di reso impostando aspettative accurate per vestibilità e colore. I dati di Otrium, condivisi in una presentazione del settore del 2025, hanno indicato che gli inserimenti con immagini standardizzate dall'IA hanno visto tassi di reso dal 10 al 15 per cento inferiori rispetto a quelli che utilizzano foto di brand non modificate, sebbene l'azienda abbia avvertito che più variabili influenzano i resi e l'effetto variava per categoria.
Quali altre aziende di moda stanno automatizzando magazzini e contenuti?
ASOS ha installato sistemi Autostore presso i suoi centri di distribuzione di Lichfield e Barnsley nel Regno Unito tra il 2022 e il 2024, espandendo la capacità robotica per gestire oltre 100.000 articoli al giorno in entrambi i siti. Il rivenditore online ha citato la tecnologia come centrale per gestire la domanda di picco senza aumenti proporzionali dei costi del lavoro. ASOS ha anche implementato strumenti di IA per il tagging dei prodotti e il miglioramento delle immagini nel 2024, automatizzando la creazione di metadati e il ritaglio di migliaia di foto di prodotto al giorno.
Nel 2023, Zalando ha integrato veicoli guidati automatizzati e bracci robotici di prelievo presso il suo centro di distribuzione a Lahr, Germania, mirando ad aumentare il throughput dei pacchi del 30 per cento. La piattaforma paneuropea ha investito separatamente in prova virtuale e raccomandazioni di taglia generate dall'IA, collegando i guadagni di efficienza del magazzino a strumenti front-end che riducono i resi e migliorano la rotazione dell'inventario. Zalando ha riportato nel suo rapporto annuale 2024 che i costi logistici come percentuale dei ricavi sono diminuiti di 1,2 punti percentuali anno su anno, attribuendo parte del miglioramento agli investimenti in automazione.
Operatori più piccoli e di mercato medio stanno seguendo percorsi simili. About You, il rivenditore di moda online con sede ad Amburgo, ha annunciato all'inizio del 2025 che avrebbe implementato la generazione di immagini di prodotto basata su IA su tutto il suo assortimento, puntando a una riduzione del 50 per cento nei tempi di consegna della fotografia per i brand di terze parti che vendono sul suo marketplace. La mossa mirava ad accorciare il divario tra il caricamento dei dati di inventario da parte di un brand e la comparsa dell'articolo dal vivo sul sito, influenzando direttamente la velocità di sell-through per i beni di moda sensibili al tempo.
- 2022ASOS inizia il rollout di Autostore presso il centro di distribuzione di Lichfield, Regno Unito
- 2023Zalando integra veicoli guidati automatizzati e bracci robotici a Lahr, Germania
- 2024ASOS implementa l'IA per tagging dei prodotti e miglioramento delle immagini
- Fine 2024Otrium annuncia l'installazione di Autostore presso il centro di distribuzione europeo
- Q1 2025Il sistema Autostore di Otrium diventa operativo; aumenta la capacità di processing degli ordini
- Metà 2025Otrium avvia un pilota di IA generativa per immagini di prodotto, riducendo i tempi di inserimento del 40%
- Inizio 2025About You si impegna alla generazione di immagini con IA per i venditori del marketplace
Fonte: ASOS, Zalando, Retail Dive, FashionUnited
Quali sono i periodi di ritorno sull'investimento e payback per la robotica di magazzino?
La spesa in conto capitale per un sistema Autostore dipende dalle dimensioni della griglia, dal numero di robot e dalla complessità dell'integrazione. Le stime del settore collocano il costo di un'installazione di scala media, adatta a processare da 20.000 a 40.000 ordini al giorno, tra 5 milioni e 10 milioni di euro, inclusi hardware, software e messa in servizio. Autostore stessa ha riportato nel 2024 che i periodi di payback tipici dei clienti variavano da tre a cinque anni, guidati da risparmi sul lavoro, aumento del throughput e costi immobiliari ridotti per metro cubo di stoccaggio.
Per l'e-commerce di moda, il calcolo del ROI deve tenere conto dei picchi stagionali e del costo del lavoro temporaneo. Un magazzino manuale può raddoppiare il personale durante il periodo da novembre a gennaio; una struttura automatizzata può gestire lo stesso volume facendo funzionare i robot su turni aggiuntivi senza assumere o formare personale di picco. L'arbitraggio del lavoro è meno pronunciato nell'Europa occidentale rispetto ad alcuni mercati, ma i salari dei magazzini nei Paesi Bassi, Germania e Regno Unito sono aumentati dal 15 al 25 per cento dal 2021, secondo i dati Eurostat, rendendo l'automazione più attraente anche ai tassi di interesse attuali.
Il consumo energetico è un altro fattore. I robot Autostore sono alimentati a batteria e comparativamente leggeri, consumando meno energia rispetto ai sistemi basati su nastri trasportatori. L'azienda dichiara che i suoi sistemi consumano circa 0,1 kilowattora per recupero di contenitore, traducendosi in un uso energetico giornaliero di circa 100 kilowattora per una griglia da 20 robot che gestisce 10.000 prelievi. In una struttura precedentemente dipendente da carrelli elevatori e illuminazione estesa attraverso ampi corridoi di prelievo, la griglia compatta e l'area di pavimento ridotta possono abbassare i costi di elettricità e riscaldamento, contribuendo al ROI complessivo.
Come influisce l'automazione sulla velocità di markdown e sul sell-through?
La velocità di markdown si riferisce alla velocità con cui l'inventario scontato o off-price si vende. Per Otrium, un processing più veloce dall'entrata all'inserimento significa che i capi raggiungono i clienti mentre sono ancora stagionalmente rilevanti, ottenendo prezzi residui più alti e riducendo la profondità dei markdown successivi. Se una giacca primaverile arriva a marzo ma trascorre tre settimane in fotografia e stoccaggio, potrebbe non essere inserita fino alla fine di aprile, richiedendo uno sconto più ripido per essere liquidata prima dell'estate. Ridurre quel ritardo a meno di una settimana preserva il potere di pricing.
L'automazione del magazzino contribuisce assicurando che l'inventario sia disponibile per la spedizione immediata una volta effettuato un ordine. Le rotture di stock dovute a contenitori smarriti o errori di prelievo costringono i clienti a sostituire o cancellare, danneggiando la conversione e prolungando la coda degli SKU a lenta movimentazione. I sistemi automatizzati tipicamente raggiungono tassi di precisione dell'inventario superiori al 99,5 per cento, rispetto al 95-98 per cento nelle operazioni manuali, riducendo le scorte fantasma e migliorando la disponibilità sugli scaffali. Una maggiore precisione significa che gli algoritmi di pricing possono fare affidamento sui conteggi delle scorte in tempo reale, ottimizzando gli sconti per liquidare l'inventario senza scontare eccessivamente gli articoli ad alta domanda.
L'IA generativa per le immagini agisce come un acceleratore parallelo. Quando un articolo ricercato può essere inserito lo stesso giorno in cui arriva, la piattaforma cattura la domanda che altrimenti potrebbe andare a un concorrente. L'effetto combinato di stoccaggio rapido, prelievo accurato e creazione istantanea di contenuti accorcia il ciclo di conversione del contante: i brand ricevono il pagamento prima, e Otrium ruota l'inventario più velocemente, liberando capitale circolante per il prossimo lotto di merci.
Quali sono i rischi, le limitazioni e le questioni aperte?
La robotica di magazzino richiede capitale iniziale e contratti di manutenzione continua, creando costi fissi che possono gravare sugli operatori se i volumi di ordini diminuiscono. L'e-commerce di moda ha visto consolidamento e diverse insolvenze di alto profilo dal 2022; un'azienda che installa automazione costosa e poi sperimenta uno shock della domanda può affrontare una leva operativa più alta e consumo di cassa rispetto a un concorrente manuale in grado di flettere il lavoro rapidamente. La proprietà privata di Otrium significa divulgazione pubblica limitata di flusso di cassa e debito, rendendo difficile per gli osservatori esterni valutare la resilienza finanziaria della sua scommessa sull'automazione.
Anche l'IA generativa per le immagini dei prodotti comporta rischi. Sebbene la tecnologia sia migliorata, può ancora produrre artefatti o imprecisioni di colore che aumentano i tassi di reso se i clienti ricevono articoli che non corrispondono alla foto generata dall'IA. I regolatori della protezione dei consumatori nell'Unione Europea hanno segnalato che i media sintetici nell'e-commerce devono essere chiaramente etichettati, e i brand possono opporsi a che i loro prodotti siano raffigurati in immagini generate da macchine senza approvazione esplicita. I termini di Otrium con i partner di marca probabilmente affrontano queste preoccupazioni, ma il panorama legale e reputazionale rimane incerto.
Un'altra limitazione è la transizione della forza lavoro. I magazzini automatizzati richiedono meno addetti al prelievo ma più tecnici per mantenere robot, software e infrastruttura della griglia. Riqualificare il personale legacy è possibile ma richiede tempo e investimenti; alcuni lavoratori possono affrontare il licenziamento, sollevando scrutinio sociale e politico, particolarmente nelle regioni con forti protezioni del lavoro. Uno studio del 2025 dell'European Trade Union Institute ha rilevato che l'automazione logistica nell'e-commerce ha ridotto l'occupazione totale nei magazzini del 12 per cento in media, sebbene la produttività per lavoratore rimanente sia aumentata del 35 per cento. Le aziende di moda devono bilanciare i guadagni di efficienza con l'impatto occupazionale più ampio e i potenziali vincoli normativi sull'automazione.
Infine, l'automazione blocca certi design di processo. Cambiare il flusso di prodotti, aggiungere nuove categorie o integrare un sistema di gestione degli ordini diverso può essere complesso e costoso una volta installata una griglia robotica. La flessibilità, un punto di forza tradizionale delle operazioni manuali, diminuisce in una struttura altamente automatizzata, ponendo un rischio strategico se il comportamento dei consumatori o il mix di canali cambia inaspettatamente.
| Dimensione | Magazzino automatizzato (Autostore) | Magazzino manuale |
|---|---|---|
| Tempo di ciclo ordini | Inferiore a 30 minuti tipico | 60-90 minuti tipico |
| Precisione inventario | Oltre il 99,5% | 95-98% |
| Densità di stoccaggio | Fino a 4x scaffalature convenzionali | Base |
| Lavoro per 10.000 prelievi/giorno | Circa 15-20 FTE | Circa 40-60 FTE |
| Spesa in conto capitale | 5-10 milioni di EUR (scala media) | Minima (scaffalature e attrezzature) |
| Periodo di payback | 3-5 anni | Non applicabile |
| Flessibilità operativa | Inferiore (layout griglia fisso) | Superiore (riconfigurare corridoi facilmente) |
Domande frequenti
Cosa dovrebbero fare ora le aziende di moda?
- Verificare il throughput attuale del magazzino e identificare i colli di bottiglia in ricezione, stoccaggio, prelievo e imballaggio. Misurare il tempo di ciclo degli ordini, il costo del lavoro per unità spedita e la precisione dell'inventario per stabilire una base per valutare i business case di automazione.
- Modellare scenari di domanda per i prossimi tre-cinque anni, inclusi i volumi di picco stagionali e potenziali cambiamenti dei canali. Gli investimenti in automazione richiedono throughput sostenuto per giustificare i costi fissi; le aziende con volumi di ordini volatili o in calo dovrebbero considerare soluzioni modulari o in leasing prima di impegnarsi in installazioni complete della griglia.
- Testare strumenti di IA generativa per immagini di prodotto e creazione di metadati su un sottoinsieme di SKU, misurando risparmi di tempo, qualità dell'immagine e impatto sul tasso di reso. Stabilire politiche chiare sull'etichettatura dei media sintetici e garantire il consenso dei partner di marca dove richiesto da contratto o regolamento.
- Valutare la complessità di integrazione con i sistemi esistenti di gestione magazzino, gestione ordini e pianificazione delle risorse aziendali. I sistemi robotici dipendono da feed di dati in tempo reale; le architetture IT legacy possono richiedere middleware o aggiornamenti che aggiungono costi e ritardi all'implementazione.
- Valutare le implicazioni sulla forza lavoro in anticipo, inclusi programmi di riqualificazione, potenziali licenziamenti e obblighi di legge sul lavoro locale. Coinvolgere i rappresentanti dei dipendenti e pianificare il supporto di transizione per ridurre al minimo le interruzioni e mantenere la continuità operativa durante la messa in servizio.
- Confrontare le offerte dei fornitori sul costo totale di proprietà, termini di manutenzione, licenze software e scalabilità. Autostore è uno dei diversi fornitori; le alternative includono Exotec, Ocado Smart Platform e Vanderlande, ciascuno con diverse architetture di griglia, velocità dei robot ed ecosistemi software.
- Pilotare prima di scalare installando un piccolo modulo di griglia o una singola zona di prelievo per convalidare le ipotesi di throughput, formare il personale e perfezionare i processi. Il rollout incrementale riduce il rischio e consente la correzione di rotta basata su dati operativi reali piuttosto che proiezioni dei fornitori.
Domande frequenti
Qual è il periodo di payback tipico per un'installazione di magazzino Autostore nell'e-commerce di moda?
Autostore ha riportato nel 2024 che i periodi di payback tipici dei clienti variano da tre a cinque anni, guidati da risparmi sul lavoro, aumento del throughput e costi immobiliari ridotti. I rivenditori di moda con alti picchi stagionali e salari di magazzino in aumento possono vedere ritorni più rapidi, mentre quelli con volumi di ordini volatili affrontano orizzonti di payback più lunghi.
Di quanto può ridurre l'IA generativa i tempi di consegna della fotografia di prodotto?
Otrium ha riportato che gli strumenti di IA generativa hanno ridotto il tempo mediano per inserire un nuovo SKU di circa il 40 per cento rispetto alla fotografia manuale in studio. About You ha puntato a una riduzione del 50 per cento nei tempi di consegna della fotografia per i venditori del marketplace di terze parti utilizzando una generazione di immagini basata su IA simile all'inizio del 2025.
L'automazione del magazzino riduce l'occupazione totale nella logistica della moda?
Uno studio del 2025 dell'European Trade Union Institute ha rilevato che l'automazione logistica nell'e-commerce ha ridotto l'occupazione totale nei magazzini del 12 per cento in media, sebbene la produttività per lavoratore rimanente sia aumentata del 35 per cento. Le strutture automatizzate richiedono meno addetti al prelievo ma più tecnici per la manutenzione dei robot e la gestione del software.
Fonti
- FashionUnited: Otrium expands brand partnerships and infrastructure
- Autostore: Technology overview and system specifications
- Supply Chain Dive: Automated warehouses cut order cycle times in e-commerce (2025)
- Retail Dive: Generative AI in fashion product imagery (2025)
- ASOS: Annual Report and Strategic Update 2024
- Zalando: Annual Report 2024
- FashionUnited: About You marketplace automation initiative (2025)
- Autostore: Customer case studies and ROI analysis (2024)
- European Trade Union Institute: Employment impact of e-commerce logistics automation (2025)
